Este documento presenta los principios básicos del análisis de regresión con dos variables. Explica que la regresión busca determinar cómo la variable dependiente (gasto familiar) varía en relación a la variable independiente (ingreso familiar), usando una función de regresión poblacional. Luego introduce conceptos como el valor esperado condicional e incondicional, y especifica un modelo estocástico de regresión lineal donde se añade un término de error. Finalmente, explica cómo se estima esta función de regresión poblacional a partir
Apuntes de econometría i (primera parte) jorge salgado
1. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
PRINCIPIOS ECONOMÉTRICOS:
1.- Análisis de regresión con dos variables:
Supongamos una comunidad hipotética con una población total de 60 familias con sus ingresos (X)
y sus gastos en consumo (Y) semanales.
Cabe advertir que se analizará la propensión marginal de consumo (PMC), desarrollado por el
economista John Maynard Keynes1 en el año de 1935.
Condiciones: Se va a construir un marco hipotético con 10 valores fijos de X y 10
“subpoblaciones” de Y.
Ingreso Familiar (X)
80 100 120 140 160 180 200 220 240 260
55 65 79 80 102 110 120 135 137 150
60 70 84 93 107 112 136 137 145 152
65 74 90 95 110 120 140 140 155 175
Consumo 70 80 94 103 116 130 144 152 165 178
Familiar (Y) 75 85 98 108 118 135 145 157 175 180
88 113 125 140 160 189 185
115 110 162 191
TOTAL 325 462 445 707 678 750 685 1043 966 1211
MEDIA CONDICIONAL 65 77 89 101 113 125 137 144 161 173
Y
Consumo Semanal
Curva de Regresión Poblacional
X
Re
Ingreso Semanal
gr
esi
ón
1
1
John Maynard Keynes (1883-1946), economista británico. Dio lugar a una nueva escuela de pensamiento económico
Po
Página
denominada keynesianismo o “nueva ciencia económica”, estas influyeron de forma determinante en el diseño de las
bl
políticas económicas de muchos países desde la finalización de la II Guerra Mundial dando lugar a los sistemas de
desarrollo. aci
on
Jorge Salgado al
2. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
-En el gráfico anterior la recta representa los valores promedio de las observaciones.
-Los promedios también son conocidos como los valores esperados condicionales.
-La expectativa (esperanza de Y condicionada a X) se simboliza como: E (X/Y)
- E (XY), en nuestro ejemplo se trata del promedio del consumo con respecto al
ingreso.
-Se concluye de forma sencilla que a medida que el ingreso semanal aumenta el
consumo aumenta.
1.1.-El valor esperado condicional e incondicional:
Para comprender las diferencias entre las categorías, vamos a relazar una contrastación utilizando
la tabla anterior.
Valor esperado Incondicional
7272
E (Y) = = 121,20
60
Valor esperado condicional
707
E (Y/X = 140) = = 101
7
Por lo tanto, el valor esperado incondicional y condicional son respuestas a diferentes preguntas.
En el caso de la media incondicional (en donde no existen condiciones) se formula la
pregunta:
¿Cuál es el valor esperado del consumo de una familia? En donde, se hace alusión
cualquier familia.
Por otro lado la media condicional formula la pregunta:
2
¿Cuál es el valor esperado de consumo de una familia cuyo ingreso semanal es de
Página
$ 140?
Jorge Salgado
3. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
2.-Función de Regresión Poblacional:
De lo presentado anteriormente se deduce que cada media condicional E (Y/Xi) es función de Xi.
E (Y/Xi) = f (Xi)
Esta ecuación señala que los valores esperados de la distribución de Y, están relacionados
funcionalmente con X.
Ahora vamos a suponer el gasto está linealmente relacionado con el ingreso.
E (Y/Xi) = β1 + β2Xi
En donde β1 y β2 son parámetros no conocidos, denominados coeficientes de regresión,
cuya estimación es el interés del análisis de regresión. La ecuación anterior es la función de
regresión lineal poblacional.
Finalmente es necesario resaltar que el criterio clave que subyace en el análisis de regresión es el
de función de regresión poblacional (FRP). Así, el objetivo del análisis de regresión es averiguar la
forma en que el valor promedio de la variable dependiente (regresada) varía de acuerdo con el
valor dado de la variable explicativa (regresora).
2.1-Significado del término lineal:
La interpretación matemática del término lineal, puede ser desarrollada por medio de dos vías.
a) Linealidad en las variables: Se dice que una función E (Y/Xi) = f (x) es lineal en las
variables si estas aparecen elevadas a una potencia uno y no están multiplicadas
ni dividas por ninguna variable. En el contexto de las matemáticas puras se dice
que la incógnita es el elemento de la ecuación elevada a una potencia.
b) Linealidad en los parámetros: Se dice que una función E (Y/Xi) = f (x) es lineal en
los parámetros se estos aparecen elevados a una potencia y no están
multiplicados ni divididos por ningún otro parámetro.
Ejemplos:
- Lineal en las variables.
������(������/������������ ) = ������1 + ������2 ������������ - Lineal en los parámetros.
- No lineal en las variables.
������(������/������������ ) = ������1 + ������2 ������������2 - Lineal en los parámetros.
1/2 - Lineal en las variables.
3
������(������/������������ ) = ������1 + ������2 ������������ - No lineal en los parámetros.
Página
Jorge Salgado
4. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
- No lineal en las variables.
������(������/������������ ) = ������1 + ������2 ������������−1 - Lineal en los parámetros.
−1 - Lineal en las variables.
������(������/������������ ) = ������1 + ������2 ������������ - No lineal en los parámetros.
������ ������ - No lineal en las variables.
������(������/������������ ) = ������1 + ������2 ������ ������ - No lineal en los parámetros.
2 ������
- Para nuestro propósito, la segunda interpretación (linealidad en los parámetros) es la que será
utilizada en el desarrollo de la materia.
