J. JOHNSTON .

Universidad de C<llifornia, lrvine

J.DINj'\RDO
U,nivcrsidad de California,'lrvine'
.~

Traducción:

CARL,ES MURILLo.FORT
Caledrático de Economía Aplic<Jdn
Univer~ilal Pompeu Fabra .'
" 1.~',
'~4\'"
r

:' ;

:,:~,...,~';';:.: .

.. .• , ...
.
'

'

"
.". :

.
.~
., .
>,
'. '
'.~

. . '.~ ~
•••I .

;-.~,~.~?-f\;,~
, ~--,i.t!:
 "
INDICE

...•......•...

I'ról<lgo a la edición e~j);lJiola

l'
Prdacio
xix

1 Relaciones entre DosVariables.

I
1.1 Ejemplos tle Relaciones (.leDos Variables
I
,1.1.1 Dislribuciunes tle Frecuencj¡lstle DosVariahles (,
1.2 Cocficientes tic Correlación
7
1.2.1 El- Codicienle tic CorrelacilÍn para una Di~lrillll(il'lIl tic
Fre,cuencia de Dos Variables' .
9
1.2.2 Los Límiles de /l
10
1.2.3 Correlaciones Esplireils y Olros Tcmas
1.2.01 ESludio de un Caso " , . 11
12
1.3 Modelos de I'robabilitlau para DosV¡iriables ,
I~
1.3.1 Dislr~llll~icín.tleProbabilidad Discrela tle Dos Vari¡¡blt:s I~
1.3.2 La ¡)lslnlJllellín Normal de Dos Variables
17
I A El tvlod('lod~ H.egresión Lineal de Dos Variables'
I~
1.4.1 Un Motlelo Condicional .
Pi
1,.'1.2 FSli;lIai:io'nes y ESlimadures
21
1,.4.3 ESlimatlores Mínimos CuatlriÚico~
~2
1.'1.4 Descomposición de la Suma de Cuadrados
1.4.5 Un Ejemplo Numérico 25
2(,
I.S , Inferencia en el Mudelüde DosVariahles tvlíninHl Cüadr;ilieo 27
'1.5.1 I'ropiedade~ de ,los E~limadores Me
27
1.S.2 El Teurema de Gauss-Mark()v .
29
I.S.3 Procetlimienlus de Inferencia
.lO
1.5.'1, Ejemplo Nnm.:rico (Conlinuación de la Secci'(~)nIA.S) 32
l.Cí An,llisis de Varianza en el Modélode Regresión de Dos Variables
1.7 Predicci61l en un Mudelo de Rcgresió~ de DosVariailli.:s 36
I.H Consulllo de Gasoli'na: un AIl¡i1isisPreliminar
:;9
Apéndice
1.1 Para \'erifj~ar var(b) = ,,212.x2
~ J
 I,2 I'~m deri:'ar 1,1mcoia )' la vari;lI1za oc la dislribución mueslr~1 de n ,11
1.3 P~ra de'ri\'~r cOv(a,hi 42
1A El IClln:ma de Gauss-.I\.larkov. 42
1.5 l'a,r;1 J<.:dl'.;r'var(t',,) . ~J
I'lllhl~lIlits 4.1

2 Otros Aspettósdc 'IélsRelaciones entre Dos Variables <1~

2.1 El Ticn;po como Rcgresqr
'19
,2.1.1 .Curvas de V;1riación (Crccimienlo) Cunslante 50
.. 2:1.2 ' Ejemplo Numérico 51
2.2 Tr~llsrorm~ción.oe Vari;ihlcs ')2
2.2.1 Tr~nsrormaci6n Lóg~rilmo.Log~rilmo (Doblemenle Logarítmicas) 52
2.2.2 . Tran'srorl11aciones Sel11ilog~rílrnic.ls 5,1
2.2.3 Transformaciones Recfprocas 55
2.J Eje'in[Jlo' Éni[Jírictl d~:lIfi;,R~laeión No Lineal: Ii! Inrl.1ción en los
Estados U1\idos )'el Desemph:o 57
2.~ V~riable:DerclidiCllle Relard~da como Regresor 60
2A.'1 Il1lrouueeióna I~ Teoría Asinlótic:l' 62
2A.2 Convergencia eil Proh;lbilid:ld 62
2A.J COI1\'ergencia en Distribución. 64
2AA L~ Eeuacilln AUlOrregresiv~ 65
2.5 Series Estacitlnari~s y No Eslaeionari;¡s 66
2.5.1 Raíces Unit:lri:ls 68
2.5.2 '1luslr:leión Num<!riea ,~', 63
2.(; ESlimaci6nM~ximu Verosímil uela Ecuación Aillorrcgresi\'a 71
2.Ii.1 ESlil11~dorcs de M:hiina VerosimilillJU 71
2.6.2 Propiedades uc los.Estinwdores de M~xill1a Verosimí"lilud .73
Apénuice
2, t';iiJIi¡!~'Í]1tiÍ0'dt:;Yild¡,b ie (i:il'ÚÍl\C ióiíi.:"5:J c' J eliSI' ti¡,ú'
~.
.'....•
, ''. " ..
.'~
':1;¡ r.-':.':.-::-.:":
2.2 . 'Eslim~don:s ue lidxima\ii.:rosimilitudpar~ el inouelo AR(I) 75
rrohlcm~s 76

La Ecuación Linc,d dek Variables Xl)

3.1 Formulación M:llricial del Modclo de k Variables RI
J. LI EI/\lgebrade /vlíniillosC'uadr;íticos ~I
J.I.2 DescolllposicitiniJc la Sum;i de los Cuadrados 1\3
J.I ..1 Ecuación en rOrm;1de De.:sviaciones
3.2 C(ldicienles~k CorreI;1ci(illPan:;i~1 1\8
3.2.1 ConstrllCc.i¡'1I1SCcucnci;iltlc.la Sunia de Cuadrados E~plicad~ . 90
3.2.2 . Codiciclile.:s de CÓITelilcióll l';m::ial y Codicientes de
RegrcsilÍn ~'I(11l.ipJe.
3.2.3 Tral~lllicnlo Gcne.:r~1 de los Codiciellles de.:Corrclacit'ln I'arcial
ydc RcgresiÓn j\;I(Jiliple
.1..1 LI.(jcomelríade Ins i\.Úlliml1s Cuadrados
 .. -:l.
'J.4 infcr~n~i;¡ en I~ Ec'u;(~j'tíJÍ~dek:Vari~b\cs. 99
JA,I. "!.(j'pÚlcsis',",. ,,:'<".¡
. • 1, 1: . ;. ~-. '
99 .
'3.'1.2', f\.IeUia,y Vari,íl\zadel,,' .;; lCO'.
:IA.J .. Ln cSlínwción"dc (,2.:, .,"; 102'
,','''
J.4!~ El Teoremi\ ~le,;GalÍss.M;;rkov: '.' .. ' ,j •
'\ój
3A;5.'Ó)l;lpn;b;ici~ii,;;¡J¡;H¡r6Iesis Linc'p¡'cs oc (3.;.' , \04; ..
'3.'1:6'. ¡He.:gré~i11l1cs:ltestrii1sidas'y;N.o Rc~lrihgitlas, " lIÓ.
J.4.7 .'~\jusletle la RCJ!,resión RCSI,i'j¡)gitl:l,":, '. . 1.11.;

3.5. Prcdicción """ ' ' ,.;', ,"< '\ '\ I 4

.'
Arclh.)¡ce
"
" . ,,'
,',
. :"; y
" . .:.~".
.","
-,~,~ <""-,..1),
J~1 . I'ara comprobar (,'2,) 5' (f,jr2)/ v l. ~.r¡). vI '-' r~)' .,' '. \I~ •.
3.2 Oblención ueun~so,I,quc lo~~oeficienlq t1<: regresiÓn .eli un,ll "
rcgre.:sión,ni,ih¡[Jle .....• ': ..: •...•,,":," .. ', : . :.' ,':¡ .'. ", '.,' li~.
¡ ~C-j;'

J.]. DemostraciÓn dc'quc' inininliirilltlOn'n;bajo c1SUP\lcst~~c: que,,Y'n = e,

se obticneti'= X(X',yF'c.' ,"" .:' ,'. , ' ; . . .; liS,
j :

'.):'1 ",- bcri~;lei¿ndcí,

- , .
~stÍll1;\di,r~~~i;ing¡do
. ,.. .'. '.' ".,
ll •.• ' "'J'
'.
\1 \9'
l'rohlcl"ús . "".' ,;.,::,,~,' ,'.; .,;,.:' 11')
•';. I :.' .,; .• ~.: ,-: • ~,:" ': ~~ 1 •.",

4. Con Úas tes "(\e'E.rroi'Ú ;de E~p~2i(icación d~la 'Ecuación. : '"

Lincal'qe kVariúbles" .....,:c '. '. '.' .', .':'. '. . \25,
, ,
4.1 . Errbr de Especifie;¡ciÓi1"" . . 126 ¡
4.1.1' Posibles j'roblcilJascon " 126
4.1.2 Posihles Problciilas COII,'( . '127;
, .•:4. \.3 .. PosillICS rrpblcin:lsCoíltJ ',,; .' . 128'
4.2. EvnluaciólI ucl'ModcIO)' PrliebasdéOiagnóslico 128
4.3 : Prucb;¡sAcer¿Jj~:i~ ConiÚ'I;,éi~ dc'¡o~:Pad~lelros . 12?
4.3.\ El ContraSle de PrcdicciÓII deChów . . \JO
.1:}.2 .ErC{'-'llra~tc ~c i 1unscn -.' . . .. , '. ~ J?
.' 4.J.') Co'nlrOlsi'cs Oasnoos élÍ Estimación Rccursiva' . 135
'."> o." : ••.•04 .•3.1"..-,.!?rrof cs.,de:~r,e.~.~ l!J:1r,.J?:;,~.P£:fl,.AR~}.9:11,t~ ,'::~y,::":':','}
~1l¡,?~1;~l:.; ••:••:"">",\.",.:::.,:, .•
"~.'.;.' ,,,.,,,}S~";'" "
. '''LJ.5ConlrnslcSCLJSUMyCUSUM$Q.,' , ' .. " .' .., .' .. .. '.
4.J.6' Un ConlrilSle M6s'GclI/::rOIl de ErrorcnleEspecificaeión: el
ConlrOlslcRESETdc 1l.:lI;lsey . . 139
lIUstr:,cilin Nill11crica . . . .. ' I~p
C~I;lraslcs.d¿ C:I;lil~i~Esi'r1ielúrnl '. '.; , 1~15
4.5.1 ...; COl1lf¡¡SI~(Íe uil C{lmbio ESlruélural 146
4.5.'2 .Conlfas!eS ;i~crC;¡ de \;¡Pcndié.illc . '1.\7
4.5.3 Conlr;¡slcnccrc:, de I;¡sll\lerscccioncs 14R
45.4 IÚ:sUmGri,'" .... . ¡<IV
4.5.5. Ejyn\plo Numérico 150.
. 4.5.6 Extcnsiones.' . 15J
/; •.......... ...

~.6i V;¡rlahli:s Ficticias . 15J

./ 4.6:1 IJllródllciióri. . . 15J
4.6;2 V;iriilbles FicliCins Eslacioi,nlr.s 155
4.6.3 V~dablcsCllalil;¡li\'hS. '. .•.. ;' 1%
4.6:4 Dos oM;\l¡' ConjúnlosdcVadablcsFi,cticias 157
xii

15:>
. ' .4.6.5 Ejemplo Numérico

Apéndicc
¡óO
4.1 Demostrar var(d) = (J2[JII2 + .\2( '\"IXI)-I X'21
160
Probkmas

5 Máxima Verosimilitud (MV). Mínimos Cuadrados

Generalizados (MCG) y Estimadores de Variable
1(,4
. Instrumental (VI)
164
5.l ESlimadurs'de lvl¡ixima VerosimililUd
1(15
5.1.1 Propiedades de los Estimadores de M;\xim¡\ Verosimilitud
168
5.2 Estimación MV del Modelo Lineal
5.3 Conlrasles de la Razón de Verosimilitudes, de Wald y de
170
Mulliplieadores tic Lagr¡lIlge
170
5.3.1 Conlrastes de Razón de Verosimilitud (RV)
171
5.3.2 El Conlrasle ue \v¡IIII (W) ..
172
5.3.3 Contrasle de Mulliplicadores de Lagrange (ML)
¿' ESlimación MV del Modelo Lineal con Perlurbaciones No Esféricas
175
176
(... 5.4.1 Mínimos Cuadrados Generalizados
In
515 Estimadores de Variable Inslrumenlal (VI)
Hit
/
./
5.5.! Un Caso Especial
IS2
5.5.2 Mínimos Cuaumdos en Dos Etapas (MC2E)
182.
5.5.3 Elección de InstrumenlOS
lID
5.5.4 Contrasles de Reslricciones Lineales

Apéndice
IK4
5.1 Cambio de variables en funciones de densidad
IK5.
5.2 R2 cenlr;IlJo )' no ce'nlrauo
lK6
5.3 Demostr¡lción de c:X(X'X)-IX'c. = c,'c •• c'e
187
Problemas

'. 6. Heteroscedasticidad YAutocorrelación

ISl)
190
6.1 Propiedades de los ESlimadores MCO
1l):I
6.2 Contrasles de Ilcleroscedaslicidad
194
6.2.1 El Conlrasle de While
194
6.2.2 El Conlrasle de Brellsch.Pagan/Godfrey
195
6.2.3 El Conlrasle de Goldfeld.QlIandl
1%
6.2.4 EXlensiones del Conlraslede Goldfeld.Qllandl
19H
6.3 ESlimación Bajo He'lerosccdaslicidad
199
6.3.1 ESlimación con DalOS f\grupados
199
6.3.2 ESlimaciól.\ de la Relación de l-lelcroscedaslicidad
103
6.4 Perlurbaciónes AlIlocorrcl;lcionad:ls .
6.4.1 Formas de AUlocorrelación: Esquemas AUlorreg.resivos y de
203
Medias Móviles ...
205
6.4.2 Razones para 1; Exislencia dé PcrlUrha~iones. A~locorrelaciol\adaS
 índicc XIII

(lo) 1vlCO)' Perturilaciones l\ulOcorrelacionadas ~(J:'i

6.6 ContrastaciÓn de Perlurbaciones AlllOcorrelaeiunadas ~1l7

6.6.1 El Contrasle de Durbin'\Valson .. . 20;';
1i.6.2 El Contraste de \Vallis para la AUlocorrelacilÍn de Cuarto Ordcn 211
6JL3 Contrastes de Durbin para nna Rellrcsillll Incluycndo
.variables Retardadas de la Variabie Dcpcndic';le , ~I~
6.6.'1 El Contrasle de 13reusch-Godfre)' .- ~I.t

6,7 EstimacilÍn de Relaciones con Perturbaciones Autoconclacionadas ~17

6.X Predicción con Perlurbaciones AUlocorrelaeionadas 2~2

6.lJ Hcteroscedasticidad A utorregresil'a COIllJicional (,\ l{eH)

Apéndice
(Ll Conlraste 1vIL de helcroseedasticidad mullip!icatil'a 22')
6.2 Contrasle R V para homoscedaslicidad para dalOs agrupados
6.3 Propiedades del proccso A RCH( 1)

Problemas 2:1.1

7 Modelos Univariantcs de Series Temporales 2.17

7.1 Un ItazollamÍl:nlo sobre el Análisis Uni\'aria,ite 2.l~
7.1.1 El Operador de Itelardo 2:1')
7.1.2 Moueliwcíón ARMA - 2.lll

7,2 Propiedades de los Procesos AR, MA Y ARMA 2.11

7.2.1 Proceso AR(l) :W
7.2.2 Procesos A It(2) 2.D
7.2.3 Procesos MA ~.17
7.2.4 . Procesos A RlvI A 2~X
7.3 Conlraslación de la Estacionariedad 250
7.3.1 Inspección Gr;\fica 251l
7.3.2 Series I nlcgradas 255
7.3,3 Series de Tcndencia ESlacionaria (1'S) )' ue Diferencia
Estacionaria (DS)
7.3.'1 Conlrasles de R:líces Unilarias
7.:1.5 Ejemplo Numérico
7.4 " Identificación. Es¡im:lción)' Vcrificación dc Modelos ARIMA
7.4.1 Identificaciól.I
7.4,2 Estimación
7.4.:1 Contrastes de Diagnóslico
7.) Predicción
7.5.1 Proceso MA(I)
7.5.2 Proceso AltMA(I.I)
7.5.3 Proceso ARIMA(I.I,O)
7.6 ESlacionalidad
7.7 Ejemplo Numérico: Viviendas NucI'as lvlensuólles

I'rob\cnlóls
 ~ll:'IlJl)()S !JI' l:l'lI:O;l)~ILlll1,\

Modelos'.' Autorrcgrcsivos y COI1 Retardos

~
Distribuidos 21'2
¡¡.I I-I\ldclo t\ul\lrre~resi\'li~: ClIn Helard\l Distribuido 2:-;2
IU.I l~l'laeil'lIl deElasticidúd C\lnslallit.: 2:-;3
~.1.2 I~eparamdri/.ación' 21),1
1'.1.:1 t:'quilihrio 1)in;imien' 21"1
¡¡.I.,!' 1::laslil'iuau Unilaria 2:-;5
¡;.I.5 Gcner;l1izaeioncs 2H5.
K2 Especificación)' Vcriricacirín 21)6
¡¡.2.1 I)e lo General a lo Panicular y Vict.:vcrsa 2:-;7
¡;.2.2 ESlimación)' Vt.:riricadlín 21)9
¡;.2.J Exogelieiuau 291
¡¡.2A COlllrastes dc Exog.eneidad 295
¡¡.2.5 .EI Contraste de Wu.I,lallsman 297
... '
X" I~egresores 1111ESI;IcionarillS 2')9
X..l F.jcmplll NlIm,;rico JO(,
>;,.l.I _ESlaciollaricllal! . JOK
X..1.2 Coinlecracirín JO:-;
X..1..1 it~laci~n I~eespcciricada JII
K.~.,I Helaci<ín C;eneral t\ RI) JI5
X.~.5 l~epar;lmelrizaeión JI6
1'.5 ~1l>delllS No Anidados 322
l\p':lIdiee

1'.1 Tramrormaciones lineales no singulares dc las variahles de una ccuación 325

X.2 Eslahlee.:r la igllald;ld de los contrastcs estadísticos dc las
eCllaciunes (:'U7) y (¡¡..II) J27
Prohlemas 32ll

9 ModeJos Mulliecuacionalc's
9.1 \'eclor
'l' .'.J,.l4 •.

.<"<5.:rFUri
().L,
AUlorregrcsi\'o (V/\I~)
":'\J h 'VAR"Sc lii:il1'ó":" ..:....•
\'ARde
Sistemasde
TresV;riahles
Orlkll 1-.I;ís Ele\'ado
...... ". '-;: ..:
.....•
¡¡~..".
JJ5.1
JJXILLi
<J.2 Estimación de Il'1odelos Vt\R JJ9
'J.2.i Co,úr;istaciún del Oruendel VAR 33')11.10:1
(J.2.:? C\lnlrasl': dc Calls;t1ida<1 ue Gi:angcr
J.llll
<).2.3 PrediccilÍli, Funcion.:s dt.: RespueSla al Impulso y
Dcscnmrosicil'lIl dela Varianza
'1.2.'1 Funciones de ResJlucsta al Impulso
').2.5 Innovacioll<':s Orlog.ollales.
().2,(1 Dcscomp(lsicit'!n de Varianza
9.:1 I-l0dcl05 dc Vector de Corrcl;lción dcl Error
9.3.1 Cllnlraslacitin del Rango de Coin(egración'
').:>.2 Estimación de Vectores 'de Cointcgraci(ín
9.3.3 ESlimacion de un Mod<:lo dc Vt.:ctordc Corrccci,ín del Error
9.~ i\.lod<:los Estructurales de Ecuacioncs Simull~neas
 ':. \
,1" xv
. ¿: ,.:t .... i':. ,;,','.:

I ' , . ,~' ; 1 :
95:' . COllllicióncsilc.ltlcnlific;icióil: . "'. . \354 "
." " ' ',' ':. q .. ,',' ,'l '.. ', \',' .,. '1 ¡ •
. ... , ;)~9:'
:9.6 E~líl11úcit'lllde EcÚaCióncs'Esl'ruclurales' .
9A l' Variabks No ESl¡\cion;¡'ri~s:. ' .. 363
'9Jl.2
'. Métotlo~ i1élls,linl;itit\n SislcnHis JJ ,.,",;. .... .363, .
. "l' I J,.... ".' ','.;

A'péIlJii:~ ", ,.' _:

.' <J.I' 'I~cgr.:sioncs
.! ,.;, . . .,', "

apan:nléil1~!1IC'nO'rsl~cil~nad¡I~:~i\NR.
...• ," '.'"

(~!J.It)
',;

.
, ;~6,í '.
9.2 V¡\Rdellrdcne!e~;Ido ;;' "."ch" "" .:., ::;' ,J'ú~
9.i.1 I'ru~t.:soYA.'~(I), :'366
9.2.2 ' Proceso V A rt(2)' .368
. -.... " " ..... , ... : ,
Problemas,. , • ,'1 ':
,369
;, ..:::~ ~¡ ,

10 Método G~i,cl:~lizá~lo
.' , ",' ".,'
de M'o:l1lcn~os,,'.
, .. .;,
l""" 374
10.1 ti MélQt\o dc.los MOín.cnlos",:,,:' ."':'", . ,,> .... : :" ,. )7~
i().~" iv!CO'CIl1l10 un Prllhl~t'n~,dcMpIl1CnIOS t,,, .,;.:;::•... ," '.':".' " )77
. 10.3 .Vilri;,bl\;s lilslrll\ll~lilaíes (o'mo lli¡'¡'r<;IíIc~,nlJc.Momclílos' :\73
lOA MGM )' la COliJiciÓI;tiC .orl<ig(\h~Ií(J;d' :.. , . " > .:.'. . . ~,; ... ::ISO
10:5 Dis¡'ribuci6n'dCl'Esiiinn¿¡'ófMG'l\1,.i. ' ",,: .... ; '.'. ')'IÜ'
10.6 Aplicaciones ... .. '•. '-." ,': ';.' :':""~:'. ',' .•.•. .';' '384
.' '10.6.1' Mínimo ttiad~;;d6sén büs Elapas'y C::onlrnslcs dc'Rcslticéioric~
dt.:SohrciúciÍIHic:lción. '. . '.. "; ...é 3R5
.10..6:2 '. Revisión de ios COI;lraslés.tlc Wu,¡'I:lusn;nn ". 3¡{~.
,,' 10.6.3 .tvl:¡'iinI1'.,ycro~,il;iili.tl!d ' .. ' ,', ,39\
10.6.4. Ecuacioncs.dc EuJer' " . ~92
• • ' I • • .~.,- ,'.; ", ' ,',' "'.-
10.7 Lt.:cluras. 394
. ",

pruhlemas ., . 394

1t'Wf'~7.;;~~fr[;?~'~w;g~¡¡~t,~~~1~i~~~
_ ••
11~L1 LJ,í:IGtda p;iraR'é~liZarE:<pcriliii:;1Iosdc~1onlcCnrlo 399 .
Ejemplo..... '.. ." ... '. .400
Il.!.) . <G:e.l\crai:i6n de Numcros I'séúdoalealorios~02
•.' l'rcscntaciolldt.:R,ésuh;tdps .' .'..... ...• '40-1
!.2MéIOU!lk uerVlo:¡lt~' ¿tloY'Cónlra~lcstl~Pcrlm;i;,dón, .IOS
11.]Ein;I~lsl:;p, ..•.... ' .' . '.. ... . . .41J
11:3.1. El Erriir.EsI;Índardc la rvlcdian¡¡'.. .111\
IJ.3.2 EJelilplo .' ....•.•.....••. ' "415
IU.J. Elnotl!~lr;IJlParamélrico . '.' . . .• 116
IDA •RchHlcstrcll'dclos n.csiduos:Scrics Tciú¡ioralés)' Predicción 418
11.3.5 Rciliucslrcouc D:ltos: D:ltus de Corle Transvcrs:'ll . 1\21
11 J.6: I\l~unos Di:lallcs accrc~dc las' Arlicncíolics .
. . EcbnométricasÜcl Boot~lr.a'p . U2
Estilli:lci'índcfuntioncs dcJ)cnsid~dNnP:lramétrica 1\23
IIAj' DCl:illcsátÍ1ér~ics sobtcEslimai:i6ndsfllr1ci()ncS dc
'D<:iisidndNljP'¡lram~írlcah '.. " 428
 xvi , J-ttTODOS 010 ECONOMETnl"

]1.4,2 Una 'Aplicación: los Efeclosge las Uniones SinlJicales sohre

los S¡¡larios 429
I L5 Regresión No Paramélrica . 4))
11.S.1 Extensión: el Modclo di: Regresión P¡¡rcialmenle Line,,1 4)~
11.6. Referencias ,\,\0

Problemas 441

12 Datos de Panel' 445

12.1 Fucnles y Tipos de,Dalosdi: P¡¡ne\. 446
12.2 El Caso más Scncillo: el ESlinllldor Pooled. '147
. 12.) Dos EXlensiones del Modclo S¡;ncillo . . 447
" ., ,",

.i .... ",;,¡ll..4ú.:E.kM'º.!J,s:1~:J\.w~J:;{ci;(O$il~i.c.l;ll'otip.$.;;>.",,:\,,;.':",,~;
';,;.)'
.• '..,"¡••...~'..,'d.'.'i.. " '..,.....•:".;.....
h'l;)<.; ..,..-:.~
i.. <-448 ;" .•. ~":.' ;,: .
12.5 Efectos Alealorios como Combinación de ESliinadores lntragrupos
')' cnlre GrtiJlos. .150
li.6 El Model~ de 'Efeclos fijos en.el C~sade Dos Periodos '.' 452
'12.7 . El Modeia deEfeclo~ Fijos con ri~á's de D~~Periodos de Ticmiio 455
. 1'2.8 . LosRi~st~~d~.I~' ESlin;~Ci0n JC:'EfcCl~srij6s' . . .. 4511
12.~.\ Ejemplo l.: Er-ror dI; Medida en X. 458
I i.s'.2 . Ejemplo 2: X Endógena • . .... 4ÓO
~. ". '. . .

12.9 ¿Efeclos Fij.os o Efeclos AI~alorios? __, .461

\2.\ O. Confr"sle de W.u-Hausman... . . 462
) 2.11 O\ros Conl'rasles 1I¿ ~spi:ciricación )' una'lnlroducción ,,1 Enfoque 'de ' ..
. Ch;rOlbe~jain' .' '" :.. . 46)
12.\ 1.1. Fonílula,ciór'd~ ]"s Re.slricciones 465
12.I 1.2 .Ekclos rijo.s \ln 'cIlvIodcloGeller;II 4'66 .
12.11.)- é"onlr;tÚació,i'Je
0,- .••••• ,
'las ReslricciOlies .
.•.
467
12.12,Leeturas.
....... 468
,. '. Probl/:nía~' ,46!l

13 M~del~s d~.VariableDiscf(~ta y Variable Dependiente

Limitada '. .. 47\
n.l Tipos oe Modelos de Elección Discreta 47\
13.2 -El Modelo -de rrobabilidad Lineal'. 47'1
n.) '.Ejemplo: Modclo Desériplivó Scneilloll~ 'Afiliación Sindical 47~
1).4 F~'rmu\acióll de u(lMod~\o de Probauilillad 47~
i'3.~.?~obil 479
:3.5 Lojiíl. .' . :', . . . 485 .'
13.7 _Err~r .de E~(JeCiriCa~ión~n Modelos de VlId;,blcDep"Cndielile Oin;~r¡a 4R7
13.Ú' Hctcroseedaslicidád' ',' '. . 4!l7
013.7.2 Err'ores de Espeéiricaéióll en ('robil)' Log!: 488
e, 13.'75. FcirniaFuncio'lal: '¿Cuál es el Modelo a Uliliiar'? 491
i3.8 'Exlensione's de.1 Modelo Dásico: D~I~s Agrupad~s '. , . 49)

.
. : ..
 íl1uice xvii

. D.M. I Mt:lodos ue /v!;í.xima Verosimflilud ~IXl .

13.1),2 Mt:lodos de X2 ivlíl1ima ~I)5
13.9 ProhilOrdenado ~l)(,
U.IO Modelos Tobil
.1'):\
13.10.1 Tohil corilo ExtensiÓIl de Prubil ~l)l}
13.10.2 ¡.Por qUt: No Ignorar 'el Problema"'!
5112
13.10.) Ilelerosceoaslicillao y Tobil
511.1
1:1.11 Dos Soluciones \)osihk~
511.¡
13.11.1 Mínimos Cuadrados Simélricamente Recórtados '511:;
1:1.11.2 ESlimlldor Censur"do de Desl'iación Absoluta Mínima (CDt\M) 5117
1).12 Efeclos de Tralamiento)' Mélodos en Dos Elal'''S 511')
13.12.1 La Corrección de I-IecKmall . :;1 1
I ~.)2.2 .Prec:au<;ion.e~,~tl.lc,I".l)tili~ación uclScs~ocl(; Sclécli\'id:llJ ' '5n
1).12.)'rohii como UI1Caso Especial -
515
1).13 Lecturas
51(,
Problemas
517
ApéndiceA
A.l Veclores
51'.1
A.I.I MulliplicaeilÍn por Ull Escalar
:'i211
A .1.2' Suma y Resla
520
A.I.) Comhinaciones Liileales
520
A.IA Un Poco de Geom'elría
521
A.1.5 Mulliplicacit)1l de Vectores
)22
1\.1.6 Igualdad de Veclo~cs "J'
:'1_.1
. A.2 Matrices
. . :'2.1
A.2.1 Mulliplicacilíri de Malrices,
52~
A'.i.2' La Transpuesta de UI1Produelo
525
A.t.) Algunas Mnll'ices Cundrndas Importantes 52(¡
A.2A Malrices P;Hticionadas . ..' . ,
52:\
'A.2.5 Direrenci"ción ¡Je Malrices
:'i2lJ
A.2:6 Resólucic)n de Ecuacio'nes
5]1
A.2.? La Matriz Invers;i
5)2
A.2.8 El Rango de \In" lvlalriz .
5.')
A.2.9 Algunas Propied.ad.esdclos DeIÚi¡Jin"nlcs
5:'7
A.2.1O I'ropicdadcs (/c'lasrV1alriécs'!nversas'.
5)lJ
1\,2.11 M;is sobre el Rango y la Resolución de EC\lilcloncs
5~1
A.2.12 V"lores I'ropilís y Veclóres.l'rol~icis 5.1.1
A.2.13 . I'ropicd;ldes de los Valores y VCcll;l:es Pnipios 5~(,
A.2.14 furm;ls Cu"ilr¡ílie"s y Malrices Definidas I'usil.ivas :'i52
, Apéndice B .
D.l ,Variables Ale;lIuri"s y Dislribuciones ¡Je Probabilidad
55~
D.2 La DislribucitÍn de Probabilidad Nqrm¡¡1 Univarianle
:;55
D.) Dislribuciones Divarianlcs
55()
. DA Hclacioncs enlr~ 1,,5 Di~lribu~i();les NormalX2,/ ji F.
55~
 ~f1~TC)i)bs DE E("():-:O~IETJlÍ,\

n,5 ESl'cróllllólS cn Dislribucioncs [\iVólrianlCS 551)

n.h Densidadcs tvllllii"arianlcs 5óQ
1\.7 fdl' NorlllJIl'.lullivólriólnic 561
Il.l' l)isirihll~i"nesd~ FllrlllólS Cll:I~lr:ilicas 5(iJ
Il,') I11lkJlc11lklldól (.le Formas ClI:lt1r:ílicólS. ' 5(i5
13,lO InJe.:pc11lknciól de.:lInJ Fmllla ClIóldr:ilica )'uni, Fu'lIc16n Lineal 5(i(,

Apéndice e 567

Apéndice D 5(i1)

Índice 591

.~' ,.'
. ~,,"

"'~''

..~
 ¡'I" :.. ,".

"PR:EFACIO
;., .
"~o '

. , , :." , .L,".

, ,~,
.' ,1 " ."1' " ,,'.' " "~o

"
", ",1: "

", .. :'. ",': "":"1

'''~r,'~.~: "~!""'';~ ,," l'

"
, .,'., í.. " , ,li" ¡

..
,~", " I ~ \~ <;
i,
, : ( . .,~ ,
•...
'

.,i1l;,', •
"'1'

", ,1
.I,¡

'." . r '." ' ' ", ~; .•

, ' "",.': " '. ¡;:.',,''', . ,-¡,""':" '("";:'1-;',j"." ,.j ;1:,. ' , ('::'.,~'''.': ,:-: ,; ',::' ':"~,' ',.,~ ~,':: .: .¡' ,i:,
En losdo<:e~ños Ir:ln~~.ur.rW?,s' ,~essJe,.I,~~u,yIJc~~ió~:dS)¡~,,terc,e~:l~dición de, es~~ Ií~.:
bro, I:lc:lpncldnd de losmcdlOs IIlrOrm~tlcos puestos n diSpoSIción de los econome- .-
tras ha apmc~lt¡I~lode,rl~I~'~.~,n,,:~~g~,I:n9h:,A~i,~~is';'1~ •.I()~ .~:C,~d~d~~,~I:1'ccon.9Pl~t/i.:l
\~;, '
hnn:lllqlent:ldode rormil sllstnnclnl el numerodesugerel1clils en cunnton procedl-,'
mi~nt9s, de
,estil~nción.co~l~nslriCi¿1l ydi:;gn6sticp';:la. ~;\yoríndc:los' tu'alcs se' h~.-. '
\Inn dispo~ibl~scn'r~rmri' clc.'progrliíril~s"j~rormáticcis ~spéc'¡[ic()s. Cón iinp:iri6raln3 '
, ' .' 1.' " " ' ,:',. ," . <\, " ,,' ,'" ('., ':,' ,', \' " I " ".', -, ,;. ,', ~'.J' • "" " , ',~ -' .-,,,,,;.' l. '

de estns cnractcríslicns. el económetfnnplicnd6 que sé'de~icn a analizar los d¡¡IOSde .

In ~id;; di;;ri~. puede lleg~r nS,urdr '\lI';'n~iiHliges¡ióni~'I~jectU"t. ')'fcsuflnrlc (i¡m~ij'
emitir jtlibios sensatos ydOcurhentndosriccrcade los 'procedimientos' it ulilizar. ".' '
... Al' escribir estil Iluev;\edkióri del libro h'cmos pré'j'cildldo '¡¡!Cnnzilrdoú;bjel¡'
vos prindpÍlles:£I' primcr lú'gar, se' ¡:;¡{In'de. prop6rci61tar :un¡¡:'tel¡¡ci6iidilñprcnsi- ..
ble y sei,dlln'dc los'niéf6dos econoillét?itosdispol,iblcS. EI~scgi.il,06~objctivo'consis~
te enilustrilrdith~s ~létódbs' ¡iplicandolos 'n conjuntos' de ~lilIO.Sren1cs (pr6porcio-
nndos cn el disquetc ded.¡los adjl(nlo); dc 'eslemodd.ellcctor' podrárepelir 'las '
nplicnciones clcscrilils enel tcXto;:experinlcntn(' ¿bil algunos' de' los prob¡"emas sugc~

1"''''''';:';:';~:'~fd;A~~J:~}~'Nri1:~:'J~~;~:~,g~f~¿~a~:i'g~~'~~jgfi~¡~f,~M
una casi totnlrt:elnl)orncióú dcllibro'nñncliéndo(ralamien\ossust'¡¡ncinles de aque-
llos temnsilOnboni;¡dos colas cc.lici6nes anict¡ó(cs .. ' '.' '.~' .',' . " .' ..... y

Conlocnlnsnntcribrcs~dicio'ncs, p:lrlimos ~eIá base dequeel'lcd~r tOIH)ce

. los. COllCCpíosbásicosdeJu.ií)r¿¡'cnciitcsta'dísliclI. A p.CS¡¡fde ello. 'cl. Apéndicc n.
(esladística) puede resultnr gran '1Jtilid~~t PlÚ~stbqueenél se. rtvis¡¡n loslcmns de
.•más relc~nnt¿sy seorrcccUrirecorclnt'ório.detnllndode.tos procedimienlos. de' infe-
rel,cí:l milizados cn losprimcróscapítulos dcllibro.' Ellcxto ulitizaexlchsamCi1le el
;í Igcbra 'in:ll riCiaL tI Apéndice A (álgebramnl ricihl) Un rcsumcncu}/odcs:lrr6tlci es
encrijn,dc):l mejor. n'iulerilposibI;c.con elordcnenquc losclivcrsos conccplósde
. vcqorcs y millrices' ripilrecén'crrcltexlo. De este modo; el lector no filmiliárizado
Con el álgebi';nnnl ricial puede consultar el Apéndice ¡\ c\i:lndo el tCnin lo rcquiera ..
Lns\Íltirnaslendcncins del¡lecononletrínque hallsido cqnsidcrndas en liI prc~

. 1
o
g p

S_C_I1_1_C_C_d_iC_i_ti_I1_ _)U_C_C_h:_ ,_,_n_ _ru_ _n_Í"_s_c_c_n_s_C_is_._g_~:I_.I_,(_jc_s_¡¡_.r_.e_a_s_:

. . --''--X_iX__ .....
 xx

• Teoría úsintólica
~ Series temporales
• Evaluación de modelos .
• MélOdo de los momenlos g~neralizados
• MélOdos compulacionales intensivos
• Microeconometría

TeoríaAsinlálica
Es frecuenle 'lue las especifi.cationes reales de \os)lIoucios no permilan desa.
rrollar resullndos ex~clos para mueslras finitns. Es posiblc;sin emhargll;derivar re.
sultados 'lue sean válidos de Corinaasinlólicil~ Últimamenlc, est¡ín sicndo ul,ilizados
proCUsamentetanlo el pri~cipio de la m¡íxill1a verosimilillld, como la c1;ísica rnzón
de .verosirÍ1ilitudes. Tan1bíén es muy frecuente, utilizarlos contrastes de Wald y cl~e ..
. ..105014lt ip Iicad9Jcs,.9~J",_;¡g~U!.1g~."J~Q9lC.a'p'(úiIQ.2~ ':cl:I:,eLccilllCXlodu iJ n, Illodelo.:?e ... .:..' ,
,._.,¡j¿~.~.~;i~,bí~:~.~;,-~llJue el regresar esel valor relnrdado de la variablc dcpcndientc;
se realiza una inlroducción a los resullados (le, In lc<ida 'asinlóliea yal princi¡jiode
, máxima ver;)siníllillld.' De' esle 'modo:,.cf leelor Coilóccrádesde buen princ~p~odi" '
,ehos 'conceplos b~sie6s: $1' Capllulo 5, oCrece un .lr'nl?mienI9 profundo. acerc~ del."
lll;\ximrr Verosi.mHiluü )' :la '1éi-.nade.cOnl~~SleS 'c1¡ísi,cQs. El Capllulo 6 (helerOced¡l~II-
cidad.y' i1ulo~orréL~c;i6ry) describe [\luehas,de I:is apliea~i~nes de esos cont!astes ...
• '.' . . ~ . ': . . ." í .

Serie~'Tcn,'i)orale~' '" ' "., . , ", '. ',. "

El 'a~á'lisis 'dd ~¿ric~:i'~mp~raies'lJniva'rianles'S)gue siendo un tema de eSluc)io
imp~rlanic, ~~nque ,Iú lIlay¿rí~: de .los 1\l1CY~~desarroIlQsdediean principalmente su
aiención a'la' irive~l¡gaCióQ'dc sodes no. eslaciol~arj'as y ~1 impaclo de dicha falla ~e
cstacionaricdat.l sobrc: los. pr9cedimicnlos de estim,ición. Por eslc lilotivo se ha~e
necesario CÓ~lrnslar la,CS'lad6nari,edád Y.'ell.c.ol1seclle'nci:t, 1111aparecido una exlen-
sa lileralura dcsaHóIlúdaelno'rnb~;i.los COilln\Sle~ de raíl uniü'!'Ía. Siempre quesc
renlic~;u'rií\ regrcsíÓriHu.e.ind;ly~'d~so 'niásseries 11? e.sl,~eionariils!exisle'la P?sibi:
lidnd ':de.qué' alguna :combinaeión Jinenl de,cs'as ..serl<;s de CO'11()res.ulla;do res,dll~)s
cSI;cionarios. En eSlc<:,aso IÜlblumosdes~ries cointegradas, ,Oc alu In IlIlpQrlanelél
de lo~ conl;as'l~s par~ de\ermi~~r laposi~le existe~cia de cointegraeión. Los proc:-
'dimienlos de csiimación pnra ,un conjunl~ delcnlllnado de dalos depcndcn del nu.
mcro de relaéi~nes ,coinlegradascxislcnles; En el Capílul02, en cl conlexlo de un
ma'delo de dos variables 'énel que el, regresQr c'luivnle al valor relardado de la va-
riabl~ dependienle, i~hoducimos la diferencia" e'~l~e series estacion¡~ria~ y no esla-
cion,arias: EIC;¡pílUla 7,'dedicado al an~lisis de senes lcmporales unlvar~anl~s,a~la-
liza. es le -h:má .co'n,mayo( profundid¡td.' Dicl)o cnpílulo, finnliz~' con u'.la npltcaclón
.cnlpirica'a lo~'dí\lOS mens.u'ates dendquisi!=i?n de primcr~. vivi~nda en los ,Esla~os
Unido's. El Capilulo .Biliclúy~:, por,su parle, una extensa d"scuslón so~re ~onlrilsll;s
d~ cointegración YP~o<;cQimienl'os dé ~s~imaeión •.que s~ Ilust,ra medHln.le un eslu-
dio' empítjco~t:: !a demand\\ de gasoli,)u. - , ',.
 I'rcf¡lciu xxi

Evalt,ücilÍn dc Mo;lclos

La cvalllación uemo¡jelos )' los procedimientos dc uiagnóslico .sigllen siendo

origen de inlensos debates. ESlos debaies prosiguen en la' aClualidad y no ofrecen
un consenso claro yucfinilvo. A J>esar de ello, Ia'mayú panc' d~ los inv~slígadllres
aplicados realizan diversos conlrnslcs de 'evaluación', 'Un principio b,ísico de eslc en-
foque consiste ~n subdividir la muestra de dritos C;l dos: unnse ul'ilizaría pnra eSlí-
mnr unmodc.lo especffico;"i11ientras' que la Ol¡; ser\'iría' para~c\'allla~ los resullados
de la estimación. El Capítulo 4ilustrnla aplie¡\ción üeíll~lchos de cSlos'contraslcs al
modclo de re~resión lineal eSlim;ldo p'or mínimos' cuadr;;cJos. El Capilulo 8 incluyc
ulla rel~\eión detallada dela utilización de p!'ueGas ,cf~diagnóslico cncl desprrollo
.' de un modelo de demanda de gasolina.' ", , ..

1\'lélocloGcllerali7.au.odll/OS)\1911ICIIJOs.{J\o1Gl\Jj ..".:, .c' ,'. .

