Beruflich Dokumente
Kultur Dokumente
Econometra
Econometra
Econometra
Econometra
En nuestro laboratorio
Vs.
Quiero aislar el
efecto de una
variable sobre
otra
Quiero medir el
impacto de
cambios en una
variable sobre
otra, ceteris
paribus.
Depende el
fenmeno bajo
anlisis de
alguna(s) otra(s)
variable(s) adems
de la(s) de inters?
Puedo
observar
/medir estas
otras
variables?
Diferencia
simple
Regresin
multivariada
por MICO
Datos de panel /
DiD
Regresin por VI
Diseo
experimental
(aleatorizacin)
No
No
No
Est(n)
correlacionada(s)
con las variables
que s observo?
Regresin
multivariada
por MICO
( | ) ( )
Econometra
23
-
22
EY_DADO_X
Y_OBS
21
20
4.8
5.0
5.2
X
5.4
5.6
Econometra
Econometra
10
no son
{ }
S2Ei.
estocsticas e independientes de
son
.
{ }
S2Eim.
son
estocsticas y
son independientes en media de
: ( | )
,
por el S1. Este supuesto es
suficiente para garantizar el insesgamiento de
.
{ }
S2Enc.
son
estocsticas y no presentan correlacin con (no
presentan correlacin con el error de la misma
)
(
)
observacin): (
por el S1. Este supuesto es suficiente para garantizar
la consistencia de
.
Econometra
11
es una matriz (
).
) de rango completo.
Econometra
{(
) (
)}
Convergencia en ECM
ECM
YT
q si:
Convergencia en probabilidad
P
YT
q plim YT q si:
lim Pr YT q 0
12
Econometra
13
Convergencia en distribucin
d
YT
W si:
lim Pr YT x Pr W x x
YT
1 T
xi
T i 1
ECM
Chebyshev: YT
; E(x) , Var(x) 2x
P
Khinchine: YT
; E(x)
x d
W T
N(0,1)
1 T xi d
N(0,1)
T i 1
Algunos teoremas ms
Teorema de Slutsky
Econometra
14
Teorema de Cramer
d
P
X, YT
q :
Dados XT
d
X T YT
X q
d
X T YT
qX
d
X T / YT
X / q
Dados:
( )
(
]
)
)
(
) ) sin importar
Econometra
15
Econometra
)(
En palabras,
es el valor de que minimiza el
cuadrado de la distancia entre y los posibles .
16
Econometra
17
( )
Econometra
18
Econometra
19
(ii)
(iii)
Si dim[Col(X)] = k entonces
)(
Econometra
20
X '(y ) 0
X '(y X ) 0
X 'X X ' y
El sistema anterior tiene una solucin nica ( X es
una combinacin lineal nica de las columnas de X) si y
slo si los vectores en X son linealmente independientes.
La independencia lineal de los vectores en X implica que
el espacio que stos conforman tiene una dimensin igual
al nmero de vectores: dim[Col(X)] = k. Esto garantiza
que la matriz X'X sea invertible.
Por contradiccin > si X no tiene rango completo,
) tal que:
entonces existe un vector (k x 1) (
(
Un ejemplo:
N = 3, k = 2, X X1
1 x12
X 2 1 x 22
1 x 32
Econometra
21
Econometra
22
gorro1
X3
gorro3
Econometra
23
(ii)
e y M X y
y X y PX y
(I PX )y
M X I PX
Estas matrices son ortogonales entre s, simtricas e
idempotentes.
Econometra
e = MXy
X2
= PX y
X1
24
Econometra
25
Econometra
26
Ingreso
Educacin
Edad
Econometra
27
4.5. Multicolinelidad
Recordemos el diagrama de Venn > qu ocurre cuando el
rea (variaciones) que comparten Edad y Educacin crece?
Teorema de Gauss-Markov no nos asegura que MICO
tenga una varianza reducida en un sentido absoluto.
Problema que enfrentamos en el trabajo emprico > NO es
el problema de identificacin asociado a la
multicolinealidad exacta. Es la presencia de regresores
altamente (aunque no perfectamente) correlacionados > es
un problema de grado.
(i) Sntomas
- Pequeos cambios en la muestra generan cambios
pronunciados en los estimados (modelo poco
robusto).
- Coeficientes registran desviaciones estndar altas y,
por consiguiente, bajos niveles de significancia a
pesar de ser significativos en conjunto (ts bajos y un
R2 alto)
> no se afecta el ajuste global del modelo pero no es
posible identificar el aporte marginal de cada
regresor.
- Coeficientes pueden registrar signos distintos a los
esperados o magnitudes poco plausibles.
(ii) La varianza del k-simo regresor
Econometra
28
Ho : 1 2
Ha : 1 2
Dos muestras: n1,n 2 ,x1, x 2 ,S12 ,S22
S12 (n1 1) S22 (n 2 1)
S
n1 n 2 2
2
Econometra
e'e
2
~
(N k) .
2
29