- En una regresión lineal debemos fijarnos en los parámetros.
3.-Especificación Estocástica de la FRP:
Se ha demostrado que a medida que el ingreso familiar aumenta, el gasto de consumo familiar en
promedio también aumenta. Sin embargo, el gasto en consumo de una familia individual no
necesariamente aumenta a medida que el nivel de ingreso es mayor.
Perturbación estocástica, variables que afectan al consumo pero no es el ingreso.
Analizamos un cambio latitudinal
Son considerados otros patrones
de consumo a la religión, la
situación geográfica entre otros.
4
X1 X2 X3 X4 X5 X6 X7
Página
Jorge Salgado
5. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
-Es importante recordar que la sumatoria de las desviaciones con respecto a la media es igual a
cero. En el siguiente ejemplo se examina la premisa anterior:
Y1 75
U1
Y2 70 + U2
Y3 65 - E(Y/Xi) U3
Y4 60 - U4
Y5 55 U5
Así ������������ = ������������ − ������ ������/������������ , donde ������������ es una variable aleatoria que se denomina perturbación
estocástica que en términos estadísticos son desviaciones con respecto a la media; que sustituye o
representa a las variables omitidas o ignoradas que pueden afectar a Y por que no están incluidas
en el modelo de regresión.
������������ = ������ ������/������������ + ������������
������������ = ������1 + ������2 ������������ + ������������
Con el modelo anterior se puede determinar a las sesenta familias del ejercicio empírico
presentado inicialmente.
La ecuación plantea que el gasto de consumo de una familia está relacionado linealmente con sus
ingresos más el término de perturbación estocástica que puede ser positivo (+) o negativo (-).
En el siguiente
gráfico se muestra
a ������������ .
������������
X1 X2 X3 X4 X5 X6 X7
5
Página
Jorge Salgado
6. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
4.-Propiedades del Operador Expectativa:
1.-La expectativa de una constante es la constante.
El promedio de una constante es la constante.
������ ������ = ������
2.-Cuando tenemos la expectativa ������ ������/������������ queremos decir:
������ ������������ /������������
∴
������
������ ������������ =������ ∗ ������ ������ = ������ ∗ ������
������ ������
= ������ ∗ ������ ������������ /������������
������ ������������ + ������ = ������ ������ + ������ ������������
= ������ + ������ ∗ ������ ������
������
= ������ + ������ ∗ ������
������������
= ������ + ������ ∗ ������ ������������ /������������
Si tenemos el valor esperado de la ecuación anterior:
������������ = ������ ������/������������ + ������������
������(������������ ) = ������ ������ ������/������������ + ������������
������(������������ ) = ������ ������ ������/������������ + ������ ������������
������������
������(������������ ) = ������ ������ ������/������������ + ������ ������������
������������
������ ������������ = 0
Recordando que las expectativa de una constante es una constante.
Por un lado, el promedio de las perturbaciones estocásticas es igual a cero porque son
desviaciones con respecto a la media; pero por otro lado lo anterior implica que la recta de
regresión pasa a través de las medias condicionales de Y.
6
5.-Función de Regresión Muestral:
Página
Jorge Salgado
7. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
Cambiando de perspectiva de valores poblacionales vayamos a considerar valores muestrales que
es el problema de análisis de la regresión lineal.
En el ejemplo el número de muestras que disponemos es:
La combinación de las 60 familias, de donde podemos escoger uno de cada grupo.
60!
������60,10 = = 7,539402757 * 10 10 muestras.
10! 50!
De las cuales seleccionamos dos:
Muestra 1 Muestra 2
Y X Y X
70 80 55 80
65 100 88 100
90 120 90 120
95 140 80 140
110 160 118 160
115 180 120 180
120 200 145 200
140 220 135 220
155 240 145 240
150 260 175 260
Primera Muestra FRM2
Regresión basada en la
Segunda Muestra segunda muestra FRM1
Gasto en Consumo Semanal $
Regresión basada en la
primera muestra
En general las rectas de regresión
muestral, son aproximaciones a la
recta poblacional
7
Ingreso Semanal $
Página
Jorge Salgado
8. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
De manera similar a la función de regresión poblacional (FRP), es posible definir a la función de
regresión muestral(FRM), para representar la recta de regresión muestral.
������������ = ������1 + ������2 ������������ + ������������
Donde ������������ = ������1 + ������2 ������������ , y representa a un punto de la recta de regresión muestral.
������������ = Estimador del promedio ������ ������/������������
������1 = Estimador de la intersección ������1
������2 = Estimador de la pendiente ������2
������������ = Estimador de ������������ (residuos)
Así un estimador es la aproximación al parámetro poblacional a partir de la información de la
muestra que se tiene a la mano,
������������ = ������������ + ������������
������������ = ������������ − ������������
Ecuación que en términos de la FRP son:
������������ = ������(������/������������ ) + ������������ ������������ = ������������ − ������(������������ /������������ )
FRM
Gasto en Consumo Semanal $
FRP
8
Página
Ingreso Semanal $
Jorge Salgado
9. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
MODELO DE REGRESIÓN CON DOS VARAIBLES: PROBLEMA DE ESTIMACIÓN
La primera tarea consiste en estimar la función de regresión poblacional (FRP) con fundamento en
la función de regresión muestral(FRM) de la manera más precisa posible. Hay dos métodos de
estimación:
1) Los mínimos cuadrados ordinarios (MCO).
2) La máxima verosimilitud (MV).
Se estudiará el primer método.
Mínimos Cuadrados Ordinarios:
Se le atribuye a Carl Friedrich Gauss2, cuyo principio es el de minimizar la sumatoria de los residuos
al cuadrado.