'" "'Eí~'léi(¡J~'cÍ~i~;"M~I;;'~';~';~~G~';~'~';';,¡i~ados'(tvl G M i, gcne ra¡J~; en ;¡'rinlt' r IlIga r

. como resultado eJe los desai'r,ollos en el lcrrcno de la macroeconoJllía 1'. JIl¡js Cllnne.
Iameille a' pOinir de Ins "nproxima'cioilCs él ,; ccua'ci(í,i' !;le.ElIier". ~SI¡j-('llII\'¡"' ;il'ndll.
s~ en lin len1n de gran tmj>ÓrllinCia, 'El. CaIJítlllc') IllcSI¡j'dedie¡l(lll'l'IISlI Illl¡did;\l1 a
, este .lema. Cuanto nl:'is, se:'avanzé\~nsu e~tudii), '.\\¡í.~'evidcnte resulla que 'el :-'1< i:-'1
proporcionn,adcmóÍs', un úlil ~nmino pedag(\gicn parn rcsponder a \'iej;ls 11IC~lIlIl;ls.
La !'eglil de la "Condición .ele ol'léigonnlidnd ".resalla cn pani',lIlar CIlI;ll> '\1art'1l tlt'
lrah!ljo paracóntt;mplúr ~riiiguflspn)lllt:mas'(rVl(,O. t"I('21:. cOlllraslt:s de 11;\1lsn\;1\1
,e .i,icluso CI diseiío ex-pCiinl.ellln¡'el;ísico}.
,
'

rVléloclos Computacionales Ilílelisil:o's"

-Una de las consecuc ncias de. la "revolL;eilÍn in form¡í 1ic,," cs el a UllIen to del uso
de ni.~lodos que no. l~¡~~eIIlI.Jchos .aI1~s'rt;Sú.'!a9éÚi pryh,ibitivosa nivel COlllputacio-
nal: E,i el Capílu,Io 11 se revisan vi)rios de eslos mélodos: los mélodos h'lonlc Cario.
, el boolslfap. los conlraslesdc p¿nlll'úaciÓ'n )/Ios 11IélOdos de estin,lación no parnmé-
lricri. Como cstns téenieás llIC'reec'n t¡'at¡¡llIienlos,sep.:1,:ados. rcsult" iinposibk: cubrir
lodos los. (em'as de nlilnera. e,~haustiya. E"
OleliciónacJo cnpí(~lo cubre lIn objélil'o
,baslante li1ás modeslo: sc trOlla de introducir al estlidianle en\'ariosde eSIOS desa-
rrollos y darle 01 enrender algunos dc los princípiosb¡ísicos ); su pOlenci"J ran~o de
' aplicación. Al finn' del capúulo se: incluyen diversos y sC'lcillos ejemplos quc tienen
tOIllÓ .finalida'¡j.'lueel estudiante se inicie en el 'uso de algunús:(¡eeslas ¡'écnicas. in-
c1üso en situaciones m¡ís realistas y eompleja~ .." . "
f.'

1\'licroceoIlOlllelría' :',
,;'

" E! dcl¡is aplicaciO;1cS 'micro\:cOnónii'cas, dentro ele In prá~ticaeconOmétrica, es

~. c1.:'imbito en doncle más se, i),crcibe el decto de ia qecieJlIC sofisticación de los pro-
."'grnma~.'inform;ílicos de tipo estadísILco .. Los panclcs.u¡;,c1';\los, en elC"píllllo 12, in-
"(roducel] alestudiailtc'enlos,níOdclos i)l<íssC;lcillos =-105mocielos de efectos fijos l'
o efectos alealorios:'" clllese, aplican nnin¡¡riamentc ',1 las cada 'día más abund¡lnlCS P¡¡'_
 ~IEluuus !lE tXU:-:l.l~I¡;lltl,\

::..:!cs disponibles dc dalas. Tambi¿n inlentamos con eilo proporcionar al esludiante

i!i:;'.~nlls COil$cjOS pr;iclicus ;tccrC:l de las \'cnli\j;lS ~ inconvenientes de'dichas:l~cni-
::::S. En el C,pilUlo 13rcvisamos los moddos de nriablc. dcpcndienlc limilada. Se
:l;¡ rcaiizado una revisión sdecli\'a: la lilcralura es lan exlensa y las 'l~cnic;ls al al-
elltec dc los itl\'C~lig;¡dort:s (en lo que :l programns eSlndíslicos se refiere). lnn nu.
n;":llls:t. quc resulla r;icil cacr en la H:nl;lcilÍn dc coí1\'erlir la revisión de eSlOSlemas
<'::lun - ~ccc'l;¡rio dc cocina'. Nos hemos resislido ;¡ dichalenlación en la mdida de
:0 i)osil1ii:. De alii la omisi6n ¡le cierlOS lema~ illllJorl¡lnleS por nomur;¡r sOI;¡menle
Jus. lus 1;:Olk!osde riesgo (haóid) y 105 modelos de elección nllillir1e (e;(ceptu:ln-
Jo d :l1utk!o Probil ordt:nado). Por Olro laJo. mcdianle l:l ilustración cmpirica con
:.:1'.:¡sql;t:~e dc úalOS. esludiamos (on cieriO delalle los nlodelos Probil y Lo!;il. Ya
'.¡\'<': ::i~llla)s programas iníorm¡ili(05 c:llculall por' defeclo los errores eSI¡inoar 'Hu-
h:r' p;¡ra los ntQ(klos Probil ~' Log.it. hemos senlido la nccesidnd tic [¡roponer I;¡
l!isL\I~itin tic ht:lerOced;¡Slicid:lci en. esos modelos y en ;¡qucllos de qu;¡,~i.máxim;l
\'crso~i.miiillltl. L;¡ discusión de.hclcrocet!asliciúad cn el modelo Tuhil nos h;¡,lIcv;¡'-
;Jo ;¡ incluir dos lécnicJS recientes en el modelo rc¡;resión c::nsur;¡do: I;¡ 'cstim¡lcióll
:1;inilllO cuadr;;lic:l simélricnmenle recorl:lda"'y In dc'-'desviación ;lbsolul:t mini-
m:l'. El C:lpílUio eondurecon una breve.discusión acerén de I;i ubicuidad de 1;1'có-
m:::'ción de Heckm:ln' )' 011'05lemas avaniados relacionados.

Agr:J(lecilllientos . ,.
Nucslroscolegas dcl:l Universidad de C;¡lirorni:l, y esrecinlmcnle Jae'Woo
Lee. David Lilien y Jane}' Morrison: n(1S rroporcionaroll muchas sugerencias de
-~rin-úl:iidJd.
.:J1 . •
:T"";~~I','
'Re~¿oño'~iinicl~.lO<:~~~~i.,( 'i:,:,.",,:.l.(~'
-1 __
-"')'
~::".(,-~"r1;''1....
-_
::'e' .I'e',',o'
•••••••• _. J
---
",-
'"
••••••• e •.•.••.••.•.•••..•.•.•••.•.• ,

manuscrilo cn su 10lnlidad, re:llizónulllcrosasy profund:ls pregunt:lS, COmp'rOUÓlo-

dos los ejemplos empíricos }' escribió el Mélllual de SOluciones. David Li!ie:l nos
proporcionó el sorlware (MicroTSP y t\;ie'ws) ellenS¡II~enle uliliznJb en I;¡ prepn-
,ación de las iluslracionés cr..piricasdcllibro.Gracias lambién a DR'I/~lacGraw,
'~H¡I1."¡~8'r'bt:b'rb ido ~~'~ .é'perti{¡~6" d~ié p~'odu¿~ióri 'de' paÚ 'del C(¡¡ljU~ti:J'd~ d'nli:Js:>''.•
DRi 8mic Economícs. quc componen much:ls dc las scries del disquete 'dt: datos .
Nucslro agradecimiento t;llnbién a (:lO Domowil7., Kiseok Lcc y Timothy Ycigc!-
S;¡Ilg..quc lc)'Cron el manusérilO y ;)porl;)ronvaliosas sugerencias: . í . "
DiNardll . ..:n particular. dC5caria a!jradeccnu colabor:\ción a Julic Oerry Cullen,
K~islin uUlcher. Kennelh Chny,Angus-Oealon: Whilncy Nc\Vcy, Jack Pallcr, sus cs •.
luüianles del MIT. }' a las Comidos dc -Econometria del Su t~l:issincl:ro agrnde- Mrr:.
cil1lie:llo lnrhbién a .chcng Hsi;)o. Dean Hyslop. Jorn.${effcn Pischkc. G¡¡ry Solon> ...~
. Roberl Vallell:l y.Jean Wohlcver por sus complelos. come'olarios a los primeros uo'
rrn<.Jur~s de los Capílulos .10.13. gracias alas cunlcs la exposición mejoró de modo
cGnsiderable. Y. finnlllll:Olc ..SUag.radecimiento por l:l hospitalidad recibiua durnnlC d
desarrollo completo de la obra a O;l\'e Card y :lla Seccicinuc RclaóonCs Industri;'cs
dela Universid:ld de.PrincelOn. a MiChacl Grossmnn y :11Gabincle.Nacjunal de' In-
-
vesiie,aciones
.
Econó'micas,dc . .
.Nüe"n
.
Yórk, yal Departamento ue Econollli;¡dc1
.
MIl'.
.'~:- ' .
. "':-
"
.... ..- :.:.' .' .
 .
,";

CAPíTULO 1
. . .' ~
::-~.-)-:..t=J.:'~""~Z''''':O '/ ,••..,:.•.;.~-~~..,,'.b:c ..?-. --'ry==o":""""!'';''t1:':r-;,''o,=s:
",'" ..~
. ¡'.

Relacion~s "entreDos.Variables
. .

"

. ;'

.. ~ '.
:: La liíeratur;¡ c::o~lÍl11icn ,~~lIIti~:li:.inn¿me'rnblcs clis~usi.ooes's9brcrc:litci.ones eotr'e
.. pn;e¡~s de' vari;¡hle5:',c.:;nliÚ::d y prc'c:u: C'0I1511.mo ei~g¡'esó:d:::nandn 'dc.dinero y I j,
po' de ¡¡'lcrcs: s:lldocomcrcialr t¡p.o dcc::mbio: edue:lción e. inveso:de'semplco y
. t;¡S;¡ de ¡nnación: entre 'olr;\s~ Eso .00 'significa quc .los econOmiSl:lS cre:Jn que el
.rllundoesiusceplible dc un an;\lisi~ adccuadobasadoen up conjunto de rel:lciones
. de: dos \'ariaules.'Lns reincinileslIlltÍ/iv(lrinblcs sJlen a la luz. enc~:lnto'se:lb:lndo-
nan los dia'grnm:ls bidil\lcl1sicinal¿sd~ los libros de 'texto. y ~e p:lsa :l analizar prob\e.
mns re"lcs. Sin embar~o;' t;x.istc~ cierlJs reiacioncs de dos v:lriables, ~ue 'Por sf 501a.s
resultan sig~¡[ic;)li";'a's: Y'ln:is iniponnnlcaún a. nueslros efectos, las hemmienlas
~~ ~c~l;\iic:l~ y ~'sl:~d¡sl'i~;'s)~~'Ú~~I,iñd;is' pn'r~~cs:,ydi~~'I:ls.ret~c:ó¡'es ':dc' 'dC)-s";¡¡j'~ii".
bies rcpr,cscnlanunn bns~fu¡'dameril;¡lpaf¡¡'el análisis de. siluacionesmá~ como
.. : plcjas. . . . " . .. .

'. . .;'

. .
:. '.Y:.:''':l~'~f~:'~'w.~:
-~ ...-::.:..?:,.;t:':'.;,t:~.' .~.~~'::'.:-':::."e; :";,::~.~:;';7::'!\:';>:\:";~;:"~,'?~~,'r:.';;.~~
'\~'\::':.~:;'{;.,(:;';':';/1:~.~f.t,\~ ":'~;~"::<'~'.~~.>~;
i~~;;;'.:;'.'-; ~;: ':!;.:,' :,,',: •. .:~/'l:''',~.~
,\:,1r:.~'~", :-t/ ,~~.:
:.:\~ \~~\;. '.:'.,'j?.,l,i
"f \~,'~''''''.\ ';'

" EJEMPLOS DEREL'Á.ÓONES pE DOS)'ARIABLES'"

': '. . . ,...:<. -'. '
,L:l Figur" L 1"mueSlr;i Jos ;¡SpeclOS dc la 'relnei6n entre el ahorro personal re.JI'
(AHO)yel ingreso person:ll,r,e:ll(JisponiU(c (ING) en los Estadost.)nid<;1s .. La Flg.
1.1(/ mueslra los v:lloresltrimestrales de cada una !:lS dos series. des'de 1959.1 hnst:l
. 19lJ2.LAlllbas series, asi- como muchos olros ejemplos que ;¡parc<:en en- el libro.
provienen dc"'" DRI \3asie Ecoñon;icsD~@basc(conocida :lnlerio¡mcnte como C¡,
libase): siemprcquercsulie dcrc1c\'anci", indicaremos):! cOrrespondcncincnlre
nucslro sislémndeclásific:lcián dcvúiables y In.ue Cilib¡¡set.' L:l, Figura 1..10 es un-
ejemplo lfpico.dcgr:ilicodescrics.ICttlp'or:llcs,cn-e1 cual elliempo sc hall;) reprc-

_~ '_. __ "; .~. ..';. . I .•• :. ".' .'. '.

I E~ el di~4uer" de d~lo~ que :i';nm[l~I,~c'sievolumcl\ se ofrece un" definici6n de;lod'J bJ Jcries. Lu ins'
Irueeiul1\:s ('I;,r".cc"d,,( .dic,h(lüi~~uei" ~e eneuenlr,n en ti AptndiceC. '_, '
 Jlj() ~
:

~.
~
.~. 25
O
AHO) ,
~
I
. ;~"
f ,'....... .~,
' •••••• \~:.....
11'1(; 3~{J(l
'O

~'

~c~.

.;; \, .. ,
-;¡ 200 1 .:. \ :.¡;

~ p" I • \ ~.:i
g~ . '.. .... . .I "¡
". ~.;;-;. 1.50 .' " ..' •••. ,."'.,', I:_l.~,,'..' ...'.......•....
,' ~~,.•..,.•...¿.•.'....•..•••
~•..
:."
...
:••.••.
,'.,
•,:
..
••..•.•••••
_•••
: ••••
_'
..•
'.,
•:••
• ,'
•••••••••••.
,•••••••.
, •.•
,.•
'., ",'••••.•.•'. :!",UO
_ •• , ••.••0,•••..•.• ~,¡_.......
. - \JY.....• ' ..' _< .: •. , .••• ,'-.-o. • _ _ :; ."'c.':'.-<.,., .••:
.'.: .Oo<. '¡'.c ••.", .>"~".tt)\.I'
? . '-o 'N- "....'~ , , 150() 5..
:::

~ ~~,"'.. . .' . S

.~..:: .0 ' ' .0:.',i "5. 1)0 tUU6 ~Las

:-.~.
. . 60 .. 65 79 75
;J u'" -

,\!'.~

: t..

Jlj()

"
••
..
?
;."
~. . > '~'.
250
'..
..•. ,,">1'. .•..
• " "

2lXI ~... '

O
;¡: .. '.. '

."
o(
I
¡50 / .
./

100
.. .' +

'. " .

,"
.. .'
.'

'
... . ' ..
\",

50
. 1.000 '. 1,500 :, '. 2000-. 1500 )000 .~':\5¡)(J : ~(!<io.
" JiIlq
.. ~~ .

ti:)
.~ ,

. 'f'iGURAL1'" . .
. AI,~rro e 1 ngrcso ....
 S:':Ill:1d0 en c.:Ieje horizonlal:n:ientrasqllc los valorl.:S t1..:!¡¡s scrics SI.:rcprcsenlan en
el ejl.: \'cnical. ¡\ lo largo del. periodo. e/ ing¡:cSO'l11l1:,:slra ulla iendcncia crl.:cienlc.
c.k la misllla rorma quc lall11ii~u fo nilJ(;Slra cl ahOrrócn ios primcros :1Iios u:.: la
mueSlra. Sin cmbargo. e/palróll no sc rcpiicili l.:njos aijos intcrmedios ni en los úl.
limos. Panienuo tk la 'Figura 1.1a, resulla ll.:J1I;IJor concluir quc cl ahurrOl:S mucllll
llliÍs voliilil quccl ingreso aúnquc, y ucbiuo ¿¡'lucias cscalas dc las serics son dislin .
¡¡¡S2,cSlO no. sca nccesariamcnle así.
Idénlica inrormación se hallil represclÍlada cn forma dc griirico d.: dispcrsi('li\
cn I¡í r-ig~'1.lh.En cSle caso, las series SI.:'oponl.:n ulia a otril. La dimcnsión licmpo
no sc IllUI.:Slra dc rorllla cxplíeila; sin cmhargo. ósi todas las apli:':i\l:í(lIll.:Sinrm:n¡íli.
"OS 1''''''; lo" 1" opdó" do ""i, 1'''"''0' ,um; "" "" 1 ,,;rioo. d, OHodo 'Iu, ,i guo,i".

.;.":., u',:~I~~~~:~:;~:
~~g~~;;~';
:~~:;,',,, ;,,,:;~,\:p;;!i~:,:~~:;~;!;~!
'~:':;;~~a: ~;
:.ÜIl,Hiellt1Cna'a-soéia-rsc ..cúA.incf~t1~C"ilIÓS.éil.l¡i-óii.a.H.~sull¡¡c\'id~nlcque,aresarde:
que la asociación £ca apro:<illlad:lmcnlc lincal ún la prilll~r;j parle uel pcriuJ,l. no lo
es en/a scgunua nlitild. .
r-i"ui'as
. •• 1'.1 }'l.3ilu~l¡'a'n '. üh'crs¡ls'asocia¡:iCJncs I.:iilrc el lo!!aril;1l0
_. nalur:11
ud gasto 'per£o.naJ reil'¡ e.rig'asolina (G/\S)::el JhgarilJno n;Ílural del precio real de /a
~i1sóJi,na (PRECIO) yel 10g¡;rillllO na\ur:dtJclingre£o púr£onal disponible re:d(IN.
GRESO). Las ddjniciolies de cnda'.una l)~ lassc.ríes.sc haUari dcscrilas cn t:I disquc.
te de ualos.La juslirica~ión de I~s .transfoflllaeioiH:s'logarítlllicas sc disculecnd
. Capítulo 2. Lif Figura',!:2 p.ropórcion¿¡' varios groiricosuc licmpo uc lo~ gaslos dc ga.
'soÚna, cl' precio'y cl. ingreso. la's series de prccio 'rejl. con 1987 como aiio base.-
-'muestran dos (jr;¡nl;\liea.~.siJb.idas de 'p-rceio a prin..:ipi;lS }' ;: (ipales dc los años 70.
subs¡ínauas liledianle£ellcJ¡¡£.réd~ct:ioll~sddpn,:cio nOlllilial(icl petroleo)' la jllna .
. ció n 'ue los ESl~dos Unidos; razón' p.ór,la cual d precili n:al del rinal.dcl periodo cr:l
üireri~r .rit Oblcliiuo' al principio. Tanio las seri~s.j(;ingrcsos COlllOlas tie gastos se
ilidic~n p~r't::~pita; ddiido aque~I.Il.úmero' de'h:lbil;lntcs tic. los ESlauos Unidos sú
'inl;ref)lenró el 44 % durant~crperiod.o •.-p:1sn'.nuo de' ! 76 millones a 25'1 millones. la
e
seric.(Ji: p'oblaciól'l ulilizada para de'fbclar .Ias series 'dc g:lSlO illf!reso se has¡1 CIl la
población civil'no.instituciollaliz'~da 'm¡¡yor: de 16 :iño~. tjlle ha slIfri.u.o un !ncn:men.
lo ,incluso mñs rdpido que el dc la p'oblación ~i,g~ncral. El gasto' rcal dc gasulina
per e~pjla s.e incrcn~cnlÓdc [orfna eOn~l~J~~c:dllr~nt~ lo~'año~. 60 y. principios dc s 11
70, llllentras que clll1greso real 'Y cl precIO real dllilll':nupn. Dicho rncremcnto cons .
l"nlc.'finalizó c~n líÍs-saelldid"sue prcci;' di: 10s,7(¡ y 1.:'1cOIIYlunlllde gasólina per t:;j.-
pil.1 janHísJla vuCllO '~:lIcanza(los elevados .ni\'clcs&.principios' ue .los 71J. ."
Losgr¡ífi~os ,de dispersión de"l'a:Fig.,'.3i1uslnIl,1 nl,is si' cabe la agilaci('lIl del
. n;ÚC;IUO. La grMica' 1 ja mU~$ir('l' cl'pc'ri¿da .c'onlplcld asi Cll1110'asoCiacioncs llIuy
diversas eillr:c gasto y p¡'l.:~io, t('¡IIÓ al inicil~ ud 'periouo camó 'at final. Lil Fig.l..:\b
.' jlerm¡lcapreciar, pa~~ el pedodo t::(;"ll¡;re.~l~liuocntrc 1l)59,¡ y 1l)7).)', la exislcncia
••••• ! •••••

1 V"JSC Prllblema 1.1'-'

'.

..
 /'.
1 .\íi.l

-7.(, ..
(JI H):. 1'1. I.UJ.'''U:-'II: I HI,\

5.2

-7.7
5.0

-7.X
:ro
<
"!"\ . O
8oc
lJ

-7.'.1 f.!\ .... ,

, ..
~.8
o..

( i\
...... j "ltECIO
, 1\:1 "::.¡ ,
-lU)
'o-'e •• ' ¡ \(~
..
I: '.
6

.....•..:,.. '
1

-S.I ~ •.4
60 65 70 . 75. 'SO 85 90
A,jo

(H)

-3.9

-4.U

-4.1

-.1.2 O
VI
W
oc
-O'~

~':.'~:

-4.4

-4.5

-X.I -~.6
(¡O (¡5. 70 75 8U 85 ., 'JO
Año

(h)

J7IGUltA 1.2
GrMic()s de series lemroJ~les lid logaritlllo n~tural del eonsull1o dc gasolin~ cn dól~rcs per
c;ípil~ de 1937. (;,) Consumo de g~solill~l's. e! logaritlllo nalur~1 del precio en Célililllos Jlor

~.~~
g.~lón de 1l}~7. (h) Consumo de g~solin~ ,"s. ellog~rillllon;llural del ingreso Jlcr c:ipil~ e/1 d6.
bres di: 1987. . .' .
 "
'CAI'rTU~O I)'\clai:iones 'entre 'DosV~ri~bles ,5
;,' ~.' :.'
:~
5.2
:1 ,

\,. o

5.0

O
ti
~ 4.11
D.'

4.(,

. .
195'):1 ~1').IJ2.1 1959.1 ~ 197);)
4.4
-8.1 -8.0" -'-7.9 -7.8 . -7:7. '-:-7.6 ':'8.0 ....7.9-7.8 ~7.7 -1.6
GAS' ' 1'" :',
. GAS'
;".r
(ti) , '(1/)
L.

5.2

.5.0

O
ti
~ 4.8
o..

¡
l

~
í
4.4 ~
-7.80 -7.70 ...,7.65 -7.1
GAS.

(ti¡

fIGURA!.J . '.' '.

Gr5rieo~ de dispersión del p~e~io ydcIconsllmodeg~solin~ .

'.,'

de Ulla <lsbciaciónncgaliva convencionál cnlre.preclo ydntid<ld. La tendencia se

rompió en e1periocloinlcrmedio(1973.4 ilaslá1981.4)p"ra reslableéersc;'nunquc.
con un<l pendiente 1l111ydislint<l,duraille el úllimoperiodo (1982.1 h;¡sla 1992.1): El
r
6 ~IETODOS DI£ ECONO~IETllf"

T AULA 1.1

Distribución,dc
., ":lo". a.--~.al/uras)'
:. _ pcrílllcfro-toi':ícit:o dc S~7J2lIlilil:lres
.•.•.._~~~rr:'~.,,;:'"'~~~:-~~~ escoccses'
.•.•...
,~.
- •.

.'P!!'rílllélro lodéku (pul¡:;idas) '_.:

, '. ...-,,:~
<15
33.35 36.)8 39-41 42:44 y ulOÍs

6<1.65. 39 331 326 26 -o 722

+~,

Altura . 66.67 <10 591 1010 170 _' 4 11\15

«(1ul¡;3das) 68.69 ..k9 312 1144 'ISl{ ¡S - II)XI
70-71 5 100 ,479 2IJO 23 X97
72.73 O 17. 120 153 .. 27 317
TOlal columnas 103 1351 . 3079 1127 .'. 72 5732

T,\ULA 1.2

Medias conilicionales para losc!a(os de lá T:llJl:I1.1. .

---- •• _, H. _ ,$:, .•••••.••,~~ __ • ~ __ •.•_: ~ ••..•. ~

Media de I:ls alllJrns di\d~ ct perlmelro lorácico ' -'" 66,31' 66,H4 .67 SI) 69,16' -70,5)
Me~ia de lo.s pci-ímelros IQr;\cicos dadas !aÚliura$':,' '3~,4 L., 39,19 4o:i6 "'4~o.'i6 41.80

". .... ~ ..
. '.

.'~ L:. , ,'. '.: '.'.: •. ~-,~ " ' ~ :~..: ;''":.;''!.<--.':~ ._:" ~ . , ''4.,'.~' .,'" ,,' ::.l' /.i. 0,.
conJu~.lo de dalos se.a.na!tz!lráec:ono¡nélricamenlc-' en -elpr-csenle.cápfluloy:'en'
"t "'-.'..... • -. : .• " . ." " .••.
: _ ¡._ .. ,..r '_, ~ ' •• _ •

olrosposlcrlores.' _' .. _ ,._.",".' _' .._:_, .... , ..,:- ,. ,_,

Losdiagrilnlas'(Jc
." , .,
dispersión
..... 'j',
~e;¡ültán muy i\usiraliyos " .:.c
pol:ec;n
~ -.
Irc~e:lr:)CI.er¡s-
' '-~'"
y e."'

licas 'principalcs; .L'a p~1n~era 'escl.s(~Jlo de la asociación'o cov¡,rian1.a ,-e~sl.o'es. ¿c<\- ..

se
1110 mueven cohjl!'lla.mel,lle' las variabl~s'! ¿;de forma posi~iv(J o IIci:a'/iI'(J? La 'se-,
gunúa es,la ¡/luta de la ¡¡soci.a.ción: Lalercenicnnieledslica esl:dillcnlirlml (u olras
formas) úé I¡¡ nsod¡¡ción. ¿CÓh1'0"P9dr~:'Idcfrnirsc'.c¡' g~qe~al"hi forlIía de I~aso~ia.' '.
ci6n1 ¿d~ forma .lineal O'<7l1ro¡.flírica? En laSección 1.2discu'limo,s h~sla qu~'i)lj!1\'o d >-

coeficienle de correlai:ió'Ji: pára el caso de utla ilsoeiadc)n.lincal, midcla primera de

las ,dos caraclerfst'iéÍis. En 10s.!illimOseapflulos moslnl~eJllÓs cómo manejar la eues- _
I'ión de la linealid'ld a.urÍquc; nnles, -damos un ejci;l'plo de dislribueión de frecuen.
cias d.c dos variaqles. :' '. !' . ., .• ' , . . .
~
.-

1.1.1 D¡stdl>~'d""edox,~",~,,;¡.'::de ?,,; v~"ablr... . . .•......

Los dalOS en 19s'tiue se bas;!n'las-Fjg,s.:) .1.a1.3-resullal1 de los 1I,11arcs dela fOrn)í\ (-X¡,
Y¡). i:;: 1:2'. :,:.[1, C~andoe\Úm~fio de''¡;¡,mucsf1,júl cs n:¡~y'.g~ándc¡ lo~ d:¡los se prescn-
t::n habiIU~I!~en,l~ eo~o 'una di~l.ribución 4c,(rccuel)ci~l~dC' (~.~s_v_ariíibles; los rnngós.
ce Xc Y se 'dividd'¡'en ,subinlerv:llos y-enda <;e\dil-de tri lahlj\ )\ll)eslr:¡'c~ número dc ob.
sef\:a~¡one-s 'cn .el C9HCSP9n~,ienl~_PÚ-de:~tÜinl~rval~s.uI ;fablal.l. muestra un ~icm-
.' •. '. ,o. ~~,'~ •. "_~' ',.' '",~_'!,: ..• """, '.''! ;.' "~',:'. ", '.' " .

: .,'
 r,\I'iTl:l.O 1: l\clacioJl~s élúrc Dos Va,ri~lbJcs 7
~... . .

plo de eHoJ. Resull:l imposible proporcionar una sei,ciH:I represenlación bidimensio'.

n~"
~"
de
•
los
• ,
dalos.• . Sin embargo,-
In insfleccióñ dé.'ras
..
trecucilcias de la ccida 'su"icre
:;;¡
una
ásoc~aclOn ~oslliva. entre las dos ),nedida~:"Er:c:¡íJculll cié las- medias cuJltlicioJlIlIt:J lo
c~nfJrl,na. En pril11er tugar,plda uñ,L(le lascincó co'lul11nas cenlrilles de la labIa ofrece
lrn~di$tribuciónde alturas pJH¡1un l)eiímClroiot¡ít.:ico t!ado:~Sol1 dislribuciones de fre~
cU,e.nCias~o/l(l~ci(JI1l1lcs •.el~ las que es posibleel"dlclílo éSladístic~ lr<).dicional (meuias y
vananz~s): De I:.IO~? slhlilar~las filas,de la labIa ofrecen una dislribución de períme-
tros .toraclco~ ~()Jl(iJclOnatla por la ,i1tura, La Tabla 1..2Illucslrá illllbos conjuntl1suc-
IllcciJas condlclolwles: cada serie de mcdias aU111Cnl¡¡t!e forlllamonólonacuandl1 au-
Illénla lavariablecondici6nal,Io que indica una asociació'1:í)osit!va entre las \'ariabl~s.

El coefieientede eorrcla~ió'114 I~Ú¡u!ire'c¿¿'n,Y.l .•i'proxilllidad dc la asociación lincal

c!llreA<l5,fari~~l.es.,Colisiderc'llloS lós valórc~ (X¡. }-;;)~~ienJo7-;-~:U;~;~z
, C~Jc~I,ládas las medias ~1U-estfalcsiJc; Xc -Y, -1.0s datos ,se ~xprcs;triín' el1 forma de dcs~
Vl:lelOncS .,.:.- -. -
, -

_ . __
; __ ' ' ." .' .:r(~x¡-::<~:.: :i;:;:fi- y , '., ..,
dOITde~. e 1': iliuic.all. 'respeeUvnm<;rile_,:las mcuias'lllu'eslrales de Xc Y.La Fi"ura
l.~ s?iiala u~1.punf0 l~ui,ilu~~r~liv?sobrc 'él gr¡\[ic;o de disp~rsión; se' trata d~U:1
punt,O~uc define' unos Iluevos ~jcs, ..r::s.le:p'l~n'l.¿)sé- OQ~i?,ic .~, p.anir de ,;s medias
nlUes.(~es de X c. Y. Eslos_ nueyos eJcs"pcfnHlen conslruir. cualro cuadrantes nurúe-
i;i~ose.n cl senlido,dc las-agujns del reloj. Elproduci<;J "¡Yi esposilivo para rodos los
punlos de I~s cu¡¡~ran~cs l. ¥ JILYI\egál.ivo ¡:>:iraio~os I?s plintos 'de los cuadran les
,J I Y.1V" Unarcl:reió¡) posiiiva.lcndrá la n1a);oría de' suspiJntos eh los cuadranles] \'
' '_ I! 1, Illien~'rits, 9ue unn r~lacronlicgal:¡va los tcil.drá mayoritariamente en los ()(ro~
, ,d~~ :~uauran~es. po.r con~il?lI,i~n.te';.Ja'(ürmura t'
= '(¡'1 )'¡)indicani ~ila pCnUiCl1lC del
- ?rahco-de dispersión cs, ppsitiv,;\ ~ ricga~i.~h.EI SUlIlhlorio.'sincl'llb¡\i;go:'ic;ó'uer;l a
IIlcrem~nlarse cn valor absQluIQcuaríloslll,í's_dalos se 'añadan a la mucstra. Por esta
ra~~nresulta' más adccu~doexpresar. .el SU'11!,iórro ell,,valpres WVl/lcrlio, es decir,
UIIlI1..a'1uoel'collceplo de cOl~nril/ÍI~anillcslral.' . .. '.' .
- . ,-', n .
cov{X, Y) = 2>(X.~X}(Y:-,Y)11I
. -". :. ¡ =:.1.:,., L,;' '. .

~{ , ( 1.1 )
:;: ~')(i);¡lll .'

. -';=.1,'- " ,

; E~I:m!~¡\:<I.e.S(cphc"n/vl_',Sli~l:c(.I~iJ/(j:.iil7/r-/~~E,I"/",{r.,.,irti. J-1Ú\:ar;I_Vlli\;C;si'~):"rcss. I~SIi. p. 208,

_ VC,ISC_.SII¡;lcr. III',CII., para Ulla IlIstona (aSCIn;lIll~ )' 'fldiililh'a ate.rca <lela c\'Ill"ción (Id c"cficicnl~ <le
corrclaclón. -'-

"1" •
 - "
~1(TOlJOS DE ECO~O;IETI(IA

Cllur/rm;(i'll
(:ry) 'Í'egali"l"
ell";!"'"lrl
(xy) positivo

""!:--'!~.O
,.'",
'", .

-
FIGUH.A1.4" .• --. Ji

CO<Jrc.klladas tkl dj<1gr<1l11ade tlispersiúlI p;;r-;; p~res de variables.

.
._ .'
"'-:-,h'.f 11

r= \ ..
('
..,í .

,,f.
')(
,.-,-. "1n i='"
y¡,.

Sr.
=¿X¡y¡lIlSxSy (1.2) ,

tlonde Sx =
\
2:" "}i"'
j = I

"
'\' \;?/Il
.'. ~':<;.'

.,¿",
.¡ =.'
 ,1" . \ ~ ... . ~." • " _,.7 0_'
"~o.

:.1

Omilicl)tlo los '~ubr;!d¡¿~~";los .1ím'i!CStlc;,S~I,~'~~~riO (al no ~x!sÜ/ariibigG~4a"-cJ)' ,

y ~ic5'1)uésdc rC\llip,r '!,arin~nlanip~lac.ione~.algé.b¡,aicas, 6blenC-¡nOs Ircs expresio-
nes C¡luiv;,I~I1ICS para .e('-c:ó~ficicnle tleco~rclilCión: dos de ellas se expresan en tér.
minos tic 1;}tlcsviaci9ncsq:sp~~lo,tle (ÜS,medins muestrales y,la lerccra, 'en rlÍnci6n
.' ""':i':'" .', "'. .' ..
uclosualo!Íoriginales,
. , ,,/,'i" ... "

. ~:: ¿xy, ,,:\ ..I"",.,:~,

,"nSxSi: '" .. '
, . '" ,'" .('. ".'.:\',:\.:;',l'

,~~~-'~~-'-i.~~'.,.,\/I'
". ; ,(1.3)
.r
',12; XL\/'2- y2~'.J
.\ ""1,'
./ ,.: .

. :~.. :... ..
. ',,-;:. ":,,/I¿Xy~(iXÜih,,:.:, ,:: ,. ' .. '

-:,:,9I1:L Xl, ~ (¿X)2 Vil ¿. )'1,_

'

i, (¿n2.'., ;.; ,

. . -,~.' . . '. ; "

.-.l' , .-¡,: .' , ',' " .:' ': .• ~. . ¡ ,' .

"f,,' .
..',;' ..... ',~ .'
, .~. . '.:"',

. ,',. .. ,¡'.,'.:", ',.-, "~l.~",": :)'~;',," ',,: .. .,~,' .:'.':', ,:'~""< ~.,.:.... ':.
En gerreral, un.•, i1iSlrtbiJCIÓil,dcUQs, varlab1cscomC! 1,<1
!!,oslrad~cnla T;Jbla 1,1; se
rc~)<rcst,llIa•.Il1c~i,ilil1ic'P:1.~~~,1T vrii,d~h:~i:,:Yj'.~c~~':'~~~'.r~ec'~c.n~,i~.~li; p;i;n'.( ':"1, ".:Ú~¡ .
=
y J I, .... ,/,.X¡ rcprcsenlacl punlo meiJlo uel,.eslmo subllllervalo del cJe X,mlcn-'
Iras. 'V¡ :rcpr~s.l:h~~.,c} ',!~li't;lo rn~'(j!9d~1 'tésiillo"subi~'I~r~~lo' del eje 'Y. U liIiz4:n~o_;IÍ1
pcriouo'p¡!ra el :¡ubíl!dié.c sob(~elsual h:l)cnitlo lligar c1SUIl1,<ilorio; 135 rr.ecÚenc!as"
nwr~in"aJc~dc. X; vienen:da'dils p~rn¡.'"= Ij.; ¡"¡¡para r.:l,.:.",.,r~ Tá~es r~recuc.n,~ias:' _,
nwrgin<i(cs; junIo conlosvalorcs Xi', nos cO!,d.ucir:íri n I;;,c!esvi~dón est5ndnrdc X,
cSI!Jcs, s.;.
Las rrccucnci;'\s.iil~!rgi~!alc~de' l/osOIlI/.¡.=; par;; j = 1: oo.: p. Oc ,estc i~~
"ii/ "
riioélo"sc"obilt'ñ'é 'W"dc5viti'ti6.!y,esl:ín'danlc":'Y,' ;i'VFi rl'alnrenle,'obl-enem.os: lo' '¡:O~l!'" VI

rinn7.a ',' :.-.. .. ,' .'"" ' ,

,;' : . ""~;

p,'. _ . "".) '.. ~

Z
' .. "11

CO\'(XY)'; ¿il:{X.-:X)(Y,'-Y)/f1 ( i.4)

, '/=I/;,"} I '. '.' J, '.• '

dOlHJen escl
mose]
.'
coeficienleue
númcró
.'
lolal tic observ~ci,~nc~~
correlaCiÓn
.. paráÚriadislrib¡jció~
' ..
Ü;;¡cndolostres
' .
ti¿ñ~e~los,ex'pres<1.
.""'.,.
defrécueJÍcia
...
" ..
de dos varia-
,
,
', . ' ,

blts,en l¿rnlinos de 10sdalosorigin;;lcs,como. '0 .,

"',f;'¡iX/j~~(.Inj';¡)'
'}=.' .\ ..... , .. ,=1
(0£ lI;j1/¡)",
., .\;=1.
r=
.,<
' .. ".'
'fll.,}~i;..'(
-/=
I".í.':X')'Z
I 1 } j= I } ,} .
" ," .'

'". '.'
r 10 .• ~~¡;TOf)OSl)IlIlCUNO~II:TllfA

1.2.2 LosLíIl1~les

Elcoefic'i~nle ,de 'corre¿~ión\.lebe~nW(llr¡¡rSe

de~' "j ',;

cn,'~'l inl'erv¡;lrié~1l11~Jre:H.lid6'cnlre .
¡'. .,.',:~,. '. ¡".{
':.'
)

-1 y ~'l. Un~ for11la~paracornprobares¡aafirmaciÓncoilsislcen definir ~.éomo una

COnstante arbitrariacualqliiera. En~onces.~~y-cl'H ,:a>OfS~ronga.~lOs q ~e.
e ""¿ .()'I¿x2• Substitu}'en~O en la desigualdad, obtenemos (¿ ,1:)') ~ (¿ :c.)(¿ y ),
es
decir, r~ .~ LLaexpresióh resullalltees ul\a de las..formas deIadcslgualdad
Cauchr.Schll'arz.Lalgualdad 4nicall~ente.sen~anten,d.riÍs~ lodasy.~ad~.un~ ~clas
desviaciones)' ,s.on únmúlliplo¿on~l;inte de la correspondlcnl: desvl.nclon .1. En lal
casO; la tOlalidaddelas 'ó\:¡servncioncs púteliecer~n;¡'ulli\Il1ISmíl hnea recla,.con .
pendientc'posi\ivaV:: 1)'0 p.endicnten~g:)tiva.(r,:;:"':1 ).:'La.Fis~r¡¡L5 mucslr~ dos
casosenlosquer es tiproxirl1'adátnent~ igual ~cero. En un caso; las, observaCiones
se diSpersan porlos c~at'rocuadr¡iJ1tes;en~lo\ro;tornan la fOi'n:a.,exacta dc I~curva
, ..deu'naecuaciÓn (Je,~cgundograd(¡;e'~ la C¡uf p~'?;d~c~~~'P?S}lIv~,syn~gall:~s,se ...•. ".
,,";,.i">';';":~~I5¡;fe'¡{~a«~á¡t:':lfi~~ii:r'i:'i'd!i-'tthos"h~'iós;.o't'i'-ds;:.Po'(;lo"lnlftb;.cH:ouliccnlo'dc',coF.fclll'""", .•',,,.
l?~
ciól\'sirvepar¡1 meuir ei griu.lo de 'Í1sociaciónlilleal, Un valór bajo dt: r no excluye. l.a
'. po.sibilidad de un¡¡ 'asociací'ónJÍo'¡¡;i.eal f.ucrtc .. Dic:ha asoci~ci,~n .~ar:ra. valore~ pOSIII-
vos qnegalivos de r si obser~~clOnesde I,,~
I~. ml,le~l~a s~ IQC,l~lzar,IIl.:cn segmenlos
parÚclll.arcs de \a' r<;l.aci.qn:¡lo'lin'e:,¡L '. ., . .
. '. '. ..,. , '. '.
1 2
'." r :' O. •. . r r •• O
.",1 . , c',' :' "c;'
"'.' ,." " '..' ..

~'".
. ~ '."4. ..•
.
..¡".

" ".;,
" .. \
)o.

.. :.
'.'1 •. ~ ,
:. ". '.
,. ">, .
' ••• ': •••
'..
o"
...".~ ••••
••.•
"VI
!.'
• . - :.
" .. " , ",.......
'. : .
".:'.:..,
"
~- (

'.''#0 .

.~_ '. t,., ";~ ,;

. ,:
.;'~':.'
. .•
. ..... ..
'

, ..
';"
...
x.
:. t ' ,,".~ " ,

.(n)

, ,;FI'C'URA'1.5 '. ., .,', .

,>;'Pares de v,ári;lbl'cs p';\.r;lIO~ ljuc-r2 "" O..

. .
- .. ; ," . ..
'.,,-, "

~
.
..... ,
".'.

. ~. '.
\.:-. ': .. ., .!

