Análisis de regresión MCO MELI. Mínimos cuadrados ordinarios Es una técnica de análisis...
-
Upload
aaron-hidalgo-calderon -
Category
Documents
-
view
216 -
download
1
Transcript of Análisis de regresión MCO MELI. Mínimos cuadrados ordinarios Es una técnica de análisis...
![Page 1: Análisis de regresión MCO MELI. Mínimos cuadrados ordinarios Es una técnica de análisis numérico enmarcada dentro de la optimización matemática, en la.](https://reader035.fdocumento.com/reader035/viewer/2022062807/5665b47c1a28abb57c91e553/html5/thumbnails/1.jpg)
Análisis de regresiónMCOMELI
21 1
ˆ ˆ( )i o iY X 2ˆi
1 1ˆ ˆ ˆi o iY X
![Page 2: Análisis de regresión MCO MELI. Mínimos cuadrados ordinarios Es una técnica de análisis numérico enmarcada dentro de la optimización matemática, en la.](https://reader035.fdocumento.com/reader035/viewer/2022062807/5665b47c1a28abb57c91e553/html5/thumbnails/2.jpg)
Mínimos cuadrados ordinarios
Es una técnica de análisis numérico enmarcada dentro de la optimización matemática, en la que, dados un conjunto de pares ordenados: (variable independiente, variable dependiente) y una familia de funciones, se intenta encontrar la función, que mejor se aproxime a los datos (un "mejor ajuste"), de acuerdo con el criterio de mínimo error cuadrático.
Karl Friedrich Gauss.2
1 1ˆ ˆ( )i o iY X 2ˆi
![Page 3: Análisis de regresión MCO MELI. Mínimos cuadrados ordinarios Es una técnica de análisis numérico enmarcada dentro de la optimización matemática, en la.](https://reader035.fdocumento.com/reader035/viewer/2022062807/5665b47c1a28abb57c91e553/html5/thumbnails/3.jpg)
TEMA II
Prof. Samaria Muñoz
SUPUESTOS DEL MODELO CLASICO LINEAL DE REGRESION
(Insesgamiento_MCO)
![Page 4: Análisis de regresión MCO MELI. Mínimos cuadrados ordinarios Es una técnica de análisis numérico enmarcada dentro de la optimización matemática, en la.](https://reader035.fdocumento.com/reader035/viewer/2022062807/5665b47c1a28abb57c91e553/html5/thumbnails/4.jpg)
1: Es un modelo de Regresión Lineal en los Parámetros
iμXββYi 1210
iμXββYi 1110
iμβXβYi 110 /
El modelo de regresión es lineal en los parámetros
Ejemplo de modelos no lineales
![Page 5: Análisis de regresión MCO MELI. Mínimos cuadrados ordinarios Es una técnica de análisis numérico enmarcada dentro de la optimización matemática, en la.](https://reader035.fdocumento.com/reader035/viewer/2022062807/5665b47c1a28abb57c91e553/html5/thumbnails/5.jpg)
2: Los valores de las “X” son fijos en muestras repetidas
Dado que el análisis de regresión depende de los valores de las variables exógenas estas deben ser no estocásticas.
Las variables exógenas no deben cambiar de muestra en muestra.
![Page 6: Análisis de regresión MCO MELI. Mínimos cuadrados ordinarios Es una técnica de análisis numérico enmarcada dentro de la optimización matemática, en la.](https://reader035.fdocumento.com/reader035/viewer/2022062807/5665b47c1a28abb57c91e553/html5/thumbnails/6.jpg)
3: El valor medio de las perturbaciones es igual cero
( / ) 0E x
Para todos los valores de X el valor esperado de las perturbacionesves igual a cero. Los factores no incluidos en el modelo, que se encuentran incorporados en las perturbaciones aleatorias, no afectan sistemáticamente el valor de la media de Y )/()/( 110 iiii XEXXYE
0
![Page 7: Análisis de regresión MCO MELI. Mínimos cuadrados ordinarios Es una técnica de análisis numérico enmarcada dentro de la optimización matemática, en la.](https://reader035.fdocumento.com/reader035/viewer/2022062807/5665b47c1a28abb57c91e553/html5/thumbnails/7.jpg)
![Page 8: Análisis de regresión MCO MELI. Mínimos cuadrados ordinarios Es una técnica de análisis numérico enmarcada dentro de la optimización matemática, en la.](https://reader035.fdocumento.com/reader035/viewer/2022062807/5665b47c1a28abb57c91e553/html5/thumbnails/8.jpg)
E(U/X) = 1,76911476921E-12
![Page 9: Análisis de regresión MCO MELI. Mínimos cuadrados ordinarios Es una técnica de análisis numérico enmarcada dentro de la optimización matemática, en la.](https://reader035.fdocumento.com/reader035/viewer/2022062807/5665b47c1a28abb57c91e553/html5/thumbnails/9.jpg)
4: El modelo es HOMOCEDASTICO
2)/()/( iiii XEXVAR
2)/(()/( iiiii XEEXVAR
2)/( ii XVAR
2( / )Var x
Dado el valor de las variables exógenas, la varianza de las perturbaciones es siempre la misma.