2 2 2
������������ = ������������ − ������������ = ������������ − ������1 − ������2 ������������
Considerando como incógnitas a ������1 , ������2
2
������ ������������
=2 ( ������������ − ������1 − ������2 ������������ ) −1 = 0
������������1
( ������������ − ������1 − ������2 ������������ ) = 0
������������ − ������������1 − ������2 ������������ = 0
������������ = ������������1 + ������2 ������������ = ������������������������������������������ ������������������������������������������ ������������������������������������
2
������ ������������
=2 ( ������������ − ������1 − ������2 ������������ ) −������������ = 0
������������2
9
Página
2
Carl Friedrich Gauss (1777-1855), matemático alemán conocido por sus muy diversas contribuciones a la
astronomía, las matemáticas y la física, especialmente por sus estudios del electromagnetismo. En el caso
econométrico cobre relevancia por su aporte de la Curva Normal.
Jorge Salgado
10. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
( ������������ − ������1 − ������2 ������������ )(������������ ) = 0
������������ ������������ − ������1 ������������ − ������2 ������������2 = 0
������������ ������������ = ������1 ������������ + ������2 ������������2 = ������������������������������������������ ������������������������������������������ ������������������������������������
Ahora multiplicando a la segunda ecuación normal por n y restando la primera ecuación
multiplicada por ������������ , resolvemos el sistema de ecuaciones. Adicionalmente, tenemos que tener
en consideración que ������������2 ≠ ������������ 2 .
������ ������������ ������������ = ������������1 ������������ + ������������2 ������������2
2
������������ ������������ = ������������1 ������������ + ������2 ������������
La resta nos da el siguiente resultado:
������ ������������ ������������ − ������������ ������������ = ������������2 ������������2 −������2 ������������ 2
2
������2 ������ ������������2 − ������������ = ������ ������������ ������������ − ������������ ������������
������ ������������ ������������ − ������������ ������������
������2 =
������ ������������2 − ������������ 2
Remplazando, obtenemos ������1 :
������������2 ������������ − ������������ ������������ ������������
������1 =
������ ������������2 − ������������ 2
10
Se deben hacer los cálculos de los estimadores con el ejercicio de las muestras.
Página
Jorge Salgado
11. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
Propiedades de las desviaciones con respecto a la media:
Notación:
������������ = ������������ − ������ ������������ = ������������ − ������
1.- La sumatoria de las desviaciones con respecto a la media es igual a cero:
������������ = (������������ − ������) = ������������ − ������������ = ������������ − ������������ = 0
1
������ = ������ ������������
������������ = ������������
2.-La varianza:
������������2 = ������������ − ������ 2
= ������������2 − 2������������������ + ������ 2
= ������������2 − 2������ ������������ + ������������ 2 2������ ������������ = 0
= ������������2 − ������������ 2
3.-La covarianza:
������������ ������������ = ������������ ������������ − ������
= ������������ ������������ − ������������ ������
= ������������ ������������ − ������ ������������ ������ ������������ =0
������������ ������������ = ������������ ������������
Si en ������2 se sustituyen los valores observados (mayúsculas) por las desviaciones con respecto a la
media (minúsculas), encontramos:
������ ������������ ������������ − ������������ ������������
������2 =
������ ������������2 − ������������ 2
������ ������������ ������������ − ������������ ������������
������2 =
������ ������������2 − ������������ 2
11
Página
������ ������������ ������������ ������������������������������������������������������������
������2 = =
������ ������������2 ������������������������������������������������
Jorge Salgado
12. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
������������ ������������ ������������ ������������ ������������ ������������
������2 = = =
������������2 ������������2 − ������������������2 ������������2 − ������������������2
Si en la primera ecuación normal dividimos para n, encontramos:
������������ = ������������1 + ������2 ������������ = ������������������������������������������ ������������������������������������������ ������������������������������������
������������ ������2 ������������
= ������1 +
������ ������
������ = ������1 + ������2 ������
������1 = ������ − ������2 ������
Propiedades de numéricas de los operadores de los Mínimos Cuadrados Ordinarios:
Son aquellas que se mantienen sin considerar la forma o la manera en que se generan los datos.
1.-Están expresados en términos de las cantidades observadas, por consiguiente pueden
ser fácilmente calculados.
2.-Son estimadores puntuales, es decir proporcionan un solo valor poblacional pertinente.
3.-Una vez obtenidos los estimadores la recta de regresión muestral puede graficarse
fácilmente.
12
Página
Jorge Salgado
13. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
Propiedades de la recta de regresión muestral:
Nota:
Estos resultados son correctos cuando el modelo de regresión incluye la intersección ������1 , en el
caso de que sean excluidos estos resultados no se dan necesariamente. Sin embargo, hay c casos
en donde encontramos:
Y
X
i) Pasa a través de las medias muetrales de Y y X.
������ = ������1 + ������2 ������
ii) La media de ������(������������������������������������������������) es igual a la media de Y (observada).
������������ = ������1 + ������2 ������������ ������1 = ������ − ������2 ������
������������ = ������ − ������2 ������ + ������2 ������������ = ������ + ������2 ������������ − ������ = ������ + ������2 ������������
������������ = ������������ + ������2 ������������ ������������ = 0
������������ = ������������
������������
= ������
������
13
������ = ������
Página
Jorge Salgado
14. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
iii) La media de los residuos ������������ es cero:
2 2 2
������������ = ������������ − ������������ = ������������ − ������1 + ������2 ������������
2
������ ������������
=2 ������������ − ������1 + ������2 ������������ −1 = 0
������������1
������������ − ������1 + ������2 ������������ = ������������ − ������������ = 0
������������ = 0
Nota:
������������ = ������1 + ������2 ������������ + ������������
− ������ = ������1 + ������2 ������. ������������ = ������2 ������������ + ������������
������������ − ������ = ������2 ������������ − ������2 ������ + ������������ ������������ = ������2 ������������
������������ = ������2 ������������ − ������ + ������������
“Cuando se realza una regresión con respecto a la media se parte del origen”.
iv) Los residuos ������������ no están correlacionados con ������������ ������������ .