! "

..: '" -1

, t,
 CAI'ITUJ.()1:Rclacioncsclllrc Dos V~ri~htcs 11

1.2.3 Corrcl:l(:iollcs ESlllírcas)' Otros TCl11ns

Los COcfi~icnles dé corre~InCió'n precisal~ una cüidada i~lcrprclación.Muchos cocfi~

cienles que 110s610 son grnndes numéricamenlc sirio qllcadeli1¡Ís se suponen l'SIn.
di.sliclIIilCll{e sigllificativo.i', ~omo rcsu{la(loue cic':¡'QS cOlllrastcs que uescribircmos
posleriormcnle, pueden no conlener información reaL' El hecho de oblcner un re.
SUll¡¡do eSlauíslicamenle'significalivolio in)plic:lneúsariaintnlecldescubrimicnto .
de una relación útil y' con senlido. La pl'cgunla"b:ísica es: ¿cúal es la causa ue la Cll.
varianza oLÍs~rvaua? En caso de que exisliera una teoríaaccrca de la variación con.
junta de X c y. el signo}' ellam,lIio del coeficienle de corrclacit)11 'eslarían de acucr.
do con dicha leorín; rerosí lal teoría no c>iiste,o puede sÓlo imaginarse, rodemos
calific'ar la correlación C0l110correlación absurua.
. Nueslro ejemplo favorilo de correlación espúrea, o apsurda,es el rublicado por
,;;;."sLs~t,.!(E~i.iS9;q'.V~')yX~!J.cL.~.ILL~~.~ ..•.P¡.\.qil<.nrJR~tl~.J.\JSJ~\.lJ?~:'¡\!Jl;lf\Ú;;;;~~i:¡;Jf¡ii~d¿dó'
" comprendido enlre 1866 Y 1911, Yule eXlrajo los índices uc.mOrlalidad de Inglaterra '
y Galcs'y la proporción de ~11alririlOniós oficiauospo~la Iglesia iliglcsa, descubr¡'enuo
,un coeficienle de correla.ción dc +.0,95. Sinco1bj\rgo, ningún político bril:ínicp pro.'
P~ISOclaus!lrar la 'I'glesia dc.lngla,lerra;COJl ~I fili.'dc olorg¡¡¡'.la inniorlalid!l'd alelcClo,
. rauo .. Más rétienlel1lcnlc, y utilizando (Jalos 'ul1uales (101periodotoillp.rel)uiuq cntre
ltl91 Y 19SitPlossery Sch\verl' ücs<;~l)'r,i~rbn'ltn.cocricit:nlc (¡etor;élas:ión de + 0,9\
,.c,;irc
. ~lloga¡'ill1ló del ¡ngresor~ol\1iJ\aLcn' 10s'EstaJos Unitiosy'l:I logarilnio tic! IIÚ-
, .. n)ero'ue l1lanch~s solares adin)ulacjas6: ~le.ndryc,;cu'¿nlf¡\ lúl¡i pOderos~ relación po.
': siliva,ülllí'qllcno li;leal.en:tí~nos.asPC'Clos, enlTc la tas:, tic ¡';,nación y la 'aculllula. '
'.i.:i6nünual'de precipilacion~sen"eIReilío Uilidó7; Séría eS~lt¡jcl\l.lo que los bril¡Íniüüs
pudie~an reducifsu lásri &innac¡6i~y, ~omo'-si de una 'loterí¡I.Sc lralase, disfrutar
ndell1¡hde U;l clima imúcjorablc, a'unq lIe lrlles cOl.ljllnc-iones jlO ócur(.ir¡í'n.jam,ís .
'. 'En.loslrcsejemplosn';cndojla~OS;loUas.las vi;i'j¡¡blc~' se hall,~n 'someliuas a
¡ilOVil}lielllOs lendenciales a lo larg~üel 'licrnpol\, LO.I1l,ís jll'obable es ,quc un COIll.
. pr~ro conjunto dc fnc'lores lÍléc)i¿os, cco.n'ómicos ys(icii,ll~s cohlri'[)Uycran a reducir
. el fn'd,i,ce.cleúlOllalidau enlnglhlcr'i-il'y.G'alcs e.:i'iclGst>, {jl~c.un.colljulllo difercnte
de facióres IJevarn.a lIr;:d'cscc;lso'en'.elpQfccntaje d~ malril1l()nios"oficiados por la
.. ' Igl~si:1 .de Inglalerra, La,,' aéUI1l~i1ació'1.dc mallchils
", ..
solúcs y dc pfecjpitacjQllcs~lt¡Clí'.'
",

. "

.1G.'Uun)' Yulé:"Wliy !Jo' \Ve Somelimes pe' NlÍ,;sen'sc CO~;Cblil\l1s hCI\\'eel1 Time Series?". Jmm/ll{ ,,/
'r"~ iltly,,{Slll/iJli~,,1 S"cic/y.Sérics A: Gcncr:ll,.lI\l, 1926. ¡.ti\l. "
.1, Chnrles '1...Plussc[ y G. Willialll.Seh;v~ll. "M,;nc)':.hleollle ami SlIlI'sliOIS:~-Icastirin¡; EClllhllllic Itclali"ns.
hips al;~ Effccls nf DifferCllCin¡;.~'J";",;,,i,,/ M()~.lclnrr fC/JII;""íc.r. 4, 11)J~.6~7-(,611.
1 O;",j¡] F. Ilel1ur)', "[Oconolllel'rics . Alchei,iy'or' Seiencc?':;'1:'cflJú'lIIicn: ~7. '1\l:;():'~¡¡7-~1l6.
. •.L~~{eil.,1cllci'ls,~olllo.la 1l1~)'off~,dc:los fC,nÚrilCllqSecci';(\'lllico~;resllI1;\I)'~ Ille¡\ud(~ fr;i¡;ilcs y lr~llsilnri"s.
E, Sir Alce C"irncross,.lIIlO ifclos'ceolloil1isla~l)rit~nic.Qs'I.!'"is. dislingiliuos ~'co,nsejcro ceoJl('mico ud go.
hieril') bril;\níeo: quicn ulili7.1\latí lirie~ 'cxpresiórl: "Un~ 'Icnden.:i:, es un~ Icndi:ncip. es un" IcnMnri", pe .
. 'ro la 1;;c'¡;Ulllaes i.• all\~ii;;\fucrza'i')lpr':l'isla ,¡UCitl\l:r~ su ~urso r I~ obligue"
,c~h~'r;\ c¿míndnse? í.1'11\1;r;~
¡lc¡:~r'l\ su' fin prclll"tllr~IllCnlc'!'; , . .
 -~-~------~-------- -------~-------------

dcn neccsariamcnte a :Hlmcnlar, igual que el ingreso no'J'nin<l1de los Eslados Un'i~
dos}' la lasa de infiacil')I\ bril:ínica. Las series son el resull<l'do de lñ'c'cÍlnisn;-ós'gcI1é':"
rauon:s inconeXos que aC:lb:1Jlmoslrando movimienlos conlemporáneos de ascenso
y/o descenso y. por lo l:\JiIO. codicien les de correlación elevauos. En el próximo cn.
pílUlo mosl raremos cómo I:,S lendencias deben <l(lec'lIarsc n lnles series y cómo c<ll-
elllar los residllos parn dichas lcn'denciás~ Las correlaciones cn'lre p<lrc~ de residllos
p'ara la!<:s series resullar:ín despreciables. .
, .I,Ln.'LlQ!Dli!allernalivn de correlacionar r~~i¿luos sin lendencin consisle en C<l\.cú-
l<lr la, c.9~ación entre l<ls primcras diferclICias de l<lsseries. Las prinlerris diferen-
cias son, simplemenle~ los cambios que lienen lugnr en las series entre observ<lcioneS
<ldyacenles.Se indican normalmente medianle elsímbolo, u oper;¡dor, 6. Así pues~
ó.X',=X,':'X'.1 " ó.Y,=Y,- Y,.I
1\'1 uch as s~:,i.e,s_con_e kV,¡ldas.co l:rdacioncs-en lr,c.Xe-Y-(IOS-lI~\'), mosl ra rá n
hajas correl:l,c.i~~~esenlre 6X e 6 Y (l<lspril/lC!rns diferC!llcim). Dicho resultado..Ji_uele
indic:ll:...uña relaciÓn'~-:-P(J1'oírofií(Jo-, ~i cxislelln<l relación' caus~í enlre~
va ria ~ll.~~-:::pe r~mo~~~~ra 1',co~re l<lciones ~;~I~~Y¡;c'¡csY¡;\í~bilñCñl?C.É.~i
r<l:~dl£e~as. Este, punto !i<lSido resnllado reéÍenlemenle en un imporlanle docu-
mento escrilo por Sliglti' }' Shcrwin9; La lesis princip<ll del documelllonfirma que si
dos bienes o 'servicios est;ínen un íilismo mercado, sus p'recios deberí<lll ha'l1<lrse in-
limnmenlerClacio'hados. Sinemb<lrgo, la mnyoría de los precios, igunl que la m<lyo-'
ría de las series económicas, mueslrnn movimienlos lcndenciales en el liempo. St;-
g1cr }' Slierwin 'desean .evilar que su estudio se,confunda con una f<llsa eorrcl<lción.
Como ejemplo, los precios ue los fUlurosde plalaen diciembre de 1982 en el New
York Commodil)' .Exchangc }' en el Chicago Board of Tr<lde, para un periodo de 30
días lnborables, proporcÍonó una correlaciólllinenl r = 0.997, mientrns que los C<lm-
bios de precio dieron r = 0.1)56, Los' dalos,de los precios ll1ensu;iles (le harina al por
mayor en dos .cenlr'os de la .induslrial cerealerrien Milllie<lpolis •.Minnesola. y,Kan-
sas Cil)', Missouri, en el pe¡:iodo 1971.198(proporcionan correl<lciones de 0,97 p~ra
los ,~ivr;k,~).j~I\Jsyariab.I,esy.deO.92para.lnsprimcrasdiferencias. En nmbos casos,
';
lascoÚcl.acionesdc las pri,i;erascliferc',i2i;,s rauer;,.;;., el; gran maneral~sco;T~'I~~"
'ci0nes de losilivdes }' reafirm<ln l<llcsis de un mercndo lmico p<lra dichos bienes.
.'"

1.2.'1 Es(udio deuiiCnso '

En la costa oesle de I,os EstadÓs UúidoS,la g;isolin<llú suminislran tanlo los "gran.
des" dislribuidores (Arco. SI,lell, Tcxaco, elc.) como los "peqlieiios" o "indepen-
dienles". Los grahdeshan ofrecido, Ir<ldicion<lln1enle, una mayor varieuad de pro .
duelos basad<l enel oClanajcde la,gasolina, forma de pngo. nivel de servicio. elC.;

• Gcorg~ J. Sligkr y Roberl ,\. Shcr\\'ill,'''Thc EXICIlI'~~ Ihe i\la,kcl".J"''''/111 ti/l."": 111/11 f.crmnmin, 21\.
19:\5. 555;5};5.
 . C~I.ITULO 1: Rclaci~nes enlre 6.05 yariables
, ~..- :". .,' '. . ' .
'1. :. ~

na
'~'i~lic-nlr'¡iqu'elo~'PC(IUeil~~.h~n:vcndido siel:np~e~~~c~ntac\.~ 'J o(rc:cl~Io :u. gama de
- producloS .ilás limilada. Ell I~ prini<lvera de 1983, Arco suprimió las l~t¡elas de cré- ,
dilO Pi'ra d,eclicarse excl~\sivalllcnle a,l,a venIa al contado ..En e~,olono de ,1983, el
reslO(!e losgrant\cs respondiÓ sin a~~ndonar la.s larjelas d~ ~rédl~o aunqu.e I~,:ro~u.
ciendo dOSPIecios'nuevos. un precIo par¡¡lnr¡elasdecredl.lo.y un pre:lO II1ferlpr
para' pago(at ~tlntútlo. ,En consecuencia, uno de los pequeños dem~ndo ~ Arco <ll
amp<lro tklasleyes ¡lnlilrUsl. Eldema'19\lnle, b<lSó,c1 C<lSOen la. eXls1enCln de d,C?s
, illerc"t1os diSlinlOS 'I;ar<l .la gasolin~:~II1~ en ~Ique losgr<lndes compelían enlre cll~s
y 011'0 donde' cOlllpetían, los pequeños. Aleg"ron 'ad.cm~~, aUfl~ue no en el leng~aJ.e
utiÚzado por nosoiros,que,Arcoer<l c;omo,ul'l,libtirón que había sallado. de la PI~CI-
n<l grandc::<l la pequeñ<l para engullirl()s a,lodos.Na(liec~pstion(¡ que eXIstía un tlP~
dé compelencia enlre.los grandes y olrnenlre los, pequeiios: la' pregunla cl.av,e era SI
existí<l conipelencia enlregrand~s ypcqueilos: " ,. .., :
, . El problema proporcion<l,el,eandidnlp pelJecl~ par¡luna!"állsls tIpO
SlÍgl,er/Sherwin. ,La cncu,cst<lcle Lun'dberg pr~porciol,l~ cat~ados m~~~s informació.n
delallada sobre precios .dctodo tipo de gnsol,in:, y QCla!l<ljes, p~sad~cn, tjnnan~plHI
mueslra de es\acionescle ser~icio. Lpsdatos so.~ 'ún, p¡'om~diÓ enlre grandes y .
péq~,efios;, L6s gra ndes,mu~si r.an'~()~~, p.r()du~t()s ,di réreDCi~~?S~~O~ Ira"CY aIro
los pequeños. EslO permitió, clcálc~!o de 6~ co¿~k,ienles ,de, c?rr,elaC\.ón pn,r,a lodos,
, los'pa(~sdc pr!)(iUClOS:~"l.re lo~, gran~~s, y,6 coe.(icierl1e,s d~c9rrcla~i~ne.~tr~ los
peq,u~ñós. See.sper"b;i que cada.)u~g(),.d.ecocq~i~ntes,diera lugara~l.rra~ m~y ele-
vad<ls, renejolJehl inlel1sidad del~cjn~pel~nci~,~n ¡:I, seno de~a~agrupa. SIl1 cm-
bargo;fue ,lambiénposib'c,éalculn¡-18~gefic:ien,les ele c?r,relacióry para todos aque-
llos pares eruzadÓs de pr~cio ,dev~do y precio ¡¡'ferioL.I::sos 48 coeficientes debe~f •
an resullarno significativos de haber sido correela lalesis del demahdante. Por otro
lado; si sólocxislieril lÚ' gmn l1lercacloltnicci dela gasolin\l.las correlaciones crU7.a-
das no 'rcs~llarínÍl lan marcadamehtc inferiores a I<lS ~orrdaciones internas dentro
d~cada grupó.Esinl¿¡-~~tinle ¡-c~all¡¡j-cn es le problemil que las cc:melncioncs inler-
,nil~..eJ..~I,lJro~e c'ada grupo proporcionan unare(erencia estándar para aseguradas
, . ,.,', ,. 'cb~r~l;dó'h:¿r¿;~i.¡;-d'i\5:'''E'n'''rbs'tnsos'\1j'sci:J Udcrs~.'e~;:~~".dogUlTlet:'.~o'de<SJ,i,g~,erl~h~J~vir¡,.
sólo podían establecersejuicios subj~livosacctca d~linmaiiodelcoeficientedc',co-
rrel<lci6i,requcridopam eSlilbleé:erque dosbiencs,per'lenedan al mismo mercado ..
, El csludioanleriar origina ulla IÍl<lIri.i de 110 cocficicnlcsdecorrelación. Y,
~onl<l finalitlild de Cvi\<lrciedas corrc\aéionésespúréas, la malriz..se ca1cuI6p<lra las
variablcsennivtlcs, paralas prinleÍ'<\sdiferenci<ls, pnra loslogaritl1los de los niveles
y para l<lsprimerasdiferencias deloslog<lriimos (que miden los cambios porcenlua-
les en los precios). Sé uti1i7.6, además, el <lnálisis de regresión para enconlra~ me-
di<lllle un <ljusle l<lsposibles innucnciascomunes del precio del pelroleo o I~ IIlnn-
ción gelleral, yseca\cu\aronlambién las mhtrices dé correlaciones enlre reSIduos y
las regresiones anles mencionadils. En lodos los casos, las m<llrices moslr<lban "bos-
ques" de árbo1cs<lllos (esto es, élcvndos coeficienles de corrcl<lción), yesos árboles
eran lan allos en c1rccl:íngtrlode I~s correlaciones cru1.<ldas como en los lriángulos
 ll\ , ", ";";'.¡.J~~~
. ONO~\Ell • •. ." (,.

" ,,"00'''0'''''. . ......., .....'." ;i%;;E.~~I

. :~~,:;~::':~d::~::;:~:~;;'1~:&;;:'
.~~~ •.• .poblacion¡¡)
4";'-':"':1"
::,~,~::;~
,:
:,L;~,::~;fr);
. p¡¡ra lodaslasp9siblesiPbserv¡l.Gi<Í.Í1es.:de)¡I.~'~vilriablesd~:'iJlJcj.é.$¿D.iclih.~,!J>
:...:..'i/, ....:_.;..;..~/ .-.•.¡f, •• ~•.•••••• : •.••.•• .;.r.~(.v:
",j, •••• ; ••• r'. •.~ ••..:l ,.::~ ••••'",,*~',•.•."'":..•..~,.•...',•..•...•~ ..• f., ••.•..•• -: ~ .,•.•..••...,..•.•~ _ ••..•.~••.• ~.. '".
.•..:~..~.,:'..•.~.•.•.:.~'.....::
¿hslnbucJClO la caraclenzan é::ICrl<?sv,florcs !-le'pilnlmclros escnCialcs} Pai'a,'una;:¡
r'- -;I~';':'I..,.r~'.--.
.. ,::"

mueslra dc 11 obscrva<;ionés• se'c~lculan eSl¡¡dfslicos.mucslra!cs qlie scrvir¡t'n'(Ic'bn:Se<

para re¡¡liz.ar la inferencia ácerca de lós .parámelros' de la población;'[Ócsdc'l'ohra~ .
bajos "¡ue HaaveIOlo,re"lizó el) lós allOScuarcllia 10, 'c1c~~C.CP10.dc1.)roháLl¡ii<Jnd.h¡r
. sido múy lJlilizitdó en economclría: De hecho, el desarró'uo de ia economCiH¡tcitíos'.
úllimos'c1ncúériín aXo$ se.ha'basndo prilnq,rdl\l1.me!ile enel esruerI.6'púá'nd~pirir y'
.ex1c-mi.cr.Ios.pn::lcedim.ien.los.cláslcos:d~ in.ferericla¡i: los .p~obl~niilsl?úlicúinres'qiie:' . .
!ll1D ido sl,lrgicn'¡Jpde.bido ¡¡'la 'piopin lHÚ~lr.nleza'd,c.los.proc,eso~ de ge,n'cníCi6inle:' ...
dnlos',en e.conomfa'y' n hi 'rocn :diSpol1ibil.i.dnd'de ,e'xp~~iñ;en'los ecollómic'o~ c6n~'. .
.1 1l'd'lado~: .' ".'( '~~"";'/'.'¡7:::t:
"'.~' J-: .• '::.. . ..... :~~~;.L.{.'.f:."'.J~
..,. . t.':' ... :
..• ' ~.". . .. -~j.; ..•. ;:.~l/I\
1.it Oist'ribllci~Í"í\ (I~'p~~b;,hiiiil\ld ¡)iscrela de'D()!¡Varrai)J:~ ': '?:. (
.... ". /.:., .:, .... , ,': , .:'.:: ': .... '.: . "~' " .;' "':::,::,,(,1, ..
Pnra enlrjlren ma!eri;" consideraremos uJl~'dlslrihudón.<I.e probabilidad discre/o de'
. .do.s vnriables'conü:i la q~es'c l)lUeSI~ael\ la Tn\>la 1.3:1.,.05unlOSdclns c'cLdasindic'luí:
laprobn.bi,lidod del sUceso co'nj~nlo .(Jclos valo!esasoCiados X. Y. Ppr '10lanlo, pij ~
probilbi,lidad de que X.=..~ie,y"~Yj.J..q~..10ln.lcs'dé :CO~uilll.i¡¡sy'filas;do.nde uilpun.
el
'10 indj~ll elsubíndiec sobr~. c.ualJl.a)enido.1usár'll1' s~rrÍa, nos dan las probnbi'liua~.,
ucs morginalcspára X eYj,résp~cÍiv¡úríen,l~. I.;as qiSlri!lllci()ncs de dos variables 1'0-..
secn seis importan les parámiHros pob.lñ~iona'les~~as medias se defincn ¿'o~1O .
" : .. :. ..:";,,= £("X)'
rx .,' .'
;=:~lJ'X.
.. LJ /./
;:::Y'
,:. ".
,:')~i;.ry.:.~"E(Y) .¿.}}
='~/} .~ .. '. '. ('1.6) /
. :'.i,:"~":.~:'~'-:~''-i-.::' . . .~:' .. " j
Las.vúia!lzas se:dcfinen como. .: ..- ".' •... .~'. . ..;. / .
'.'~~.;".~ar(,y,'~.~[~):~;'~.r~21~::¿
i}'i.¿~¡~.p,()~
:.... ,-.: ,:--,':'.,., '.".~ .,\., . '. '.. .' ( 1-7)
.' .'Q'; = '-I-ar(¥) = EJ(Y - p;)21.~2>.j(;:j~. fJy)l j
'. . ""'L,~ '
-¡-'-O
. -.~ ~.,.
-T-r'y~'&-v-c-I-{-aa-,-:c~I;-,i-o;'1:i,11;;ulJ;,IJjlíli~I;J;Jr;J(1(11
¡1I6(JIlillllrtr¡Fs.:~¡¡'pi~~ICI110 tic ¡:eoIlO/llf/TÍ"I/. 12: J~lio'-

L
' ~' " .' '. '
 "',, C,\I'I'll;LCl 1: RcI:lcillllcS ClIlfC Dos Variabks 15
. "';'¡~;¡:;';::. r ~::::':: .
1'::\:,1.-1)1""" ... ",¡:;.;:.,
Di.~lribi7Ció'~ '(i~prnhahilid:ld il~ dus ."ariahlcs
"fl"~"'~"""'~'~."'...".,-c'","~~-:T---'" ,- _~"..'~_"__'_-: ~
-",r.~~,:lp~~' .<J.', ,-.!:n,-r¡'i:ti;!t~••
,-f~g; ~\,!.".
'.l',l;'~,.~,
• l'r(,I)'.II'I'I'I(I"'(
~.