o
![Page 10: Análisis de regresión MCO MELI. Mínimos cuadrados ordinarios Es una técnica de análisis numérico enmarcada dentro de la optimización matemática, en la.](https://reader035.fdocumento.com/reader035/viewer/2022062807/5665b47c1a28abb57c91e553/html5/thumbnails/10.jpg)
HOMOCEDASTICIDAD
)/()/()/( 321 XVARXVARXVAR iii
2VAR La varianza del consumo permanece constante para todos los niveles de ingreso
![Page 11: Análisis de regresión MCO MELI. Mínimos cuadrados ordinarios Es una técnica de análisis numérico enmarcada dentro de la optimización matemática, en la.](https://reader035.fdocumento.com/reader035/viewer/2022062807/5665b47c1a28abb57c91e553/html5/thumbnails/11.jpg)
5: El modelo no tiene AUTOCORRELACION
0)/( jiji XXCOV
Dado el valor de las variables exógenas, las perturbaciones son independientes entre si.
NO HAY CORRELACION ENTRE LAS PERTURBACIONES
![Page 12: Análisis de regresión MCO MELI. Mínimos cuadrados ordinarios Es una técnica de análisis numérico enmarcada dentro de la optimización matemática, en la.](https://reader035.fdocumento.com/reader035/viewer/2022062807/5665b47c1a28abb57c91e553/html5/thumbnails/12.jpg)
No autocorrelación
![Page 13: Análisis de regresión MCO MELI. Mínimos cuadrados ordinarios Es una técnica de análisis numérico enmarcada dentro de la optimización matemática, en la.](https://reader035.fdocumento.com/reader035/viewer/2022062807/5665b47c1a28abb57c91e553/html5/thumbnails/13.jpg)
6: No relación entre las perturbaciones y las “X”.
( / ) 0iCov x
Las perturbaciones no están correlacionadas con las variables exógenas.
![Page 14: Análisis de regresión MCO MELI. Mínimos cuadrados ordinarios Es una técnica de análisis numérico enmarcada dentro de la optimización matemática, en la.](https://reader035.fdocumento.com/reader035/viewer/2022062807/5665b47c1a28abb57c91e553/html5/thumbnails/14.jpg)
7: El número de observaciones debe ser mayor que el número de parámetros a
estimar.
Identificabilidad o suficiente grados de libertad
N > k
![Page 15: Análisis de regresión MCO MELI. Mínimos cuadrados ordinarios Es una técnica de análisis numérico enmarcada dentro de la optimización matemática, en la.](https://reader035.fdocumento.com/reader035/viewer/2022062807/5665b47c1a28abb57c91e553/html5/thumbnails/15.jpg)
La varianza de X debe ser un número positivo que es diferente en cada observación, es necesario encontrar
XX i
8: Los valores de “X” deben variar
21
11 )(
))((ˆXX
YYXX
i
ii
iio XY 11̂
ˆ
![Page 16: Análisis de regresión MCO MELI. Mínimos cuadrados ordinarios Es una técnica de análisis numérico enmarcada dentro de la optimización matemática, en la.](https://reader035.fdocumento.com/reader035/viewer/2022062807/5665b47c1a28abb57c91e553/html5/thumbnails/16.jpg)
No debe haber errores de especificación
Se debe seleccionar las variable y la forma funcional adecuada
9: El modelo de regresión esta bien especificado
iμXββYi 1110
![Page 17: Análisis de regresión MCO MELI. Mínimos cuadrados ordinarios Es una técnica de análisis numérico enmarcada dentro de la optimización matemática, en la.](https://reader035.fdocumento.com/reader035/viewer/2022062807/5665b47c1a28abb57c91e553/html5/thumbnails/17.jpg)
CURVA DE PHILLIPS
Y= Cambios en Salario
X= Tasa de Desempleo
![Page 18: Análisis de regresión MCO MELI. Mínimos cuadrados ordinarios Es una técnica de análisis numérico enmarcada dentro de la optimización matemática, en la.](https://reader035.fdocumento.com/reader035/viewer/2022062807/5665b47c1a28abb57c91e553/html5/thumbnails/18.jpg)
),( 2 onAsunción necesaria para realizar inferencia estadística sobre los parámetros.
Supuesto 3 y 4
10: Los errores están distribuidos normalmente
![Page 19: Análisis de regresión MCO MELI. Mínimos cuadrados ordinarios Es una técnica de análisis numérico enmarcada dentro de la optimización matemática, en la.](https://reader035.fdocumento.com/reader035/viewer/2022062807/5665b47c1a28abb57c91e553/html5/thumbnails/19.jpg)
No hay relación perfecta entre las variables exógenas
X1
YX2
10: NO HAY MULTICOLINEALIDAD PERFECTA