Con la ecuación obtenida anteriormente multiplicamos por ������������ y aplicamos la sumatoria:
������������ ������������ = ������2 ������������ ������������
������������ ������������ = ������2 ������������ ������������
������������ ������������ = ������2 ������������ ������������ − ������2 ������������
14
Página
������ ������ ������ ������
������2 = ������ ������2 ������������ ������������ = ������2 ������������2
Jorge Salgado
15. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
������������ ������������ = 0 = ������������ ������������
������������ ������������
������������������ = ������������ , ������������ ≠0
������������ ������ ������������ están correlacionados. Son dependientes.
������������ ������������
������������������ = ������������ , ������������ = 0
������������ ������ ������������ no están correlacionados. Son independientes.
v) Los residuos ������������ no están correlacionados con ������������ .
2 2 2
������������ = ������������ − ������������ = ������������ − ������1 + ������2 ������������
15
2
������ ������������
Página
=2 ������������ − ������1 + ������2 ������������ −������������ = 0
������������2
Jorge Salgado
16. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
������������ − ������1 + ������2 ������������ ������������ = 0
������������ ������������ = 0
������������ − ������������ ������������ = 0
������������ ������������
������������������ = ������������ , ������������ ≠0
������������ ������ ������������ están correlacionados. Son dependientes.
������������ ������������
������������������ = ������������ , ������������ = 0
������������ ������ ������������ no están correlacionados. Son independientes.
Supuestos detrás de los Mínimos Cuadrados Ordinarios (MCO):
Son supuestos sobre la forma como se generan los datos, los cuales fijan las propiedades
estadísticas de los estimadores de los Mínimos Cuadrados Ordinarios (MCO).
16
Si el objetivo de la econometría sería estimar ������1 y ������2 , solamente el método de los MCO sería
Página
suficiente. Pero es necesario saber que cerca está ������1 de ������1 , ������2 de ������2 y además se ������������ está cerca de
Jorge Salgado
17. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
������(������/������������ ), para poder hacer inferencia. Por tanto, el modelo clásico de regresión lineal plantea diez
supuesto.
Supuesto 1: El modelo de regresión es lineal en los parámetros.
������������ = ������1 + ������2 ������������ + ������������
Supuesto 2: Los valores de X son fijos en muestreo repetido, es decir se suponen no estocásticos.
Valores fijos en muestro repetido hace referencia a que mediante un valor de X se pueden escoger
varios valores diferentes de Y en diferente s muestras.
Supuesto 3: El valor medio de las perturbaciones ������������ es igual a cero.
D.P.
f(u)
+ui
-ui
FRP
Xi
Por un lado los valores negativos y positivos de ui se cancelan de tal manera que el efecto sobre el
promedio es cero; por otro lado las ui son desviaciones con respecto a la media cuya sumatoria es
igual a cero.
Yi = β1 + β2 + ui
Yi = E(Y/X i ) + ui
E Yi = E E(Y/Xi ) + ui
E Yi = E E(Y/X i ) + E ui /Xi
E Y/X i = E(Y/X i ) + E ui /Xi
17
E ui /Xi = 0
Página
Jorge Salgado
18. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
Supuesto 4: Homocedasticidad3 o igual varianza en las distribuciones de ui.
D.P.
f(u)
������ 2
������ 2
������ 2
FRP:
La homocedasticidad es una característica de las series de tiempo, en donde existen distribuiones varianzas y medias
iguales.
f(u)
D.P.
2
������1
2
������2
2
������3
FRP:
18
Así como la homocedasticidad es la característica de las series de tiempo, la heterocedasticidad es la característica de la
información de corte transversal.
Página
3
En griego Homo = igual y Cedasticidad = Dispersión
Jorge Salgado
19. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
Nota: La varianza de una variable X:
1 1
������������������ ������ = ������������2 = ������������ − ������ 2
������ ������
2
������������������ ������ = ������ ������������ − ������ ������������
2
������������������ ������������ ������������ = ������ ������������ − ������ ������������ ������������
������ ������������ ������������ = 0
2
������������������ ������������ ������������ = ������ ������������ = ������ 2
Supuesto 5: No existe autocorrelación entre las distribuciones de ui.
El problema de la autocorrelación está presente en series de tiempo, que en términos generales se
manifiesta de dos maneras:
������������ = ������1 + ������2 Xt + ut ������������ = ������������������−1
f (u)
D.P.
������������
������������−1
������������
FRP:
������������������ ������������−1 , ������������ ≠ 0
19
Página
Jorge Salgado
20. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
������������ = ������1 + ������2 Xt + ut ������������ = ������������ + ������1 ������������−1
f (u)
D.P.
������1
������������
������������−1
FRP:
������������
������������������ ������������−1 , ������������ ≠ 0
Nota:
1
Cov X, Y = ������������ ������������
n
1
= ������������ − ������ ������������ − ������
n
1
= ������ ������������ − ������ ������������ ������ ������������ − ������ ������������
n
Cov ui , uj X i Xj
1
= ������ ������������ − ������ ������������ /������������ ������ ������������ − ������ ������������ /������������
n
20
Página
Jorge Salgado
21. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
Supuesto 6: La varianza entre la distribución ui y Xi es cero. Las dos distribuciones no están
correlacionadas. Si la función de regresión poblacional es ������������ = ������1 + ������2 ������������ + ������������ y si existiera
correlación entre las perturbaciones de ui, y la variable Xi, la Cov(ui, Xi) ≠ 0, entonces Xi = f (ui). La
influencia de cada una de las dos sobre Yi, no serían independientes y lo que se requiere es que
sean separadas e individuales.