"~ ,. . x,$.""if;'x,"'~"'.:' X..""","""

~~~
.'_,.':.__,~ .'•..~..,:,,.:.''...::.~•....
".','
:: :.:.;,:.y:.P'

I'ruhahilillad"
..
~.:.~:.!.r.f
'.•.~.' ..~•••~/;'..!of:¡
.• i.• ';- (
..'''')
j.;,.•{ ;'/:):""':¡:"~'"
~,Pl;':.),'.~.p:.:,t.'..'.;., '.•.¡::..',.,::'
.•. , 'f.':':.' :,:)'.•¡::.:, ii/.I,,,.;¡,'¡;I';."

Illar¡:inal : PI. :;e~';~;.~;~~~'

..'" 1'",.
.

'...Ú co\'arianza es
.'.',..:~:mt:;y,'..'
. . A.,./- ,:l., 1, , ." ..
". .';;".',~Dj}~~J~~;"~,:/~'~'~;"
: .
(TX).='eo'v(x;;h>~:Ei(;'Y::":'Jl)(Y~' ~ .)J' j .

" .... .' .... ;.: ;";:~~~',:~~;~:;;~-,.,.'

',' ' " .' .
'~2:¿pi (,\'i'~~:;>.(Yj:":')1-;.) ,' •..
j '- (U';)
. . .' . '.'¡ (:.~;~\n.~{it:'y}r:{~'~~~.:J',:'''.'
j ... . .."¡
Fi~lalin¿nie. d coericicolede co~r~'l;iciÓ¡l;p.'óbi~é'i6il'nlse den'lÍ.e éomo
... . . ,"' ~ ., ".. ," ..~::.:'í:!~;'~"~~~.ih~~(~';;.~~~.\'"
,' .
'.' '. . 'corr(Xár;,i~ ..=::~.i,'
..,;'. . . (1.9)
. .. ". : ......•.... ¡.;."i'\i,llT«T,. ,..... ,.. .
En las ~Jmlllli1s :Inlcrio;'es.
.. ' . •..• .:,
i;Y¿j
.. ,,'
i;;Üi~ri~~¿{~'li~'~'I~Jio
J~'I¿s:subít;dices n;h:vanles.
..~. 'I¡"~"'''''';~';'I'~~''}.:'\"' . .•..e ~
".ProuabJlldades cOlldiciollales' '--:y,t!:c.: ..•..' '., .
COilsidcrei;,os la columna :(¡ <le'1¡j:T~bi;:1 'pr~lbabnidil~,~onidi~iQI)alp;IJ:\ :gL\
Y,. <Jado X,.
se obli¡:nedjvi<Jierídol;r.p¡'ol~;\bjlid:ld 'de cada ceÍda 'p~;r'~I' ¡olal ~ieia
colulll/w.'p¡. Así pu~s~:, .. <::.,,::;~..;;:'¡;;.;,;;~/,;;:;>;.;.: ....
l' ': ':'. ..
!!.JL= p~ob;lbilidat deci~;~'Y '~'y:"JtidO~IUf)( ~X
"Pi: " . . '. i....j .' " ,
{I.IO)
.~ prob(YjIX,).:. ! . :~' .

Lanlbd. '.liulc eÚa disl rl'.H.lcio.:n. la"eSI)~~al;~

. .'.
..~'¿O'.'lld
..
,:c,:()'
,,\",1 I ;1"
.
~s . •~~ ~"
v l"I'1 '1') \'
• l \' ' ¡. es
1
Q cs.

'. '. ;i:':ld ~'E(}' ,~r.;>';(i( Ji):y. {l. J IJ .

." ..' ,.'.' '. ': ":. ,,:,:!,/:' ij:'.'\, J... '.' <'

Dc fo~ma s!mil:lr,:Ja varianza de,cslaAislribüCiú\l"cs ulla \'ari'aIlZ¡¡.c~)JJrlici()III1'. u i')

.... , .' ....:(r/\\/.-U'Ii,,)-.
(f211~; = br(Y', Xi.) =- !,;(7it)(~- ,(,hlllY" / ,.' .• ,
J6 ~1t:TOIJOS OE ECO:-;OMETld"
• I

T;,l.n[~ las mt:dias t:ondicionalc~' cumo_I;~~. varianzas son runciones de X, por lo que
e.xlsle un conjunto de 111 medlils cOlHl1clOnales y. v:lri:lnz:ls. De modo similar,la
liI¡¡ de prol>al>ilidadcssc utiliza para eslúdiar las distribuCiones condicionales de X
dado Y. '

TAlIl.,\ U
..• l~~Slrihlll:ión ele e10s v:lrillhles e1el ingreso
l~;.
y el gasto vacaciollal (Y)
•.•••• .:..'- ••• Il&-..L •••i._:I .•• ~~.I:...a.:..~t'_:.-..,
;,J_ ••..•.•••

X($'OOO)
20 30 <10

1 ,28 ,O) O
2 ,OS .15 ,03
Y 3 ,04 ,06 ,0(,
(S'llllll) <1
5
(j
°°
O
O
,06 ,15
,0)
O ,03
Probahilidad marginal ,40 ,30 ,30
l\kdia (Y IX) , 1,4 2,5 3,9
Var (VI X) - ,-. ,44 ,85 I,Q'J

TAIlI.A 1.5
ProlJahilidndcs conc!icionilli:sdc la TalJla 1.4
':"\..0'. ~~.,.\ •....••. ~t ••.••.••...L -4':"-'.,.1U,,-~ ••.••\H-.Jt •••••~ •• -.:.a.loIo'~""" • .u

2 J <1 S (í
21) 0.7 ..• 0,2 0,1
X 30.
<lO
0,1
'

0,5 '
0,1
0,2 °
0,2 ° °°
O

° 0.2 0,5 0,1 0,1

UlI ejcmplo 1I11mérico

L<l Tólbla 1.4 prescnta ~alos hipotélicos ue.il,!greso y gasto Cil vacólciones de
Ullól pobl<lción imaginari~"; E'xislell'lres niveles de ingreso y seis posibles niveles de
ga.st? en v:lcncioncs. Tod:l la poblaciÓn, sin considerar el nivel de pobreza, gasta un
mln1mo de 1.000$ durnnte Ins v<lcaciones. Lns probabilidndes mnrgin<lles muestran
que cl'IO% de l<l población posee ingresos.e1e 1'O.000$,.e1 30% de 30.000$, micnlróls
que el restante 30% posee ingrcsos de 40.000$. L:l Tnhla 1.5 muc'slra l:ls prohn1Jili-
dades condicionnles derivndóls de esos dóllOS., Dichóls prob:lhilidóldc's condicionales
sirven pnról c;llcular las llIcdins condicionales y las vari:\I1lólS que aparccen en Ins dos
úllimns filóls de la T<lbln 1.4. Ln llIcdin del gasto en "acaciones sc increlllcnta con el
ingreso. aunque se trilla dc un incrclllen'lo no lineal, P:ICSlO q'lIl.: cs ma)'or dicho au-
, "
 .~.

CArll'ULO 1: Rclnciones
.
entre Dos Vnriablcs

mento p¡¡rn ti! direrencia de 30.000$ a 40.000$ que para la dHerencia de -20.000S a
30.o0d~~~Lava~ia;\za'condicionnl se increment~ asimi~mo con e'¡ ingresO. Podríamos
.•1".," .'
llevar n c¡¡bo un an;\lisis similar p:lríl X dado Y. Tal an;\lisis interesaría a la agencia
de viajes preocupada por la distribucióil de los ingresos de sus clientes con un gasto
en vacaciones dndo.

1.3.2 La Dis(ribitciún Nor'nlal tle Dos Variable~

Los ejemplos :lnteriores se han realizado en hpse a varinb1cs discretas. Ladislribu-

ción miÍs conocida pnra v:lriólbles coÍ1tinuns es la distribuci6n normal de dos vnria-
bies, o norll1ó11 biv:lrinnte. Cuando X e.Y siguell uná.:distribuci6n normJlbivarinnte,
ló1f-u;lción oc
densidad ',le. proba,bili4ad. (rdp)vienc, dad.~. . por
. - -

, ,'" J,-
f(xi y) := . X
.
" 2nu TU
. ),
,v"):pf ,
,

exr {_
2(1
~ 2['(,~-VT)~_ 21'(~'«-"x) (~)+ (~)21}
[1) U.T _ Ux Ux u)'
(f.~3)'
"*" '..., ~ '- .•••

En In ecunción, x e y indican los valores cflietomnn I:lS v<lrillbles de X e Y. En cs~e

C¡;SO, l<ls minúsculóls /lO miden las desvi:lcio~esde las meui<ls de l<l mues'tról, como
ocurría en 101disc'usión sobre el coeficiente de correl:lción de la Sección 1.2. El rnn-
go de variólción de amb<ls vólri<lbles osciln ~niré: menos y m<1Sinfinito. Integrando' so-
bre)' en la ecu:lci6n (1.13), obtenemos la distri~ución m:.'rginal de X,

. f(x) = .~ exp-f1(x - 1'.<)2]

'.. V 2nu x .~. Ux

Así pues"ln distribuci6n marginóll de X es un<l distribución normal con media J.lx Y dcs~
vinc'ión eSl~ndnr u.•" De formOl similólr, 101distribución m:lrginal de Y es una distribu-
ción normal con media JI." y.desvinción estiÍnd<lr4J¡,. ~l otro pólrámetro que nperece en
la ecuación (1.13) cs [1 que no es otra cosa que el coeficiente de correlnci6n linenl entre
X e Y. Fin<llmente; 01partir de la disírilÚJción conjunta [ecuación (1.13)J y la distribu-
ción m:l~ginóll [ecuación (1.14»)II,obtc)lemOS la dist'ribuci6n condicionnl de Y dndo X,
r'''l ~'~.' (1 f(y 1"..
xt~.f(x, y)/f(x)

(1.j5)

•.. ~,' ,.
 18 MtrOOOS DI: ECONmIETlII"
. . .

La dislribuciÓncondicion¡l! res~lía ser: lal~lb¡én una di~lri~ucilÍn .nort~lal,. La metlia

condicional es '.,... .",': .... .

.• J.l)'h: ';'cx.+jN, .........:' •.(1:16)

donde y
........•
~•.= ~:: .•..'. '.~ ",',

(1.17)

La med'ia condicional es; por 101;,nlo, función lineal d'ela varial;leK La varianza
condicional no varía con Xyvienc dnda por . . . .
.' "., .' . .

.'d2 ..=~i( l ~ p2)' (lJ 8)

)'1.,. Vy .. ' ..
."

'Oicha condició;i de. varianzn:~on~ih~I~'ri:¿¡b~.e.lnonlbr~qeIlUmusce~i:lsfidd:H!. Fi.,. .

:. ;: :":;;;a'lllJ"
~U. ;:',.,.;;li.,~il:ctlin:'''Ól\dici'onaL.y;;.I~.v.nr.ia¡i,íii
""",~
••... , •••'I"~I••••• ••'l-.. .~ "•...
de,;X.,i.liido"¥',;sé'/6hlit.i:íiclljiriú~rcam~',,,' ¡"-"

biando x e y en las úllinH.ls lr~s fórl1lulas~' '.' .'

lA. ... ... '. . .' ..•.•<.;. .....; .... '.' ....c. . ..• , ...

EL'l\'1o'6eJ.;,o
. '.
DE.'liECiU~siÓN.Lt~~AL
' .~ . -..
, .' -
DI): DOS Vi\It.I1\.~LES
'-. .' -".

'E;l' ;ñ'u'¿h'as:'~ilU;~i~~cs.'ei;. ~; '.nllállsis ~onjun'lq bl~¡iría'i~l,:: las'dos. va..i¡abl,e's :'se'l~~\¡;in.

de f(ir~la',siniélrlch .. ~ii'¿I.~ñ~9 de'los,sol.d¡idos ,e~~.oce~ei; dé I? TabH.'I. ~. I~ ~iSI~ibu.: .
'¿ión cUI,di¿o';la) dela '~lúJfa d¡¡do elpc'l;,rn~9Irp'lor¡íCico~ .ri:sult:l L"nsl.~nlfl~allV:l e ..
inler~s.a'ntc COma 'la .di:atib4cióliéondi~ioriJ'l'dell)crímClrólor:ícico .(J¡,d¡i);1 "Ilur~i: ..
:Seúaladc dos 'ilspecios ¿le);, yarincit)lícónjlln!:CSinqmb¡lrgo;clI el cjen\plo deili.
greso¡gaslo .vnqéioilal, he~lp's<le'ndidOr:~~osiF;l(I1Úlycirin.le.r~shi,~iú (;i di~lrib~lción
cÓndicio,ial del ingreso; dndo.el.g<)~l?: Es uücjel~~plo lípll~:O~II m~ch.as .SI.lu~clOnes
e'conómicas: A' menudO,'. 'los' céo.noni'i~las' po~een '~ocioocS cxplfcltns de.fI\'¡¡das de
n'lOdclos leóriCos. j¡e :caLisulidiJd d9 ~Y" por :eje¡lipl,q;hn<;ia Y; Así pu~s, J¡'lé~~íÍl. del.
comp0rl.amiú\l.o ¿j~1 consunlidor induc.e a súponcr quc '.c.!i.ngreso de la faml";~se'rá
el' ucterminanie' ..princip'¡ll del. g~slo':vnc~c.iol)nl.~lela ..'(nl~lihn .. pero ~a econ~I1~ln d~1
.' lrnbnjo n'o olorga !su'nI'podern'ln pr~)í)(isJciÓ,~ dC'Cluc,cl gaslovac~,clonal.de.l~ f.alll1,
Iia 'sca el n~;ycir dete.rtni¡inllle, del íngres'o ~amili~fr.."1\Un(!.II~fOl:lilall1\elll.e sen C.IC~I.O
• 1 ue In t1istrib~¿ión ~OI)jUIÚ~ pu~(\c dcscOml)OllerSe cn.fnclores (le UOS.formas. ~Islln •.
~s: en ~lprodúcl'O dé unaJislripucióll'n1argii~¡¡lpól:lÍn~\':ui~.trihuciól.l condlc¡onal;
siempre hnbr;\ ~lI1Ó'de los dos Jneíores que 'reslllle de.mayo.r.inlerés par¡¡'fl ec.o'.l~'
. misla:'(\~'í pues; sigui.endo d~.nl~e~'o C01~.e',caso. d~gasl~/ingr~so, l,a:dl.;sCOlllpO~lclOn .
.en fáclOr¡;S -¡(X, y) ::= I(x) . [(YlX) resúllnráplásinlc:rcsillllc ~lue.J(X: ..Y) = /<.:?"
. J(),1 y).'Además, c'n,'I<Iprim.erade~colill?Os¡ciólI el) factores,!a dl~lnbuC!O~l condlcl~-'
n¡¡l'del gasto,' dndo'e'¡ins'rcs? recibil;¡Í ..normí1lineril~ múchainayor~tenc~ón.y~~n;\ li-
sis <r:e ¡adislribución mllrgin'aldel ingreso.... .',' . " :. ..'
. ":i' . ..; "":.'

, '.' .1,_

,.,.." '
 1',\I'ITlII.O1: RelaciOnes Clllre Dos Variahles .l')

1.'1.1 Un Mollelo Conllicional

Anles de formular un ¡Iloudo para el gasl~ en ,;aeaciones condicionado por t:I in-
greso, CoilsiderenlOs' cllmo obtener los ualos originales de las variables. Una posihi.
lidad sería exlraer una mucslra de 11 familias dcltol,,1 uc Nfnmiliasde In población
y oblener I?s vnlores de X e l' a p,irlirdel alio en Cllcsliónl1. Se t'rnln de un cjcmplo
de c1:I(OS (le cnr(e Iransl'crs:\1. P~ra la
IOlalidad.de las IV familias. sc dar¡ín algunns
dislribllcioncs dc uos variables (presumiblcmelite complejas y. cicnamcnle, tkseo-
naciuas). La misma distribución de. dos\'ariables scr¡Í, de alglin modo. unn dislribu-
ción marginnl de IInn t1islribución mullivnriantc que ~ubriría el ingreso y lodas Ins
cnlegorías ue gasto. La lcorín económica, concentrándose en In distribución condi.
cional. sugeriría '.' '.'

.' '" " > :..,.:.>"._ .•.: ,:_.,..~:: .,.,;.:,'.E(.y,:+.)\7',;.,g(N

. . J ..::'::\ ...>...>l:....;':d.>'.~.:'....-.../i~i;.,.l:.,.I'+J.•.\';.~~\.¡

.dolídc se espera que ,t:(X) sen uníl función creciente de X. Si la esperanza condicio.
nal es li'leal en X.como résulln un el'ctlso de una distribllción normal de dos varia .
. . bies, enlonees . . ..' ..
, ..
E(YIX) =.~ +fJX ".
. '.. .. (l.IlJ)
.'.'Para la. [amilin i.ésillln~.~lichúspér~l\ia:rn~lein~licn r'csuiln

'.'.1;::( VI ~'íí),;,.t~:+JIX;

be ,hcéll~, CI .gasio 'en v.acn~i~;íe~~~~...i¡;..~,'.;liili~,i;'ési;ll,i "'énd"'íil dado por' Y¡, po,: lo

..qlre.d~finirí;im()s una disc.r~vanci,"o perl.,urbélCil)n: /1; tapIo.

'. '/1;= l'i ..•..E(Yt~yi)=y;:..a-Jt\'i (1.2IJ)

'La pCrlurbación 1;; represenl~~á p~C$la'i;íriue'n~i;;'~u;l{/ de lodo nCJlIello que no sea

fl ingreso de la fnmiiiai~ésilllncn el gnslo en
vncaciones. Esos olros fnctores inc!lIi-
'rínn faclores 'tnlés éon~o eln'úmú¿ y la edad di::.105"Ílic;nb,:os de I~ familia el aho-
rrb acumúlndo: ~té. TaJ¡:s fOlClores' dél'ú'fá'ncn1c'I;lnrsc' e '.Ini:iuirse en la e'cuaci<'ln
(1.19). nunque con cllnIquje~ nÚ;llc,ro fi'nito de fílclor~s e:\[)lic'ali\'~s s~guinios sin po_
der espernr un acuerdo pcrfecto. eillre l,,'s'(i¡jser\'a'ciones indi"i'dunlcs \"'Ios vnlures
esperauos. Por lo ranlo. sigue cXlslicndq ía li~cesidjltl d/cspccificnr 1I1~lé~m¡nri dc
'pci't lIi'bación. l'Q'mailÜo'espernn,zas cOl)diciol1¡ilcs. en¡in;bos latlos de la eClIacit'Jn
(1 jO), 'u,úcnemos £(/1; 1 X;) = O.L¡¡vari:\I1?~ d~¡;;,:esllllil ser lnl)lbiénla varianza 'dc
..\¡~dislribucióncondicional ir\lxj' O.bservnndo la' familin /ésimn. \'<;11105 <¡uc la pcr-
t ul~bacióll /li .lcnd r,í. csper¡\nz~ cel:o)' ..vi\'rianza cr\'lr;" Las va ria n~as condicionales po.
,drranl11uy bIen \'nnnr con el U1&rCso.. Enel caso de lo~ dnlos hipotélicos tle la Tabla
'l.'l:scasocian
. posi(iv,inienlecO'11
. .
ei ing¡',eso, $in c,nbéll:gll.
". ..,
y engencrnl. malllcndre.

,o' _.' .' ,.' •• • JI' •

Volvclllosahora n la conv'cnci,\u¡iUlcriordc lIiiJiznrX'c }' I'araiudicar InUlud nOlllh'eUCliua \'a,iahle

12
COI'UO
los ,,¡doresflllCP'lICU;"
aSlIIilir, . '.. .
 20

1ll0S
, ,"
el supucsto
,
de hOllloscedaslic'ld~el
' u
y a f"Irmaremos.. clue ''I ,', .. '
1,ll101I SUII CUIISlalltes C ¡lid' l' (',
( ' ' as V,1rI.1I1Zasde perlur-
, 'Cf ellllellles del IlIgreso f' I '
iJlclI 'quc las pnlurbaciollc's e •• el"'1"( " ,lila mcnte, suponemos tam-
, .. ,~ 15 1I luyell IndepemJ'. I '
hace notorio, elllollces, lelllas C011'10'I' " ' ~en emenlc unas de Olras, Se
' , .1, vacaclón-m'\I1n" (1 I I .. '
'urllpa)
E . y pcrtur[¡aciólles CI'\I"1111;'111'C' ' ;", ,. oc o e mundo viajando a
' ' "~ poslllvas El' ',. ' ,
bacloncs lit! cst;íll cllrrci"CI'lll1'1 " " 1" supueslo lI11phca que las perlur-
. ' , t .15a pares.' n... '. 1 d '
normcnle mellciollados. lellcmosque ,eSUmll;lle o lo os los supuestos antc-

£(11;) = Ó para lodo i

\'011'(11,)= £(II[) = u2 para todo ;- ( 1.21 )
CO\'(II;. 1I¡)= £(II¡lIj) = O para lodu i.,. ,
ESIOSsupuestos
, • oh' Ól' ' , ' '
Ip eSIS cSlaehsllcas, se resumen cn ulla sencilla J afirmaciólI:
Los II/están iitl(O, ,,2) ,
q~c se lec como "Ios 11;eSl,ín dislribuidos itlélllic',' c" " ,( 1,22)
dla cero y va'ri;¡nza COnsl;¡ntc a2" , ' " IIldepenehenlemenle, COIl me-
SUI~on~amos ahora que disp~nemos de d;¡IOSell forn' •. '., .
.,\, = II1greso agregatlo personal dis o'llibl ,1,~ de scncs lempor;¡les )' que
Y, = gaslu en vacaciones en lérmi;l~sreal~;:I~~~I~I~ll,loOtS rc;¡les CII el aiiu t ,
I , I, c t -~. 1 ?-, •..• 1/, L a senc'1 X,I deja d~ ser: ,,'l'
tUlll , , •
111
llislnhucl(ill de los in"rcsos tic N f' '1',. 1 conJI~"lo de valorcs nHleslrales de la
• t> ' ,Iml I,IS e e cu't1eluler " '
rIO, sc (rala dc la ,HIII/I/I/CII/II/ dc lod 1', ' ,1110sino que, por el conlra-
, OS OSIl1gresos de cad;¡ ,- l' tl ' .
tumo una mlll.:slr;¡ de 1/ obs " .' ' " ",1110, o na cOl1sldenrse
, ' . er\',ICIOI1CSde la "poblacicín" d t ti' l' '
1cs;, 5111embargo. un;¡ inlerprel'lc"' Ion 'd"e esle Ilpo reslnn .," e o os os Ingresos lola-
l' 'f' 1
1111nosI/lIIe!ilm }' {JUb/(Iciúl/ ¡\d ' I ' ,ge e slgnl le,1(lo tle los (ér-.
, ' emas,;¡ 'mucslr'l 11'Ib'l I I
conSISle cn dalOs tic JI (Ir / • • 1 ua e e una serie lempornl
, "os (I( yaceJltes", Sicmpre d b b. .'
.Iquellas Illucslras de eorle 1'" ' ,." c, en o scrv;¡rse con recelo
p , r,ll1s\ersal que conslstc1 "1' "f ".,
odnalra larse,qemilionarioso. o .1.... '. . • .. ' .. l. ~o ,o cn.JI .anll)¡as adyaceliles; .
I dT '1 f. ,p l' e contr:ltIoue II1dlgenles R.' I . .....' ...

o,. lICIO recer lIn:l inlcrprelacioll úlil 'f .' ,,:" csu la. por lo (;¡I;.
. ..) , lIcrn de ' amblgucdades de ji( "1<,
'') l',1 ti'Islll-
.'

l.' Se dice ql 'd ' .. . : , '

. . ",e lIS '.',,,,~hks Se lhslllhuyen inucl'cndienlel11enl' ,oo" • '
llf.IlHJIlI,IS dl~lflhllCHlIh:~ (,tlI1üi"illnah:s l"{¡\ti," 1: . "1-' c. ~ son CSIOt:.I!ilICtlI1lCnlc IIldcpcndicl1lCS
u 'Si)'
l
. l'
1 t:qul\';¡ ~ a U'-'C1f qu.,; las IJru(nl1iliu'lu'
,1 en.1 ,IS corrl'I'0nd'enl'
.' , ..
r 1'1 ' 1f
es" I.S n l\l(,IOII~l\ m; l!-il1:dcs El SIl
'
P1" ." . " cs cnnJunl~s son" r I u '" " - . '
"'~ e c~su d,sc,clo.la cO\'.arj~n7.a enlre.\' c l' es ' e l' IIluclo e las proh"hilidadcs m~r¡;in"ks,

. co\'(.\'. Y) = ¿,
"" ¿, [l'(.\'
IJ '
- JI -' )()', I
-
J',. )
l J ,',

= 2:1'.-(.\'; -t',.) ¿'V/( 1'; ~ J'r) usanuo 1:,' cell"ci,ín (1.(,) ,

, ,1, J '
=n
Lo
'. conlr~rio no eS n'C' "
e eS~II~mellle "
Clerln, ya,que 1~:co\'"ri~nz:1 n '1' .,",.
~endo fl = () en la ecu~eiól\ (1.1 J) ,'el11os n • '
, /1
,,'.' ',lIl
"uc SI es elerlo en el e' s d'
e l"'~',"<Je"":lon
r"
11IIc:0I; pero <usliIU' '
rió! ) t::S. Y~l que 1;1 dCl15iu:uJ dc UOS ";lriahlc:'i"s"' (. ..' .1 l) e Un:l ll~lrtl.H1C1l~11 l1orll1.lI (h: dos VOl.-
. . _ . '.c.c~) ,IP:".I c.;U el produclo dI.: dos lkn ••idadc~ l11arl!ir'~;lI~:'i.
 C,,,,ITULo..; Relaciones cntn: LJos Variables 1.1

bución marl~il1al de Xen'elticmpo, Sin embargo, la tlislribución condicional f(YlX) .

sigue siclluo importanle y por cllo merece farmulación probabilística,. Para ratincar
nueslro' r~'l.on:lIÍ1icnto. relomenlos la fóni,ula lIliliz~ela en el ejemplo con el corte
lransversal c' introduz.camos en ell:i 'Ul) slfbíndice ele liempo, Por lo tan lo, '
" Y¡,"; a +jJX¡, +"II¡, (1.23)
donue }'¡r= gaslo ¡'cal cn vacacioilcs ele la f:\Inili:i i-ésinli1,en el aoo t
. X¡, = gn510 tlisponiblc real dé la familia i,ésim,i' en elaiio I ,
Parlicndo del supuesio (poco factible) ele que.105 parámelrós 'a y fJ son los mismos
para todas las familias y 'agregando la ecUnción' (1,23) a las N familias ele la econo-
mía, e¡lconlramos

.2:Y¡, =N(t+jJ (Zx¡,) + ~1I'i/,

I . . I ,.' I

que se rcformuln camo (1.24)

Y, = Na + fJXr + V,

donde )' y X inelie';¡n el gaslo agreg;¡do y el ingreso ngregado y Vla perturbaciÓil

;¡gregnda, Los supuestos cfeCIU;¡dos p;¡ra las 11de Ins fnmilias implican que VJ'es una
v"ri"b1c estoc,ísliea col1 media igual ;¡ cera y vnri"n'l.;¡ Nal, En el contcxto de series
Icmporales, es neces:lriorealizar un SupueSIO más con' re'specto ala independencia~
oa 1" falta de ella, de las 11, En caso dé elegir independencia,ara'rniaremos que 'V;
sall ¡ideO, Nlr2), ''

1.4.2, Eslimacioncs )' Eslim:lllores

Indcpcndientementc ele que I'os dalos mllestrales proven~;\!l' ele' una serie 'Iemporal' o
""e\rlJI1a nHlcslra tlecorlc Iransvcrsal,la formam<Ís sencilla de expresar un modelo tle
es'
..' 'dos v;¡;'¡aG¡;;~, 'ti::';; +/Jxi~+'ii;;cn "¿¡6'iid'citilici1C'l¡na:-t1~sITibuciónitillqu~csiid(n" .,.
(12), El modelo Ilenelres parámetros ncstimar, ci: fJ ya!, Lospar5Í11elros a y fJ s~ es- "
liman conjunl.nmcnle, ya qué sus valores numéricos son necesarios para obtener la
ecu;¡ción elc la líne:, de rcgr~sión que "jllslamejor los dalos: Una vez oblcriid;¡ la lí-
nea de ajusle,losresidúos con,respei:loadichalíneaseUlili'l;¡r~n pará eslimar (72.
, Un cslim:Hlor es una rÓ¡:il1ula, inétodO o-reccla par:! estimar un par;\meIJodcs-
. conocido en una población; y una CSlill1:lciónescl valqr n~mérico obtenido cüando .
en la fórmula sesuslituyen'iosdatas'dcl;¡ mueslra. El primer paso para conseguir
. que losdalos de 1" mueslra se ajusten'" una Iínearecla es Irnzar undiagrarila de dis-
persióny ase~ur"rse,med¡anlelainspcccióndelgráfico. que l" dispersión es :\proxi-
ll1:ltlamenle lineal.: EnC!siguienle Cápíllllo discutiremosc\ lr¡¡l¡¡rnienlo de lasdis-
pcrsionés no lineales, Dcnomincrilos Vi =' n+bX¡ a la, líne¡¡ recta ajustada, donde V¡
intli~a la allu'ra elcl" línea'~n X¡.EI vnlarobscrvado'de )'¡ser:í, en gerieral, una eles-
vi;¡cióndCY¡, Se pueden óblcner Iliúchqs eSlim;¡(Jor'es pitra c1par~.b, Veamos algu-
n"s posibilidad~s: .. . . .
 22 . ~I¡;;TODOSDe ECONO~lcmll\

1. Ajuslnr una lincn visualmente: y lrnlar dcinluir 'losvalores impliciloS para 1" oro
denada sobre el origen de coordcilndasy In 'PGndjcnl~ b: Disliill~ls "artislas" di.'
bujarian líneas dislinlas, por lo que esprcrcribli:i<~ner un eslimador qu~, !j,~~c.
pcndienlemcnle del invesligador que realice el esludio. 'Iioscondu'l.ca aun mis.
nlo resullado para un ~onjunlo'idénlico ~c da:lo~¡ ." ~: e;' '.'
2, Tinar una línea desde el punlomás ala ¡i.c¡uicf(\ade la dispersion hasla el si.
luadomás a la derecha. Siendo X~cl mínimo valor mueslraldc Xy X •• elmáxi.
mo, e Y" Y ••,I'os ~¡¡lores a;odados d~ Y. el'cslil~ladorsú¡í .

'o:: (Y ••.-Y,)/(X~. :c:j(.)

11;';')', -'-/JX~7)"" - /JX~,
. ". .

. No podemos cspernrunperfeclo funci()namienlo dcdichoesiimador, ya que

uliliza sólo dos punlos'de lamueslra eignora~1 rCsLO.' .
~".>i.\\.~;}}'",)¿a:..úllimil:.p'(o~l\.lt$.\A.~.il~i~!c
•• , • p":,,v.;._
;lISl!IMI1I.~roqll;d~o~l~I;~~,coo~.d,ei1ad;!s
.••~'+< \~f."."r~.¡;.,,'~h ~......,.~ .~ri
.. X,J..e)'
,'J.' .~'.~.-. N.<" .~", .,' .~'.. ..•.. ,_o '- .' ~ l!':¡" ~ ••.••••• ,l ••••.p•••;t••~..•• i..

de.los/ll punlos silúados más a la izquierda)' de los 111 siluauos úl;is-;i'Jií.¡Jc.¡:cclnr;.'""....J

dondc JIIesun enlero enlrc {Y'I/I2,J. ¡nizar uIH,IÍlH;aenlre I.11S punlos ¡)romeuio
resullanles. Di$cúliren'Íos' rri¡\sadeln.íle'c6nló eSle cSIÍl)HH.lor .cslableciciluO JI/
en 11/3 o ¡In. 'ha sido PfOPU~SI6 cnla'liler¡11~ra~cerca de errores enl~s variables ..
RcsüHa.difítilmanipulnr '\lalcm¡\lic~'Ílen~~u •.i' eSlÍllllídor decslc lipa y. ¡ü.lcIl1¡\s.
es.difícil,delc:.rmin¡¡r .algunas'de ~us'propledades en apl\cado'llcs repelidas.
.'
'." •.
.
.,.'
"
'

'. "

'.,l~4.j.i51i~;::l(i.o¡.es.Nlíni;li¡;ls.c:.~'¡I~:\iicOs ,...,., ..
, '. '. ',,' •• ," ''', '.' .., .!

. ..'." ••••• :' ,.,..... .'.~' :. ,:' o." • .,- "'", ;,' •. ':. o', •. ,': .' ,', ....."

Ei mélqciQ "dé .Ios.,;,¡j,¡;,;o~:.cl/ncj;(¡(iós, C'UYd Wigcll sereiúOIí'la 'aiu!llcipiOS dd siglo' .

XÚ~..cs cll~ril1'cil;IO.de Ii)iilfúcÍ1da¡lc'I;Hiy(lr.\Is(.~ybolenci~f:¡~ Dcflliam¿ls co;no si~
pue a 195 'resrd~osde¿li~lquier tí.nea n:cla,ajusl~.da:: ,: .'::.,' .:',': .-
":.e' .,.'.'C:';;'i~yi~);'r'.:;/,¿Xi
..;'.i.~f,.f:~';'1/ (1.25),.

.i '. Parlicndo de la defi'oicióll' de Y yÚc la 'f:igu\ril.l.6. dich()~ ¡'csidl;~s sccalcularán

ellla direc~iÓn vei'Lic'al(yj. C~dapar de valores a:í)'dÚine u,~alínea' disliillilY. p.or'
"'" io lanto; .un COtijunlb.(.Ii~tihlOderesidlioS;.Lnsun;¡¡,de.los ~uadr;l~os,d~ .los~~sidllos.
eS.b'I~I\CCS: f,úild~H dc
f}:Y ti. ÉII~ri.l~c'ipiÓ'i)l¡njm'o~ün~d~iCo'es'.',;.:' .. ,':' .'.. :" .
..,.... s~iéé~iol1'¡¡r ri::'~'I;ar'ri:~li.)'i¡nii'.;;~~;IS~;~l;\~~~.;~s;~IJ'ad'r;!d~sllé'lo's rcsid:I'~)s,
SeR 7 '2: Cr.::'1,!:II,I» .
. " : .• : ,'.-. :': .... " 'v, '~ ' " '. ,,' ., ,

. . '.' .' .,.' .':" ..

~A~cOI)diti,ol~'tsnccc~a~ills:p¡~ril:~~'ly;\10:r'csl~ciol1ari9d.~SCil: ¥On,15
, .
,l.",
.. ,
.' ~. .,
':', '
i'
,,:'" .. : ..... <.... : 0<,,' ';" :j' ... '::'\~:l ;.:.:: i~¡:" . ',,,,~' I ", .'.'

• t' .••• ;4 Véase c.lcnu'c\'¿ Slcpl;ell'~i. Sli¡:1"cr:Tilo

.' .• '. . lIi.fIOf); /JI S;l/I;;'¡C~.
. Ilar\l;1f<1tJl\¡\'cr~i\y'Prc~s.
. :.. '
11):16 ..
.... ,
"., .. ,-.

"
, .
',.
,'¡ •• 1 ••
 C,\I'ITULO 1:Rda~iul\cs cnlr..: Dl1s Variabks

\'

/' {X,. 1',J ¡" = ,,+!JX

Y¡

/'

'.\
\J'
, I

. ~ 11

o' x: x
,
..
'
1;,'1G U HA 1.6
Rcsi.dl!ll.sde una línca recl~';\jll~tada~
• ". • J.

( I .2(,)

",

;¡(¿e2) '. . ", .'

~'.. --'.:: - 2WY-f1 ~ÚX):- 2~ Xc':: II ( 1.27)
. JlÓ : L;~~ . .¿. '.'

'.Sil11l):i~icando,oblenCI~1?S'laS~Clla~i9I1c~norlll:d~~'r~ra'.IÍ1.r~g'r~s¡ó':;¡'¡.;cal de y so-
.brc''\. ESIOes, .' .
. o'

'1: A'I. (;~ile.,~~rlas d~r.i,'ac.l;i~,l~ej:ililll; el si~nl~ ~~II;I¡'t;;r;r..CI;~1;I;iS;l\() fll;;,r.y direr~,;dalll()s. en Sil ill~"r. el
krn~"111 tIP'CO.col\respcclo ,1 1/ l' ~.ohsc.f\'anc.ló :s¡mplcnj~lll'e !;.' rcgla de ql;C c\!alqui~r cnl'slante ~s SIIS-
cepllhlc.,c.le Iraslac.lar,se delante <leI.signo del slImatorio. y,que cuallllliere;lInhin dé un 1'111110 c.lela m'uest'"
a O\~o d~her;i.manle,!erSe a la c.lerécha c.lelsi~no' dcl';>Ilma.lllfio. Finalmcnlc. pllesto q'uc no csiSle .amhieiic.
. dau, ."
hemus
..'. obviado lo~ subíndiccs.'. )',d filli;'u
~.' del súmai\).rio
". " .• , ,1 .E'slriclamC'l\"II',I,I"I"lio
• •.• l. ~ • P oc.l' r1iH1H'S u"ISlln~lllr
- .
. lamh,en enlre 1m . valorcs
". 1/ y' ./, qlle npare.'ccn . 'cn. . la rórmula
" , )' I,ucucn m,'ni'l,,"",rsc
", \'• 1'1'
~. ''',Ior ~:\
'. l"\pCn 'I~ I(:OS

quc,
" de hechu ".. llllnllnI1.an
'. " la sllma ',. (Ic lo~ ',' l'u¡illr"dos
'/ . _ '.' de Ill~ • residllllS
" ". I,eru 11'\,; IIU""()
••• '. \' c.I¡,; l'lit Ina l' nUJ1lnHl
".
f1es¡:o,de amhl¡:Uedad cs,.slente. hcm(j~ optado por. mantener la rllrilllll" CI; SIIordcn. .
. ".' ..
 !., ~II'II)I'''.' "1, 1,('():-;()~II'.IIlI"

¿Y=I1(1 + IJ¿X
( 1.28)
¿X)'=(I¿X+!J¿X2
La r:win dd adjctivo 11(}/'IIW/ rcsullar<i cvicJenle en cuanto discutamos postcrior-
mcntc 1:,gl:oml:tría de los mínimo euadr:ílieos:
La primera ccu:l\:ilÍn normal se redefine como
II=Y-bX (1.29)
Suhstituyendo 11 en la segunda ecuación normal, obtenemos

I X)'
/J=-- =r~
SI'
( 1.30)
l: xl ..sr

Así pues, In pendiente mínimo cuadrática puede eslimarse cn primcr lugnr me-
cJi;¡nle la ecunción (1.30) n parlir de las. des\'incioncs muestrales, mientras quc In in.
tcrsección se obticne ni suslituir IJ en la ecuación (1.29). Nótese <Iue ambas fórmulas
poscen formn itlénlicn n las proporcionndas en In ecuación (1.l7) para la intersec-
ción y In mcdin condicional en la dislribución normal de dos variables. La única cJi-
fcrencia estriba en que las ccuaciones( 1.29) y (1.30) están expresadas en térmiilOs-
de estadísticos muestra les, mienlrns qúe la ecu<lcióri (1.17) se escribe cn términosdc _."-
los parámetros pOblacion01les:. _
Resumiendo. el prilJcipiode los mínimos cltadrado~~[es propiedades illJ- .
pllrlnnles. ivlinimiza "la suma d~'fOs¿l¡;drnd-;;~de los residuo~asa a través del pun~
lo mccJio (,Y, )).),~0~;";d~cs¡r¡¡rñCCüaci6n (1.29);y, fi;ñlmente, los residuos mí- .
nimo cuadr:íticos li~;l~~ ~;;~~ cer03JJla mueslra con los vnloces-d_e~. .'.
Es imposible c'Sii~l;"arI;"~ianza .dcl término de. perlllrbación (T2 il parlir de
una mueSlrn de vaJores de 11, yaquc éstos dependen de los vnlores desconocidos de
u y f1 Y. por lo tanto, son no obser\'abies~ El eslimador sc basa en los residuos cabi-
lados (los c¡). Hi1y dos posibili(ladcs; ulilizarl:c2/11 o 1c2/(1l ..: 2). En el Capítulo 3
cxplicnrel110s 100SraZoncs porlns cuales 101clec~ión l11,íshabilunl es

c- -
~ ,.
s2=_,¿__
( 1.3\)
(n - 2)

L Xc = ¿ (.1' + ,\')<-

=¿.xed'¿ e
. ;..~
= Lxe
Por lo 1:11110.
co\'(,\', e) =U IlIilil.:I",Jo la ecuación (1.27)
 CA,'ITULO 1: Rclncioncs énlrc Dos V;¡rinblcs 15
.'

1-.1 'su;"a <le los cuadrados de lr:s residuos resulta, s~r una funciÓn. cuadr<'ílica'.dc. b.
Ya que 2: x2 ;;. o (la iguilldad existirín'tnn sólo ?n e! .caso pn~ológ~co de ~nn~a.~I~:
' ción cero en la variable X), cl único punto eslaclOnano es necesnnamente un ml~1
1110.Suslituycndo cnlaec~la~i.6n ,(1.30), obll';Il.17.n~qs~_
.., " '..' ..•..• ..,.,.

. '.'L y2=.~b2 2:.:\:2,+ ¿e2,.•,'.\.', ' ..' •.-:¡',';;:,~,;,';\.::";~:~:.

'1,.

• "'=.'. O~,,";.Xy~:.~:.~:~.:':2.'
.. '" '. ,y,.,t'lI;3J)':-""
LJ LJ .,0 .•• ",~.: .:' .••.. , ~..~' .. '-

'. .' , .", . ~

..,'
. . . .; r
i.2: i~':2:.~i ,." '.' .
'.Ln cOliocidadescomposlclon
' . . ',. '. de . I dos."' se formula
' la ',.surrw d e \'os- c~n(fa .... norm:llmenle,
; '_' ' •. _
. ..' . ,. ,. .' , .;
. C0l110 .•: '

'. SCT=SCE +SCR

'dondel7 ser = Sl;l11a10lal ~le'd~sviacio;lcs

al c~adrndo de la varin~le Y . '. '
Scn. = suma de los cuadrados de los rcsitluos, o no cxphcndn, de In regre-
sión dc Y sobrcX ::' -- . .
SCE =sur\la de los cundrndos explicnda.porre'gresión de Y sobre X
L01últim:l línea deln ccuilci6~ (1.33) se récompone para obtener . '.

.. ' SCn. SCE

,2 =1--.-='-' -'-. (1.34)
ser ,SCT
Así pues. 1'2 se inlerpreta co~,óln proporción de I~variación Yalr~buible a la ~egre-
sión lineal en X. La ecuación (1.34r'proporciolla unn del110slrnClón allernnllvn al
hecho de qUe los líi"itesde , son :1:.1 Y de que, en el caso límile, todos los puntos de
. 'I:Imlleslrn pcrtenecen a una mismn línea recIa. .

11No exi~lC. poulc~¡;raci~. Iln~ nol~ción uniforme p~ra'tn suma de los tundrados. H.ny ~Ulores qne ~~~
7.:lnSCR p:"~.indicar la ~Ilm~ de tu~dr~tlos debidos n In re¡;resión (nueslro. SC~.). mlenlr~s que co~ ,
~imholil.:lllta Sil"':1 de clladr:ltlos uehitlllsn los ertorc~(nueslro SCR). .. .
 ;

26 Mt:WOOS un,coHoMerJd,,:,

1.4.5 Un EjclllploN~mérico;;'
r .'

. La Tabla 1.6 prop~rcionalinosdrilosscllCillOS(l~le jú:r\'inínpáraihlsl.rarlasformll: .

las í\!,leriores. SusliliJyéndolosenla'ccuacióii(L:28);obICncm'os.hlséc.uaciones nor-,' ,.
males '., ':<'. .
40 =5C1+:20ü'.

230:::,10(/ +120/>

.~ :
. ' .. ~
~ . . O', ', ••

y.... . ~..~.)1-JJ~\'=8-),7~~4)..:::.I.
. . - '. " " • ~! • ., - . ¡... ..' ~
'La sU~la de' cunil;r<lÚo;e~plka¿j¡¡ por',:¡ reg~~sión'~~~I~~~la.é~;ii10 .' . ,

," .....:;,':,.. :'~~~~".~'i-Xy,~.1.~5<7'q),=:'~12:?""';'" "

'.
•....

niicH(ras (I~~I':; S¿i1~;llJ~':ldS (;l'I;;~¡'¡IUOS¡1~I~fr~siu.u'u~s~~;,lcula' a parlird~ la dirc- .

i renciacnlre'la "sumade cundr~dos.(Ola\ Xla.suma :dé cuauraqoscxplicada por la re,.
.'ire'siÓ!l;esdC~i,(' ',: .. ..: .. :-: •...... . '. ~ . '.;'.. ~,: . • '. '.. '-

I .;'.
.. "/....",..SCR~. 'S&.i. SCE ~,1'24.'_'1~2.5.~.i:s
" ,. . , " ....'.. • :, .

. Fi;lallllc~ie',
".
.Ia pro~;ci¡'~i'Ón.d~ la vnrinc;iói1Y
• • • O", •
'explic~éj¡i: por la ;c.gresió~lli.ne'al.Cs"
, ,.' " •• '.' .,

.,.'.'
l .•• -.
1'2
" . SCE . '12i,~" ..'
=__ . = -' -. = 0,987:;.
'c:'
. ser- .'
..:.. '.. .
124
. ,
..
.. ~ .
'
... ...
t
~ .... 'í', ... .'
"

.TAIll.A 1.6 '. .'- : :,~.:'.:

• ~.¡:. _':;'.aw,,~••.•
ma ~ ':'''~~'~~'''.''''.'.';''''-''71'~TI---'''''.'~-:'''.'''.''-~'
'}:-' .... y, 0"0 .?<Y "; /.,,'~\!It:l .~,í/" ",'e )(,.~'

"',' J":;' ~. "

... , " . ~..
.'.'- .' ,
l',
"
 CM/TilLO 1: RcI"don..:s clil~": Dos Variahles 27

'1',\ 11L'\ 1.1

___"'r."~_~._ •.•..•..•.•••
't- •.•
_, I'._.~
.•......,....
.••.. ..- .. o'
.._';.--:r-....:~~ ...,.•...•..- --.- .........•
..1" )' .1")' -x~ )'2 .:..i' :, L' . xc

S 4. llí ':'3.s0 .-(l.sO 1.00

-2 -'l
-1 -\ 1 1 1 -1)5 (U5 -0,75
15 9 25 . -5.25 0.25 -0,75
-3 -5
1 1 1 1 1 1.15 .' -O.?5 -tU5
5 9 45 25 l\l l\.7:í' 0.2) 1.25

Sumas O O 70 .10 12.\ U Il O

. .

En I"s'ccuaciones (1.28) a (L3Q)hemos definido los eslimauores mínimo cu"dr;',l •.

'cos. (lvlC)dc u)' 13. En rclación ~On'c~I".cslini"cilÍll :aparecen aho\'a .dl~Scuesliuncs
im.porl;inlcs: " . ..... , .. ' ..' . .
i. ¡;Cúitlcs son las pwpicctadcs:dc'l\ichos cslin)aUllrcs'?' ;, .
2'.¡,C6mo' pod.emos ulili;'ar. eSlOS c~i.irúntion:s 'p'ani"realil.ar inferencias "ccrc'" de II
.. ' y In ':. '. ' ..' . .' ". ..... :::: . :.' .' . : , ' ." .

Lasresilllcslas.aambas i)J'cguntasd~pendcndc la distribución mueslral de los eSli.

miülores ..Me. Una. dislribucil:.I' muestral describc eL c(irllpor.lnmienlo dcl eSlinw-
üo~(cs) cn '¡íplicacipncsrepeIM{/sdcl:(illism;ifÓrmul~ ~lc estimación. Un" muewa
concreüi dn lugar a un".csíi.111~ció'nnuiútrie.aespccífic¡¡. Oír" n~ue~lra de la mismn
. pol~l"ciÓo d"hí lugar ri olrn esti,i1ación Iluinériea. Ln 'dislribución llluéslra1 dcscribe
',,'Ios ~csúu.auos que oblértdrCI:nósde,ln~ Jife.rcl~lés .c~iimneiorics sobre"el conjLiillo.
. l:ioIC:néi¡ílmcnlc infinilo ..'de 'm~c~~,:ns'susccr.libl¿s de 'ser eXlr~¡dasdc lln'~ pobl"cil~ll.
. . ,lAsparámclros deinlerés s~'n:Cl'.J3"y0'2'dc ladislribuciÓn ~ondiciorial:J( YI X).
. . En oi'chn distribución .condicional, résuU'a qucla única fuente de variación de un"
¡nucstra hipotética ;\ otra es 1" v:ír¡aci.ón oc'1iI11crlurbaciún esioc:íSlica- (1/) la cual.
cn conjunción con los v'alores'(iadon!C X, octcl'I;,il.ló¡I'i'I1t,ls','a'lorcs dc Y y. p~lr consi .
guicnte, los valores muestralcs~c l/.,./) y s1. Si analizal110$ }l.dllllO cOIlc1iciulI(/1 oc X.
podcn)qstralnrlos valoi.cs XI~ 'Yi. ~...Xii CO;110valoyes fijos,cada v.c'l.quc repila;l\llS
la mUCSlra. Dichn consideriú:ióndcsc¡\nsáciY c\'sllpÚCSIO implícito d~ que la distri-
buciÓn Illarginal d~ X, eS d~cir.f(}¡), no licne rcla'ciól~ :i1guilá~on los ,pílr.ámclros tic
ililcrés'o, en otraspalabras.(¡I,eJ(X)"lo-conlienc infl)i'n\acióh sobre Cl.jJ y al.'EslO
cs lo quc seconocc como Sllp.tICSto,d'e. .r~gr.esoÍ'es ,fijos" o.cnso de X no estoníslira.
. . . " .' . :' "
P<1rl~:ndode la 'ecuaciÓ~ (1 ,30), I~o'dcmbs¡bbl~ner la pendi~ le de 1" ecu~ciÓli de re-
grcslOn MCO, COIllO , ' .'.",., '"

, b = \'I"¡Y¡ :
, ~,

donde los pesos de lV¡viencn dados por,' "

<:': .. .. (\,
Xi z" 1"
L VJ •
,v. ='-- " ,", .:;:'[,
'\~X~
, . f;." . '

ESlos peso~ sor~~i¡p~en: mu'ql rns rcpelidas ypo~ecn I~s sígui~ntes propic~ladcs:
. ,.)
2'1';=0 21\'¡ =, '(,",.2 )' (1.36)
. ¿X¡ '.

Por lo cUíll
, .

, ' .b~¿,\'¡Y;:' .' (1.37)

por I~ l<1nlo,líl pcndiente MeO es únílcombirülciÓn lilieal de los valores que 1~l1la'
la vill'lílole Y.' .,
, La di~lril~uciónm~lesir~1 dd)5eobliel~c. ~pilrlir'(ie la ecu<1eión(1.37) mcdian-
IclasuhsllluclónY'=a+fJ~+II'lo"
". ., ' " ¡ ; "que . (el
permlle 11'1uClr aspropled"des
',' csloc;\s-
Ileas de b, utilizando par",
ello lús I)rol)icdadc's
"
eSloc~SI'IC~s
iI ",
d e 11, D e es c mo d o re-
1
sulta. ,.' '
1,= " (2:",.)+p(2: '",X,) + 2:';'"
, ,,1, '
. fJ \:" (', \ ',I'\''''I'\. ~", r 'Il;'
. = ,+ LJI1'¡II¡. l:. ,')l,~'-' -. '.,'. '. " " '.' .(1.31\)
Po,lu, '''''''''/''''''''1.'''''''' ,¡"" '¡''',O "","" E(. ¡"'fi,,¡,;,,)J;c f¡", ", , '" """TFJ9Y" '"
;:ó~ec't:;1;~~i:~::~:~,~,~~,::,,:~
:;~ m,do,' ";''''''''0 'dep,' P",[le"dode'" e;", ,'{'
, ,.'. ", ':'ar(h) = El({j".~ fin = E[ (2:'\I'¡II¡)2J '¡,~ ,~'\1' , J'
" " ' >.. I

Las propicu;\ucS uclas 11' nospCflllileil dCllloslrarlXquc ,,':

, . ", a
v<1r(b)= __2
.', Lx2 (lAO)illinsesg

POI: procc'd imien lo análogO.5, a,',1t

..)S '.U,l.i.lizados
al;ora, se demuestra I') la.111biénque '

E(II) == a (1.41 )

l' Véase I\péndicc 1.1.

1" Véase "péndice 1.2,
 ',: " .' ",', , '
"
, . ,

. ' , j,
I
,:~_;.~' t '~,:' I .
,.1,
'~
'~"

,,',

t l. .~ ,I ."- ,;' ~:
~~;¡I;'ULO
;:ltcló\C¡O~cS ctllr~Uti~'\'~n~lJh;s
~,,, ' .1:
',' ,,; , ,' ,

y , ,<~;'({/)~'~~r),
'::>f J':. 2
, ' , ".", " , ',:" ,.L 11," LX, "" '" "',
ÉSlas cúal~~ r.órl\l~Jl;\s'nQs'cl~',(¡as:h,~din's 'y'lns:'J¡s¡rib'u~ío~esill¡';i;ílllllcs"de a y: b;
/\uen;~s~ ¿onv¡cn~ ~ts~iiúq'Selotups ~;si¡¡'n:i~ofes"só~eli r,énérill 'noesloc;\slica-
Illeilltin¿\i.:peiidicíúes;'slendót'su'¿o~ariilni¡;'¡gu¡i'\",\'20 . ,,"
, ,',' , ";, ",~ ':..') :{:\~u~~~;:;;,~~i:' .:;1', , ' i,

, " ' ',. •• ~qv(ll.,'.l¡)= ':";-'-2" ',.' , -:::i ;. I r:.. { , ,.:j' (1.43),
, , :' ,': ,:" , ",' ',,~',:\:, 'i.~'~\<~::;,,':,2:,x\.'. ",;"", , !.,;)'":""",,I,,~ :~~~~t:":",, ':1 ~:', _ (-' 1

Com~sedesprei1'dc de,CI ~4j)íl~i:¿vi"r.inh~a:"S¿IO.se:'~I1'Ü;lasiX.~Ó;Si~'mpre"~s."¡>~~i~i ,

ble IransfOl:lllar 10svnlores dclas' yaii"bles:deniodo>qtié li;ia~~gresi6!,! '~inlple p~r ,,'
. MCO' ~eng~c1rcgtcsorcon mC,di~igual aO~A,r~r!ir,dela e.cuaci,ó1) (1.19), y =;, +,; ,
bX ~:r, es posible de(inirunacciJaci9rCcll,)íl, fprmn y~ ?thx'+ e, Io que nos penni~)',
• ..,.. : _ " ',. <, '. J ••• :, ," ~~ ,~ •.•• I ":' ,', " •.••.
} 'l',.

leesi:ribir que cov(Y. b )=.cov(r7; b)=;~~;:.. ',,:,'\, ' ' '" ",' '(
, " . i ,,' .. ' ";',,~., ;,', ,.,'1' '.1 ..- :'" ,.:'
:" , '. ",' ¡.' . ' ~,'
_, I
1\\,: " , '1' '

1.5.2 El Tcorcn;udcCnuss-M':I~kov'
" " , " .. "" e.,' ' .' ,.

'\ ' ",' , : '11 ""- ""'1:

L9seslim"uorcs,MCO son con)binacio'~es.line~les dclavnriílble y Y. por consi. '

guiente¡ conibinílciones linenlesdc lavaririblccs'!cidsliCa 11. Al ser adem~s insesga-
la
do~, perlc~céen a cl;isedccsíiíi~~dorcÚiJi~'a¡'c~ i~sl:sgados: Su iri;p6rlari~¡a.13nlo ,r
en 1" pr:\clicn ~omo en la Icorín eSlallíslic~; reside' cn que su~ varianzOls ,!,ueslraIes
son las más'pequeñíls quc puede alcri'nzar cúalcjuic'reslimador 1i'neal ínsesgado. Ob-,.
",,,¡no, •• occje,"plo, lo, e."~,do,é< dóP, Y"'&''"o, que ', '
' b,." =, ''1\' c. ',"Y,." -.
LJ

i,,",'1'" un ," I""d,,, ii"",i I,;,e..,do ,,,bli ",Iu de p, El ,,1' "lo de I",,,g;d,, 1m:
\""~"~~~~,';;';~~';;~~~~~1'
l;",*,~~.~\I",,¡;.,~g,~~il,\~"l.n"""(':CjJl'e'""''';b,,,,,,*\l'!'I'''''
,:v"r(/;.)=}ar(b) ,+.cr2~:(C;~wY
.Ya que LCe; -w¡)2 ?o O. ~nlonc:c~~;Ir{1J*)~v~r(I)). Sólo~xisleiglJald;ld en' c;lsúde
qUec¡ ='l1'ipan,tt)uoi.cSIO'CS, tuanubb.'';'' b.Elcslimadormíninlo cU:ldrático Cs, "
dcnlro dclgiupodc eSlimadores linealc~.inse~gados, c1'que.posee lavarianzarnrhi.
nia ypor ello sccolldcC como elll\cJorc~lill\al1oriincalinscsgido. OCSlimador linc-
op¡imo (EllO):, ' ' . '
o

(NIlI~ Ilcllraducl~r:cnin£lés ~CC(ulocc~le'slil;,~do,r

mlnil1loi:u~~rá¡ic~como
cSI¡;tl~dor
ULUE: bw liut
('r~;",~",(~r.)""
'~~r.,,"11i~'r.tt.":I~ ' " .' " ' ::,.;' ; ~',., ,'

lu Vé;tseApindicel.3. .
11 Véase Apé~lllice 1.-1:
 JO ~¡¡;TOOOS01: ECoNOMETnlA

l.S.3P rocedimi cn t os de 1nfcrencia

Los resultados que hemos eSlablecido Il~s'la nquísupon}an lJue,:la uislribu~ión de. It
es lal que "¡ es iid(O, (1'2). La derivaci6n de losproccdimientos úe infe.r~ncia requIe-
re un' supuesto más en cuanto a la forma dela~istribllción' de pl'llbablhd:ld de las 1/.
Habilualmente se asume qüe exisle 11Ofll ICI/iclllcl, illstiricado por el alracll\'O propor-
cionado por el Teoremadd LímltcCcnlral, al represenlOlr 1;15 ¡, el efcclonel~ ue
muchas innuencias distintas aunque no cOlIcUlables. El resulladode unOl comblnOl-
ción lineal de vari¡¡blcS nonnalcs lambi<in sigUc unadisifibuciú~l normal. Por 10 la n-
'10 como veíamos Cil laecuaci6n (L13), 1<1dislribllción nHleslr;il de t1,b es una nor:
m~1 dedos ,'ariables. Porcoilsig~ienié,'las disiribuciones olarginalCs SÓll también
normal~s y. vienen delerminadas' por las m~diasy las ,variani¡ls oblenidas anlerior-
mente; Así pues, . . . .' " " ,'. ,'. .' .

<c..;;"""'~::i:~;~~;~~~'~:~~;;~;;,~:i~';;:'-~~~:;~;~L:~;;~
x2." La raíz cu;Ídrada de 'esta varializa,' estócs.lil desvia<;ión eSllíndar dc la ulslnbu-
. ci6n múeslral se denomlna,a 'menu'do'comoC1 error csi~ntÍ:ir de ¡j. y seindiéll comó .
• I . • ." ~. - • '. • •

e.e.(b), .. .'. '

Ladislribuci6n muestn\! dclt~rmiilO dcinlersecci6n es

.
' ," (/.~~'r~,'(I~(i+!r)1. (1.45)
L. . '.1 ~x
.Conoc~end~"fl;.19S 're~lJH~do.s po¡J~í~ll) ú\iii;'arse "dirécla'Ólenle:en:' uni\ ..aplicaciÓ¡~
• 1;'r¡íCli.c¿'llo~cjeml;lC,}: CP!l la siguiente f0r.Jlllila':ol)lel)drí¡lI~lli~ un Í!llqvaJo de .con-
.. fia~t.a[Ja:ra'pd~195%: .: ..... ',' ". '. ',". .
... 'b 96~¡V¿x2 j:'1

P~rti'endo de ;a 'e~J~e¡6~
,
(L~4'j; ~~~c';~~~~'t~~;hié.~'~~~:',
.••• r • ':

• £'..;,/;: 7t,-' N(O): ' (l..Jó) .

.' , . _._, •• -'.

'.rT! v
_."
J, :!. "
2: x2 .'
'. ' . " ~.",' :.1.'"
.' '.
~ ~:.: .' . . ,,- '"' " " .
di:lnde: N(O;l) indical~' distr¡buci6n,I~9~;11!\I'c:i\ildi\r (U;l~ .vari;~I~lc dislribl.lid~¡:or-
malmenlecoll illcdi'a.ce:io y'Vll.ria,iza igua.!a \I'no).Así puc.s, vdlflCal'emos lah.lpole-.
sis lio:-¡J'=JJ~,ca'lc~iá;l~(/'" i "' ,,¡.. .. .... . " , .• ,' .

:':,:. . .....,.:'.,-',. :,'.:.;',',¡;~JJu.t~ '1J.~ 1JII... .~ ..

(J/':';¿x2 'c.e.(b)'.' .

y <::Ol~traslándolo' co;¡ :el'v.a!9r érílico ~r~~cíeceiol;ndo de .Ia.di'slrjb~ción no(mal :cs-.

tándm. si', 'por.cj~n)plo;el va.lor absolUlO 'dt: dicho. esladístico de pr~.éb"e~ ma?,or
tiue 1:96, Y.eslamos trabáj.a,~docó'l. u.na..mucslni. g~:\~lde! rccha7,aríilmos !lu, i~1nIvel.
. de,$ignif¡'caei6n deI5%. .. ,. • ..... '.'
'1 .-
 CAl'illa.OI: lt.:laciollcs eriír<.: Dos Variables ]1

Cuanuo se uesconoce (T2 resulta imposible ¡¡plicar estos proc(;uiillientos. Para desa.
rrollar un procedimiento que sca operalivo prec}s;\remos de. dos rcsullauos más.
Los mcncionamos a conlinuación' y,' para el caso general de regresión .múltiple. los
comprobaremos en el Capítulo 3. Los resullados relevantes son
,le2 . :
-,- - X2(1I-2) (\ .47)
(J'2 .

que se Icc como "2.('!./u!. se distribuye como X!. con (11 - 2) grados de liberl¡H.l",~'
. .
¿e!. se dislribuyci,ülepe,;dientcmenle ue/(I/:/)) (1.-1:)
En el Ap~ndice 13se mueSlrOl cómo la distribución / queda definida como la combi-
nación de una variable normal estándar y una variable X2 imlcpendienlc. Por lo tan-
to, siguiendo las ecuaciones desde (1.46) a (1.4:::), obtenemus

~~~¡~"fiC~{~;i~;;;¡;¡~1g;1~";;,.
.....;...... ...;.' ..,.. ..¡".,."k..,J,,,[: '" )
"'i'"!P'" '~',¡;;~';i';;""
.'. $(VJ xl., - '. .
donde'.I'2 = 2.c!./(1/ - 2), es eleslimador J~ a2 definido en la ecuación (\.3 \). NÓlese
que la'ecuaeión (1.41)) lien'e idénliea cstruc.ll;ra' ala eeuaciún (1.46), diferenci;índllse
úlúeilmenlc en que el valor. uesconoeido' c.Ica :;c susliluye por su cstimadur s. De cs-
le.modo, la distribución. rionna(se l¡:ansforma en ulúi dislrihución /. Cuando el nú.
. mero de grados de liberl!~d es nlayor quc' 3D, cntonces s.e ignoran las uiferencias en .
lre .los valores críticos de'la dislribució~ / y \a..dislribución normal cSláÍld¡ir,. Unin-
ler.valade confiariz¡; deLl)5% p¡~Tafl; ts ..

.¿~.tli'.4i25S;.V¿x2. : (UO)

,yiill:jj'= Pu se rechaza si.

( 1.51 )

. (Jol\de 10.1125(11 -2) indien el 2,5°/o'd~ r~

dislt'ib'uciól~'( ca;'
(1/ - 2) grados c.Iclillenad.
Las' condiciones de I<ls'ecuaciones:(l.50) y.( I ..51) son c"ras opue'sias dC 'la ;nisma
. mone.d". SilileeUaeió.li (1:51) implica' un .re¿lú¡zo de l/o. entonces ¡Jo qUl:c.Ia fuera
cid inlervalo.de confiani'.a del a eeuryción{1.50). Del misllllÍ mo'do. si JIu queda UL:n.
. Ira uc'll)5% del inle,'valo:de confianza, hecuaciún( [..51) no impliear¡í el n.:chaw de
. N1í al nivel d<.:15%. '~iCO!I!f;,si,e'd.c significaci~ín'm:ís ulili~."tro es I'n: JI = O. I.a com-
. prllbaeióli esladística cs':, : '. . ' . , ,

'/= ... <b .. ',.;.~' . (I.:;~)

., .
.,$/\/1,
. x 'e.e:(IJ)'
2
',' .

y. 1(11 res\I¡"lar¡\ "rechazado al nivci de sigllificaci<Í1I deLi%en caso dc.q\lc -el~'alor ab.
solu!ó ue IJcxccd~ /limsvecés sü' err,()r Cst:¡.nd'ar.U;ahre\'j'aiui';i e.e.{IJ) se ulillza pa-
.. ..~,:.
' . ..' '.. '. .
, " .. ,.'.:' . .:'.', . . . :. .
 ',' , ¡,' •

ra lk'lcrminar lanloel eri'or t.:sl;índar di.: fl. rea( C~)JJ1O el eSlim;HJo. El ésl;lt!íSlico de
plllt.:ba prt.:si.:nl;ldlli.:nla t.:Ci"lcilln (1~5i) cS,uíial'ulina que apan:ceenln mayoría de
pro~ral11aSinrl1rlll;ílicliS quéi'i.:;¡liz;ln I¡is c¡ílculos de la regresilín)' sut.:1c i.:liquelarse
ClllIH.1T-STI\T. ¡"Iuchos progralll;~s ploporcion.ln asimismo un v¡dor que es la 1"
plub;¡[lilid;¡d di.: ublt.:ni.:1 un co..:l'iCi'cnle igl,a'lo'sujleri()l: a ccro si. de hecho. el ver'da-
lkrul'alnr d~1 cudiciei¡'¡~ t.:scero (es d~cir,si la hipótesis nula es ciert;¡). Este nllme-
ro se el iqll(':lar;í COl1lo'I'~V í\ LU E O 2-TI\I L S IG.
Siguiendo un desai-rol'lo si',{lilar, tenemos conlrélslés relalivos a lél ordenélda en el
(Jri~t.:n.
•.. o inlersección.
. ':,
basados en la dislribuciónl: ','

. 1<
(1.53 )

PUl' consiguienle. un inlen'éllo de XonFi~I'IZél'dcl( 1 - E)% p;¡rél a vendrá déldo por

(/ :!.: I,n .1:\/1/11 T }(21¿.r2 ( I.S'I)

y la hip<ílesis'l/II: u :::,~II~esullél'r~chaza¡lnal n,iv~1de signiFicación del ¡; % si

'. "

, \ " {/- (l~)' ' \ >.t ,12

", ~\/I/II +, X2/¿x2 '

Los CUI11f;lslt.:s rc\;I,cionados con ;~2,se de;'.i\;an de ,los resull;Hlos de \01 ecuación
(1.,17), (ir;;cias:1 t.:~;e,resullalíll. 'pod~mos escribir. poreje~lplo, que
• '. .l ., • "

',' [ ,
pI oh X-II.()2.~<
(;, - 2)J2,
,,'
~"
< X-n.975
'J ::: 0.95
' ( l.55)
, ,(J'-, .'
. .
.• ~
. ." ",
'.. ,

rt.:sull;¡UO que illdica que el 95% de los 'vnlores de unn vélriable X2 caer;íll enlr~ los
\'alor..:s que dejall el 2,:i% ell c;ld;, cola d~ 101 úislribllciól~. Los vnlores crílicos se ob-
1i..:11e,11,;1 ,P~H~~;:.~,~,~~,9i~,l~ib;l.~i,~?/;~(~,~;J!,1,,,,}),~r~ld(),~~7}i~),~rló)d.(l, ncce.die'ld~a.,
c1los;¡"Vn[.1,r,:de;tin'fJl'ograllla 1lI10fmallCO élpropl;¡do. El umcn FaCIal' desconocIdo
<':11la'ccli~¿i<Í1I '(I.$:i) es Ir},)' el cU;llellido dé InaFirlllnciól1 de probabilid;¡d se re-
cOllrigurarííl de lasiguiellle Formapar;i'oIHellerulI 95% dcinter\'alo deculiFi;¡nza

(i, - 2.).\,1 (1/ - 2).12

a ,
Xii,m)

1.5.'1 Ejemplo Nllllléricu (Colllillllaci(ín de laSecci(lIl lA.5)

, . ' '. :', ., ': ,

A IlíIflir dt.:los t!;¡l9S de"¡'as;i:élblnsJ.6y1.7. hemos c;dcul;l(Jo

:,,::: :i . ".1/ ':::,1 /¡::: 1,75
ser::: 12<1 SCE = 122,5 sen. =1.5 ',.2 = (J,
 ' .... J' .,' ".: ": ~,:: "':', ': : i".' -~< . . " , .. ' . " .' . .
';',,' <:1\'1,'l'ro'\.'bl:Rcl"dollcS'Clltrc' DosVa,riablcs J:l
.1 \ '.. ." , ,

..
"-,' " .. '

, «,' ", .
.. vélr([¡)<s2/2}~2~:=Y,5I,H)::: 0P125 ':