������������������ ������������ , ������������ = ������ ������������ − ������ ������������ ������������ ������������ − ������ ������������ ������ ������������ ������������ = 0
������������������ ������������ , ������������ = ������ ������������ ������������ − ������ ������������
������������������ ������������ , ������������ = ������ ������������ ������������ − ������������ ������ ������������
������������������ ������������ , ������������ = ������ ������������ ������������ − ������ ������������ ������ ������������ La expectativa de ui está condicionada.
������������������ ������������ , ������������ = ������ ������������ ������������ − ������ ������������ ������������ ������ ������������
1
������������������ ������������ , ������������ = ������ ������������ ������������ = 0 → ������ ������������ ������������ = ������������ ������������
������
Supuesto 7: El número de observaciones n debe ser mayor que el número de variables
explicativas. Este supuesto quiere asegurar los suficientes grados de libertad.
“En la práctica si solo poseemos diez observaciones no debemos hacer una regresión, los grados de
libertad son reducidos, por lo que la hipótesis no pasa y la inferencia poblacional estaría errada.”
n - k = Grados de libertad
En donde, n es el número de observaciones y k es el número de regresores. Así, lo óptimo es:
������ ≥ ������������
El número de observaciones n debe ser mayor que el número de variables explicativas. Este
supuesto quiere asegurar los suficientes grados de libertad.
Supuesto 8: Variabilidad de los valores de X (Los valores de las variables explicativas tiene que
tener diferentes valores).
No todos los valores de X en una muestra dada deben ser iguales. Si todos los valores de X son
idénticos, ������������ = ������ y la varianza sería cero. La varianza de X debe ser un número positivo finito. Por
21
lo tanto, cuando la varianza es igual a cero no existe distribución.
Página
Jorge Salgado
22. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
Supuesto 9: El modelo de regresión está correctamente especificado.
Una investigación econométrica empieza con la especificación de un modelo de base para explicar
el fenómeno de interés. En este proceso surgen dos preguntas esenciales:
A) ¿Cuáles son las variables que deben ser incluidas? Las técnicas estadísticas
probabilísticas, la teoría económica usada, solventan a este cuestionamiento.
B) ¿Cuál es la forma funcional del modelo? A nivel nacional aplicar un modelo puede
tener múltiples dificultades, se suelen usar variables proxy.
Respecto al primer cuestionamiento se debe seguir alguna teoría que explique el fenómeno
económico y aún así, en la práctica el”econometrista” tiene que usar su juicio para escoger
cuantas y cuales variables.
Con relación al segundo cuestionamiento analizamos a la Curva de Phillips.
������������ = ������1 + ������2 ������������−1 + ������������ (Hipérbole)
Haríamos mal en proponer un modelo lineal,
porque solo hay dos puntos en contacto con la
realidad. La hipérbole por el contrario se funde con
% Salarios
la realidad.
������������ = ������1 + ������2 ������������ + ������������
% Desempleo
22
Página
Jorge Salgado
23. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
Si proponemos a ������������ = ������1 + ������2 ������������ + ������������ , una línea recta, apenas coincidirá en dos puntos con las
observaciones y será una mala propuesta.
Si proponemos a ������������ = ������1 + ������2 ������������−1 + ������������ , entonces es una hipérbole, coincidirá con las
observaciones y será una buena propuesta.
Supuesto 10: No existe multicolinealidad perfecta. Este supuesto está destinado a la regresión
múltiple y se discutirá más adelante.
Nota: Propiedades de ki:
������������ ������������ ������������ ������������
β2 = = = ������������ ������������
������������2 ������������2
β2 es un estimador lineal Yi, es decir un
promedio ponderado de Yi en donde ki ������������
������������ =
son las ponderaciones. ������������2
������1 ������2 ������������
β2 = ������ + 2 ������ + ⋯ + ������
������������2 1 ������2 2 ������������2 ������
1.- ������������ = 0
������������ ������������
������������ = = =0
������������2 ������������2
2 2
������ ������ ������ ������
2.- ������������2 = ������ ������2 = 2 2
������ ������
2
������������ ������������2 ������������2 1
= = =
������������2 ������������2
2
������������2
2 ������������2
3.- ������������ ������������ = ������������ ������������ = 1
������������ ������������2
������������ ������������ = ������������ = =1
������������2 ������������2
23
������������ ������������ ������������ ������������ − ������ ������������
������������ ������������ = ������ = =
������������2 ������ ������������2 ������������ − ������ 2
Página
Jorge Salgado
24. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
������������2 − ������������������ ������������2 − ������ ������������ ������������2 − ������������ 2
= =
������������2 − 2������������������ + ������ 2 ������������2 − 2������ ������������ + ������������ 2 ������������2 − 2������ ������������ + ������������ 2
������������2 − ������������ 2
= =1
������������2 − ������������ 2
Nota: Propiedades del operador varianza:
1.-Var(a) = 0 No existe
2.-Var (aXi)=a2Var(X)
3.-Var ������ ± ������������������ = ������ 2 ������������������(������)
4.- Var ������ ± ������������ = ������������������(������)
Cuando las variables son independientes (no correlacionadas)
5.- Var ������������ ± ������������ ± ������������ = ������������������ ������ + ������������������ ������ + ������������������ ������
6.- Var ������������������ ± ������������������ ± ������������������ = ������2 ������������������ ������ + ������ 2 ������������������ ������ + ������ 2 ������������������ ������
Cuando las variables son dependientes (correlacionadas)
7.- Var ������������ ± ������������ ± ������������ = ������������������ ������ + ������������������ ������ + ������������������ ������ ± 2������������������ ������, ������ ± 2������������������ ������, ������ ± 2������������������ ������, ������
8.- Var ������������������ ± ������������������ ± ������������������ = ������2 ������������������ ������ + ������2 ������������������ ������ + ������ 2 ������������������ ������ ± 2������������������������������ ������, ������ ± 2������������������������������ ������, ������ ± 2������������������������������ ������, ������
Varianza y errores estándar estimadores de MCO
Si en nuestro ejemplo hipotético hay 7,54*1010 muestras quiere decir que se puede obtener
7,54*1010 regresiones o líneas rectas ������1 ´������ (para hacer cumplir los MCO) y ������2 ´������, valores con los
cuales se pueden obtener dos distribuciones normales.