'c,.f 16 )"~'O.;
~~~(I/')~'''~'\('l-'';:
, . .... ..' 5 <10,'
, '" \.1" ,.

Lós er~ore's eSI~ndélresliín~dcis"de Ioscodid~nl~s de re'gresi6n son

e.e.Ca)::: \!ii}~"0.s477: ';;"e~~.t¡j) ~. '~0,0125';'0,1118'.' .

02;
lO = 3.182 esun vnlorCrílic~:p~eS~k~~¡~,~~~dod~ I~'dis;ribuCiÓ;',t con ~ grados de
liberlnu. Por lo lanlo, el illlc'rVálo de con Fiélp?-úlcl, 95% parn a es ."
, ( • , ¡ " " l'

"'1:1:'.3,182(0,5;177)':' ','"
i ,',
"

eslocs, '"
::'~O,7i\." él

y un ihlervnl0 d~~o,;[i;¡n~a dcl95%'p;¡ra p.. 'es ',....

',~ 1,75 :i:3;t82(O;111 S)i
,.,', •. '." I ~ ',"",'

es decir •
", "
1;39" a'," 2.11',
La inlersecciÓn 110cssi~niFic;¡liv¡¡mcnle dislina a ce'ro .
,. " "

',1'l,75"" ' ' .' .'.-,

-' -' -.,-. ':::-,- = 15,653> 3"IR2

',':

.c.C;(I)J:O;1,I18 ...,' .
Como anl~riormelllCllelllosilldicado,ún~v~z calc;úlndoslos intervalos de cOIIFi~n-
za se hace jnnt;cesnrio re¡¡li'l:¡iJ;,COnlr~is.les~esig.niFicación.L¡¡razó~e~q~ccu;¡Iqu,e~
i,lIerva\o de confianza que IIlclu)'élcl cero ~qUlvalc ¡¡ nceplar la hlpoleSlS ue que e
'valorré;¡ldcllial':llúClroescero;yqucl.lniilléJ'valo quena élbarque el cero equiv;¡le
¡¡rech;¡~ar 101 hirÓlCsislIllb:> •....... ..,'> , ...' '.' :. '.
L" dislribuciÓn Xi licnel¡'esgr;\dos(l~ li,~~rléldx2o;(m,::: 0;~16 )'.X20,975: 9,35. Te;e-
nlos lalllbicn-¿e2
'., ","':'.
=
I.S.Por IOlanlO;,c1lnle[vél\o
"
de con[lanzn del 95)'oparíl a ,es
" 1, '--, ." '; ,'" ' .•

1.S
, '0.216
 ,34

csto cs;
, n',16,a
,;..,

1.6. " ".. ..,' . '.' ""~.", " ".' '..

ANÁLISIS DEVARIANZA'ENEL1\'IOPlfLODI!: REGRESION DE -
DOS VARIAllLES . ,

En la anldriorsecció¡\, hCIllPs'vctificadola significilciÓlllle X mcdiaillC cl cOnlraS!C

110:fJ,';' O. Ahora realizaremos una ap-roximacián,dislintadcsdc el punlO de visla dc
la varjanza que nos será posteriormente,dc gran ,utilidad cllnndo lralemos los pro-
blemas dela regresión múlliple.' '." . .,-' . ." .,.' .. ,,' .
En lá ccuación (1.46) helllOs visloquclá reladóúenlr~ (b ~ fJ) YCl vercládéro' error
;.'>.'J; ".£~}.~,n~,í!.LEIt.~_~;.:~~",~;~~,YJ:tI~!{I.!r.:.l,)'~Lm9_
\;£!il~áq. ¡)~".'$¡g~~i~jl~IQ) ¡U.!i,:fili~<;.¡_~?jUI.l;.,!¡¡"~~![ii},:'
...• ,,:..;.~
2
• ble X del Apéndicc D,.lcncmos que . . . '"'
,
0" ".
(/J-fJ)r~~2(1)'lores
2 2
rr {'i x . '.'
. Dijill10.~la.!'llbi~n en I~éC\jaeióil (l.47) que.
, ' ' :~ei.: ~-',_ :. ' ,
. ': """az.'~ X-(I! ....2) .-. . .

yq ~~ d ic'};~',c~l'acl'¡sri~b"~c'.~¡S;;i b~ )'eil~(;e'I)Cn'd'icl~ t~il)~n;e'dc b.~;"¡;I~;l~jén e ,;~i

ApéJlt!ieeB ¡¡[irlll¡l11)Qsq~e la 'disl.iíbución, F.,so define, ap~r.lirdel co~ienlecJllro
dos varia. bIes' X2 'il.ldepcndicnlcs én~'rc 'sí; c:loa. Liria d~énas dividida. por.~us grados
de libertad ..Ten c';l)'os elllonces' ,< .:. " '...
. ',:
'. .'. (b .,.fj~2"i x2';' .":' ..
F= .,'-f(1./!-2) .. (1.56)
, .', ,1:-c2/(II.~ 2)
. 'G ~nCi'as al'~um[j¡orea'¡j;ad6 en.;~ ri,~i'er'ior secciól1 e~l'i.c ladislri!?~ICiÓI'l no;m',i; y I~ .'
tlis¡rib~ción 1: obleneii)o~. el'(clizrcsll!la~od~ c¡ue.-laa2. dcs,iparecc de' la ró~mula: . '-, .
'd~l'esiadtslic(). f.Coil' el'fin 'dc:verificarl:r hlpÓlc'sis H~n)'"'O •. ha'ceIÍlÓs"Csta suslilu- ,
cióil'en' InecuaCiÓn' (L56j,cibl;c;;i~nJ;r . :',' .... .. .
'. .' ,~ . • . ". .., • '¿o . ~, . " ."," ; •

.' - .'. b2"ix2• . -. ,

" . .f = . - f( 1,11'- 2) " ,( 1:57)
','
"- .
' '. ' ¿
"', eY(1I
,'
.,..2) . .. '"
". . ~
.". '"
Si ~:cs;eferimos,iúOí~ ala'dc~~onlposició¡'}Qc -1;;suma 'de, los. cuadrados de.la ecua.
cióo'(1.33),-lenemos que c1eslndíslicoF de la'ecu~éi6n(1.57)se l.ran,sforma en ,.
.' . . . ,
. .. .~.. '1.,',

,seEIl
:f= '
SerV(n' - 2)
: ':.. :

o". \. .:. . ,-'.'

", :
 L\I'ina,o 1:I~daciunes enlre Dus Variables 35

T,\ 111.,\ I.H

ANO VA para'uua rl'l~resiúll dedos \'ariables

'---:~\""""'-.I"~_~"',..."""",~ ...•-: ..T•..•._._ ....•."..-~
..._
.....
~.-r•.•.•.: •._.".

Fucn(c tic \'ari;lri,iu SUllla tic rll:lllr;lllos ' Gr;llllÍstlc 1¡I¡crlad i\IClli;1 ,le rll:ldrados
(1) (2) . ' (3) . (4)
, ..
X SCE = b~'i. ,i,2 , -' -1 SCE/I
Residuos SCR = ¿ (,2 (n -2), seR/(n -2)
JOlal ser = Iy2 (n - 1)

Siguicndo es le enfoquc, expondremos ahora los resullaclo~ obteniclos cn forma de

una (¡Ibla dcnuminada labia dcl an;ílisisde varianza (ANOVA) (Tabla 1.3). Las en-
lradas de las columnas 2 ~,J pucdcn surúarse. Lns mediasue los cuadrados de la eo: .
IUl1lna final sc obtiencn dividiendo la sumad~ los cuadradosdc cada rila porclf:o,,,
,',:,rrc¡;pontl iellte'n úm (,;rodugrild ()S,'d,e,'1ibc-r-lnd; '-El :'COIitép ,'6.{re'. g~tidi)'s' nt-i'H ~,~ft'5~,(;t~,'
explica de forma inluiliva comocl equivalenlc al mimero de valores que pucden es,
lilblecerse arbitraria o librcmelile ddos demiÍs .. Así pues. si disponemos de 1/ - 1 va.
dé Y •. por mucho Cjue nos empeñemós:eln.ésim,O v¡elic 'uelql11in:Jdo PO( 1"
eOnuicl61i <le que 'i)' =0., Del li)jsll)omótlo: ~:Jisponcn;os.de 1/ - 2 val~rcs\¡b'res de. e,
dndo.qu-e el ajuste inlnil))Q-c~HléJr:il\cb-iin,po;ll: a e. dosconc.\idoncs: I~~,!Xc= O .
iniéJilras"luC, firialnienle, la suma ue. ,cuadl'ndos'é;<plicaclii por 1~'régres'iÓn. 'al d~-
.pcildc;rsólo dcuriúríico par¡íl\'.ell'()Apo~~~linic'a;nclít~-ÜIl gr,;d'o d~ lii)crl<,ld.
, '81. estilciístico f. d~ la 'e,cüación (1:5'8)', e-s lá,¡'c(ilci6n por coc)cnle ,clllrc la mcdia
, de,:los cui¡diauos dél;ida :l X Y la'JI;ed,a _cun'(jj-;Úicar,ésic\'ll'aLTal afinil<iciÓji se comi-
~'Jer~' COIÚ'Ó una medjda9c1'''-ruido''uci s'istel11~ )','por IOla'nlh. ~ideCto X sólo se
deleCln/á encaso de- ser mayor Cjué'¡;I"'liive'l ,jnhcr,e'nle de,ruid6.La'significación d.:
X sc v~ri(ica analizando si 'el vaibr muestral dcl"estadíslico F es l1layur qu'e el \:~t1()r
crítié() de" To, obi'cniclo iI ral'lir' de. la co/(( .1"II¡Jerior de 1,,'distrilnición F. El.prOl:clli.
miento'oe verificación es el siguienl.é: J1/r"fJ ,=0 se rechazará, pílra un nivel de signi .
ficaci<Ín~lcI5%, si'

. SCEíl
f = .' , >F.() 1\" ( 1. 1/ - 2)
.' . SCrV(2)" .. _,' '. . .'
.,' :".-' ..... ~.. _.. ,:n,.-.:' _.......•. ,: ... :' .,' :,' '.
el\, dondeJ:¡)I)'~ indica cl valor-de f,pnr.i.elc'tialtinicilrnclllc e'15% dc la <Jislrihnción
.' .'ca~' a li¡,d~r,~c'IHI'de laordcnadacórJ-cspondicli.le .il'J:¡1.')5:i)iIt'amalt~j"i r' 01 ros ni \'ek~
~I~sigliificación. scguirí<ll11o.s Ull j1róécso similnr.; .. ',..' . ..' .
n,caliccl\)os unsc¡)~iIlCl.cjcmplo'l~ul,iiéric6 siglli~ll'u(;,las Tablas Uí y 1.7.

Estadíslico f en fa ¡nucstra'= 122j/O,5 = 2.:15,0'

. :

Y fO.~5(J.3)=lo.,I.Por lo laii¡'o;según hemo~ .vislo antl:riOrmenle .. rCCh;lznmos

"0: fJ = n. Tenel\)o~ ahoraclos fórn)ns. cle'verificarla signifieilción dc X:-una basnd:)
en llll estadístico quc sigue una cli~íribucil)n. 1, )' olF,i basada en un cstadístico con.
• • • • ..' ;. •• • • ff l. I

..
 J(,
,'II~I U/Jl)S /JI: I~C():-;(1,'II:Tlií"

úiSlribuci(1I1 r. Sin'cnib;lI:go, y .cumo dcillostr;lI11os cn cI. 'Apéndicc n, nmb,as pruc-

h¡IS dan re.qJ1ladlls idélllit:os~' .

(159)
Con la ayuda de alglÍnc¡ílculo adiciollal podcmos verqllc úicha relación, par;¡ el an-
(erior ejcmplo. se m;¡nticnelal1to para los cstmlísticos mucslrales como para los v;¡~
lures l"rílicos, Existe;llin'lllia tercera versión de la prucba que se utiliza CI1 ;¡Igunas
ocasioncs, 'Tcl1icnúo 'cn'cucnla la úesCOI1]posiciólide la Suma de cuadrados dc I;¡
ccuilción (1.33),. .c;l'cSlaúístico F úe la Ccuación (1.58) pucde formularsc allenialiv;¡.
~~;..
lI1entc COIl1O.

F= r!(1I - 2)
_
(1 _ ,.2) ( /.(jO)
'-;1 r;lí" clI;ldral!i1 dc eslc csta~¡ísl.ico n;)s d~i"¡í un eSladístico (, ,.

' (= ,~
\/ (1 - r~) '
-===- (1.61)
C'''',d ,;" d, ,,,,m,,,; ";,;<,,¡ro'''<;O,,'J, x, pod,,,,o, ufifi",'''''o,, "',",,,i,o F,
"'''''' el """"In '" ¡, ,Ii'll¡l,;"¡",, , , De "', ",ndo, ¡,nd"",,, "',," mi I U" "',d ¡";.
,n d, 1''''''''' 1'''''' ;";;,;,,,. el ",h" dd ,;"[;<;,,,,, d, '0"""<;6" 'OmoI"u,h" cel,.
1"", ,,1,-"1,,,'" 1"I'''ld!,;,,, d" 1"ceg,',j"" u, ~""'n";"",,,,,,.o,;';,,, ,,,d,,,o,,,.
I'",;,;,j" d, ,,, ""'''¡. d, 1",",,'d,'" dn';""" Iq,,;'''' q", '" 1, 'nnn" ",n,id,. oh' ,,,.
drc/lIos unil misma ri:s¡)u'csta I)a,:a l/ni! .lin.ic¡¡pregul1ta: (',Juega X u'n IJó1pcf
ó
,." "d ¡"¡""n,,,,, ,;gn;ro",,; ,-o",1, ""pli'''i '' d, l"! . ,,,..,. ""
7
J. "".' ..,,"" o....
PREDIC.' CrÓNEN'UN l\oIODELO DE HEGRES,IÓN

D E DOS VAIUAnLES
Después de eSlima~ la recta d¿ regresi(íli" parlir de una nll,eslra de 11 observaciones,
solemos centrar nuestro inl<:réscn alglÍll v;dor específico X de la variable que aCllÍa
o
C0l110regresar, con objclo de' predecir .el valor l'oque con más probabilidad se halle
ilsociildo a Xo. Por ejcmpk), suponiendo (¡lIC y indica elconsunlo de ga'solinil y X el
preciO, nosinlcresaríilpredccir ctiál seríaladcmanúa dé gasolina en caso dc Una fu-
tura subida úe precios. El villor úeXu' puede perteneccr 'ill ¡'üngo de valores úe X cn
la l11uestra o, m;ís frccüentementc, podcillOseSlarintcr~sados en prcdecir y pa/:a Un
villor úe X J/lcm de l;isobser\'ilcione5 .JlJtieslr¡¡les, En cualquicr caso, la predicción se
conslruye bajo el 5upuésio ciegue la relación gClícradora de .laJ1jUe.~lr;lde datos in-
cluye lambién lanucva obsen't1Ció;l, (antositiene <Iue vcr con un periodo de Iic.:mpo
futuro como si se rcfierca 'un;] uhid¡lÚ que ,io fuc incluida ell la Ilúlcslra 'en el caso
 . ,;.:
•• ~~#').'~"'i
_., ~
.. - .:: .....:'...:. ...
, .
~- •••••• -- •• ...!.- ••
....• _...•. ¡,,-:.. .:. ::

;:•..• ~ ~.:~~~~~ -~ •.•.-.:..¿:. '--: ::.:.:~. -~ ~'~-.l.',(

"';'
..'_"

. .. :.,. /

,. -:', . ". ,,'.' , 'Dos Variables

. CAI'ITULO1:RelaelO,nes entre. ',' 37

. ,. , . :. . . "1 Al 'rtli~;\l~cni~: ;od~in~s 'dis¡)oncr de una nueva obser.va-

de un carIe transversa ,.lern.. ..••. '.' "'\'. '\". 'dé Y Nos pregunl;¡rem.os, en-
. n ) I I 1'hecho conoccmos c va 01' , ,
ción (X(J, Y (C,;¡ quc,.( e " d '.' ." sIn nueva observación (.iene suon-
'.1 • 'p'I'Ir el supueslo equc e • . .1
10nces,Sl poucmos .Ice '.' .. . ' ." •.'el ,., I I nlucslr;¡. Por ejemplo, cuanuo
' 11" . IUCgencró los alos (e ;¡ ,, . "
gen cn la miSma po 1 ;¡<;:Ion(,' . ".',: ': '1'" " d' de g;¡solin;¡. conúlclona-
sc inlroducc.unlíl11.iIC úcycloCld;¡d ¿de~clen~c ~I(eman a: .... '~'. ' . '"
d;¡ al precio?,.' ':' ,: ,:,,~' ." .... 1 '. ~. b'as prcg~nias~ Podemos¡'e~I¡ •..
. .• I . ,. .• .nos permlle responuer a '1' ~ '. . . . I
La leona de. ;¡ pree ICClOn "". '. ". .', ., . '. 'cdicción por 11/('1'1'(/(0, de
'. d" . r ¿-oncs' predlcc/on por IJllI/fO o p' . , '
zar dos lipos .. c prc(lc 1, ,'. , •. ' • e ro f1' eslim;¡ción por punto 'o eslimaclón
mismo modo quc Icnemos"p.lr~ ..unp~r;¡n~ ..ll' "1' ~'C'IO'11P 'orplInúj resulla de.poca.
. I m \ ¡' Slll emb'Irgo ;¡ es 11ll.. . '. .
por inlcrvalo, En •a 1 : Ica, '.' ~.';. d:' . '(] ¡.'u'e su precisión; por lo que siemprc
uliJiúa(J si no vaacolllpanada d.~;¡Ig,un 1I11.<;:;¡:~.. '1' . 1'" 'ón' • '.
" ~'" '. . , . !;(m;¡ción del error ( e prc( /CCI" .
cs necesarro proporclO,nar ~IH\ el,. .,' "1' 10'1' dc Y correspondienle a X , ,sobre
La predicción P?r punlo vl(~ne úai.lapor e .va '.' , .. '. ", o ~.',
la recIa de regresión. es deCir; '. ". (1-62)

. '~I=',~ + ,iX '= II Y~ fJxo '. . .' .' .'"

di'one c'\n- -' X n,- ',"',
X ' El vcrdaderovalor
.. . " de. '.Y:p;¡ra
, e 1,pcrro'd .0, d~
. p"dk,;6n u .oh",.
v;¡cióll. es Yo' a ~PX, + "ó' ,
"~,O "

, ,', " ,,', b ' "n" d, 1, ",O"',, "

El",lo, 1"0"",1i,,de " 1',,,1,,,, o "~""o ,",
y ,~ a "PX + ,¡
_ " , _ " ,
Reslllndolas ÚOSc::'l)resiOllcs anicriorcs, oblen'emos .... , .

-,,,,,?,,,,,,,,r,--'(é,?,,,:,.,~,:c:,,,,,,,.,,,",,,r.f,",4:t
, ,,",',',
. '¡¡'lo;t-«?''''~'''''?7'"'''''~~?''''
'M""'t-', ,)<,~,_".
'(163) '"A',

.. El""" u, p,'u",>6" " ó:r:'i,'~.

o " 0,0
:11:~~_ (lJ
..
~jJ.).\"0+ it -.
... .
;¡ . '. (1.6~) .' .
,\
o
Es evidenle 'que. el t~ror dCpredicción' e;perado cscer? p()r lo ¡;¡nIO, Yo esun pre~
. , . l' ." :'d Y Se demueslra27.que la vart;¡nza de coCs . .
úiclor III1.e;¡\I1sesgauo e, .0' .,. ..'....... . .. .

vor(c(})
...•. ..•.
=~2(.'1 .
+¡~ +
11
'~r5.2.')
¿_\
(L65)

. • '.' .'. ..' '. "!v;iriallzadelerror :enla ccuación (1.65) e~

En cl Cap,lulo J~1c11l0SlrarCl1los que ,~"' ..' .' ' .• "d Por lo tonto,la
. . .. . . l' l' r. T dc prcdlctores lrnealcse II1scsga os,
unlilllllmod<;n}r? e e,~" ,In II la . ; '. ¿j'tvICb de lospar:ímelros eJe l;¡ recta de
,. \'ddcoplllnahdnddeloseSllm;¡.ores. ..... . ... , , d I
prOpIC(.l ' ' .. , '" '. " .. ' , u;¡dparala prcdlcclón bas;¡ ¡¡en a
regrcsiónselró1ducclambléncllla,mlsn~aprorle '. '
rcgrcsiónMCO,... . " .... ".
 38
,- . . . . .

Partiendo dc la ceuadón(1.64). vemos que (.11 cs una tomhinaeiónlinca\ de v,a.

riablcsdistribuidas normalmentc (b, /lo Y /1). Por cOlisi~uientc. el en'orde prcdlc-
ción, fU' también estará distribuido normalillentc y, poreOllsiguicntc .
o . • • f(i . - N(O. 1 r
rryfl+I/II+xl/LX2 .' .. '

Reemplazando el valor deseonoddodc (12 porso,estimilci6n •.:t2;obteriemos .

'. . ..... ',' y(;. -'.'u . (1.66)

~ '. (
_.-/11-. 2)'
syl tllJ, + (XIl-:"',\121'j,x1' ' ..

T,l(\;\s jos dCllicnlOS de la ecuaciólI (I,Ií~) son ¿on~~idos,con excepciÓn de Yo. de

1I\l)l!\).que l)lld':líl~)S i.i.:i:i\'iir .:'1\ la fl.lrlllll hnhiluilllIlI illl.:n'i1i\ldl: I:l.lllfiailza ,.1.:195%
paraY ' .... .... .'. . . ..' . . .
o
\~>":"';;"'~~'';¿; "... o'+'l':~/\' 'f:(f~:",':',""~l~:.";~.~,(:.~.:
..""':;;'',i;.'.;;., ...••:;..i..;;.;,;,,.'~~''-''{it:{1J'X-I.''I')'''~60~0','o'~H ¿, • ..<,,JJ.L0.1J.!.;.o" ..>
.•:/,,;~.¡:,

.o' 1~cÍ~s6conocicndÓ' con' ~erl.e;~(l. yjJí'ej(i'stel!~c1emcnto'inh~renl~' deincerli. ;

dumb¡'c' al Iratar de predecir, Yo: dcb,idó ~ ia 'l~a,!uralciri.ali:lIt?riá'de Úu que 'se con::

creta'en el.pcriodode' p'r.c'dicc\ÓI). Qe Corina "nás .realista •.el mterés. suele centrrtrsc
.e;iia.'predicei6~delv~lor
'. .. .,'
n~i:djo.de'Yu,esdecir ',' .' '
, ' '.E(Y }= <x+ fJX u
. . '.' '.. ..... ,.. :.... ':. .... o " . _ o' '. . '. . d' .ó S'"

<l.,.,,'''ii,.
. De este' (nodo e.1io,¡namos c1térn)i~no, JIU dc I¡rexprcsióndel ~rr.or depre leel Il.. 1-,
&"'",<ld " "' ¡"no ,ipo
, £(Y~) hl\ciendoo'o .
oh".emo,. o,, ".,,!oli' '"""""'.' ,,195%
.... .
i"" p"'".
, ':.' ... ,. ..:0 ... '.' .. ,':: .'. ( "\'\2'
. o . '.! «(l, '1- ~¡\;o)::!; /1l.uUs, -:;0+
': 1 \XU-,\}O.
••••
Lx .
~ •• (168)'
.'
'.' o
: o

,, .' l ..
En 'las ee!Jacio~e~'.('.~:.~;) '~:{1.68);'ia ~¡I~plillJ¿¡'de:L :illt~r~~lo¡J~ '¿o~lfi~nl~ sc"~n~r~.-.
menta de Cornla 'simétrica en' la medida ql!C .IIOSblCjalnos de !ti medlll muestral X..
. S.igújendÓ con ei cje~npl0 nliolér ¡¡niyrior~ ,e¡'i~'rer~¡\IO de ccil~fiall1.-aud 95 % .
ic6
pi\ra el valor de Y condicionadÓa lIl~va.'orX = la, es" . ,. '.
,. ......., . :.'...,........' l' (' O_ 4)'
1 + 1¡75(10) :1:.3.182
.'
-l. ~ +
".S.
vo:s .' 40

'. qu~ cs' ¡.

.,
,,15)4.a 021070
Por .s~ pan~. eli'nter~ulo'del '95% r;l~a e.l v!iIO~<~lcdio d~ y. condicionncio ,a X ::'10.
es ¿edr, nara' £(r IX:; 10), es.'. .
1 ••• ..' .'
_ " ". . 1. (10":4)2
18,5 :l:3;182'\1tl.5: ~ + .' ..
o : • .' • •• • S '40

L " .,:
':,' "
, ~,:
',- '
 que es
,16,14 a- 20,86 .
Con el fin de probar si una nueva observación (Xo' }'o) tiene su origen cn la eslruc.
lura generadora dela muestra de datos, conlraslaremos la observación con el inter-
valo de confianza para' Yuo Pelr ejelúplo, la observació!l( I (J, 25) proporciona un va-
lor de Y situado fuera llel' intervalo de 15.24 a 21.76: por 10 qüerechazan.:mos. con
un nivel de significación ud 5%.1a hipótesis de qlle esl:r observación pertenece a la
misma estructura que gencró la muestra de dalos .

1.8
CONSUI\'IO DE GASOLINA: UN ANALISIS PRELIMINAR

No pretelldelnos que lIuestra

e.ét)JI~n.Ü$;~.ll)cn\¡;realista, primel:a
ya que rtproxinweiólI
nos hemos al cllÍlsumo un
limitauoaformular de modelo
gasol'ina con
resulli.:
ulla. '..
ünica vi\fiable~~pli'~ati~;" 'N¿"~s'l'ié~csn'¡"í~'sc¡:\i'~''N'ób,¡;n::ii;é:óÚ(¡llfí;(~~:fI.ri~Jih~í~L';;¡;')'~';~!'"
~ehar quctrtnto ~c1prccio con)'o el ingréso ¡ilfluyc.n 'en .~I'consum~o Nuestro objelivo
prinC.ip;il'e~ ilustrarlos distintQsesí .•ldístic-os. 'tanto dcseripti~'oseciriloáe' vGrificaci(¡n
.. '. de 'hip6tciis: que apureee;)c[llas.saJ,idas'dC.losp'rogram,a's inform¡íticos habituales,
Considereli1os, en "',' primer lu~ar.;o' ..el ~ráfico.
: .•.....de preciri ' ..y.consu'nlO
o' 'de
. g:\solina (G AS) .
.. para d-periodo comprendidt,> enlre 1959,i y '1~)7i3 de lu. Fig,. 1.31), .¡::i ajllste' de un:\
rc~res¡ón line"I a dichrts series of'rec~ 'los res.ultado.sque a'pa-recen en laT'l1bla 1.9.~J
o .... . . ., .
:.. L,
' . "

"d,b', <I,p'"","" y,'''''''; Io"'r';!" <I~,,;;;00>'"la ,;in!erseceión'u

ri<;Jrdcla tabla. A i:0ntinua~iÓn ilparcec.la',éstim'irciónde
'"<lk,,,.'".,,,'ory,cmauil
P''''''OP'.ell
c'l.ori"cn. (coeficienle de. lavo ¡¡'rhlble' C.)' y'\a'eslinlació.n:del eocficienle1del re~resor
PRECIO,o b
(X2), el1'¡lIilbos cn sqs ~O;l sús'fespcctivos.en:ores. est~nJ;l(ylos eSlauísli-
-

'cos'/.:quc :s:irvcn para veriric:lj'.la'hip6tesi's 'de:(IUe el\,¡ilor verdacle;'oJe ,aquellos codi-

.~i'ellteS .~~cero. R'oH/úáreil (RcÍJadr~dó) f'=scl.c~t~'díslico'defi'ni'dod lil c.cu'aciólI (1.3.\).
.EI con'cepto de IItljCl.s/c;1 R':HIIIc,r~d,(Ro¡:~a~lra<.lo ,Üjl;SÚH.lO)se 'e~pricad en,el Capítulo
). S,E..v! regrcsi'io;' (E.E.' de.la regrl:sióil) .e,s' ¡¡l.raíz cllaJr:ida del estadístico definido
. en la ccu.aéión (1.31), n~ientrlls S';/I1 sr¡ii{/¡:e([ iesit/ cs la suma de los c'uadrados de los
,,,'<1"0' (SeR). Lo",iikdwoi¡ (Iog J, " ,,,,,,',,,i1;;"") ,,,ú,,,,,ii'
'n " C"I'" "'O , ,. ,1
estadístico de f)l//'/JiCl- \Ya/.ml/en el. Ca'pÍtulo 6;'.[os criteri~s'de inform:\ciónue,lIkClike
y, 5~""'ar( se disculirál' .en el C:iliílulo ':\; F.in:rlme'ntc ..el"°e~(adístico F, definido en tres
fÓI~tnulas equivaknlcsen IIISecuacillncS'( I oS6}. (1.'57) Y (1.58) sirve para \'erificar la sig-
.nific;ció,i global Jela regresión é¡üe, cliún éaso de dos variables, equivale a verificar la
si~nificaciún dcll'1nico reg'~csor;.El'v'alorillimérieo &1' éSladíslico f es el cuadraJo tld
csiadíslico I dd r~gresor,t;il. con'¡()i)~ed~co')'IH~barsé con los resuJtadosde l:r reg.re-
._ .' " '. • ;,' . ." :. • .:" . . .' l ••

' .. ' .
. 'l.l La citada rcgrcsióil, i~u:d 'Iuc la mar'~ría ¡klos ;c~uh~dn~ mmtr;,dllS Cll lo~ CapiH!ln~ 1 a 'J. se Ohlicllc a
: •• .parlir de EVic\\"so prograllla illf,irm¡ili'coyn.Willuo'\\"s de Oua;lIit¡ili\'c':'-licn' SIlÍ\w:nco Ir\'illc, Californiil.
, .' .....
'1
..
.' ••••••••.• -.;.-.;.', :o•• :.:'. .. ",. .~
siól1 eSli.,iiada. p'r~/;(r:-sr{/(i.\'(¡c)~s~'1 valor P Cjlie verifica la hipótesis de relación nula
cnlr~ las dos vhriables, hip0lesis t1arml1ente n:chazaUa en el ejemplo. '
,. • • ,( .' I " ~ •

.' "!
TABLA 1.9

RcgresilÍn ele! nllis!J'lIlu de' gas;)línasoIJrc el precio, 1959.1 :l

1973.J . .

LS If Dcpendenl Vari;lble is GAS, .; ,

Sample; 195'1:1 1973::1 '
1nclúdt:d obser\'alions: 59
V,a,riable.. Codficicnt ,SldError T-Slalislic Probo
C' . 2;12f(,~5 0,5~6~J " 3,1i670711 0,0003
Xl -2,150563 ,0.I,il;'¡30 -18.15899 O,(X)OO
R.sqtiarcd 0,852618 Mean dependenl var -7,n40375
Adjúslcd R.squ:lred 0,850032 S.D. dependenl var O.1J6145
S.E.of regrcssion 0,052723' , Akaikc info crilerion -5,1\52095
Sunl squared res id . O,5H444 Sehwarz erilcrion -5,781670
Log likelihóod 90,91943 F-slalislie 329,74119
Durbin-\ValsOI1 sIal 0,290:106' Prob(f.-sl aliSIie) 0,000000

La Fig. Ud m~ést¡'a una 'regresión parecida parad periodocomprendido ent~c 1982.1

)' 1992.1, mietÚras que los resull;'\dos de laeslim;'\ción efecluada "p"recen en 1;'\Tabl;'\
1.10. El ajuste es basl:inlc peor que el obtenidó en el casoanlerior y el coeficienle del'
precio es nUlüéric¡úiú:nle mucho menor. Sin emb;'\rgo: estas regresiones de 'dos varia- .
bies carecen de significado econónlico.' Para que un an~lisis resulte adecuado es im-
prescindible efectuar una apróxill1a~ión I1I11/rivarinl/(C y prestar especial ;'\tención a la
dil/rímicn de In rUl1ción de den¡¡¡nu;'\. Estos aspectos ser;\n Iralados en el C;'\pílulo R ..

O": ..
;':.;~,~;"i;r:~\i{L'kl;1
., . 'R'egrcsióndel consumo de gasolil1? sohre el precio, 19R2.1 a
.1992.1

LS 1I Dep'cndenl V:lii;¡blc i~ GAS

SaOlple:'1982:1 i99U
Inclt1de~1obscr\'alions: ~ I
Variable . Cocffieicnl Sld. Error T,Slalislic I'rob:
C -7,055535 0.091918 -7(,,75925 . O,(X)()()
X2 -0.137704 0.01')],14 -7,111i512 O.lXX)()
R-sqllare<1 0.5(1501iR ivlC;lII dcpcndenl ,'ar -7,70'J.IIO
Adjusled. R-sqll;¡red 0.5539% . S.D ..depcndenl \':,r 0.O.12.12lJ
,S.E. of regression 0,002165:1 . A bike infn cr¡leriun - 7 ,r,¡ 77117
Sum squ;¡rcdresid 0:0 1R2¡';5 Srhwarl. crilcrilln -75.1.11 IX
Log likclihood 99.1)1'651 r-'slalis'lic .. 5lJJ,7:121
Durbin.'\Vnlson Sial 0,6(;9097 I'rllb( F.Slal ill ie) O,(XY.XXXJ
 l'
:.¡ ',:,';

, .. :',;CAI"ITU;Lb'¡:: n.~t;le.ioncs clilre Dos VarlalJ~es .11

"

APÉNI)lCI( /.: •.
, .
" .. ,'~ ,¡;

1 ~,; .",
l'
;"
" " l'
',:"

•• APÉNDICE 1.1"'" " "', " ..;;., ",' .

liara ,'crificar var(lJ) = ll.2f'ix2 . ,~

: .,1;

11'

"

. \
¡', .,

:r:''''~~~
....
'..' .... r-;q, ...,~~....;:,:..•......".
-..~,.,. APENDICE'1.2 "
i' •• r ••. - ....
-, .~, ''< •••••• .,.,

o,,,'
•••.• _ •.•• ~

•
"'\

::.
:.¡,-
•• ":f.~~
.••
'.
' .....
,-:~.•:tt('"VI<"
" ,
l"'~-r. •••¡1"';!:.:.I' ..•.t~-,~.'''',l,:r.
• : . '.
•.!... J. 1" ',,:;

, '

Pnra derivar la II\cdin )' In vn.rint{zn de In dislribución mtles(rn~ dc a

_.
 McTOOOS 01: IECONO~IIETI\IA'~ '

\-. '.

Ahora
" ,.' , .

~[(b :-jJ)2J .~.cÍ212x2

. -. ,

.' . .
, ,E(,¡lJ= (J2/I/' , ,. .

ya que 11 es la media de una muesiraalcalor\~I:lI~ J; val~res.que provicnen dc latlis-

lribución il, que iiene media ceroy ,vafian1.air2~Únalnielite,
.
El( b - jll"i =
...
EH ¿w;uX+i»
' ".',
l
,..,. .

..";.,.;"4:,;,,~c"L,,c"c:ll~.1~~::L:~.:$;!1;~,~:,;,:;1rJ:)~~~;1~~:
.•.,..
,.=~CT
.) '2" , ",,'
. 11 ' "

=0'

"
. .'" . [1,g2]
,var(n);::: u2 ~;;¡-,'.~'_
,
",. .' 11"" ~ v2 .'
•• "" ... ' ", 'L;\', '.

APÉNDICE 1.3. .'¡,

Para .déri ~;!~

cov{a, 'b.):: "
. ,", .
,
..... .
cov(n,b)';'i[{a ..:6.)(b ....:j3)] .
;:::E(ii':' (b~ fl}X)(b - Ji))

, " ;'£(IJ,-jJ);;J':'.fE(b~fl)21
... ~ ' u2/?,:'
.. ','.,'"'

~:::~,_"-'.' ..

ArÉNDICE-l~4
E! :~0;:'.:mauc'Ga.uss-Markoy
• ',1;

Un cstimador linenlue¡i'es boto ,;:::Ic¡Y;;'d~lIldcfaltadclcrminnr los c¡.'EI rCl¡l1isilodc

'in¿esgade1. es £(b+-j :=IJ.'Ajror,~', .. : .. :,: ,~" .; ,
•• . ."..:>-
 c.\I'¡ rUI.O,I: 1{c1;u:iollcs i:1l11'l: Dos Variahh:s

/¡~= 2<'¡(Cl + jlX¡ + II¡)

= (1 (2C;)+ fI(2<'¡X¡)~' ¿C¡/t¡

. ,

rol' In lanlll, /¡~scriÍ un eSlimador lincal inscsgado si y sólo si

\:
,¿ ..C'=
I
O )' \: i;.X.=
"¿ , I ¿\: c.\',
ti
=1
Cuando se satisfacell i\lllhas condiciones.

,,¡ = ft + ¿ ')'; .'

Z;":;Ql
•.' ,.Con","" '"'' "'"",:',;,
!J, f()rmulamos
;d:,:',~::,::,,:,~L~tlI,:~:~:", ¡,¡¡,j¡6r,{fMií:~¡;?"

Por lo .lanto,'

\:c7
L'
=~;1.7
¿' ':6'
+ ~(C'~ ,,',.)2+
I -
i\:';\'(C~~",)
L,.¡' I I ,.

Lns propieda~lcs 'de II'¡ y lasc~ndicion~s Je e{ nos' asc~.ur¡inque

, . , .. " ~,í,:«('.~'",.);¡;. .
.¿. '.', ,
.1 '.
,
.',' ,,-l'"'
, '
y;Pbl'lo'(aiIIO, ' , ovnr(h~)=var(ljr~ ~~2(c¡~ ".Y .
cc)l11oyn habíamos cnuncia'do, por 16 c¡ue'~I'ICQ~cli1aqucdar)robntJo .. ,

APÉNDICE 1.5
Para dcri\'ar var(eo)

Pa rI iendo dela ccuacilÍn (1'.64) - o'.•

el; = -(IJ~fl).r(, + /,Io-ii'
'ElevC'il~'ls al cuadrado an"l;~s lados de In igl;altlad 'y ciilcu!cmos los valores espera-
.-dos. Los\'alcires esperados ,iclos t.res lérrilinosque' !'l)ll.priiducIOS CrÍlzado's lks;'pa-
recen. La. inclcpcndenchttle,las If significn Cjuc'/,;¡ n'o es(;í. co'~rdilci()nadp ni con 11 ni
con'b,'illlC' eS,una fu¡{cióndc I;).~\'alor~sdcsd.c. ;II"h~,sla a U,," y lal como hcmoyvislo
alllcrior.mc~lc ell 1.3; rcsulta que E((IJ.,. jJ)ii]=O .. Encónsccllencia.

var(,,;¡)'=:E(/llh+ E[/i2] + .i.~t(

(h, fl)~]

. [''1+ ...:.....+
1 i
j2] "
, ';::: (1'2 _'1_' .

. ',. ',' ','/1:" l:.I'2 ,',

l' ..
.. '.
 ~II:"(I'")S IJE E("(I:-:(J~I1:TJlI,<

PHO/lLEi\I,\S

1.2.
u.

1..1.

1.5.

1.Ií,

1.7.

Ui.

...... _ .......... " .......

:\ 1 .' :1 .1
y ~ "
:'\ :; 2 2 5
\~
)
Z ~ :; .1 :; 4 !i
f(X. Y. Z) .2 O .1 .2 .1 [) "J !i
.1

1. 'J, [1 prescllll: prohklll;¡ requiere ueril'ar una dislr'¡ ,',. '1

, '1' " ' ,1 1l1l1011 mueslra dcsde sus orí"ell"s'
L .1 re: .\CIOII es " , ~ ~, ,
Vi =' fJ X¡ + /1 ¡ COII i = 1 J \' \'-1 1( 2
El 1;)1I1;)liode 1;) 11 ,".' .. , ',-, 'c,,' 1'" ",~=, ,
'.. " ,. llolr,I,.<5,_' mICIlII,¡S q~le la I"SlfliluCllill de prob;¡(,ilidau bil';lri;lI1le
p.II.\ /1 5<:1I1Uc\lr;1 cnl;1 sl~lIIt:nlc labia,
 , '1'
1'," '-l.

CAl'[TU;~O1:ltcla~iullcsclllrcdos variables 45

.
: 1, • ~ "

.
..•......•.---...:;...
- -:.

',.'" ,1,'

-1 1:' ' ",'

~2S' .25
,.25 ' ~25"
-------~--'"
." "'.' \,

Verjricar. q~le las/I \icllcnll1ctlia,y CC1varian'l.;!ccrP, ,Derivar la ,dislribilciqll mueslral

tlel eslillliHJor '" " " ,,"~ ,
!.
'IJ,~;¿XY;l¿~(i~i' ", ,: "
DCll1ostr;¡r que el valor espc.r;¡dQ~el.,cslill1;¡dor es JI y ealcul;ir. la. 'Vari1!l17.ade la dislri.
,hución' IllUCSlWi. ,(El presc,nlc prollleI11a~rovicll~ dC '~h.~il,npl,~ ,Approach :10 Tca.
chiil~ Oci.lernli'l.cd ~..,:;¡sISquares,Theolf~, dc)3;)-1:. OkSilIlCIl.,T/le:,II¡núic(I!' Slnricillll.
45,l\gos\0199!,22\)'2:1))','" .:,' .' '¡;.'" ,." .

- í. tri. SUPIJllg;I1110s,lus ~ig.uiclll~~ \'a1v'r,úrijos tic X ,

X •. "X2 Xj ;':(~ X5 X""",

'; I 2 3 4", 5, 6 ,
 46
~
i
, del mismó si~n~; ya que elsi~n~ dé l;i pendicllí'evienc~lad(l por el signo de la cova.
riarlita muestra\. . ", ,'. ,.;'.
Hemos calculado las canlidades 'si~uienlespaniendo de un:i mucSlra de 2()() ol;~~fva-
. , ~'.' , .' ..~
ciones.
'.' ~',

¿X J 1~:4,,t¿~'O:
=:= 20,72

'.¿.>t1o:12.I,6":¿y2o:R4,96 .. :¿ XYo:22.13 _
-'.,
'Eslimar
.
ambas ecu~ci~íles ..', de re~rcsiÓj¡,calcola¡'
- .. ' ' ....,
j'2 y confirmar "
las.afirmaciuncs anle:
~'.

.:..... riorcs,
1.1"2. Dcnl~slril~ é¡uc,sicn<.ló r ~I cocficicntedc c~rrc1aciól\ ellln: 1/ pares dc variaÍllcs ..
.~.:". '(X¡.Y¡), c1¡;ua<.lr~do" d~ ¡a'correlación ~nlrelos!1 p¡¡'res (I'X¡ + /1, eY¡ + ti). donue a, /J, e

.,:.:~' ..trt~";n~'"
..,¿~~~,-;~A1;:.,~;\/j;i~t~~~sr~1~~;~,;,~,~¡~~i~~~;'¡~;L~h1J~'f.~1fi~'ri;1{¡
, . : ""dias arilill'~lic:ls: ~prQ\:icncli ~e Ull C¡!lljulllll
. de ualo~ del j,ji(resu a¡;re~'adll l' leI'colI'

'~:~:~~,'
. '

. ,sumo agregádo C., . ," : : . , .' ", " . :: .,',: . " . '
.' , .;' '::' ' "" " .': ::;. " .~.., ' .' '.

, .. Sic:nuo)' idéllli<;illl\eillc.i¡;ual a e +',Z¡dO'I~~C Z i:seI;ii~orro ;1¡;l'e¡;;;uu: cal~~iar la:co:: '"

rrc'l¡\ci611 cntI.e i'.)' .Z: la corr,claciÓn,¡:nirc C'.yZ yral'a'l.ó~ tic I¡\sde~viaei~nes es~.
darde Z'e Y. ,/:,' ,: ',.' '. "
Ll4. La sig~icnt¿ tablapropo'rc,iona los val?re~ d.e h\s. Illedia's y 1:15desvj¡\cioncs eSI:\nu¡\r
de <.I'osva~i:íblés ,X e)', )' la~orrclación entre !=lIas paq\ cada UII" de las,t1os submues-
.• Ira~' t1isp'ulli.bles. C¡ilcula.r la e<?rrcla,e,ion enlre X ~ Y J)ar¡1 la 1~lueslra eOl.np,!c..\la uble •.
óida'junla'rido~¡ás t1Ps"s~bmuestr¡js, ~Por(luédlcba co~rel¡,ción .es' mCllor que cual- ..
. '., • . "~ .•... .'. . .•., ~'. '~,., ~.'" . ~ ..' t. ..
.(I,riera'de (as curf,elacioncs que pllllicr¡1I1 exiSli.l' cn.l,as.submlli:slr:.ls'! , '. .
.. ~ .
'.¡
'.

- •...._.~~~.~-"~~~_
-,

" ':,"".:I'i,in;ero,'.
'. , .. '. . .. .

. "' .. '
.

..-~..
. .,-

.... :
I\'hicslra (I'e mllc'slr:ls.' ~ .,',y".' 's,' ,sr' ; r,y.
1, 600 .,"
' . 5 12-' 2 '3 o/)
2' '. ;400'" 7 "
10 ;3 4 0,7
.... ,
ÚS. Un ¡Ilv~~iligador'sc'mu~~tb inl'CrCSlllio?il'las d\l~ scric~ si~uienlcs~ definidas para el
, pcri~do compren~¡{\o.'enlrc 1935 y:1 ~~(í. .',. ':'. '. .'.
. '. ", . . .... '.' 11..... :.. ~.

----~q~.~~ ti _Uf ,\ .'.~'~hi~",!"";"",,,,~::~"': ••':"'~."''''''''''''''_'-._'''''.''''~'''~.-~

...~'':.-:"~....--•.'" '
.
35',)6
. .
.•..- ')7 38 39"4¡), Al "42' 43 44'4~' 46

:X, Illué[les OC; rii.¡ios , .60' 62' '.61 '5~ 5:1'60 63. 53 52.' 4:)' ,19 43
menoré.s de ", año ¡ . ..
" '. (<XX» ',' : . .•. -:.

: ::... y, consul1\ode. 23 "',,23 .. 25, 25 ;' ~6 .2ó.. 29_.'. JO:. JO J2 J3 JI

, ~ ceF~eza (barriles) ' ..;
¡;:' ~.
.
-.a'.',
. ~,
.'
 cM'irlJLO 1: n,c1aciones cntre Dos Variahks _ -17
'"
(fl) C:llclllar el cocficicnle dc correlaciÓn entfe X~ Y.
. (h) "juslar a X (o l') ulla tendcncia Icmporal lillcal calclll.\I\do una re!!.resiólI 1\1(0
. ue X (o l') subre el tlempo I~ El procedimiclllll re'luici'ci.:lq;ir 'UII-origcn v'una
unidad de meuida p:ua la I'ariabie l. Por ejemplo, cSlableciendo ci' orit:~n 'en la
mil;\d ue (935 )' lomando como unidad dc mcuida un a¡io, al alio 19-12ie corres.
ponderiÍ el \'alor ro: 7.y así sucesil'amente p;\fa I,;sdclil:is alias. Si el llri!!,cn sc si.
lúa a fina1cs de 1940 (principio de 1941) Y la unidad dc lIledidacn (í mes:s, cnton.
ces al aiio 1())7 Ic c()rr~spondá;i el "alur 1 o: .7. DClllostrar 'IUC cual'luier lenden.
cia calculada medianle la ccuación X, ~ fl + hl uo qucda arectada por la el~ccilÍn
del origen y la unidad de mcdida,
,,,'.'
(e) Supongamos qll~ e.u y e.•.., indican Ius residuos de X e l' respccto a sus \'alorl's
.. lendelleialcs. Calcular el eocficielltc de correlación cnlre ('.1./ y (••..r Comparar Ji. " .

~~d;~~¡M~;\fi:~;;;1~~~~'O'"cy.:
J<' .•• ,<,:.~I~~;
~¡~I
(lrc.?I\<~I.,O~I~D.i~,~.S
.. ' . dirercncias,
!~.pl
..\!e~r.I.r.I!}.9"f.{!~" Y:C,(ll!1!=.n!iJt! iLjllsliJicátliúll,¡Ari'X( ;íJ~s'~~::"\:"

U6 .. Uua mueSlra de 20 observaciones c(l'rrcspol)dicnles almóúe!l.-

'. . 'l' o: ~l + X +,-( fi . .'-
,e'l dq'ueli's 11 se hailaudislri.t)iíidas 1;;;~malcjn(i~pc'iJdi~;\ll:niellle'c(~n m~tii;,ccrcj l'
'.. ' ,varia.n~.a cOllslante,lifiecc f()s si¡;u'iClll'cs tl¡\I~S:,'.'" ... ,. . .. .

.¿ Y';}L9' ... ~>}~~: y)~~:g~,9': ".: '2:'(\' ~ ',\'JI~' _.'1') =, l~liA' .

.
.. '

.2: ~;IR6.2 . 2: .2~:'i.-f (X:" X)2'= "

Estiil1~r (, y fJ)' talc:U'lar sus ej-~óres c;l¡inSar;Esli.)l;;-r:~1 I'nJ;II'-~e 1;; .;',cdia wn'dicionnl
)Ie. l' corrcspondicnl.c, a X ,=d ni y :cnco'nlrar '111.1
inl~r\'alo de confializaiiel N5 'Yo' p;Ír;1 cs.
la inedia.' .. . " .' ' .. , "
; .

. ~:

....:

' '. '!'.

 CAPÍTULO 2

El Cal)ílulo I l)rp<e'll'I' b'" .. " . :..... .

. . ~". ,1 ,1 un cOIIJunto dc . roce li '. . . ..
los eSIII11<1ÚOresmínimo cu',df'ill'c . (MeaP), t I11lcntos de II1fcrencla asociados a
. ' , os en el eonle ,( I I .
d os vanables, La elerivaciónde .1 ,... x o e e as relaciones enlrc
. , .' es os pi ocedll11lenlOs se b . I .
crucl:lles, uno relacionado con la f 11. asa)a en dos supueslos
011'0 COIIlas propiedades eSloc"IS'I''lc~Osrndlcal el: a. esPderanza condicional E(YIX) y el
, ". ' 'ennll1O e 1)"1 'b '.<
loserail,recotdcl11os " CI tll aClull ". Tales surues-
• • 1 • •
'. .

£(YI,Y) = u + fJX .
(2.1 )

.. E( X¡lIj) = X¡E(II¡) =O rara lodo i.j (2,3)

. SI ;lIi;ldill1\ls ;, la ecuación(??)'/
. .
. _.- csupucslodc normalidad, tellcmos quc
Las 2
. ..' "; 5011iid N(O Ir .) (2 tI)
que se Icc con ,.,. '. ... .
, " 10. .\S "¡ son vana bies normalcs dislrib'd" .
c Idcnllca con inedia cero }' v'lri'\11Z'1 1" L . I'd UI as de [orilla II1depClldienle
, .' '.' ., (J • a va I cz ele lo . d' .
rencla elepenuer;ín.cvidelllcmcnle di' ¡'d" . s procc Il11lcnlos de infe-
, L . . . ..... , . e a \a.' cz ele 10sSUrUCSlOs cSl:,b/ec'd '
a lI1ayor parle del presenle ca )ílul . , , ,', . . . , Os.
nes rar;¡ .eI suplieSIOdel;¡ espe"r~Jlzl~c' °dl~a.),1),1cOIn J10slbles nucvas cspecificaciu- ,
, . ,.."." on IClona 1te h eCI " (2 1) T
pnmcro los prtiblcmas qúe a.l)arccen CII'~lltlo'I' "'11' I;¡CIOn . . ralaremos
' . ",1 v;¡n.1 1 e tlue "p;¡re 'e
en I;¡ ccu;¡citÍn(la \;ariable eXJ1lic t' ,. ) l' . • , e como regresor
. . <1I\'¡ ese Ilell/llO. Este C;¡SOconduce uc forma n;¡-
~N .
 . .
• 1 ,< r .:' ', .. : ¡. ,\ -, ~: r .. ' ~ o,' ,,.- -.' ~.: ',' ~ . .
CMITlII.O2; Oiros Aspeclos de las'Rc1ncio~cs entre Dos. Variables 49
•. ~ ~ .. '';, .: : ',' I >:., "I.,,~, '; '•.
::,' ,,', ( ;,. ~

luralJl l~ c~'nsideración'cie Ii~sc;;r~'asdcc;~d;llic'I1I~' eOI\slanlc, cnlas que ellogllríl-

/lJ(~"de'la '~;l;ri¡¡'h:e dCpc;ldienle¿cexp~cs'a CÓÍ1~ó'.~;n'a ú.i~ción lineal del 'tiempo.
Ahortl,iren'lOs después casos 'en tos que ~esu\l~1de ulilidad 'transformar la v;¡ri:lble '
dcpentlicnle y/o la variable explicaliva. Mcdiai\te lrmisformaciones ;¡decuadns. mu-
chas relaciones q~le nosol~ linc:lles enlcrlllinos de I~svariabks originales pueden Ij.
/lc(/lbtr.H!. En lales casos, ~pot1relllos aplicar: alas 'variables lransformad¡IS I¡¡s técni-
caS desarrolladas en elc.;PítulO 'Ipar¡¡ elli,~¿¡c1olin~al. , ' . .
. A '~ontiill,,,ción" con$idcr~~'emós ehnodelo dc~:dos \'nriilb1c~ cuanc40 la variable
ex'rlic¡¡li~nílO csotr;¡ cosn que el ~nlotreln¡'daM de \;\ ;"afiable depemlienle. Se lra-
la del deno'Ílin;¡d~ esqucmn de'nuioácgreslvo 'cle:priniéi-órdén A R(l) .. Por sutil
que pnre7.cn el cambio. ésle nos .lrasla,da a, un lerreno relillivnmenle novedoso. Los
estim;,dores mínimo cuadr:íliéos ya ~osCr:í~: lnsesgados; ni' tendrán. validez los 're-
sullados ex;¡clos J1;¡ral11l!eSl~aS fi'lilils' ef!oonlradosn ló lnrgo de'l Capítulo 1."Podre-'
n\os seguir ,n¡Jlican,do los (JroccdilnienlOs ~11rnimo cuat1rál.icosdelCnpílulo Jala
ecuación au(orregresiva, nüii~'nc :lhora solo teng<1n valide7..:,sillllílic;¡ o' para IIIl1e.~-
. Iras grandes; Pnra comprender eslos re.sullados es J1reciso d{sroncr de' ;¡Igl;~as no-
ciones b;ísicas. pero a la vez Ill'UY in~porlanlC$. ;¡ccrca de In' leoría de 1:15gr:lIldcs
n)lIeslms, 'en concrelo, llíslrilil1cillnes':I~inl{¡ticas, elicienci:i asinlótica y consistencia.
La scncilln eci.lación 'alllorregrc'siva 'noscon'dllcerisimismo ni problCm;¡ de la es(a-
ci~narietl.HI de una serieiemporaL Desal:'rollarernos al~lpli:\n\e~l¿ ,eslos problemns
en capílulos posleriores,.cspecinlmcni~cn 16s Cnp.ílulos 5; 7 y 8. Esperamos que la
. inlrodllcci(JI1de cslos ,conceplosen'el cónlcxlode \a~ re\;¡ciones de dos'vnri;¡bles
permitol manlener 'el 10110de scncil1c;-.inicinl de la c:\posición Y sirvn COlno puente
J1nr¡¡UI1lrat¡¡mienlo roslerior m;íscomplcjo.

2.1
..'....EI> T'18¡VI P:O'Co.l\10~lt ~~q:RJ:j;~()It;:~~:';'~:,,:~!!~,.',:,,:,:';.":';';::r-r"J,:'?":,~;;,.;",:.,.~",",'::".:
:-",;':c,-,.',. ';.,.,';,',", .' ',.' .

En UI1grMico dc unas series ielilporalc'l;, tarcomo nlos(rábam05en el C<lpílUlol, la

variahle Y/. silundacn el ejeveniCal scconfronla .con el l¡empoque aJ1arece repre-
sel11adocncleje hó;izontaLEs posiple 'cOlÍlel)iplar lajúbicn dichogrMicCi C0l110un
m~lp;\ uc dispersión.cuy;il'lIlic;l dirCrenciafcsp~clO alin gr:íricode disJ1crsiónton-
vcncion;¡l radica en qtie la vririabk X (liemro )'a.lImenla dcrorn~n n;onólon;¡. es de-
cit. alli11cn(a ~naunitlad.cncadaobservatión disJ1onibl~. Muchas v~riahicS econó-
¡1);C¡¡Scrcccn ódec;'ecencoñcl (¡eljipo. Una tcndencialineal se modeliza medianle
.una relacióndcllirci . . ...' .
(2.5)

dOllue T il1l.)icaélli~mro:EsrosiblcesJ1~ciricarlaYólriablc T d¿ mllchóls form;'ls.

'HlIl;qllClOtÍris ellas ¡'~querir;ínlanIOI;¡dcfiíiición de un origeriá pÍlrlir del cual me-
'dirclliem'po coíno, ¡1~imis"'no; c1ispollcr de tirinlll/id~drf~ lIiedidil .. Por ejemplo, si

j
r 50 MC,TODOS DE I!CO,"O~Il:TI\IÁ

IllviÚÚnlosobscrvacioncsan~alcsdellil¡¡
dos~nlrc 1~80 y 1992. CO~laríamoscon'la~
la variable T: . .
vnriable'paralos (JI 13) ¡u"¡osIransclIrri.
siguientcs posibles'cspi:ciricaciólics
. . . . .
para'
=

T=19S0, /981,1982 ..... 11)1)1

T= 1, 2,3 .. :.. i3
. '- . ..
T=-:6.'':''5. ~ ...;6' .
En los Ires casos, la unidad dc m~dida cs cl año. L;)s orr~cncs son, rcspeclivamcnlc,
el inicio oclcalcndariogrcgoriano, 1979 )' 1086. Ellercer esquema reslI\la vcnlajoso
para cálculos a pequciincsclIlaporquc. cncslc .casO. T licne media ccro .. Por lo la n- .
lO, lasccunciones nórnúllcs q~eajuslan la ccuacióÍ1 (2.5) sc reduccn'a
. ~ ~ ,.",. .

.". . .: n= Y )""'1J~1TYI'LT2 . . .
qi.tc pourá'~ro
":':~':~~"'1VfáiYn5~~ ser ulilizndarifotih~
~'r:íiúnsi ¡ico~"g'Cllri~l\rt'.n
<..lireclamenle \(:m~;\ lic;)J'neJll~¿1I1JJ.:";\d;,!?J.¡:;.TJ~gtlP,,,;
como' uregr'csor 'CI.lel a;dlisis de re~l:esi6Íl. S~ ,'
..; '.,
. '
. Ir:lla, . de.la :,';'.',
segunda delas. cspecificudone~
. ': .... '.'pa,ra,T
.... ' mencionadas
.. ,,,.' ... '.' . rirevíamenle.':'
.' .... :.
. ,,' ..'
. .
. 1.i.i
. Curvasdc
.~ .- '.
Yar¡\í~¡ón(ércdmicnlo)
. ,_.'..' . '
Cill\sianlc.
.' ~.
. '. ..' '

. Toi11ando las 'p~jmer¡\s dircrcn~ii\~ ~~ i.i 'c~~a¿¡6;i. (2;S):'.obtc'ncm'os .

.,' ':.. ~~,~jJ~:(lI,"II;_;) :.'.:':.'.
. '. .. . .
". , . .'5i igllo.r.¡;,'nós.i;l~'~~I~i'u~h¡;ci~li1es, \¡i:¿ctlO,.cióli'.'(.2j) i.n;í~lic;i l111C\;; .scric;.nimc,'\t¡do
. .' dismi.nuyc.} lit) valárc.on'slan'LC:, por pC'ridd9:ClIal\do sc Ir¡.te de lllÚI.Sc.riecfc.cicnt'e .'
(jJ,> O).iínpliéúr;\ lilfa:'tas-oi'dé:v;\daci6n'ilécrcclclllc, ¡l\¡'c'nlí'asqllccuiindo se Ir;\IC d~
. unasúic dccreciéntc(jJ <'O),.'sc:'obtcll:dr~.uilíl ii\s¡l'd~ variaci(lI\ cn:ciclllt:. Por lo .
I(\nl,o. la. ecuacióil: .(2;5) nq.rcsulta'unaespc'eificaCiól1
con una tasa slI,byacentc'dc:val'inción
adcc.uada para 'aqucllllss<:rics
conslan.lé.sea cSlade.signo positivo.
vo" Uila 'es'pccificación adecuada consis'te cn rc1ücionar ~I /cJJ:tlrilllllJ dc la serie co~
negrili- .. °
oio ú,{a funéion ,1ine"i ilcl,liempo. Vcamos'e1 resultado a COlllillUilCiÓll..
Cuando no
~xisle.pcrlurbaéion; la'scriede variacióll constantc c~ ,..'
',Y,'=Y~(l ~ el.: .' '.' (2,fi)

dOI~deg;". (.y, - Y,.r)/Y,.\ ú \¡1'.~¡;S:iJ.~'~a~i¡\~i'Ó;l'COnSli\ll\e'i~ara Uil pel'illd~o dClerllli:

na.uo. Tomando 199aTi~'mos.de.ninboslados .d~la' ecuaciÓn (2.6) se obli.encl.'. ..
... ,'. '..'
~:

ltf.Y, :::u'.+ pt '. (2.7)

. jJ = lil(r+. g) (2,S)
CX'= . Y.u
In. y
:'
...
 ('Mill/I.O 1: Otros i\SPCl:IOS dl.:las I{daciolll.:s ellll': Dos Variahles :'i I

Si se sospccha que ulla serie liene una lasa dc variación cOnSla;\l'c. 'cnlonces CS' rcco.
mcndable represcnlár el' log.¡ir,lmO dc la serie conlracllicmpo.Encaso de que el grá.
fico rcsul\caproximadamcnlclincal. sS ajllsla la ccuación (2.7) por mínimos cuadra.
dos y sc oblicne la regrcsión dcllogarillllu de.)' coiilra c1licmpo. Elcoeficicnlc de la
pcndienlc resullanlc proporciona una cSlimación.~ de la lasa Lk variaciúi\, en la forma
.
sicndo g = cl •• 1

El.cocficienlcjJ de la ccuación (2.7) reprcsentala I~S~\(,o./lIilll/l1 de cambin i¡ln ",1;/1.

sicnuo g la tasatliserc((I. Formulando una seric de variaci6n conslanlC a lo largo del
tiempo,oblcncmos
Y,=Yur!J¡ o InY,=a++jJr
finalmcnle, lomilndo las primcras difercncias én la~cuación (2.7). obtenemos
(2.1)) .
ó In)', =jJ = Inri + 1;) =g

. .,.Así.,plles,a ..\'lil'l!S/\-
•.partiL.deJasvd.mer,,$!~I.i.f.l:rc.!),c_i¡.I~,l1~)p\,lp~¡)!~I},l).~\~~ .. OI).\iP..~l:~ .
conlinua de variación que. a su vcz, cs una aproximación de la lasa discrcla dc' ,"a-'
rinción. Dicha' aproximación únicamenle. resullará .fi.\znnablemcnle cierta para valn.
. res, pe~luc~oS dc g.' .

2.1'.2 Ejcli\plo NUl1\érico .

.L.a'Tabla 2.1 muestrn. por décildas: las. cifra.s dc p,:oducdlln dc carl)(ín bilumi,,'ns(l
'enio~ Eslad()s Ullidos ucSdc.1 X.n 'hasla ll) 1.0.,I~c'prcscnlando g.rMical\\e nte el lo~a.
,:itni.o ~el'a protlllcción'cOnlr¡\ c1liéai\po. sc d<)s¿u.bre ~,ú\.relaci.ón lincal. . . ..

'~ "l'AIII.A 1.1 . '. ..' . '. .' ..

'. I'roduccilín de carllón Ililulllin'oso ell los Es(adus Uuitllls;
:.18'11-1910' -, .. ' , ' .
_.""f'o ••••. )_.r~ ••-~"';-,._
.••
T • .,. "'-~"f.:..•.. -:: .•,:,r'''''. ; ..•..• ':•.

. I'rull 11cCi lí 11' "míal n1Clli;1 '

.c ... ( 10nO'T1II u el :IS)
Dé,al!a }' In l/. ..(.. 1(ln n
1841-1850 um-. .. 7.5159 -3- ' -22.5457
4.S68. 8;,i'~.o4 -2,' -i fi.9S0l)
. 1851-1860
1861-1870 l2,t111 '.lJ:426:l '-1 : ~9.426:l
32,61.7 .' }UYJ26 . tl .' .'¡¡
Itl71-IXSn
18XI-1800 82,7.70' 1103238 1 11.:Ú3X
IS91-11)00 .14S,'157 ....U ,lJ(l8 I 2' 2J.~Úfil '.'

.11)01-1910 322.958 ' 12.68Ü ~3 )3.0558

Suma ,'.
71.742.4 ,,' O 20-1(l8

'Ajustamos ui\a curva dc' crccil;licnio'.col\~ti\lite y c:-li,;¡amos la lasa de \'ariación

anuaL Para .ello eSlablCccmos cl origcll u.el pcric!do a mitad d~.I;! d~cada d'e 1l\70. y

•
 ,'-

(0I11;II110SC0l110 ',1' l' , . "", ' ' "

. . Ulllu,.lt de lIl!I11POulla décad'l 10 '1- '. .',. 'o 0,0

la sene 1 que l11uestra la I'lhl' 1'.. ', ", '. ,nos" oblenlcnuo a conlinuación
,, . '. ,\. ,1IllCnthJ de los dalos de diclw labIa' , " '
, ¿ In y' 71 7424 • " ,,'
11 = -,-o -. - =~:::: 10 i'SY"
• 11 ,., '7' ' ,'1

/J'= ¿ Iln Y_ 24,2408 ., •

, " ¿/~ 2X' = U,X(¡57

. El codiciellle r~ de esla regresiÓIl es 0'9945 l " '. ' , ,

se 1111uíacn la reprcsenlaci611' l~'I"" -",' ,o ~Iue COnflrllla la lincalidad 'loe
. gla le,l; _,1 lasa de V'lI'I' " .
11 1 11ICIl,C.
,h,a,ciClldo ' ' "ICIOII eslllllada por década se

k = é - 1'= 1,:1768
La lasa de ";;ri;lciónco;lslallle ~s ~¡¡si u~ un 1'100/. '1;" ' '
.11111;11
((I'a)se Obl ielle '1 1)'11'1"1'
'1', I ",.,. o 1'01 t cc.ld.\. La lasa de v¡¡riaeilÍn
" ,.' .' , l e a ecuaCIOIl .
,.. '

(i + /va) /O = 2;3768 '

lo que proporcio;I,; un l'alorll"l =0 ()(IO' ,"", ' ., ", .',,:
YO/lo ti C crcclmcllllo
'. ' "
¡¡Ilual La l' "
;¡ '1, o o que cs lo I11ISI11
.' " .. ,
'
o. ¡¡proxlmnuamclllcel'
l' " ' , ' . ,IS,IeOllllnun equlvnlcnle es O OS(í(¡ ,
, nr¡¡ quc los procedimielllos ue infcrencia descrit " 11,;
¡¡pl,carse ¡¡ ecuaciolles lales como (2.5) (27)2' " .,~s ~Il,el Cap'lulo I puedall
I

('111101111regrcsur rijo, ' . ) " . I¡¡ V¡¡II,lhlc llempo deber.i tralarsc

2,2
THAf\'SFORI'I'!ACIÓN DE VARIABLES

L.I lran':;f(;rl;l,;ciÓI\ /og:irílmica de' ia I'¡¡riable de' ". . ' . ,

1I1ICnl(l,.,Il,Osfllll,l/.llc,edcJor " ."". . pCI1(I~elllc enlos l11odelos dc crcci.
T'1\,1:""""t,'<P'f"<"';" '."': .,)Jl.,')I.nl\I",.ll,IJ.I,cqnSldcraclóü tic oTo .t' ... f" .....~..".'o,':';.':.,.",.','
ne, 1'¡¡ll~ orn¡ntlone~ ',ferl'ld' ',. ~. ..,. '. las. l.lllS orm;\ClOnes;""
" .[ . .'" ~" 11n .• l v¡¡nablc.: dcpelldiclll ". . . '..
a '1m las. Su ohjctivo Ilrinci/)'l/ .,,' 1 .,. .. e"l a vanab/e regresor O
.1' . .' Ser.1 o llener UIl'I Ir'1I1sf( " r ..
uO que sea posibl.e ¡¡p¡iel,. h~ ~c lc'ir' 1"'. ( . " JrIl1¡tl'lOn Incalizanlc, de lila-
O' I ,'.
'. . ,... , •. ,1 I ¡¡s. ecnlcns descnlns en '1 C. f I . , ..
'.trlol lleS .Ifl,op,adamcnl'
.. l" '. f ... I ..,..,.
. e 1.1I1~Olmal as y por cOllsi' '. e ,."p lu . o I ,1 aquelhs,. ,
1t:III.:r quc aji/slar relaciones m'iSCl) . '" 'l' .. glllenlc. eVllar la neccsidad dc
.' -" . '," ', .. mJl Ica( as; "

.,., 1" .••..

-,-, rr;¡lISfOrlllat:iontS Logarilniii-Li\ ,',., (O' .
. ,. g.tr1 1lI0 O!Jlclllenlc Log;¡ríllllicas)

La eCllaci,ill de crccimiento ulili;a

ulla transformación
, , . .de' h
'" \"11.,',,1)1',1
e uepCIH l'Icnle,

: 1:11 Ru~sdl f)O"icJSlllI

.' . 1I .•
l' J~I\1C~ (;
'.
~i.
,le
'("Inllon '.' '.
.. tJIIIII(I(I(J1J
.
mili 1 ,r.~ ...
. ' /'
., .
"'1 IJI'l/'".'"
.1
rcss.I')')." PP.' 115.IIS.• • pl',.cJ.
l..: l:
"
\,,'11l0nlr.IfSl' \111" 1" '" ' . . ;<'''"''''"''';I'S • OdllftIIJ",',,,
. t.:r..
Cl',1I10 r..:grl":\or. '. .' ". • (. I~C.W;I~H1 l1lu)' VIII ;lCL.rt:~ ti..:, 1;1 uliliJ.:u:itín ~d 1!t:r~lrO
 '~¡", \. '~ ;':' ~

:¡; "
l' '1:1 ."'¡,. ':.' 1":' ':'1 ..•. :,. .
¡,', . !", '",1 ',':'1"" .¡..,':: .';'1 "1';', \"¡> _,>.1\;, .....,:r: '",;,
1 ':'" ;'",J,

, 'C""iTlII,O'2:0ir.ós, ASpeclOS~C
j', .... ,' '"'1_ ',_1":1, , •••. :.,."
l,asl\claciQncs
.,',,' Jt:;;,~.'
clllre [l,os,Variables
.. ~:.', •• ~'#\;
.•••••• .,>-,", ','
53
••.::'_~:.

. '."~ ,1'.;" -'1 .• ,"';, .•... ~ ~::" .:,,~' ~ :'",<"' .. ',:";,1'1 ':":'~'l.',-:-" '-1"/ . ~ ' ,'" .• :

La I)\a)'oría de las ap¡¡Cacj()ncs c,conoillélri<:"s' m:is, imporlh¡'l~s incluycn los logarit- '.';'
mus (1c'~\Iilbas~ariablcs. La dpccific.\~ióíl funciOnalrc1ev¡¡¡ltc'cs, .' .,' .
• ,':. - •• • -.' '. ,: ~ ' ;~. , '. j"l :. 1. i . .. . '. ,. "1'

y== AtPoll~ y:~iu +Jj¡n' X (2;\0)

don~lell = In ¡1.'La c1;lsliehl:ld de /rcspeclo ¡¡ xsc',ddínc I=omo

.. .', '. ' '! ,,' .•..• :,<' '¡'~/~;; Xi: ¡ . '.
'ElélSlicíd"d =_.,-,,;,;,:;,,
'(1,:< )1
. , " ".' "." "'" ' , ',' " .. ' .,," '. ",'~: >- ¡',

que expresa el canibiopo'rCenlU'11 dc Y paralln 'e,"111JliodcLt% en X. Si (lplican~ó$

I¡¡ fónllulil dc I¡¡ elasticidad él la' rriri;era cxpresíú~1de In ccú"Cíon (2:10). se llCtllucS~
lr¡¡ (IUC la claslicídad dcesla fllncí.ón.cs.simplem~llle. fJ •..n~ienlr¡¡S quc.la segund'¡¡
exp~ésión de In ccu,!i:ión (2.1 O)~~l~lUCSlr¡¡:'quc I¡¡ pendiente de '1", cspecificnción Jo-
g¡¡rillllO •.lo'g~¡'i(~ilo'es la el;lslicídacL Así, pues;liI ecuación (2J O) espccifíc¡¡ tina flln:: . i
eilín de elasticidad CUllsl:úilc.:' .. :. , ; o"~ " ",' • . . ,~ , '
~
En el Iral~aj6 pr;iClico, "p:li'ecen c~l\frt~ue;'lci;/especi(ic¡¡cioncs' de eSI-c'lipo debido,
posíblcnienle,'lallll1 a su'simplicitlntl ~olli'ó'", su f;íi;it' ¡llle;p~clnc'i6n; ya ;luC lils peii-
dielilcs' uc!ns regresiollcs logariI1l10~IC'g"1riln)0 son eslilll¡¡UOrC~ di recIos de t"s eI:lS-
tic¡dades (coIl5lallles),i~a figura 2.\ mue~lrn ¡¡lgUllnsdc lél~do(m"s m:ís lipic"sdCl
pblllo Y.X IlaradislinlnsjL ':" ,,"

y'

,.
I

I
I
1.
I
I f3<-1
I
I
I

x.
 54 MI,TOOOS 010 L:CONOMETliI,\

2.2.2 l'ra ns ro ru;a c'i~J~esS ~:J~ji o'g.!ríll¡~¡ds' i..

de creéilllicnlo
'J."-

Hemos dado ya un ejemplo deceuáéi6n conslanle.La [()nlúilación

gcnerales3 , . .' ." .' '. . '.'

. ..' iIlY::CC+JJX;+II .' ',' (1.11):

Dicha cspecilicación ~esulía nluy U1ilizada e'll()'sinodeltis decapilal humano. donde,
y indica I~ssal¡jriosy Klosa~osciecxperiencia esludianlil laboral~. Paniendo dc' o
la ecuación (2; Il),lenemos que '.' .. .

Por \0 lanlo,.la p~ndienle delaregrcsipo' senjilo~¡¡rílmica eSlima el canlbio ¡JiOPOf'

,;..',."",.do)JíJ.J.J!rd~,.Jmm,,((l.d{¡,,~c(l;!IPi.OJliJiú!'ri~p(Q(J~CW.()Ci\ ••X.' ~1I.Figlll;a 2.211.1p ..ilusl ra. pa:'
,.~,.t;',-;~~,,;,;.:.':-.~,"~':":'J": ., .. .,' ':.~
••'!U. ~'f- •.•••••.•..,,~. ,~¿.tf~ .•••.
':"".~~.,::.><;';"'~~~",••
fJ: Cambiando
~'" •. :J._" ",1: ,1 " ••..~ • ;,'," .¡,'.' ~'I> "-,'" ' : "".'.',' ••

ra valores POSilivos de los ejes, oblencnló's - . ,..... -- ..._.:..•"....,.- .,-;.-:::,." .•.7,:..

'. ,': ..

.. .' l' ~ ". +/I.II\~!/J';' 11 .

.~; . ,~ ..

r" " .
'. /"

o .0 '. x
"".'" . , .'
F{GUR~ 2,2
''-:-. ", ,,:' ,',
Mo.ddo semilogadlrnico
(2.12)
•. •, . '' t, ..•
. ~ . _, ' " ' ~' ",' . - " "
; ) Elk_lOr aslulo se,í)nhi;l '(J;;dll cucnl:1 tI~.que cual,idlldisculinills a_erC¡1de,tns.liislinllls tipos lic'lransr"r.
l11=\si~ni:s.Ulili~.Ontc\s~c.I1¿rmiÍl6'd'cpcnurhaci<\!\ tic 1;';lIIcr¡i r¡ipid~'y de~.r"retlcup¡,da. ills.:rl;\nlinli\ cn ~ic( .. '
la~ccu'acion.:~ y no 'cn (¡Iras 'con d,fil) ti': si.nil'lific..riaiilí.;,'nsfiJrlimci""cs. L¡~'¡iu,i¿¡,s' juslificacinllq dc la.!
;icl~i1ció" (n~~)' comú\l, J'!cin;\5) 'son,iá .i¡tnorancia y cOI1)Puidi,tI:SirJuj¡¡UllluXk)' (t1iSli,,~ui¡¡o lJió\ol\n la
, y h¿rnl,an9. ikl)lo."c.\ist.a AltloU5 \'Iux'k):)dc~c'i!bi~ at:lioseli. SU t1ia'.ClllUlI. ':~I'silllillllq p~rSllllilic¡¡d;1 de la
'ignoranda (csí'Jualdcl hombre';: EII~rlllino'Jcl;~rturh;;ción,isínlbolll
del cconómclr¡i.juc¡;a'un
'- - . ~', :. ,..".~.....,',.
esto~;iSlkn dela.i¡:\,orancia resid'ual
-, .- -
papel iilúilar'cn ":ÚIIOI)lclría ..Y.conín suclehacersc.clllI Di"s, si:'alrihuycn a lo
..
'¡r.c'xcrulabie y' a"lo l1é;Cbnocid~ ¡as propicJmlcsJn;\s cOli~cllienics ~n 11I\.Mlerlninadnlllolllenlo, .'
.• Tal espeeificació'n'dcr\\'a l1clasconsil1eracio\\ésicófic~s de J ..Mineer, Scillwf. E1f;('(Í<',;u,lIIllf £omillg.t,
• Columbia Unív,crs;l)' I'ress. N~w.Yor\;,'1').'¡4..' ., . . .
1',.. " .-.' .••
'.- .. '

,-¡ '" •. ',:, ,"',.

","
, ,: " '~ "~ .' .'
 C,\I'il'ILll~: Olros AspcclOS tlc las Rclilcillllt:sclllrt: Dll'S Variabks SS

La r-igura 2.2!J ilustra esla función par:l valqres positivos de]J. En'~1 caso de un es~
ludio de presupueslos pal'¡i adquisición de vivicJitla, 1¡1curyadebcrfa represcntar la
relación existente entreesle tiro de gasto )' \' clinl';rcso X .. f\ntcs dein\'crli~ en uu
gasto de esa c1asc es necesariq poseer un cierto ni,,:1 de illgrcs() (írh/JI), Pur lo tanto.
el gaslo se incrementar¡í de [onna mónéólona con d ingr~so ..aunqllccon lasa dccre-
cienle. La propensión marginal (JJ/X) al COI\sumo ~k este biendislI1ilHl\'C a medid,]
que aumCnta el ingrt;so, ig,ualque lambié.n disminuye la claslicidad (fJl};).

2.2.3 Transformaciones I~ccípr(\cas.

Las lrallsfol'maciones recíprocas résullail úliles en aquellos nwdclos en los que h:l\'
nsínlotas para una o amltasvariables, COllsidereinos .
. ,,:, .. :'. : e"" .. ,. {Y •.arJ (X"".n~);;'«,i"':"""/,,,,",, ..•. \."',i.,,(2.;¡S Y',.
L:,.fónlll1.Ja describe una hipérbola reclangular.coo'asíI1l01aS en y:: al Y X:: u}. La
r-1.gura2.3 f~Hleslra argu~las de lasfo.f1na.s 'máqípie¡is para (~) ncgalivas, La ecuación
.(2,.13)sc.~cfor1l111la como ". •
. cc) '.. '.'
Y=of+--'-' (2.1-1 )
. .... X-a2 •

l' "l'. .\' = tt~

.x:: II~

1
1
..
\

I
1
I
,.
.,1 I

, '1
l.
\.
"
I
1 u,>ll , I "\ < O.
.,
.1 '1
• 1
,
: ,,'!'
i.
'1'.
••
l'
1
1 ,l'
I I
\
... :':.
I
,
I
, • 1

.'
, . -'~.:_.. - - ~:
-- -~"-'_.:: ~'~- --
_ .•. L _ -
:' "r.:' (l., "

,.,
1 '
. 1
,, ".
.
1 '
I 11 '\
I
1 J"
I .\
I I
1
"

FlGUltAi.3
Hip~rl>(.)li\ rccll\,ngulrir" '.

El ;esu.itad~) ~eaiia~lir un lÚmil;o de~r;or al~"ccllaci.ón (2,1-1)'ci¡;;Cillar lI1i;lill1izar

.Ias sumas de 'los cuadr;ídos tle 10sresi('llIqs 'nos condllc~: a eÚlaeioncs no li;lcalcs Cli
: ~ ,: • te f."' ~:. ',' ,~
 , ,
,'fU Ollf I~ "!: U 'l1:""~IETl\f.,

)';:: tt
----------------

11
..:

------- --------------

fIGURA 2.<1

y == (Y+JI,(_',I ,)
" X
" .• , .

-' rc'Jmu \'~r~ll1o"lI1:is'H.I~hl\l~' ~•• l'll,¡ili; .'~ / ", ".: .... . .. ". - .. ,¡. J - •• 0,,

.' .' .' • ,"." :\ '-.:"JtI.~ ar. :l ecua.Clol1 \hr ....clal1u:ntc 1111.'llióIl1IC l1lil1ill1o~ clhdr'lllo"
1111 11Ih..:;dL' s, . .' . '. • .'. .1
 ,1": • '¡ ,....
"'. : . ;,
L'"'.i!' ":,' "]' ,':.i , !:.
¡ J.

¡,;,;'j nl'lJ~ 2: Olri>s"As¡).:Clll~:dc'I:;S

," ,,' j ,'. ":
!. ,\. '.,
,Úc!aci;",.:S ~nlr~ Dos V¡¡rialllc~
l. ": ,.' ." ," ~'- . ,1 • • " "
57
•• ::

",,',1:'(",':' ,:.¡.

l' ,',1, ;

. "

,',
, ,,:
,
,1' ' ,
,
1
'
I
, _¡,,',
'
(.,"

,
\ ,",
"1",
',O "

, 1,
I
:', ,.
f"',

",,:
,1
'1 .
l':
1. I
'( ',1,
, ", ,, ,,
1',1

, ' , ',: '

1
,,
"I , 1:.

1
, ,
I
t
"r "
" '

.... ".:
,11 :,
",,' \'
.', ,"
'", "
.>;' .
: fIGURA 2.5 .' "
I ,
'-' ==ll + JI X
,
X ,'''"
"

i ': ,~ "t l. :.

, , ".
,." ,.

L, especificaci;'lIl II¡¡is genc,:a! que se illlsli-n ~n ¡n Fig\lr:i 2.3(1 elimina nmb"s rcs\ric"cio-
, ;lCS )' I)ermile '~abajar COI; 1,; 'posil~ilid¡,dde 'Uh~l¡isn de desempleo mínima í)osili.vn )'
, un c;\mbil)dc s,llarios neg;llivo.b, Figúril¡2.4b represen'n un;; runción cJe'g~lo en llll
corle IratlSl'érs;lI; Es nCl:cs,irio un ili~'dmíni¡n~, líeingr<:~os parol ,,¿ceder;¡ g;¡SI\?S 1i\1c~
como,comcr eli un rcsÜlp'I::\I;'le.a(lI;qll~:í~llipo d¿'g~slos liendeÍla \In Iímile s,upcr,ior.
" ,..' ,', :" ',','" ,", '1' ',' " :' " "
dOIHk, Iosl1l\i1~imillonarios g"sl¡¡n sóloil.lfini,lési,.nl"mt;lllen]ás que los millonarios.. '

2.3 P' , , '

',':E.rE~,:r{jLO'A~'~;lPOÍrtl'C'01)1!!ONI\~tlttl~'NCrÚN':N(rtlNEAt1t}\Y'INi"/?"/"<."""''>
FLACIÓN EN LOSESTAnO'StJNIDOSY EL1)ESE1VIPLEO ,', ' ',1
.:.::" ..... "

;'!,"," .

La puhlicúcitÍll.en IIJ:'iX.ddun(c\Ílosobi'ela ';eur\l;l dd:rhiuips" fue c1ini~i'ó <.J~ Un

, Il\levq negm:io h;¡sadllcnlabusca(YiJ~sclibriinicnlo ) de ¡nsdenomin;¡das curv;¡s ue
I'hilIips ,cllvarí()spaíse~{';[n el ,\i'ííc\lIborigiil~r.Phillip'Slr~7.ab,,' (p;¡ríl el pcrlot!o
comprenllid(l CIlI rel :-;(\
I:yl,(13)cJp()rcch(ajean\1nld't¿ilmbiósíllari~1 en el Reino
Unidoccml n;s la lasa de
dcsul1ipldJ;£I~~r~ricol~evclní)íl~lI;arelílción íincíll no negíl-
,¡¡va que Phillil)Sres~,il1¡tí enl:dÓrma Jc\r~al¡nc;'i"cur\'h.,Xloq\le es niá; ¡'nle~és;n-
le. losi'esullallos ds:,'los.dos¡)crid'J.os sig(litnlcs (1911-194Hy 194R-1957) ,er~~.muy
píln,:cid()s ;1' hi c\lr\;a'~)I;lénid;ja:parrir(le}os~;¡j.osdcl-pcriodó', 1861 ~1913.Ln ¿Ie-
~~.. Hll:lllalC\lI'\';!de PhiUipsnO hasó\)~c:i\,ido al,p~sqtltd }iClllPo. )' sch~.ví~IO expucst"
• +. ' ••
',-,' '

. ." A.w.l'l;inll's:"Thcltclali'III'I:clw~:cnlh\~i;'I'I;:;YI;'<:;'1;i;'l¡On.\C~~~lC otch~jlgc'or '~lónCl' \\I~¡:CSin:thc

Ullilcú.. Kil,,~d"'l.1
.•.. S(,I.
. -
í'l57':.
:
I:{',",,",,;,'",
;,.
".
Nc\Y,!icrics i5. '1'I5S. 21i),2'J~'"
, .
" , ' - - -
~;,~;tr.'~:1
~;_' a.~.'-~"¥"~

:,'" 1 53 M~"OUOS Uf: ECONO~IETJd'\

a ataques y nuevas formulaciones, 'Ianlo desdc el puillo~ líe VIsl¡i cstadístico COIllO
leórico. Es por ello que el simple aniílisis de dos variables .(~llnilcillnsalar!ill yde.'
semplco) no puede considerarsc'tol{lO '~na picza f;lIldllinenl¡IIen cconolllelríil. Sil~.•:
embargo, ya que en eSlecilpítulo nos VCJ1l0Saúnreslringidos a rcl:u.:ioncs.de dos VlI'
rillbles,tomaremos el siguic'nle cjemplo como iluSlrilción uc los pasos csl:luíslicos a
seguir p:lra ajuslar r<;laciones no lincales entre dos .variables.
. Los datos utilizados correspondei, adalps anulIles de los Estados Unidos para
el periodo' comprendido enlrel957 y 1970. LlI variable ¡I¡flación( INF) es el porc:en.,¡
lajcde cambioanulIl d'cl lndice de Prccios al Consumo (II'C). La \'ariable tksclll":.
pIco (O ES) es la 'lllS~ de desemplcoenlrc tmbajadores civiles mayores de 16 aiios.;:
La inOación oscila enlre un mngo mínimo dcl 0,69% en 1\)59 hasta un miÍxilllo dcl
5,72% en 1972. con una media del 258%.La tasa de desempleo era en 1957 del
. 43%a!canzando un máximo.deI6~7°l.u c.n;19Ql. al.qllcsigllcllI! ,~e.sce!!S9.sost.qni90.c'.'i';:
.~ :'a'~io.J.f~.tgo'lJ(ti~c.J~.~.á-¿j¡(dd.)o'~'60.::.'
....•..";."." ".,.,; , " •. ,, " ~.~.............•
(¡ r,
. t.'. .••

" ,"
. ~.
.. .... ~.
~

.+
~
.•...
~
., t .
. t ..

o
) S 6 '1,

DES
>.
6

"','

.'
lL
~.
.. '.

0.1.S ll.2U (~25 O.Jll. •

Recíl1rOCO DES, .rc.!'i\nlado

FlGUItA: 2.6 ....

(nflacióll')' ucsel\lpleo en.los ESli\d~s. Unluos, 1957.1')70.
"
. ,.
 c,\I'inll.O 1: Olros I\SPCl:lllSUClas Itc.:lac.:illn<:s
<:n1I'CDos Vari.lbl.::s 51)

.~. '1''\ 111.'\ 2.2

J) istinlas rcgr~si'nllcsill Ifaci'¡íll/dcscill Illuo,'.¡ 1)57. J 1)711'.
ro~_ ••••.• _ ••••. _~." .". ,"' _ ••• ~_ ..•

Vari:lhl<:
explicalil'a Cooslallle I'elltlicllíe EElt
DES ó.lJ2 -().X764 IU3 I..JO.
(J.R2) (-2 ..1:,)
I)ES(-I) lJ.1J :"l.)jSó O'x1 0.7-1
(IJ){()) . (-7.19) .
I/DES(-I)' -1.4 X 32.lJ772 0.')0" :tU-I
(-(,51 ) ( Ul.50)

• I.n~ CSlildíslil"tlS I :tparl..'cclI Clllre p:tr~nlcsi~. EEIt eS CI4,,'rhl" l':-.I:illt!ar lJt..' la

. rt.:~r,..sil)ll.

,.;;:~.:.~,~
..,',;-::,<._._ '.. .... ....,.:... ,..... ..' "" ..... ,.. _ ...
LaFigura 2.6" nllleslra el griÍfico de di~pcrsil'ln de la inflac:il'lll con respcclo a 1" lasa

dI.: descn¡,pleo ell i.:I mismo pl.:riodo. La pemliellle es negativa y la gnifica muestra
basl"nlcdispl.:rsión. I3n la Figura 2.6b se rCflrese'!Hi\ 1;1, illl1a\:i;')n con)'especto al" 'la-
sildc deselnpleo dcl aiio anlerior..La re~pues.l;Í .rcl.ardad" es lút>.ica porque es nece .
.sariü:qile tp\;is~ur(a un liempo haslilqlle. c1desep¡l~lco'rife'cle I:lsc¡;mhios salariaks
j, nías 'liem'po allll. paraquc dichós cambios se filire'n a lrav~s dI.: los precios de los
.j};'odlH:los fin¡¡les. La dispersilllí 'resulta .. en 'eslc' casll.'mllchn menor e intlic¡l una
. 'cícrüt ilo.lineal.idad. La figura mueSlra taml)icn el ajuslede una rcgre~ión /¡I/m/ll.:
Ií! iliflacil\n sobrc el desempleo rCI:lrdado. E\~i¿lentl=mclill:. 'Ia esp..:cific,ll.:ilÍn lincal
"no. es ia répresenlación.ntlecuad". De los 14 rcs'iduos de la n:grcsi(ln.;) son posllivos
y' 9 negati\'os. Los 5 rcsiduos pOSil'ivo's aparecen asoc:iad'os 'a los \'alon:s menOl'es y
ni¡¡yorl.:súl.: la variablecxplieaií'\'II. Investigar los residuos pucdc indicar. pOI' lo lan ..
. to,dglin 'error de especificación. Rachas de residlloS positi\'os o negali\'os su~i..:rcn
'e'specificacion~serróneas. .:' . . . • ..

'•• ,L" Fog" 'O, 26, '" ~"i

m :~';:",: ":t:~:::I,'~'r~"'dÓ"'' ' ' ' ' l' I ) J

Lo~. rcsidu.os sOI)..algu tllC;lOr'cs que Jos que. apareccn repr..:scuta(Jos cn la Figur.1
y
.2.6/; 1';1'disper~ión, aunque no lotalmenle,.sigue una re-!¡lcilín ¡lile es casi lineal. Ln
tabl¡¡ .2.2 resume los princip"les resl;llados du las re~r~sioncs.asoci.adas a la r-i!!I'lra
.6,';" ~s' de: resalíar'el'.sal.lo sustanci¡lI
. .
de 'r~ cuando I¡~'\'¡¡rialiic
.'.
<::o:plicali\'a \'¡iri:~ dd
1e~enlpl.~q aClua!al retardado, )' \In incremcnlo llli1yoi' .aún. (dc IU-i-I ;Í O.l)()) cllllnclo
'~~\Ili)iz~i.blrallsforlllaci(¡n reciproe¡i. .
'. r-ínalincnlc, ohlcncmos el rcsuÚauo de ajuslar In 'relaci¡'ln n(\ lincal
• _.

re" .
INr- = tt + --~~-- +11 (2.1:--1)
DES(': l').,.. u, .
:~~i,ajli~ic>e realiz:; mediante ll"n ;'léIOdo ;le'lllillil'no~ cll~idrad(ls lín lillC~ks.I;1 q~lc
.:
~~igcllll.Proccdilllicnt.o
~'.
l
ilerativo de I.:slimacicí'L empezando pl'll' ¡i1~UJlOS\'alores al'.

>
 bilrarios para p<lrÜmelros tlescon,o!=idos, ~;¡fculnntlo lliego la sun;a dc los cu~tlrados
dc los residuos par;] continu;]r con 1;] hllsquedadc qué'cambios en lospar;íinctros'
permiten reducir la SCR, El proced¡n;ie~llo siguc de esla mi~ma forl11a ilerativa-
mente h,;,sta qu..: lus cambius sucesivos en los valores de Jus p¡lr;illlelrus estimados, y
las SCRasocindas. resullenscr lo su ricienle pequelios C0l110para de,scartmlos, 1gual
que sucede con el l11éltidl) de lüs l11'ínimos eua~lratlos lineai<:s, al final del l'roceso
IHleden cak'ularse' los errmes 'CSI¡íl'ld,ardc luse~tim¡ldo,:cs, ¡Isí como las pruebas es-
ladíslicas h;ibiíuai<:s. La lIniC:I.difci'i:ncia estriba cn que, C0l110se cxplic;] <lconlinua.
citllJ, las proj)iedadcsue lo~ eSlil11au'~res y de los eSlndíSlicos de r>rueha s(ílo licne!l
justific~ción asintútic~ y, cn t(lIls'ccli.cli~in, n'o'~on v¡ilidas fl;]ra i¡;UeSlr;ls finilas}' nO
pr'op<>rci<in;¡n' resullados exacloS". COJ1lO ya hemos selialado anleriormcnle.las
lransflirnwciuncs line;¡lizanles oblenidas olorgando valor cero a al )i ll2, impilllcn lí-
mil;]cioncs :l la [orp)a de f<l'relaci6'll que, 'lct~ric;1I11cnle~ no son adccu:ltlas. Si sc
olorga v<llor cerO 'n (~" con10 cne,'cnso de In'[crcera regresión dc'ln Tabla i2,oblC-
nemos un;t";isfil¡O¡n i~fcr'iorpriraln lnsn de desemplco que es incrcíblcl11~nlebajn.
Por 011'0 Indo, si' se olorg<l V';¡¡'orcero <l(t 1, In' tnsn' de ínflnción tienc una asínl'ol;¡ in-
ferior iguhl n cero. laque imrlic¡i quc'los prccios no caen por elcv¡ido que sca c1ni.
vcl de (lc.sen,lpleo, lo quc resulla asimi~mo una reslriceión complelamcnlc inapro-
piaua. ~i phra eSlimnr In rclncióll sindichns rcstriccioncs se ulilizan mínimo cundrn-
dos no linc¡¡ks. obtencmos'

- .• 4,8882
INf = -0,32 + ----- __
,. ,', ,DES(-I) "'-2,6917
2
COn r = ¡J,95)' tER ';, (JAO. ESI<lcxprcsión es la que se ajusta mcjor;1 los d;¡los y prq-
porcion:l c1ml:nor \'¡¡Im dd l:ITor CSI¡Ílidar.dc ludas las regrcsioncs cSlimadas. El tér-
mino d~ in(erse!=cíÓ~l. que no'cs ótraque la úsínlo(n e'slimada d..: la lasa dc inflacilín,
Sl: c~ljma cun un valor nCl!ativo, aunque no significativamellle distinto a cer9 ..J,~I.,:)~í!1<
1()I';I'olfSlí{Ü<lUri:dé"'kl;t,,,s;(dt'dcsciHijJ(:({c~'dd2:iílj "l.,. EI2oni;:;,s¡~(e ;11re-las :i~í,ú
01 ¡i~'a~'
'S2;~;';pleo' cnco~ tradas ni ajl;SI¡lr 1;i'SCCu;¡~íones (2.17) y (2.1};) recucrda dl: modo e vi-
derHe que c;¡d;¡ una dcl¡IS cspccifi'cncioncs'illípOlíc una ¡(mi/ti parliclllar;1 la rcl;lcic'ln
l:stimad;¡. La ccuacióli (2,1 };)iniplica un incrclilcnlo suslancial de la lasa de ínliatilín
para aquellas l;\S¡¡'s tic desemp1cú illrerímcs al J%. micnl ras q,~le la ecu;l(;i~n(2.17)
precisa d2 la'S<lsele dcscnipko i,nferiores;JI 1% para ohteller cifras tk inllacilÍnsimil:l:
res. Los ajusteS:i losuatos mUl:st":l1csno son muy dislintos; sin eilí1i¡irglllas extr;'1)ll-
lacioncsruera del r;ln£,o (kesns dalosorreecn rcsultados dr;\In;itie'amcnledirerclll~~ .

2,4
VAIUAllLE DEPENDIENTE HETAHDAl):\ CO,\IO In:C;HESOH

Cuando las \';¡fiahles Illucslran tClltknciassilllilarcs a las represl'nlad;ls cn 1;1Sec-

ción 2.i: los valorcs,suctsi\'osticndcn ¡¡ser haSI;\IlIl: similares'l'litrc si: lJ,ú forr;¡;¡'
 .!,', ,".

"",' , :,' ,

61

(úo)
 • o :.,

pues, el regresar Y/.t 110 es/tí corre/llciolllldo con la perlurbacilÍn 11('/1111111, ni COII

cuatq uier.a de las perlu ¡'bacioflcS [t11ll/';'s; 'aunq ue. sí:.e~lii_ correlacionauo cOIl.lodas ....
las p'erturba~iones previas. De eSle mouo las covarianzas que en la ecuación (2.3) .
eran il!.l'I;1
les n ccr'o són ahura disliillas decero, sicmpre que el regresor.s.e¡\ ulI.~alor
rClnru~1do 'ue ti; vnriáble 'uepr:ndienle. Con lodo ello, los cSlimadores MeO scrá.li.
sesgadps; y los "-es~llndos exaCtos pnra mueslrns finilas del.Capílulo 1 no resullar¡Í1I .
váliuos 'en esle modeío. S'\11e'mbnr~~, 'y cómo ya se ha mencioll;ldo. es posible Olor-
~runa jusiific~cióíl'nsii~IÓlicn a los procedimienlos de inferencia basauosen los es-
limadores mínimocuadrálicos de la ecuación (2.1 Y).

2.'1.1 Introducción a la Teoría Asillllílie:l

L;I.inlrouu;~iól~ más sencilla a lnleqrj;l.asinlÓlic;, cs"aqu~lIa búsada el~ el primcr re-

sullauo h:ísico en cuaiciuier curso de eSladísliCa, esioes, lú dislrilJ"udún de la m~uia
enun:lll1~eSlr;1 alealorta. StJpong:ll~lºs qué X es ul{a ~va¡:iable"a'lc¡IIO¡-i¡j coil fllllérón
ue'densiuad'de piobnbiliuad (fdp) desconocida. Se sup~ne que fdpposee, ;I1.menos,
una media finila JI y unn "nrianza finiln u2.Considerel1l0s In exislencia de 11 valores
gcnern(Jos por es In 'dislribución dc.forma inuependicnlc'}' dcnolemos la meuia
mueslral nlediarile i", dOlide 11 inuica cl número de observaciones en ql.'ese bOlsa la
media calculada7. Ln meuin mueslral.es; por sí mism;l. una variable a!calori\1 con una
fdp, [(.':,.). La cuestión básica de la leorín asinlólica muica eri cnlendereómo se com-
parlan una variable lipoi,,}' su fop, cuanuo 11 -- <.o. Hay dos aspeclos fiulHlam~nlalcs
en lIidlllcllIllp0rlamicnlu: el primero de elllls cSlá rclacion:lllll con el e!lI1eeplll.dc la
cOIII'crgcllci(l ('/1 probahilitlml y, el segundo, con el de la cOIII'('r,¡;I'IIÓ(I ('11tlistrilJllciólI.

2.4.2 Convergencia en Probabilidad ..

. "

-Se~ X una variable aleal.oria lal que las X ".1' son i¡d(J', (12). Por'lo lanlo
1r1
£(.r,,) ", JI Y var~r,,) ",- .'
., 11 .

Así pues,."" es un eSlimiÍ(!or .insesgado cualquicra quc sca c1lamai\o de .Ia muestra y
su varianza lcnded a cero siel~lpre que 11 se incremenle indcfinidanlcnle. Por sim-
ple inluición rcsulla cvidcnte que' la dislribución de .~". cuiíl(lliicra (IUCsea su f(~rmn"
se conccnlra más y nliis en lomo íl JI c\Huldo 11 aUl1lcnlíl ..'fllrniall1lcnle. definiendo
la conccnlración'en lomo a JI como JI :1:E.la expresión.

> .
''''-'"0-'

~ --~'-
,. N'6lcsc '1uc la x minúscula se u,itii; 0:11 esie cas~ para il\.Ji~lIr 0:1 ,'alur 110: la \'ari;.hlc {"on la llo:s\'iaciúo
con respcclO a la illo:<1iamuestra!. ". ~ . , •
. . 1

" ;
......
 l.I\J'llllLUJ.;UllU~ 1\~pL:Ll(l~ lit.: ¡il:'1\.L:ldlH.lIIL":lo l..'llllL UI"I:'\ \ ,lllllt!ll'::"l \l.'

/'r 11'- E < l' + E l.'" Pr 11:.(,,:- 1'1< €. I.

indica la probabilidad de quc .1"" se silúe en cl inlervalo especificado. El tal1lailO ud
in,lcrv:do pueue hacerse arbitrarinl1le!lt~ pequcño"cn función del valor ckgidll p;lra
c. Pl!c'sto que yar(i',,) disminuye 'de forma !nOIHllllna cual1llp 1/ ;lUl1Ient;I;' cxiste un
<
Il\u:ncr~ 11* y un 1)(O < 1) 1), laícs quc para l(?do 11 > 1./*..

Pr 11.\"" -1'1 < €. I > J - () (2.2.1 )

Se dice entonces que la variablc aleatoria.i'" C(}III'l'rg(,cII /Jru/ml)ilidl/ll a I'a l:\lllst;lI\ll'

JI. Un enunciado equivalenle es
lim
II-X.,
Pr /1.1',; ~ ¡ti <' e. I = I o ••

Dicho en otras palabras, la prc)babilidad de que.\"" PCrlcIH:ú:a;i un inll:rval;) :lIhilr;l'

r¡nmente pequeiio de JI •. se acerca ala un'itlao ¡"anio ((imll dcs~emos ..sil:mp'IY <¡1Il:
hagamos que 11 sea lo suficientemenle grande. L;¡' ecuaci()Jl (2.2,1) sc resulllc CO)lIl) .

. plim .i'" = JI . (2.2S)

donde pli/!, ~s la abr~~e límite de probabilidau. En eSlc caso. se dil:e <¡uc I:t
media mucslral es un-estimador eonsistclltc de JI •• EI proceso se dcnomina ("(JI/I'(''''
gel/cil/ el/ pro/){/bilitl(ul ..
En es le ejemplo, el eSlimador ser;í insesgadll sea cual sea el tamaño oc la
mues,lra. Supongamosolro eSlim;iüor de JI; 11/,,; lal que
" .
. C
£(111,,) = l' + -
1/

donde ~ cs ulia conslanle. El eSlimador sení 'sesgado' en un ílúmc'ro finito dc mues"

Iras, pe~o
lim
11_',1';
£(111)11. =J'

Dado que var(IIl,,) liende a.cci"o'cuand6 11 illlinc'nta. I~JlloncCs 111" ser;í ¡";lIllbiél'l
Iltí .CSlilíl:ldor consislenle de JI. Se ll'ili;, dClIn ejemplo de CliJl\'crg~I;l:i:! CH 1!ICllia
c.uadr:ilica. que' se da cU;ílidó el límite' oel \'alo.r csp~r;í(J¡) Jel ~stimadllr e~ el pad.
lúelro de inlerés, }; el Iímile de la vari:lliza del eSlililildor es 'c¿rú. L~ convcrgencia
en meuia cuadr¡ílica es condición suficiente de consislencia y suele ser una forllla
. mu)' útil dc eslablecer un límite de p"robabiliuad. . .
Una dc las caracleríslicas 'miÍs útiles dc los límiles dc probahilidad eslo inmc-
dialo que resulta obtener límites de prol;al;ilidaCl par:\ funciones ¿jc: var.i;'bles alcato.
rias. Por ejemplo, supong:lI11os .que ñ,: yb" posééli Iln;iles de prohal;iljuil~l. :e'ntonces.
~
.-;~

pliJll (I/"b,,) ~?Ijm (1". plim h" .

. . .
y .
. (n;,)
phm - =---
plim (/" .
. /J" plim h"
-~----:------------------------------

64 ~1I:Tt)fJOS !JE Et'O:-()~II:"'fifA

L;¡s n:l;¡ciOnes d; " , ...,. .\ '

, . ~" t: este llpo e;¡recen dccs(Jcranza m;¡lcm~lica;¡ ,. .
sC,ln cSlocaSIIC¡¡ll1c.nte indcpendientes aunque' , .. ' ~IC~OS que o" y b"
liuact, dicha' condición no sea hc~csari;,' .. .' ;olr~,o(Jer,lI eon IUlllles dc rrob;¡bi.

. "'. .~
2A,] COIl\'crgcllda I
Cll Di~lril)\JdlÍl1
'.' •

~a siglíi'l:nt~.cueSl¡ón b,ísic';¡ es.elll~nd~r cr'compor;;¡miellt' : .'

,1'" cuando ¡¡lImenl¡¡ 1/, La fornl'l 0"'1' '1' ,'b '. o de I¡¡ fOII11;¡de 1" fdp de
'.' '. ...• <. e .\ (ISUI UClon se desconoce" I ','
u.na c,I.Jll1hin
. . '.',' .,'..ac,i.ón 1l'/lc'lllle
.' ~rlllcll; IS."\' cuyo
•.. '1' l' ,.1 . '.
.. (1 ' ),1 que a llleOI¡¡,CS
..
eliib;dgo~ dauo (IUe 1'" varhnz',~' " , ,.s 11)lICIO~l~e suponc desconocid~. Sin
. . <.' e ;¡cerca.o cero en su 1 11111 le l' d' 1 'b '.
s¡¡ CIl 1/. Sedicc en estos dsos '1'" I 'd: 'b', , • 01. IS n uClonse c.ol¡¡p-
. • " " ." ' ue, a Isln UCJon clc"ellcr'l S b' '
un CSI;¡UISIICOallcrnalivo. 'lig' un," f . ;'. '1'-'" b " e usc¡¡ra, cntonccs.
..,', • llnClon (C \' cuynuislríbuc" 1
a I len1<llivu habilualmcntc uliliz'I" . '. . ./l.' .• ', • r Ion no (l.:gent:re. Un¡¡
,'. '1' " . ," (.\ conslste,cn ddll1lr VI/(\' . )/ '
(la
J .lg\l¡¡ ¡¡'ccro y V¡¡r'Í;¡nz¡¡un;l .' El T, '. , '" J/ u. quc ,lJene mc-
, ,. ',..,.<. larra, , ,eorcma elel LlIlIilc CC/llral esll '

"
[\tJ,(.\'.'. ". ;,.JI.)
l•IIll PI' ,
".,
.}.'., J)' 1
h :
" . ",- "- , " .lr~'Y ;=_x. Vh C- 2 d, (2,26)
El lado Izquierdo de la expresión es ~Ival c.l l' , .,' ,
est¡¡díslico vi;; (\, _ li)/ " '. , < or e hmlle de la probabilidad de que el
, ." u sca I11cnor o Igual a algún v'llor)' EII el ,1 I'
correspondiclile ;¡ un'\ dislribució ' '1" , , ¡¡ o ueree 10 es eláre;¡
•. n norma cslandar N(O 1) Este l'
porlanle Cu¡¡lquil.:r'¡¡ '1 ' f '. ' ' .• .' es un res u tado 1111-
le\'antc ~s cO~lO'la ~e~~~1 s~í:l '~l on.l~a def(x).lotl,islril.Juci6n líl¡lile del cstadístico re-
., ,< n )uclon.nor111¡¡1 estnno¡¡r E] n' I '
n:rgcncia'cn dislrihlll'ilíll Un d,I.".' " •.roccso se (enOl11l11a con-
, '. mo o ,Ilel 1l,IlIVOde exprcsar la ccuacióll (2,26) es
. ' _. . \;;;'\'~,LN(vI;;)/, al) (2.27)
esto cs. 'V';,x" tlcnde ¡¡ dislribuirsc e ' , '.'
ri¡¡n.Z;¡a2. En la In;íclic¡¡, el Ob'~liv:mlo un';¡I,van~ble llo~lI1al COIl l1I~di¡¡ vI;;" y va-
,."', ..,~,.. ' "" ", ..,',' .. " ... J . (e Utl 17.¡¡r,1 conslsle Cll ,'c',IIZ" 'f '
a~7J;c.~;~~'Jl.T:ilbpcració'Ií'~eer~h¡d~"id;;;~;;d6;i~r';.:'',', .. 1" .•• '''.1' In erlJllCHIS;,
a proxi lI1a'ción ¡¡ la dislribucióll ocs'con .' 1 d . ~~ 111:\norl11;) del IIIll11eC01110u n¡¡
. " .r,,~::(l ~~, :;\.)11" "for111ula a dcstaenr cs (11")

. 11, -.-0

quc se h:c en I;¡ úir111a sigui~llte: ....r sc distd " " ,... .'
COIlníedia ¡t \' \'¡¡rinilZa u2/1Ii.: Eí '1' l' I )tI),e ;¡SmlOllc.UIlClllc dc rorll1¡¡ Ilornúl!
. ...' \';¡ 01' (CSCOllocldo (,2 se rccn pI . I. , ,
111uestr¡¡I,quc es un cstinndorco lS.'.. t l' ,1 ¡¡Z¡¡por ;¡ V¡¡n;¡n7.O
• I 15 Cll C. y enlOIlCCs h ccu'lció ¡ (221)) . I
7.ar l>:Ira cfecluar I¡¡s inrcrcilCi¡¡s dc / L ' " ' " . '. • ,. f . sc PUCl e ulili. 1

d 'sc ".' d .' l. ;¡ .'prOXII11,lCIOIln.l',lso Il1cnos ccrCana ;¡ Ull" ftl

l.: OnOClu;¡ cpendc' c\'ldcntemente dI I '. '. ' ' " • p
11a
~:e de I¡¡~lO~l11alidad. ~sí como 1;¡111hié'Jl~e~I~,~J:;:~~\~1~'~al;;l1~II~~/I:,I.:U~~:~/~.~~~f~~~.I,;C
7 .
:1~~:;1~1~~~1~0~~a.C0111birioCiÓf~lif1cal'dcváríahl~s ri~ nOrllwb ;i~l1~ a'acerca~s~' ¡¡,~~
, I ',1, eJcmplo ,prm:lenc dc SlIIlIplill!; 1'Cc/IIIÍlIIIC,\' de \Villi:1I1l G, Cor/;r:i:¡

",V..:asc. por e.el I S S \'" .". ..~ . . .

',J np. o. ',' \,l~s. ,1I",It"",,,,,,',II .\/IIIÜ,il'.f, W¡lel'. 1%2, p, 25(,.
,,'
, "

,/"".( l': < 1"

" : , _1', ',l"'"l.", .. , ,"",':, '

CAI;ITULO.2:otros ¡\SP~cI9S d~ Ins Rc;!ildoncs clllrc Dos Vnrin,blcs 6$

, ~ " :' ."", ~ " • - ': ~ ,',. " " • '. ; 't." • ¡. .

, , .• . ~ . .! ,.,:
r', ,~, ',.' ,,,.:, I • \', ': '. " "; . ' •. : '-:

(Wiley, J 953, pp, 22-23), L;¡dislril.J~ci6n iilis;\a! l']'l,Ue$lr'n\apoblaci6n,el1 1~7:0, de las

1%lni'yor,es ciud¡¡des de los'Es~,o:dos'UJ~idos,U. distribj.lci,ón'es' claramenle distinta de
la norm;¡l(de hechó lielle fomln de) illvers!l),:e'o~rriuchas :CiudndC:spequ,eñás y muy
POC¡¡S~rnndcs, S~ ,obtuvieron Úósci'eill'a~nlliesl;as.~leatori~s,de 49 ciudodcs yse caléll.
16 l;¡poblaCi6ntpla'\ elléaOt\'un04c iós)Opcasbs: La'~isl.ríbúci6n'mueslral dellOlal dé'
la poblncióil (c,igllall]ll:nlc, la dislribución¿\e:lamcc\i;¡ 1l111es'tral)reS:ullaser 1Il1il/l()dal
y 111ucho'~,~S cercnllacll ;;I);¡'ri~~~ba un'acurvol1orrnaI qucla'clislribuciónoriginal.'" ;
.. , . .., '. '. " '.

. '. .' ,

L¡¡ ccu¡¡ción alllorregresi~a(2~/9) puéclc eSlimnrse'mediiuHe la f6rmuln de MCO de ,

I¡¡ ccunción (2.20).lndi(iuer~lós loseoefjcient~s eSlim¡¡d~scOIriO n yb, J~osresult¡1Jps;
de [\1¡¡1111 y W¡¡ld eSloble~<:n:ql1c~(ir:':aj;y~(I/~jJjÚe'ncn unndislrib'lciÓnlimj.
le hivnrio//fe//órlllá; cuy:is Jiledihs sonigll~lcs,;¡ cerofsus~a'ri:lh7.asy eovnrinn7.;¡S son.
rinilns9,Por,lo tnn'lO, IOSCSlíl~"dorcs;nír'ti'mocll¡¡drálic6s s'oncorisislentcsp;¡ril,~yJJ.
AdeJlHíS, bs vnrinn'z;¡s y cov¡¡ri¡¡'n'zns en d 1í111iiepúéderi'¿~li~larseconsisicnl'ément~
medi;¡nle la rórhlllla MeO dclC¡¡pílulo L EllclÍnsceuenci;¡.podemos arlic~rJas téc-
nicas. MCO del Carílulo I 1I1liH;delQ ¡¡ulor~¿gre~ivo; ahora coh' un;¡ jusliric:lciÓn asin- .
t6tic:), o dcm~leslra~rande. ril~s'que COIlválide7. ex¡¡éla pará rnue'slra'sf¡nitns;, ",:,
. '" .'.'.
I.m'
. ~ 1 '':
I.\ft

l!ll .~:~

.1I~ ~~;
J,

1l1l1 "l~

',i ...
'XI .. ;

°G' ~o :.~
g 111 ;:~
~ 100 .:
::~: :'-\t ¡~~.£i;";:, J .~.:,-..:
~:.~,, -.~'!

",
JII

11
,11 :-., JII' ~. 1

(1/)" , T:;lú:"'ociuú,,d(milcs) , 'Mill6nc5

'FIGUHA 2.7 '

Influcncia de la distril.Juciónoriginnl yel tamaño de la muesir¡¡ en la ~o;m;¡liJ(ld.
(n)Dislribución de frccueneindélos.tflm;¡iiosde 196 ciudades de los ESI;¡oOS Uni-
, OOSen 1920,(h) DislrilHleióll de Jrccucnci;isdelos tOlales ~;¡lcul;¡dos de 200mue,~-
tras ;¡lenlOrias'c'oIlH = <19,(RcimpJcs() con. peim'isodc! John Wílcy& Sons.'] ne.),
.'. . .'. ". ":.. - . ,',. " \ '.

91l,ll.Mann )' /e Wald,; "OnI11cSllIlislic,,1 'rrClIlmC,)1 orLin~"r SIOch~s1icDirrm~cc l:Qllll'lions':' £(11.

'1/""1(0;0'; 11, 199, pp. ID:2211,Scir:lt~dc&n~r1iculoinrgo y mUl' récnico. pcro los rcsuh:íci~s sonde
. gr:\Il, il_~l'porl:,~~ia pr:~i:lic;l~
..: ' '". '. . ..
 66

El resull;do Mann-Wald dépcndcdc' dos supucslos'b:ísicos. El primer supucs-

10 es qu.e las perturbaciones de la relación eslándislriboit.!:ís idélllica c independicn-
. lemenle con m~dia cero y vari~niariniía;como~l{ra cC"liacil,'lll(2.2). Dcbenolarsc:.
sin embargo, que no se exigc el sUPUCS10 añadidodcqu'e láii perlurbacioncs deban