������ 2
������������������ ������2 = 2
������ ������
En donde ������ 2 es la varianza homocedástica de las
distribuciones de las perturbaciones ui y que se estima
1/2
������������ ������2 = ������������������ ������2 de la siguiente manera:
2
2
������������2 2
������������
������������������ ������1 = ������ ������ =
������ ������������2 ������ − ������
24
1/2 Donde n es el número de observaciones y k es el
������������ ������1 = ������������������ ������1 número de regresores.
Página
Jorge Salgado
25. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
Recordando de esta manera que (n-k) son los grados de libertad, n es el número total de
observaciones y k es el número de restricciones lineales (número de ������1 ´������ ) para una muestra(n-2).
2
Así, los ������������ son denominados suma de residuos cuadrados (SRC). Además, la raíz cuadrada de ������ 2
es el error estándar de la regresión.
Por otro lado, en una muestra dada ������1 y ������2 pueden estar correlacionados entre si:
������������������ ������1 , ������2 = −������ ������������������ ������2
Varianza de ������������ :
������2 = ������������ ������������
������������������ ������2 = ������������������ ������������ ������������ = ������������2 ������������������ ������������
1
������������������ ������������ = ������������������ ������������ = ������ 2 ������������2 =
������������2
Reemplazando:
������ 2
������������������ ������2 =
������������2
Nota:
Considerando a ������������ = ������1 + ������2 ������������ + ������������
������2 = ������������ ������1 + ������2 ������������ + ������������
������2 = ������1 ������������ + ������2 ������������ ������������ + ������������ ������������ ������������ = 0 y ������������ ������������ =1
������2 = ������2 + ������������ ������������
������2 − ������2 = ������������ ������������
������ ������2 = ������ ������2 + ������������ ������������ = ������2 + ������������ ������ ������������ ������ ������������ =0
������ ������2 = ������2
25
Se cumple de esta forma la premisa de que el promedio de las muestras es igual al valor
Página
poblacional.
Jorge Salgado
27. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
2
2 2 ������������
������������ − ������ = ������������ −
������
2
������������ − ������ = ������������ 2 − ������ 2 = (������ − 1) ������ 2
������
������������ = ������������
������
������
* −������ ������������ − ������������ ������������ ������������ − ������
= −2 k i ui x i ui − u xi xi = 0
= −2 k i xi u2
i
Remplazando en **
2
������������ = (������ − 1) ������ 2 − 2 k i xi u2 + (������2 − ������2 )2
i ������������2
2
������ ������������ = ������ (������ − 1) ������ 2 − 2 k i xi u2 + (������2 − ������2 )2
i ������������2
2
������ ������������ = (������ − 1) ������ 2 − 2 k i xi E(u2 ) + ������(������2 − ������2 )2
i ������������2
2
������ ������������ = ������������ 2 − ������ 2 − 2������ 2 + ������ 2
2
������ ������������ = ������ − 2 ������ 2
Considerando:
������ ������ 2 = ������ 2
2
������ ������������ = ������ − 2 E σ2
2
������������
σ2 =
n−2
27
Covarianza entre ������������ y ������������ :
Página
������������������ ������1 , ������2 = ������ ������1 − ������ ������1 ������2 − ������ ������2
Jorge Salgado
28. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
������������������ ������1 , ������2 = ������ ������1 − ������ ������1 ������2 − ������2
������ = ������1 + ������2 ������ → ������1 = ������−������2 ������
������ ������1 = ������ ������−������2 ������ = ������ − ������������ ������2
������ ������1 = ������ − ������2 ������
������������������ ������1 , ������2 = ������ ������ − ������2 ������ − ������ + ������2 ������ ������2 − ������2
2 2
= ������ −������ ������2 − ������2 = −������������ ������2 − ������2 = −������������������������(������2 )
������������������ ������1 , ������2 = −������������������������(������2 )
Propiedades Estadísticas de los MCO: Son aquellas que adquieren los MCO a raíz de los supuestos
del modelo clásico de regresión lineal.
1.- Son lineales con la variable dependiente:
������ ������
������2 = ������������ ������������ ������������ = ������ ������2
������1 ������2 ������������
������2 = 2 ������ +
1 2 ������ + ⋯ +
2 ������
������������ ������������ ������������2 ������
������2 es lineal con la variable Y, y además es un promedio ponderado de Y, donde ki son las
ponderaciones.
2.- Son insesgados:
������2 = ������������ ������������ = ������������ ������1 + ������2 ������������ + ������������
������2 = ������1 ������������ + ������2 ������������ ������������ + ������������ ������������
������2 = ������1 ������������ + ������2 ������������ ������������ + ������������ ������������ ������������ = 0 ������������ ������������ = 1
������2 = ������2 + ������������ ������������
������ ������2 = ������ ������2 + ������������ ������������ = ������ ������2 + ������ ������������ ������������ = ������2 + ������������ ������ ������������ ������ ������������ = 0
������ ������������ = ������������
28
Página
Jorge Salgado
29. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
3.- Son eficientes, es decir tienen varianza mínima. Es el teorema de Gauss Markov:
������ ������
������2 = ������������ ������������ ,donde ������������ = ������ ������2
Definamos un estimador lineal alterno de ������2 y veamos si es insesgado.
∗
������2 = ������������ ������������
Donde ������������ son también ponderaciones.
∗
������ ������2 = ������ ������������ ������������ = ������������ ������ ������������
∗
������ ������2 = ������������ ������ ������1 + ������2 ������������
∗
������ ������2 = ������������ ������ ������1 + ������2 ������������
∗
������ ������2 = ������1 ������������ + ������2 ������������ ������������
∗
Para que ������2 sea insesgado:
������������ = 0 ������ ������������ ������������ = 1
������ ������∗ = ������������
������
En el caso de la varianza:
������������������ ������������ = ������������������ ������������ = ������ 2
∗
������������������ ������2 = ������ 2 ������������2
Suponiendo que ������������ no son necesariamente iguales a ������������ .
∗
������������������ ������2 = ������ 2 ������������ − ������������ + ������������ 2
∗
������������������ ������2 = ������ 2 ������������ − ������������ + ������������ 2
∗
������������������ ������2 = ������ 2 ������������ − ������������ 2
+ 2 ������������ − ������������ ������������ + ������������2
29
∗
������������������ ������2 = ������ 2 ������������ − ������������ 2
+2 ������������ ������������ − ������������2 + ������������2
Página
Tomando al término intermedio:
Jorge Salgado
30. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
2 ������������ ������������ − ������������2
= 2 ������������ ������������ − ������������2
������������ 1
= 2 ������������ 2−
������������ ������������2
1 1
=2 2
������ ������
− 2
������ ������
=0 ∴
∗
������������������ ������2 = ������ 2 ������������ − ������������ 2
+ ������������2
∗
������������������ ������2 = ������ 2 ������������ − ������������ 2
+ ������ 2 ������������2
∗
������ 2
������������������ ������2 = ������ 2 ������������ − ������������ 2
+
������������2
∗
������������������ ������2 = ������ 2 ������������ − ������������ 2
+ ������������������ ������2
������������������ ������∗ > ������������������ ������������
������
De esta manera la única manera en que las dos varianzas sean iguales es que ������������ = ������������
30
Página
Jorge Salgado
31. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
El Coeficiente de Determinación:
Mide la bondad del ajuste, es decir, que tan bien se ajusta “la recta e regresión a los datos, o
también mide el porcentaje de la variación total en Y explicado por el modelo de regresión.
������ 2 = ���������������������������������������������� ������������������������������������
������ 2 = ���������������������������������������������� ������������������������������������������������
Por un lado;
������������ = ������������ + ������������
2
������������2 = ������������ + ������������
������������2 = ������������2 + 2������������ ������������ + ������������
2
������������2 = ������������2 + 2������������ ������������ + ������������
2
������������2 = ������������2 + 2
������������
������������������ ∗ = ������������������ ∗ + ������������������
Por otro lado;
������������ = ������������ + ������������
������������ − ������ = ������������ − ������ + ������������
������������ = ������������ + ������������
������������2 = ������������ + ������������ 2
= ������������2 + 2������������ ������������ + ������������
2
������������������ = ������������������ + ������������������
Recordando
31
������������ = ������2 ������������
Página
������������ = ������2 ������������2
2
Jorge Salgado
32. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
2
������������ = ������2 ������������2
������������2 = ������2
2
������������2 + 2
������������
������������ − ������ = ������������
FRM
������
2
SEC yi2 Yi − Y
r2 = = =
STC yi2 Yi − Y 2
������������ ������������������ = 0 → ������������������ = ������������������ ������ 2 = 1 ↔ ������������������������������������ ������������������������������������������������
������������ ������������������ ≠ 0 → ������������������ < ������������������ ������ 2 < 1 ↔ ������������������������������������ ������������������������������������������������
0 ≤ ������ 2 ≥ 1
Cabe advertir que el grado de ajuste debe ser multiplicado por cien.
Recordando:
32
������ ������ ������ ������
yi2 = β2
2 xi2 y ������2 =
Página
2
������ ������
Jorge Salgado
33. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
2
������������2 ������������ ������������ 2
������ 2 = ������2 =
������������2 ������������2 ������������2
2
������������2 ������������ ������������ 2
������ 2 = ������2 =
������������2 ������������2 ������������2
2
������������2 ������ 2
������������������ ������������ 2
������������ 2
������ 2 = ������2 = ������2 = ������2
������������2 ������ ������������������ ������������ ������������ 2
De la definición:
SEC STC − SRC ������������������ ������������
r2 = = = 1− =1−
STC STC ������������������ ������������2
Así mismo, la raíz cuadrada del coeficiente de determinación (r2) se denomina Coeficiente de
Correlación (r), que mide el grado de asociación entre dos variables.
xi yi Cov X, Y
r= 2 = Var X Var Y
xi2 yi 2
El Coeficiente de Correlación (r) puede ser positivo o negativo dependiendo del signo del
numerador que no es más, que la covarianza entre las dos variables, resulta de este modo entre:
−1 ≤ ������ ≤ 0
MODELO CLÁSICO DE REGRESIÓN LINEAL NORMAL
La teoría clásica de la inferencia estadística consta de dos partes, la estimación y la prueba de
hipótesis. La primera se analizó en la sección anterior y la segunda se desarrolla a continuación.
Distribución de probabilidades de las perturbaciones ui:
Recordando que:
������2 = ������������ ������������ En donde ������������ , ������1 , ������2 ������ ������������ son fijas, entonces ������2 , es una
función lineal de ui, que es una variable aleatoria por
hipótesis. Por tanto, se asume que ui sigue un
������������ = ������1 + ������2 ������������ + ������������
33
distribución normal.
Página
������2 = ������������ ������1 + ������2 ������������ + ������������
Jorge Salgado
34. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
Supuesto de Normalidad:
La regresión lineal clásica supone que cada distribución de las perturbaciones ui, están
normalmente distribuidas con:
Media: ������ ������������ = 0
Varianza: E [ui – E (ui) ]2 = ������ ������������2 = ������ 2
Cov (ui, uj): E { [ (ui – E (ui)] [uj – E (uj ) ] } = E (ui, uj ) = 0
Propiedades de los estimadores de los Mínimos Cuadrados Ordinarios (MCO) bajo el supuesto
de normalidad:
1.-Son lineales con la variable Y.
2.-Son insesgados.
3.-Son eficientes es decir tienen varianza mínima.
4.- Son consistentes a medida que el tamaño de la muestra aumenta, los estimadores convergen
hacia sus verdaderos valores poblacionales.
5.- ������1 al ser función lineal de ui está normalmente distribuida con:
Media: ������ ������1 = ������1
2 ������������2
������������������ ������1 : ������������1 = ������ 2 2
������ ������ ������
2
������1 ~������ ������1 , ������������1
Valores que luego del proceso de estandarización dan lugar a la obtención de la distribución normal
estándar.
������ 1 −������ 1
������1 =
������ 2
������ 1
������1 ~������(0,1)
������ ������ −������
Nota: ������������ =
������������
2
6.- ������2 ~������ ������2 , ������������2
34
������2 al ser una función lineal de ui, está normalmente distribuido con:
Página
Media: ������ ������2 = ������2
Jorge Salgado
35. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
2 ������ 2
������������������ ������2 : ������������2 = 2
������ ������
2
������2 ~������ ������2 , ������������2
Estandarización:
������ 2 −������ 2
������2 =
������ 2
������ 2
������2 ~������(0,1)
������ ������1 ������ ������2
������ ������1 ������ ������2
������1 ������2
������1 ������2
−1 0 +1 −1 0 +1
������ ������1 = ������1 ������ ������2 = ������2
������ 2
7.- ������ − 2 sigue una distribución ������2 , n-2 grados de libertad.
������ 2
8.-������1 y ������2 se distribuyen de manera independiente a ������ 2 .
Distribuciones relacionadas con la normal:
Teorema 1: Si Z1, Z2,…, Zn son variables aleatorias que están distribuidas normalmente y de manera
independiente, tales que ������������ ~������(������������ , ������������2 ) entonces la suma ������ = ������������ ������������ , donde ������������ son constantes no todas
nulas, está también normalmente distribuida y tiene una media ������������ ������������ y una varianza ������������2 ������������2 .
������~������ ������������ ������������ , ������������2 ������������2
Ejemplo: Con la variable peso, los seiscientos alumnos de Economía, los novecientos de Derecho y
35
los quinientos de Ciencias Humanas, se distribuyen:
Página
������������ ~������ 130,10 ������������ ~������ 138,14 ������������������ ~������ 126,12
������ = 600 + 900 + 500 = 2000
Jorge Salgado
36. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
������������ = 0.3 ������������ = 0.45 ������������������ = 0.25
������ = 0.3 ∗ 130 + 0.45 ∗ 138 + 0.25 ∗ 126 = 132.6
������ 2 = 0.2 2 10 + 0.45 2 14 + 0.25 2 12 = 3.9
������~������ 132.6, 3.9
Teorema 2: Si Z1, Z2,…, Zn están normalmente distribuidas, pero no son independientes la suma
������ = ������������ ������������ , donde ������������ son constantes y no todas igual cero, también está normalmente distribuida con una
media ������������ ������������ y una varianza ������������2 ������������2 + ������������ ������������ ������������������ ������������ , ������������ .
������~������ ������������ ������������ , ������������2 ������������2 + ������������ ������������ ������������������ ������������ , ������������
Ejemplo: Con la variable peso, los seiscientos alumnos de Economía y los novecientos de Derecho:
������������ ~������ 130,10 ������������ ~������ 138,14 ������������������ ������������ , ������������ = 0.8
������ = 600 + 900 = 1500
������������ = 0.4 ������������ = 0.6
������ = 0.4 ∗ 130 + 0.6 ∗ 138 = 134.8
������ 2 = 0.4 2 10 + 0.6 2 14 + 2 0.4 0.6 0.8
������ 2 = 7.02
������~������ 134.8, 7.02
Teorema 3: Si Z1, Z2,…, Zn son variables aleatorias que están distribuidas de manera normal e
independiente de tal manera que cada ������������ ~������ 0, 1 , es decir son variables estandarizadas,
entonces ������������2 = ������1 + ������2 + ⋯ + ������������ sigue una distribución ������ 2 con n grados de libertad.
2 2 2
Teorema 4: Si Z1, Z2,…, Zn son variables distribuidas independientemente y cada una sigue una
distribución ������ 2 con ki grados de libertas (g de l) entonces la suma ������ = ������1 + ������2 + ⋯ + ������������ también
sigue una distribución ������ 2 con������ = ������������ grados de libertad.
36
Página
Jorge Salgado
37. PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR
APUNTES DE ECONOMETRÍA I
ECONOMISTA LINCOLN MAIGUASHCA
Teorema 5: Si Z1 es una variable normal estandarizada ������1 ~������ 0, 1 y otra variable Z2 sigue la
distribución ������ 2 con k grados de libertad y es independiente de Z1 entonces se define la
distribución t de Student.
������1
������ = 1/2
������2 ������
Variable normal estandarizada
������ =
������������������������������������������������ ������ 2 1/2
Teorema 6: Si Z1 y Z2 son variables ������ 2 independientemente distribuidas con ������1 ������ ������2 grados de
libertad respectivamente.
1/2
������1 ������1
������ = 1/2
������2 ������2
Donde encontramos a la distribución F con ������1 grados de libertad del numerador y ������2 grados de
libertad del denominador, ������������ 1 ,������ 2 .
Teorema 7: El cuadrado de la variable t de Student, con k grados de libertad tiene una distribución
F con ������1 = 1 grados de libertad del numerador y ������2 = ������ grados de libertad en el denominador.
������1,������ = ������ 2 ������
Relación que se aplica solamente a una regresión simple, donde se cuenta con una variable explicativa y k
observaciones.
37
Página
Jorge Salgado