ser n~rmales. El segundo supuCS10 es que la seric 1 es cSl:icionaria. En la siguicn- y,i
lC sección invesligamos,las nuevasccinsideraéiqnesqucimpli~.a lal supUCS10. ~ .

2.5 .
SEI\lES Est;\CiONARI~\S y NO ESTACIONARIAS

V,?I~a~l'o~'aJa iela,ciÓne~~ccificad'a ~n'la eeundó,~ (2.19)

1 ~ .',;:'". ' , ~.-

~~>.', ~'~=a;+fJY',_I+"1
... 'C' '~.'y';s;~;p¿:ñ~~:~)C;~:;~i
U'~~~"¿1oMgil
(¡~¿ri¿ri::ibs~s'ltii~ít'sto's:s'ob¡:¿'1 ri\'~lri.¡íhlc' ;;'11\0 Ilciom; dós.ell ..;
la c.~uaci.ó,; (2.2). Di'~h.ossllpucs¡os definei1 lo quc ~e 'dcnomiilil. como proc'esode'
ruido b):mco: LiI.pregl.!nla b:ísicaes ¿i::ómo' se CQI,)pona la serie Y COll el p'aso del
¡¡empo? La eClia'~ió.n (2:2\) muc'slraY, coq)O función de a., {J. Yn Y las pc'rtÚrllacio- .
nes anleri'ores y. aCluales.Si sc suponc 'que el. proccso eil1pczÓ h¡ice mucl~o' tiempo,
. sc rcformula la. ecuac.ión (2.2 \) como' .. ' . . .
. Y, ~ n'(] + jl+ ¡f2~ ...~t (JI, +jl,(,.¡ + ¡)2"'.2 t ...
) (2.29)
Las p;',?picd~d~S ~sloéá'slicaS"lJc la scrié " vic'ncn d~lcr':\linad¡ls.por las propic'dadcs.
'c.~lod~ticas .dc liI, ~c ril.; Y:.'Tomalllio c'spera.nzas .CI\. .amlios lados dc la c.(!u;,cilín
(2.29), s¿.obtiene '. .' .' .
. ': '_ E()~,)=~I(J"I'fJ'" jJl+ ....) .
Di~h~ e'spcro~'la.'malCii)á'~ica c'xisiir:ísólo si"hi seric g~oill~lri~a infii1il<l dcllad6 de.' .
._recho lienc un H'OlÚe. Lo' co.ndición-ncccsaria'y suficicntc p¡!ra ello cs. : .
. '," ". , .' .

I¡rl < 1 . . (2.30)

La csperanza malemálica ~s,. . en .este caso, '

.' . . . ,
~ '" .' n '
, r(y) ";1'=-' .-'.' (2.31)
.. . /.. \- JI
y. po~':lolanlo."la's~r¡c y'l¡'cnc uní;;:nc,uia ~on'sl~nlci1o condiCión a). JI, definida cn'
.odos los punios.
, .
Con élf¡1\
."':.
dcdelcrminarla vari<l.l\za; cscribimo~
. . . .
'.

." (Y¡':' JI) ~ 1/; +jll/,:¡ + fJll/, ~; (2.32) + ..: ;

. E¡évand~a'rcu?dríl¿O ar.:bos lados 'dcla igualdad y lomando 'esperanzas. lcncinos

v<..(Y,)= [;((Y, ~1')21 .

= £(1/,2 + ¡JlIl7_1 + fJ411r_2 + ... + 2PIl/II'_1 + 2/121/,11/_2 + ...J .

l
 1'/\I'iTlII.Il!: Olros l\speClm dc las l~elaci()lll:s enlre DosVariabks 67

La hip.ó.lesis plilnlcildaen la ecuación (2.2) permite cscrihirque .

~ '.
- var()~):ó a !=, ,<T~~ • (2.3:1)
_ (1
.
_'p.1 t_
Por ~o lanto, la serie Y posce una varianú clinst¡inlC inconditiónal. ill~lepelldicnl~
delllcmpo. . ..
. In.lroducin\Os. ahora u.n nucvo conceplo. la alllocoyarianza.que és la cova;'ian-
7..\' ~nlle y)' la llllsma vanable relardada. La primcra allloco\'arianza rctardada se
dcflllc como' ". .
'Y I = El ( Y, - JI) ( 1'/.1 - JI) J
= jJlr J. ulilizando para ello la cCll:lción Ó.32)
. Oc mancra parccida, la aUlOcovarianza ele scgundo orden es
'Y2=E[(Y,-P)(Y,-2-P)J. ..'
.....'.;,;.:,',,'.' .",'." :..=.jJ2(T~. ,'.,!",. ".-',;'...' •.•.•.. '...• ,.• ;•••••

y, engcncral:
'Ys=fJra} s=O,J.2... (2.34)
Las j\u~oc?varianzas. depelHJcn .únican;enlcdc J¡¡,¡implilllú (kl'rel'¡¡rdo \' son' en
consecücncla,.lIldepellllienles tic l. Evidei1l.cmen.lc, 'Y;l(= (T,.2) es el símbolo ~lilil~do
para r:.prescnlnrla _v~rianza. Dividicndó las tovarianzas I)orln varianza obtenemos
clconJlIl\lo
. .' <le. cocllclcn(es
• . (lc-l\ulocorrelacióil':
. . .' cOllociúos . lalllt)'I'
'. ('1 co nlO coc 1-IClen-
l:. .
(es .d~ cor.re!aclOn senal. que designaremos COlilO . .
.1' = O. J, 2 .... (2.35)

1.0

~ .O.H
'ü' +
."ü ..
t
g CUí
+
'5
"u +
1J 0:4
u
¡: +
u
'C +
&;:
g n.:!.- +
u +

0.0
.0 10 15 iD
Hclardo

. foIGUItA 2.H
Corrclograllla de una serie 1\ It( 1) (I;Ú,íll)éiro = 0.75) ..
~
 El corrdograllla tle 1<1serie sc ohlicnereprescnlando g'rMi~<1mente lo's'. f"
de '1UIOcorr '1' '. , ,.' coe IClenles
• 1.: .\clonjUlllo a 1<1.1Inplllud de los relardos., P;lra el c' , . 1 .'
orden A R( 1).\ I '1 ., " , sqUcm.l te prllllcr
.. '., l'" a como ,I,USII<11.1fo'g. 2.0, la aUlocorrclación disminuye de forma.ex-
ponl.:nCI,\ l csue Uno haCia cero. .'
ReslInlil.:n.tlo. cuando Ifll < 1, la mcdia la v'lrhnz', )' I'\s ... l' .
y .... ' . • • .' ,COV.lrlanzas te 1'1sCrle .
s.on C~I)SI.anles c Indepcndienles del !ielllpo. Se dice enlonees n '1 -'. . y'.. '.'
laclOnana' 1 ".(., 1;" ', .. ' '.,. . . "uc a serie es es-
E .'.,. CI .sen.llo (eb", c!ellllmcnle eslaclOnllria o cslacilJnarill cn Cll''''''
,n P'I"IJ~ular; sallsfa~e I~ .condición decslacionariedad
p:'ln os ,csul.lados aSlnlollCOS de Mann 'YWald.
reqúerida par:l que
.
~:I~::
". ',. "'. ',.' ...
2.5.1 Haiccs Unitarias

Cuando jJ = I se dice que c'I AR('I)" ,

,
convierte en 'proceso
., ,.... llene una raíz unilaria L:l CCII~C'IO'll
•. se

. . , , ' Y, = el + Y,_ I + /1, (2.36)

~'i~~l~'.~~~
I~~r'~~liifi~a~\:(;.tl~ Jl~IS~~) :lic;l(o~ii)con ;J~rh'll (o camino alealorio eon diree-
" " ent o 1.: .1 ecu,\~lon (2.21), la l:J/Jl:I'IIIIW cOllrliciu,/(/1 es .
E(Y, I Yo) =ClI+ Yo
;:~~ t.::un~enla ° disminuycililllii;'t1amel'lle 'cuando I aumcnta. La I1l1rill)/<.1I co)/lIido-

var( Y, I Yu) = E[( Y, -E(}/, 1 Yo»2) ,

. = E[(/I, + ul_, + ... + ",)2]
, '.' =la2' .

CJue aUlllcnta ilimitadamcnle.Volviendo a la ecuacio' 1229 .

," ,... '. •• , 1 • vemos CJue, cn el caso de
eXistir una! alz unltan:l. la medra IIlcondicional ' la v ,'. . d .
ce. ellt'ó'1Ccs:i:í\íid .. ; . <'y'....,,, .... ,.:....".,;', j •. }"~\nzacy no eXlsteJL.bedi.:,.
i,','-,: . .... . a sene .. es no csfaClOll:Jrl:l. Los resullados asinlólicos descritos
,ant~normcnle lalll~)OCo se cumplen. El tratamiento dc series no eSlacionariassed _
san olla en los Capltulos 7 )' So Cuando IfJI> I J • " y.,' . e
11 '., .I ' , . ". '. a se! le SI.: COlllporlar~ úc forma ex-
f OSI\ .1.1.\ ) comose ilustra cnclsiguicnl\= ..ejcmplo. .

2.5.2 lIuslración N;llIlérica

Se han generado las lres si.:riés que se describcn a conlinuación:

A: 1', =0.0.5+ 0,<)5 11'_1+11;
Scrie au(orreg~csi\'a (eslacionaria)
P: P,'= 0,05 + p,.¡ + ", P:lse{J aleatorio ~on dcriva
E: E¡ =0,0.5 + 1,05E"1 + ", Serie explosiva
 . ',' .' .t

,~ '1'''''.'':, . ... . '

" CAI.'lnll.U2: 0.11'05 A~pcctos~l~

'.' .~, ~ ' . .
IOIs R:chicioncs~n.lre
. '~,' ~.Dos . V:Hiólblcs
.
69

Las lres s~~ies se i~ician'en' e~ro\' se, genernnalcaloririn~ente aparlir de liria di~l'rí •.
buciól; nOrmal eslñndar, ""haslaul1lolal dc:SOO'létmim)s pani'cada'una de élla's.
La Figura 2.9 conlraponckis grtífieosde I.i'seriés':pascó'alealorio y aUlo¡'rcgresiva,
La nleúi.; le61:ica de la serie A es \, 'lllí'el1lraS (¡uc"Su'dc~viaci6ríeslñíl~lar teórica.es
. 3,2. La scrie Illllcslra ~II\nivel lllediorelativ;\IllC;'ICeslablc y ioJas'las observa'ciOlies
seincluycl\ cnCl ra;igo :I:1Q;"Las'eric (Jas~oalcillo¡'ioes;liu'y.si'milar nla serle esta- .

~'~
.
ble Aa lo largo de las priólc,raso¡)st:rvn~iones,
ciad;; en'lasúllilllas, La Figura 2.10,ili.lestra'de
i\uriquese dcsvra de formapronun-
nllevo lasseriesA y P e incluye, asi-
mismo. la serie explosiva'E. Compnra'n'do esln' figurn con laFig, 2."9, de'staca' la gr;úl '
:

~ diferen~ia de la eséala v~riieal. Cua'ndo:se uliliza la' esta'la nccesa'i'ia pa~aacomoda'¡'

la serie E, las otras uos series parecen comportarse como si se lratara de uña misma
línea rccln. El par¡ínlelrojJdeE exccdeln'ü'nidll(l'sólocn O;05,ldérílico yiJlor CJuea
1 jJ le falla para llegar n cHao Po~IOt:l;lIO': i~rqÚ 'Wlitnrin (iC!lwni;¡n In ¡ro¡"crn (!I/Ire .
1' nill!J,ns sÚunciolrC!s: Las series';~y,' ~:'licnc'l.\;~,hspeci~ 'In,l,Ich:o.,inñs similnr ¡¡Jns series
telllj>oraleücon6micas CJuC'la seri<:E:1;al y 'C()i110sllgi~rcla Fig.2.9, én la'prñclic~ '
resull11r;; muy difícil distiilguir' entrcscrl~scslliCioll:lr.ias(como A) y séries no es!;):
cion;lI'ias(c011l11 P).' , .•' "
• • •• ' • J

."

25
I A '~-_.• 'P l' ; .,.,., .; "

:. :
' ..'i:- ,
r, .••• '. :
, ,J • 'lo' ~.: .,', ~

"
~: ,~,.
20
'í' '~\.,
....'.
. ~:
,
. ',,~:
.
15 r

.4S0

FIGURA 2.9
Ullólscrlc ~slólcicinllólriaAR( i) y 1111 paseo ~ICóllodo.
70 ~lfru()ús UI, ECONOW,T1tl"

Debería resultar muy sencillo comprobar la existcncia de una raíz. unit:lria

ajus'tando la ec~ación (2.19), calc~lando lucgo el valor-del eSladísdeo dc prueba
(b - I)/e.e.(b) y comparando este resullado con los valores crílicos convencionales'
de la distribución 1:
Desgraciadamente;este procedimienlo no funciona ya que b:ljo
la hipótesis nula la serie Y no satisface (ni de forma asintótica) las conuiciones de la
derivación de esle' estadístico de prueba. La' distribución del estiidísticó no sir,uc
ahora la forma estándar (la I de Student) y sólo pucden obten.ersc valores críticos.
median'te simulaciones Monte Cario. El contrÍlste de la hiró'lesis d'e existenCia' de
raíz unitaria se tratad en'~1 Capítulo 7 .. U!la maner'a inform:ll' de próbar la' ¿stacio-
nariedad se basa' en. la inspección de los valo.res de los coeficienles de' autocorrcla-
ci6n.:C~mo mosirainos prcviamente, el correlograma de una serie estacionaria AR
disminuye de forma exponencial. En caso de series no estacionarias. la afirmación
no se cumple. LiTabl~ 2.3 mu~stra los valores de algunos de los coeficientes de co.
rrelación de las series 1\. y P. La 9iferenci~ entre ambo~ conjuntos de autocorrela-
ciones es evidente, confirmá;\dose la estacionariedad .de la primera serie y la no e,s-
tacionariedad de la segu.nda. Sin e~lbárgo, los coefidente,s se han calculado para las
observaciones 'comprendidas entre la 101 y 500. En muestras de menor tamafi.o l"a
diferencia no sería lan acu.sada. En capítulos posteri.ores, trataremos de nuevo el
problema de la cstacionariedad y la validez de los procedimientos habituales de in-
ferencia en situaciones "'"¡liv,nriol/leS más realistas. .

50.000

\-' A _mE ---pI

40.UOO
,
I

E :
I
,
I

,,
I

,,"
,
,
I

I
I
I
I
I
I
I
I
I

,,
I
10.000
I

o
............ ' -- ""
,\ Y l'

- iC.CY.YJ
80 160 2~() 32U .. ' ~(XI
. Cbsc:,\'~ción

.fIGU:\.A 2:10
Una s'crié úplosiv¡¡'
 """jll', ,,: Olros ,\specllls de I;\s Itclaciollcs elllre Dos Variahles 71

'1",\ 111.'\ ~.3

Aulocorrclaciont:s tic las series A y l'

Hclarllll Serie ,\ Serie l'

1l.'JJ6 1l.'J'J2
:í 0.67:; U.'J:íX
1) llJI):í . O,I)}l)
l) n.2ll2 0.1)11
IX 0.10:; tl.:-:~}

2.6
ESTII\'IACIÓN l\'lt\.XIMO VEROSÍMIL DE LA ECUACIÓN
AUTO !{ H.E G!{ ES I VA

2.6.1 Eslillladores de M:íxilll:l Verosimilitud

La derivación de los resultados de Mnnn- Wald de la Sección 2.'1 no requeríaningúri

supuesto en cuanlo a la'forma específica de la fdp dcllérmillo d~ perlu'rhaci(';n. 'En
caso de poder manlenerse tal supuesto. sení posible derivar t',I'linltlc/on:,I' n/lí.ri;}/(J I'l'-
ro.síllli/t's de los p:lf¡ímelrOs del. modelo aUlor"regresivo. Los estimadores de m;íxima
verosimililud. o estimadores tvlY. SO!l.(igual que los estimadur.:s 1\'lann-\Vald) cun-
sistentes y asinfóticalllenle norlllale.~; sin embargo. los estimadores i'vIY poseen la
propietlad adicional tle la c1idend:\ aS'in(Í1lka, como cxplicarcmos a t:onlinuación.
En el Capítulo,5 trataremos de forma m;ís completa la eslimación MY. El caso de
autorregrcsión ;¡ctual serviní de introducción al conceplo. .
Lo m;ís común consisle en suponer. como en la ecuación (2.4). que I;¡s pertur-
baciones son variables nUrl1l:1les. idéntica e independientemente lIislribuiuas. con
nledia cero y varianzn conslante. La fu'nci6n de probabilidad de densidad para 11 cs.
en este caso,

I
[(II¡) = --- (' _"fl2"l i = 1. 2 ..... n
Cl\/h I

M;ís adelante necesilaremos poslulnr un valor inicial arbitrario l'lJ. valor que
resul.(a irrelevante en el an¡ílisis asintótico. Cualquier conjunto lit: valores mues(ra-
It:s Y1• Y2 •••.• Y" eSl;\ generado por un conjunto de vah>res ~I. Partiendo de la ecua-
c¡¡in (2.4). la prt~hahili{lad de un conjunto de valores (( es

Pr(((I,./I~....• /1,,) = 1(/II)/(/I~) ... 1(11,,)

= n" ./(n,)
,; I

l .. _ ,," ('/)'
--,--¡' L,=I ((,._tr-)
(2;m" ),,11 '
 i.:.

De Ifl ecuación (2.J~). la lknsidau conjunla de los v;llores VI condieion;'¡ res~

pecIo dc y", esll , ;',' .'

Pr()')'
l' 2, ...•
')'
/1
J' " 1 .... '. [.. I
=----exp ---
¿II. (Y - a- JIV
;]
J-
. . (2rrcr2)/l12 , r~ ' '-1 (2.37)
. . '. .' _1 1 = I _

Esl¡i función tk dcnsidau li~n.c dos inicrprclaeiones. Para unos v¡IIores l!;¡dos
2
de Cl.f1 y a • indica la rrobabi'lidad de quese den un conjunto de resullados mucs-
lr¡'¡~s. Puede inlerrrclarse larnbién corno una (uncic"1Ilde u.JI y al, colldici()JI(¡J a 1111
CO"I'"I/(/ tic re.I'II!lados Ii'"cJlrn!es. ESl<1úllinia inlerrrelación se conoce como (un-
ción <Jc,vcrosimililud)' se escribe.como' . .

Fun'ción de verosimiliwd = L(tl, f1. a2; Y) (2.38)

en donde el orden de los símbolos enlre parénlesis refleja el énfasis en el hecho de
que Ips. r¡¡ riÍIlle Iros soncondicion¡¡lcs <l:'I.<lsobserv<lciones. Maxillliz<lr fa (unción de
\:c:~silllílj¡ ud' re~pe.~lo <l,los lres. /~ar<ÍlJlelros' proporcion<l v<llore,~ especi(icos de &: /J
), u .10 quelll<)xlllllZ<1 laprobabilldn.d de oblener losv<llores Illueslr<lles observados.
Estos eSlil~ladores Son los denOminados cslilllaelnres ele ,n:íxillla yerosilllilillld (MV)
de los p<lr<lIllClros de la ecuaci6n (2.1 ~). Se obliencn resolvienuo
'i¡L,'aL ilL
'-.-=-=-=0
ila., iJf1. i)(r2 .

.~n IllUdH1S.¡'1~/~caciones. rcsullrir<Í Ill¡ís 'sencillo lllaximi7.<lr el log<lrilmo de la

rUI1CIOIl.th:vcrOSlnlil,lud. /ndic<lrelllos Gllog<lrillllO de la verosimililud como .

!= In L
.Y¡¡,que !es una lr<lnsrorlllació~ il'lonólo.n<l de L. podr:ín oblenerse lambién los
eSIIllladores. !'vIV resolviendo'., .... ..' . . '. . ..,

,. 'J' •••., " .,." ..•. , .' .... :: .•:.-.: .•.,..•.(, ... ':cc...:c,.,.iJ./., .._;:,•.. il/-.,,_::':' at. .... " .~:"~;<:' o.'

,~,j?;;i:;,\x••:.,~., .•• '... .ilrt. i!f1 iJer2 U.

. Ellog;¡rillllO de la ve~'osilllilill~d (condiciolll!' <l )',,) p;¡ra la eCllaci6n (2./9).e5.

11 ." l. "
!= - -ln(2nJ - -In cr~- -'- \' ()I _ tl -J1)' )2
2 '. 2 .. 2tr2L', ,-1 (2.3\)
• • ,= 1
La ~~rivación r~rlllalde CSU1S expresioncs aparece delnÚ¡~da el; el Ar~ndice'
2.2. InlUI\II'amCillé. sin clllhargo. se. adivina qüelos V¡l'ores ü, Ji. que "/(/Xilllizoll I

scr¡ín aqucllos quelll11iillliUIII I:'=I (V, -?~ jJ V 1_ ¡)2. Así ptics, cn eSle caso I'os es-
lilll;¡dorcs i....
ICOyMVdc a y JI wnidénlicos .. Las eCllaciones norl1l<l!cs dc los esli-
m;¡dores lI'ICO flp<lrec.cn elllas' ecuaciollcs(2)(l). El eSlimadur !'vIV de cr2 es
••• : ~ •• ¡
 \;:'.\
;~.

I ,

l'AI'ITIIUl2:Olrhs As['iCCIOS(Ic h;s'll.clacioncs clilrc. Dus V"riablcs 7J

_. 'l!' • f'"'

...... , .

2.G.2 Propicli:ilics lielos É~(i1h:l(I()res'ilcM~xilllnV~rosilllili,lud .

L<lSpropiedades nÍ;ís .dcSl<lC<lblcsdelos esiim~dorc'; MV son Ins de n.:u;sl~as_gr~~ •.

des () asinlólicas. ESlaS propicd<ldes se alCil'i7.ansi ..se c\lillrle. clconjunlo de co~ch-
cio.nes gener;¡!cs e~I)\leSl:l?aqleriorlllcnle ..~as prápiedpdes,son ¡as sigiJi~n~~s:' .
1. Consistencia. Los cSlill~;¡d~res 1'.1V sonConsislenles. Por lo l<lnIO,las.ccuaciones
. (2;20) y~2.40) prororc.i~li.<l.neslin~<l,dor~s SOilsi:slénles dC,a, 13Ya2.:'
2. Norma1icf:nl:lsinicíík:l. Los cSlinl;,.dorcs 6:, y;;21icJÍcndi~lribuciories asinlÓ~.fc;¡- , fl
men lcnonún /cSccliinldasci~ 'r~s."V¡~lore'~ ~erile's' dCt'r<l r<Írnel ro.' L<lS vMi anzaS
ásinllilid's dcrivan\.lcl;lnla('iiillc ¡;;rCirlll:l'ci6Ii, qlies~ éxpllcnr5 ¿n el C<lpÍlulo 5~.
A c~n\inuación delllóslrn'r~ili6's (lltcl¡¡v'iri,,'riznnsinIÓlica de jJ se eSlifu<l me:
di:\Ille
••• ~. 't +"62"
Es!.Vnr.as:(JJY;: ..\,,, :.~2~1("" 'y" )2
'.' .... L'~I.,=I "L,,,I,=I

donde (r2 se define cn 'I<l e~¡I~ción(i:40)y In <lbrevi~I~I~a ClVClr signific<l vari;nm

asinlólicn. Haciendo' )/_1 ~. (I!II)(YO+ 1'1 YII ~I): y. por olro laoo.)', _ I = +';., ~
~ )"-1,- Y_l' la v'arianzn aSi'llól'ica'esli,~aél<l 's~ Ir,nnsfornm en
". fr2
Es!. Vnr. as. ([1) = '", 1
. \' )'-
. . "L/~ 1 ,-1
:J'.;
.. ", .4:'''~:'~: ":,~'Y'<~::'
~~:: '.::.~",:
:'.f~:'.\J'.
:>;, ~ ".;}.:~.; :"'. \t",.:: J.:""':":'."t.:-.~~..•~t~~_.,?"~.~:.~
':::.~;'!':.';¡..::~::.:.~-:!.~.,:'_':.~:r 'f<:t""/~~,"'::"~"""t,,,,,': "',~':''''''',::_':'~ '~:..~.-".' :'.:-'~'"''\'::'~:'::'~.;;~~~:''''.:'.:",-.,"'',;';-' ~.
que, cOlllpnrando cOllla ccü<lción '(1.40)•.rCSUII<lSCr l<lvari<lnzn calculad<l me-
dianleel procedimienlo h<lbillI<llucMCO, con Jnúnicn diferencia lrivinl dcquc
ir:! liene COillOui\'isor I/,en lugill'de(1/ -2). .. .
3. Elicieiltia :fsiil;('liicil. No ~xi.sle 011'0 cslimador que Itng¡;Unn dislribución<lsinIÓ-
lÍómenle IHlrmal' y ~Oil~iSlelÍleconm~'lior vnri<lnzansinlólicn. ESI<lpropicd<ld
equivale. n la propiedau t1clav;¡rihnza inínimá de 10se'slim<ldoresMCO en el cn-
so de mueslrasfinÍlas, . . ..... '.

Rest',micndo. el llli)delb:dc<'nrial.llc oep~ndiei~lc ~cln~dndadel¡¡ ecu~ción

(2.19)puede cSlimllrscmediante.el' nlélodp cIe ¡VICOyios crrorcscslánoar,sc c<llcu-
Innde la (ormh h"bilual. SÍJl clllbárgo; 10s'niveICs de "Signiric<lció¡' y I~s cocricicnles
de conCian7.ilya no pucdeJlobíenCrsccollla úlis,nl;¡prccisión. Les "<llores c<llcuJ;¡.
dos SOIÚÓlll<lproxilíind<llllC[ilc:correclos y.adcrrds;no h<lY rormn de :conoccr el
. grádo de error enul;aaplica~ilÍ;lp~rlkul<lf;i\unque'éSI<lS conclusiones deben 10-
 .
. .
~
"

.< '." '.

'.

.'".l .• J'. • :.''''

. 1l1arse con algunas precaliciones. nosqüedan. d(lsimporlanlessupuesl'()s. El primero

. consiSle en malllener que Iii covarianza es igtÍala cerÜpafi!llldopar di: perturba-
ciones, tal como s'e~iw en'su mOI)\enlocnla 'ecuación(2.J7). El segundo es que
"2);_/11 liene Iil1lil~ finilocuand:o /1 lie'lldc ainfinil;i,I(}q'u~ f{)n;~¡¡p;Hle dc los rc-
quisilüs neccsariospara la cslacionnricdadde la serie Y. '. .

APÉNDICE

", : ".
".1
AIlÉNDICE2.1'. . ,:l.);'

,,'"~""';~:;0~;iii'~;;~~;{:';;~~;i.~;¡~';;;~~'~;~;
es unavar.ia~lle ale;llor~a ~~n función dc d.e~lSid!ld.p(I/).l)c.fill¡lI~l~l:; üna Jlu~ya v~ria-j
,..;
blc)' IH¡:q\nnl~ 1"relacl,Ó'n Y,'" !(V). La. vana~le y,llene olra fllllelOn de dCl\sldad:C]lIe,'.
: evideillcn.ICilje, depende uinlo'dcp(II)CoillO de f(ii). .. . .' .'
Su'rón~a~iOS~;(;~ la reliici¿l~ cn;~é .1:' y;/
alll11el~¡ade' fqr;n;\ nwnlíl(~na',col11~ en In ',:
Fi~. A.i\.Siemprc q,!~I/'se ¡¡'a\lecn.el inl~,rvalo'~II'. J',e~lar¡Í encl correspon~i'cnle
inlérvalo U)'. Por'lo.lanlo .' '.' " . ,o - ',' ,". " ".

, . P,r(y'per'len~~eaó.)'):::Pr(lIperlcnece a !ii~) .
o
p(y")fiy ~;I;(II') ¿"
donde it' e j>. indican Vnl(),:csaproi)i;;~o~.dc ¡, ~ yen lus ilÍlcrva\os ój,.'y p(y) 'indi.- .. ¿y'
,ca b fu nCÍ'ó11' de dcnsidalhli:')': yonÍ<lIido líiÍlill;s¿uiindo ~lIlicild~ 'acero. se~lblicnc .
.' .... : .. ' .'1" .' " .. : :.-. . ~. .",. . -\ .. ' . ' . ." -l. •• '.. " • '

,. '.', .'Pú o
) ;"p(u.)'dl/',: ..... :' '
" .,' .',' ..... ' '. '.' ti)' :,','

Si y fuera ulinfúncióil~cci'c~i~illc"~;e'/I;;a'd~r.¡v;I¡lad~ t¡; IHlil1lHCXpresi(íll resultada' .

negativa .in.lplicaQdo~por 'h> lanld. Uf). valor nC'S~lh;o,¡n;ljUsiblé ¡-inra la función de
d~nsid¡l(L.", ,", ... ",,:'.,' '",' " .. o.,. ,...

Aií púes;.~ebcr'¡í lomarse' ei vil\or'nhs(:"ltó d~ I¡,derivad;;. por lo (¡u~ ia e;''1j;'esi6n

n:sullal\lc 'es" .,' . .',.' , '"

':.J!i,;)'\ /~III'.'
'.'
é(y)
.. ' . /~ ...
. . Si y'" [(11) nbfl,icra unaful\ció'Úllo .•;Ólona, ,:cs~lI¡¡ríñ nc~esario corre¡,\ir el rcsultado .
'.~ ~~tc:ic:":' .:", ::.-', 1 ~. ~.' " "; •••••• , •• ": '. • ,.... • " ' ••••• ,

Si~'-el;lbargo; I~;'~
ocupani6~ 'por' ''1.h~i'a ún'ica;nenle de iral\sronnaciones nlOnólonns.
La relación rclóánleeil el t~XIO es .
 75

•.•• =/(11)

{';~;1
"".:: i'~;;';i¡tlts~:~;;;;.;:¡;;;~';íi~~u'

.,

o 6.11'
.1/

(2,1 Yl
.(j,lI~.ua
','

't!II'
-'-'- = r'pa'ra Üldp~ I
t!y,
que pi'oporciona la densidad conj~l1la ¡lcí.;iCCUilciól1(2.37)~

, '.

APÉNDICE 2.2.
£STll\'lADOlt'ES DEMÁXIMA V,EROSI~'úi.iTUDop,\li ..\ ELi':'IODE.
LO'AH(l)., . .., ... ' .'." o" ' •• ' .'

Ellognrilll1oo
de la verosimilitud apnrccc refJeJ'a'do en ,
In cClr'lcil)ll' .(?'~())'.
' • J C0ll10 _ ••

• •••. • 'í' .'.¡'" . ...

. 11"" 11" . .' .. , ..: 1/.
1
1=--ln(2n)-,--II1/T2 __ ._. _, \:" (l/,:"n:"¡;Y' )2
; .,2. 2", " 21T2 ¿ 1. •• .1
,. ' '. " . 1" 1" . .
 -~------------------:--~~~,.

Las ckriv;,uas parciales resI"eclo <1los ¡rCS pnrálllelros son

<tí 1" , .' ,.

-=-'2:
c1a = (12, I
(1,-a-j3),_,)

iJI, 11 J.' 1/ . ,

-
¡JO'2 .
= '- -
2(J2
+ -' -
2a~. ¿
,,\, ( V, .:. U - j3 Y, _ I t
, = J '.

Igu:lI<llldoó¡ cer'o I<ls dos primcr<ls expresiollcs de I<ls [ullcioncs dcrivadas, sc obtic-
ncn lOs cslilllauon:s !vi V(MCO) de la ccu<lción (2.20), mienlras quc igu<llaildo <1cc-
ro 1<1lcrccr;, de I<ls der.ivadás anleriores,'sc ob!ienc el eSlimador de 1<1v<lri<lnza dcl<l
cCU:lciórr (2.40).

2.1. Ajusl.nr un:l'cur\'a de cre~i~liel;lo cO'n~l¡¡nl'e a los dalos de la lalila ¡¡djunt¡¡, ulilizando
dos CSlh:cific¡¡cion..:s dislilll:ls d~ la \'arl'abletieml)o.

........
~..:."' ...•...
,_,z'---.:. . .....
'.
~
Aiin I'rollUC,cit;nllc
nl:lrihn:1I1l1 (10.00U TIII)
•••• 00 ••• _ "-_.~-"--'-'''''~..z::.....~w..I..I-"",
1985 38,1
IW;1i ' 80,0
II)X7
~'10:-i~:"" ''',,-,',''',
11):;1)
,H~:{' "-'.,:.-. . ~.-
,"

7.]'1,4

En c¡¡da '"1¡¡ dc .Ias cspcciric;lcioncs, eSlimar 1¡¡la~a de erccimiunlo anu~1 y ,la previ-
~ión de producción d.: marihuana p<lra 1995.'.

:!.2. Demostrar quc log y = ,~. + ¡J log X "" 11 proporcion<l elmisnlO <:~Iimador dc jllanlo si
s..: toman lugarilmus bas~IO cumu base r, ¡,Sucedc lo mismo con cl cSlimador llc' ('( ?
¿Resulta ne~esarici modiricar las c()n~lusione~oblcilidas si log X se :~ustiIU)'é por I?

2.3. Discutir brcvcm'~hle las \'\:nlajas y desvcnlajas de larelaci6n

+ fJ log \'0 "¡ ='lX
C0l110 rcprescnl¡¡ciónd..:, Unaé!~rya d"c Engel,uond,c ~'¡indica, el gasto pcr coípila en el

bien i y \'0 eliilgre~u sel11anal. Ajuslar uila curva a los dalos proporcionados 11 conli.

nuacióny. p~rlicnuo dc losresull:\dps qbtenid<!s, cslilllar la claslici<!;ld uel ingrcso pa.

ra un ingreso S~'i'\;ina¡'de siJO}, i.C¡¡n~biar;í el e~lil11adur dc 1;1claslicidad del ingreso s'¡
los lilgarill11os.se l;lInan'cn l;a~c lo' o' en base e'!
 ~.,' ~
~¡..,
.' '~ ) . '. ""
"' ..'. , :.'.
" .... ' . ,,"" ,. ,,;,' """', .. , .. '. rinbles
. ,t"1111.0,2' O'lros"Aspeelos dc ,las 77
CAl . ' .. . .. .. ,Relacmncs enlrc'
' Dos.V~,
..

...~ ...'$.'IJO por, scnÚIIl:\',

0,8 ...1,2 '"",'.',:;' '\' 1.82,i. ,,'

"2,3
7
2,6 3,1
1,7 " 2,7' 3,6 .' ,4,6',5,7 '6, 8,\ ' 12,0
'.,"
.;: ,4,

2.'1. I)cnlliSlr¡lr quc '\ ';

. d ',-",' .'-: '. ';.

"~'''''~~~~;;;''''''~~~~~~~'''---1-2-0-'
. \2' .'\725 '35 45,,55,"70
X '3 7. 143
)' !>r,' '79 ,.1(,'-,69;' liS 62 ,52. '.5\ 5

2.(" DiSClltirla~ propiedades ..dc'laS,sig.uie~les f~neio¡'cs )' e,fccliJar l¡¡s ,rcpresentaciones

, ' '....,~ ,. , . .
grMicas: .x
, , , : .' )'':':a.r:- ¡J'

Hall¡¡r I¡¡s Ir¡msfurIllilcioncsqUe linehliz"ríanc~d" lund?,n.

.'. . "", /','> d ;'" ,~ de cicrioproccso de f"bricación.Enun
La lIurei:l del qucsodcpendeilc
. '..,\
~raqnú"
o "\1 'SOS')' se flle
1" '
... , '.;'¡;;dureza
clerl11lnanuO <
de (reS úecllos
. .
CXl1crililcoIO,sc lomaron' "ll,Y' ..... c, '. '0, ,. ' •. ' , •

. cada ~¡crlb licmpo. L<is rr;sulladllsfucr ..on tossl~u,cnles. "

.\15
. 115
'1 i9
,139 .." .
147 " .~

;'112
 78 ~lt.TOUOS"DE
Eéo;-lv.~t¡;rnl"

ESlin'lar los p;Ír¡hnClrOsde lit'" regrcsión lil\e~IJc'adllrc.zacIUld past dd licmpo.

'.. . _.. .. .' ,. .
. C¡ílcul"rr2y .los crrores cSI;\lIcl¡¡r'déloscslim:llloi~s:Calclliar.lasiúcdias condiciona..
tes en c:ldal1l~n;elllo gdllic\;lp;y íÜlccrl:í¡-cgi'c~í61l U;: ~slas mcdiassoÜrc el íiempo.
Comparar ios coeficiCnlcs,los c~i:ore~'csi;\hdar, y'r2c()lllaaIIICt'iur rcgrcsil\n; ¿En qué. .
.contlicicmesscfÍan insosl<;,;it>i~s los res~llatlos'l.lbIC;lill()scn csle ejcmplo'!'

2.8 .. Un leórico '~OSlll;U'lucIa sigl;¡en'ler~l¡í~iÓt~ pi~pórcibna uii ";lli.:li ajltst~';¡un conjlinlo

"tledalOsXc:Y; ' ,.', "', . .

' :...I~'
, '.,}'=.II+ b((_XJ.. '.
, Dibuj;¡r el i;r;ifico: tlcla'r~nción C¿;¡'~d6IahiQ (/'co,::o';) sún positivos. Tresobservacio:
"ncs mueslralcs d¡lIll()s siguicl;le's v~lores: ';. . .'

. .:.,-:.:.:L. •.i.,,.L';.;:.::)~:";.:,,;,/, •.~j~;~:;~;~~i~76&~d.:;iS:~<;~_./:.;.:(."j.

,:.;,.,:{, :i;¡;~";,;:.,~:~ •.c"..~;':::.. ¡.:.;'.;::.. ';",>..
i:.!,;;".1~~~;;i.;:'"
l' ,o 5. (¡
...X, .'.L2 '1,5 20".'

.. ,",...
Aj US;:H:'a' i1~lcri'Ó¡-rUI1ÚÓ;la csos dalos'. 'Si Yilitlié¡, d' coilSlÍlilo pcr c;íl)j¡'" lIc ca.
X
c':ihúe(~'s'y intlica~i ing~:i:so~;bail;\a't el cOh.s~m¿dcc'~~ahllc'les tlc,U'11mill~n'ario.',
. ", " . .,.;;. J,. . '.' ';- o':'.' '.; . "'. . '.",
V). 'U;¡ eCOn9!llislu'¡;nz" ía.hip'ólc~is ife quc el ~OSICmedio dc pn.lllllccÍlln tic ¡In artículo
'.' di~ill'inuye '!='Ú¡f~dQ ¡fUI'll.;,tll:lci ta~I¡¡'~Q~i<:,,'a' r'cniesa'! (cl.;di~nllóa ,111).valor mínin¡'o
. aSiníóli.co. Alg~n~sd~lOs illuestral~~dclll~~~cs6's()lllnS siguicnic~:'
. . ... ,. ..... '., '., . .
__..__ ....:...-c-. __ .•.~ .. ~I~;..~Il'f •••••_ l,':"'t-•••
-', ,

Tá,naiio de la;clll~s;i' 1 ,5;' lO. 20

CÓSIC:Illcqio ($) . JI:. ,Ú ."12 1I

., 'A¡,~slaruna ~urv~¡]c:l~ f~fjn?o. .", .....

.". ... ....~ '

f=:;a'~?(';.J::'." . ,

rt cs~.s' d':Il()~. liúndcY. 'i,idicacos;¿' mcl/.io iXlndi~:;:ia;)I;lÍiO' d~la 'ret'llcsa. ¡;Cu,il es el

nivc!mí'li,ilo CSli~ll"tlod~ coslc'] Eiiilllar cl'lanHili6 déÚI remesa rC~IUcridl1para (Iue
.. el coste' metlio s~ silúe en ~l 10% tleclicho"nivc!nllnimo.' .. , '.' .

: ~ • f .' '.'

., o,' ~,r--, ...."-'u'-'~:'--:-',~,~"."

~".- X;, 1;

. ".' '" " .' "Cr,i) " I .;.'1 M"I';; l'.

•. '.. í)clcrolin;lr' E(,I'H)'y' v.~r(I'/) ~ 'i,;v~.5¡ir.iI~~li~rrl~litcS ¿lIalid(ll; cs infil;i(;i'I~I~nlc gmndc.

• , • .' ~" ¥ ..,.....,
- l' ,.,. , ~. •

,{ :) ':¿Exislc'p1it11 x¡í?Dc ser aSI;¡:cllií! es,sl\,;,,'lor'¡ ., ..,., .... , ..'.. .',.. .' "
" ~ t.-t. . '.. . ',.. ..> f", ,', '1 ,j. ,""1 .',,', 9 ' .' ". ,

:.
f, '\'
 , O
: (',\I'ITl:1.0~: Iros I\speclos de las RelaciolteSeltlre Dus Variables 71)

2.11. Sltpon~amos (llIe r r r es l' . 'tI' '1" " 1 1 .

.' ' . \.. ! " . In.\ 1\1lI<:S ",1 e,1111I1ate cat a ltno de las Sl~lticntcs
fllnelones tic dcn.sidad .. fdp: •
t.~. (a) Distrihución dc Be II\OlllIi
:
f(x: (1) = 0'(1- (J¡I-.' Il ~ (J'"" 1" 'x =().I

h)'dislrihucillll dc Poisson
Ore,o

/(.1'; (1) = xl .r=().1.2 .... () :";'ll <:r.

c) di~;¡rihllciün cxponcncial

::: f( '. O)
.\,
,u.. ..
= Oc . O < x < -:c. [] < () < z
'

.".....e., ~,!;,d~'aJ..¡;Lesl itll¡IUI)rd~; 'll¡hi 111<1""C

rosi ,ili l'tul/'lle' U'clj' t'¡;(!,c¿.':i(i¡: V~'rl hci;'('i,' :;~"¡-i;tJ~~
..,..', ...."
'f1vada scgunda dc la runci('lIl lugari(tI~{) dI.: la vcrusimililud cs ncgaliva cn cada caso .
gurafll)o dc esle mudo que se Irata délnl.íximo dc la funció/I tk \'crnsimilitud. . .

<
2:12. U(i~ic.CSIIor'ucn,ídor pcrsonalpara ge.nci-arH)O{;'O(iscr','aCiuncs ¿Ic tlos serics'es'lacili.
<\
. 1~i1:'tas I~( 1) indcpcndicHIt;,s. Eiil1linc las 5'<)pril\1cr;is.'ohscr\'acill;lcS y c"lcule fos Coe.
.. f,.cleJ~I~S.<Jecorrclación para' conjlll.~los ~ucesi\'9S' ll.:. 50 ilbservac\oncs .. Rcpila ~SIC
C!e(CICIOp~'ra do:scries in~cpcnd~cnlés dcllipo'pas,co' .illeu'lo¡'¡oy par" ofr;¡~ dos se.
fles cxploslvas e Ind~pe'!ldicnles., . '.. .
. .' .' ,

.•.. '
'.> ',"

... .~
-. , .~: . ,',: ••.. "t ..;

; ~
.'

.
:. :
1.

.. ~ ; .' .... ~',- . ¡.•...

'. ~.' ";

 .......-_ ..•... ;.

CAPiTULO 3

......•.. ¡-_.-..- ....: .•. ~.~_ .• :-.-. _.~_ .•....•. :.-....;.__ .~ .•._._._---~ .•._I

La Ecuación Linealcle k Variables

.~.

....•

En los cnpíl ulos J \' 2 s' f '\'] "

dísliCQs b;ísieos 'p;¡r~ c(~ 1~~1\ t Ctal:r~, I~do, la~ hcrramienlas y proccdimielllosesla-

,~f,::;~;f~E:~::;~¿::~:'~'~~~:'~;:;
~i:';~~'~~:
;::~~:~:,'
ca illdica,; la nccesilhd
~;::~~~O;
de:'
I';"~¡
.. ' o e SCIl~I<o comull como la leoría ecollómi-
modelos ecollómicos p'o 11. especIficar y analiza: relaciolles:I/II/II;¡'(/r;(/I}le,~. Los
.'
Juntas y simull;ílieas. cadas Uulla
,111gcncralmcnte
d. _11' •la eXlslellci",1.<l.e v,l,nas
. . rclaclOncs
. . con-
,
•.. vo último de la econolllclrí" .c ,e ,IS.C?1lma,~ dc dos vanablcs. Así pues, el objeli-
...•
momelllo sill cm'[1'1rno l' .'1~s,~1 anáhsls dCJISIl!II/(/.f dc CCI/UciÓIIl!S .fil/llt1lcTl/l!(/S'. Oc
'.
.
la posibilidad • " , kesv'lr'I';'l\e'
de incl:lir I'Ingln:mosd eld'.an<Ílisis
,:. '. :l • . l!CI/(/cilÍlI.
' ulla 1/1I1C11 aUllquc COIl
dos. ,.., s. on e" cn gellenl •. e S lIll nUlllcro • mayor que
Especifiqucmos dicha relacióncolúo '. .o ~

....• '
>. Yf:;S~..'~
,y\ ,L,lccu<lclonldenlific"kJ
..'
~,'P, +p,.f,'~P.v~.",t""+A.C",/I,,,
•.... bl.
.
..
' _
.
'''rI.l csexpllcatlv;ls(re~reso,.es)'
1, " ,"fH)'
\' \' 'y
.. :
'{

,
~ •• .J I~nuycn sobre la \'C\riable dependicnlc (regresnndo) ,;. ,.' " J •...•
11105a lod"s lasvnriablcs cxplicativas \'. do l. I '. ,¡ra ~111I.pI.Jca~. d:nomll1arc-
' ~. quc /r 2

ble en cucslión . el ' n '.' .. '1" Il{ e,: prll1lCl' sublll{J¡cc Illolca la varia-
"

.....,.." .Como en los Cjc~nPI(;~CJ~;'~~I:~:~:;~;l21.ae~~:~s~;:~~lon,e 1.1.p:l,rli~Ular .dc dicha ~ari"blc.

otras variahles. aun<)uela relaciúlls~a lincal cn(:~:~ ~':;~.': .~~.ln,l,r,lI1s:orl1laClOneS de
I1lll cn la ecuación (i ? 1) l]Ue 'hs l') -'1 . l' . dlul:Ill\::; 11. Supollellllls. C(J-
'\ 1) 1, .-. • el ur )¡lClones son ruido blanco. "sí I)U". e1'IIIO
"-". , e l posee" + 1 1)'11'" '1' ,] 11'" . . ~.>. -
Iilulli\'ari;¡nle ofrcc'e~Ill\:, 10:;. as . y la v:~ri¡¡nza d~ la perlllrbacilJlllr~. La rel¡;ción

~:~I
:~:~~:r~ ¡~Sl:~ lIl~'~~:~~ ~l~~~.~:~~C~lr.;t~~I;l~le;ll~:():I\(~:.
:~~r;:.;{l~.~~.ll~~~:
.~::~~:;~)I::;;~~:~~~i¡;¡:II~'~
oC sUI1l'llmi s' l' l' I nOI.1Clon m.llllcliILqlle e1l1l1l1la'.1./1 ~r¡11lnllmero de sicllos
u _1:In ,'1 o . su.' 11ll(ICeS elc Eli el AI)én (ICC
1,. • : - .
1" I \ (csarro
.
l'
.
11'
;lIl10S 1;ls Ilociollcs .-
h:isicas
~ • ,\ .<oc )f;¡ l.nalllcl'll. lassectloncs del Apéndice sigllcn el dcsarrollo <le éSle \' )os'-
l~rlO~~S ~nP.II~JlllSd.e. modo quc; en cuantO'llos ha sido posihh:. las distinlaS (.\)Ier;,.
CIOlles m,llllcl"les SigUen lasecucncia del lexlo prillcillal. I
 ••: ~.• _1 ~_ ••.• . ~.:... _~ 1~•.. ".'";~ ._'.

'"'" ,\',
, '.

C¡\I'ITu'LO j;L;¡
• I
Ecuación Linea;
. .' I • ~
tic' k y'¡¡riables SI'
., f,. ','

; 1
3.1 '. . '. '. '. .'
foOHMULACIÓN MATIUCIl~LDEL MODE.LO DE IcVARIAllLES
,.'
, "
hldicarelllÜs las<malrites'y veclorcs ~Q~'l1cgril";(Il~¿ril~ 'mayüscu\; p;¡'ra ",'alrices y
minúscu\:,I' para veclor\;s): En general, Y,si,c.ii,prequC:I)?sci"ldiqUé.lO,conlrnrio, los

'.'
v."'''''''''';,' ,,""," ,nl"m':;'\P~;'1'J""PJO .. \i::1' ' ' .. ':r~' " ,': ' "
.,....

:)'~ :',: ,.,.~~ : ........oU'-C~~r~.

, ... Yn X 211, •

SOIl vcdores 1/ x 1, úenomi,n"dosl;lIn'\;i~'n 11>vcclore~. 'qlle'incluyen' Ins observaciones

nlllcslralcs de Y y '\:2' Ulilizal)do ,1~~:I1~il~'o,I<?lii~v~d'oriaI.;:lnsnooscrv;¡ciones mues-
.' lr;¡lcs dc la ecuación (3 1) se pliedcllcscribir cOlliO' .,' '.

~~;;;;~',
:;' " .l' ~.']·'. P '.'l":,I'.]+'fl.ll.).,l+ ...• fl I.l":.k]+l.:.i] "
. (3.2)

:X\"."':.,~.;:' ".: . y
!:1
'
El
. . .' .y:' . com b"6
,¡'n: ':.
'\ Ios. veclores
'.
• vcclor)' sc cxpresa como una macl n '1'mcal (c. JJ...-.
x. y el vector, de
perlurbación 11. El vcelor Xl esuna.columna'OCU\10S que permile la existencia de un
lérmino illicrsección .en la' ecuacióri ..Ag'r~lp~n'do lodos 16s vcclore~ x cn una malriz X y .
os COCllClcllles P'. en un veclor fJ' con,segulmos
Ir:' • ' . '6 n m¡\s
una ~cprescrilacl ~
sencl '11'
a,sl cn b'e:.
. , ~'" :," J;=XjJ
. ~r-n';"'N . . u ..' ' (3.3) +
1'.
~"1" ' ,\
d d I (h .'. . .' '. . '

~::
..". ",~~".c~,.', -
','}"'.22~'.""."I'"k2",,'r',.-••q-l".l"''.''J1'''''':' ~,., ,
fl[111 , ..
'<.
o' •••••• ,\: ~"..

, ,".'. "'V,-
,\ -: : i ,11' -- ¡ ',' "".'," -. ;',' ,'..
'~':" . ' .

211 kll'
' 1 X •.•• X ' flk
3,1.1 El, Algchr:u\cl'rlíllim(ls Cumlrálicos

Recmpl:lz¡1I1UO el veclor tlcsconücidojJdc lactll~ciól\ (:U) p<¥una eslimaciÓn de

/J. se dcfincl1n veclOr dercsid~lOst •. ";', ~. ' .' . \. ' o,.¿r¿..: .
. '. '. '.. ,', ....'ie=y~Xb ...' \1<i\~~'~~ '.'

. El prin'cipió~Ienlrnimo ~ú;idr~dosc?nsislc'cÍ1, eICgi~1r;)mlnimiZarl¡¡ sumn de

c\I:Jdr~ldos de los n.:siúuos. ~SIO' ~s. " , .' . '. .
., "

I El m<1ctl "eli;~ ~\IhÍlHlicc~e,i lil tu:,ld1. XI1~~il!t1e la,l1nlacióllcol1\'~~cio,,", PllCIIOq¡'enO~OIrO!'lIlilila.

rCllln~ el primcr ~\Ihíl1\lÍC'ell:lrll~cli:,I:,r'la \'arj;,hh: y el'~C1I\l'HJopara iIlllic, {fa observación. (JI; esle 1110<.10,
"';.1'
~e rdiere;, 1:1'IÍlinf:' nh~cl'\'¡lció.t1dcl;;l'a:ri"h'c.x!.i'~e~ncu¿ntrn'ei' lainlt;rs'ccci,\,; ,k 1, i¡liinu Ii'n y

J
la ~c¡:nnúa ""h,II','" ,k .\'; ..' ~.' } . '. .
 "82 ~1t:TOOOSDE ECONO,\IETllIA '

seR ::"e'e ,.,\

;.,.

:: (y ~~Y!J),(f- Xb) ,_
:: y'y ~.b'X'y -,~iXb+b~~Y'Xb.'
~ y'y --2b'Xíy ~1~'X'Xb -' '.
,donde e~lc desarroilo'ulilizaá'hc~ho L1eq¿e cll';'allspueslo'i.le un l:scalar es el mis-
mo escalar, por lo que y'Xb ,;, (y'Xb); ¿:b'X'i.Como;se j,iueslra enclApéliLlice A,
l:1s condicionesdc primer orden son : - '- .
- ':.-' - -- 'J '_' - " .
--()(;;~¡,~.;.
Ú't+;2:Y'y +2;::"Y~~O " - ,?
d:1nclo las ccu:l~i~ncs Ilormaics reprcselllada~ en -'> -., . ','-" ,,:¡O - J
,:,-"j,:,o> .., ~;;!'~''-_''~''''''">:''''A:'~)'':~;':~;;''''''~'':\:'':''}l:~\~>b:(X~\1b\X!){.~'~;':,c:;",:.;;;".;;.,j~.::
j,.,~,,:o., ,.(3.4) ---
Dicilás cCU:1cioncs muestran como el'veclor 'nlfnimocuadniliéo!J se relacionil con
los dalaS. ";.; ' ..'-, ,
. ~JOlrL~' J.l ..tC~ACfONr-S NOII"IALES r:All¡\I::I.,~AS() IlEllOS \',\Il;,\lIlis. !'ara ilus-
lrarla ~cua<:iónm'¡lriCial 'concrelai'c'lI\os".láectiiltiófI '(:1.'1) al e-a~lld~ líos¡'¡¡ri¡¡!Jles y
'eonrirn\arcnlos las ci:u~ci~nes nor:nalesd~riv~CJris e'il el Capitulo (~'El.pro~csú -corres-
ponJ'c ¡¡' k;'2yl~ ec~ac!ó;~' scrormulaeo;~lOY:~;fII'i: JI~,~ + U. L~IIÍlairiz X es

: "

"'.

, ,
\,
 l",\I'hlll.ll,\;.La Ecu:lI:iÍln Lincal dc k \I,lriabks

EJE.'"'1.0 J.1. E<':U'\<':II');'~I)I.:TI(I-:S \''\III,\III.ES. Dc modo sinlilar. Jlucdc ucnlU~lrarsc

quc las ccuacioncs normalcs (IUCajuslan por mí.njJil'lOscuadr,IU()~Un¡l ecuación UC(rcs
variahles son
-.
nhl +h¿X2 ¿X) = :¿ Y,
+ /»)
~----' ,

/)1 LX2 + /)2 L'\? + h) LX},\'\= LX~l'

hILX., + h} LX}X-, + h.1LA? = LX.J'
Sien la ecu:ll:i(¡n (:lA) se reemplaza.l' por Xb + e, se oblicnc
(X'X)b :: X'(Xb+ e) :: (X');,')b + X!eY ,
~~h..J ," ./,./ l..---
Por lo lanlo, ". , . ,'. ....' X'e=O . / <,,\I ~(¿"." P}?,
""qü¿'CS'6IÚY'rC'suI1 huo" ill íil íú\'o'¿ú:i<lr¡il ic'l) 'rlfiiltn'iÍ1c;¡i;¡t'--r:'rí;;:i ;iíe¡: él~ ;l\'g;i'lZ)"li~'Ta'
ecuación (3.5) da ¿ e, :: O. ye 11conseCUl: ncia.. , • ,
" ['"':;"'.}/- hl'- b2 'Y2 ~ '.",- he¥k:: O,
Los rcsicllil)s ,tienen media ~ero y c1j)imio' Ji: rcgn:~ilÍn I;a~a ;\.1r¡l\.:ésdel pun lo mc-
dio, del cspacio de k dimel;siones~ Los rcslanleSele!TICnlos ue la ccuación (],5)'son
. ~c I:donna ' '' "0' , •

"}:X;,c,:=O i=2 ..... k

-,
'Co.l1io :"imos en 1" no(" al. pie de p;iginanlllm:ro I (l dcl Capi¡ ulo l. lal cOlltlici¡)1l sig-
.'~irica quelotlos los regresores lil:nCIl cO!,.rclaci('iJinHlcslr.;11 ccro con los residuos.
ESIChccho implic", a su v~z. <iuc .v(= Xb), es
decir. quc' ci Vl:clor tic 1m v:-dores cié
Ysuhl'~la regre~it'J\I. \lO se.llalla correl~,cio\ladó cqll e pUeSlo (¡lle
f'e:: (~Y/;)'e':=b'X'e':: O
"'. . . 1.'t.~~Y~
3,1.2 Dcscolll(losicicín dc'/:i'SullI:I de'¡cís Cu:;(Lrado's'
. ' ..'", "~ .•....

L,,~ ~ovarianias' I;ulas cnlre rcgrcsorcs.y'rcsiduos ocull;ln la .descomposicióil de la

s.ulIla .de los cuadrados: D~sC(lml;ol1gamos' el 'vedor y cli'lrc la ')¡¡rle cxplic¡¡u;\ y la
.110 e.xplit¡¡d:I' por la regresiúlI¡.

• -- ". o
.y=y+c:=,\)-tc .' o, ¡.,.., "
dcdollde
. y');:: (} +'c)'(;' + e) ~'>~'.f.'
,;
r' .~.
. . '\',([ e.í 'h'y. -+--
i \/

~¡~e'=(!'Xj.~:/¡.~c'c
,'-)4'
"',
ú~ .

,:..J
\''1)1.) V?e .

EncLJ;i1q~'i~~¿as(). Y')'= !:~¡,'Y,2

es laslll~W dé lós'ClI¡;dra(ic~s de Insvalorcs"clc Y. E'.
Interés suele cenlrarse en :1nalizar,,1a ~iaririciólI de medidil por ~a suma dccuacir". )<
dos 'de 1:lsdesviacioncs respcclo de la 11l'cdia.I1HleSlr:11.esto es~
"
 rfY'~\. ;
':JJ .
{! ,
f-'
,2: (¥;.~ Y)2 = 2: Y,2 - 11 }'2 W
- I ", •
Sustra venúo /1 1'2 en e;](h hJ 1 di' id
. , , . (. e _il IgU;].' ad, abtenemas Una nueva descolllposici<Ín.
(y'y -.11 }/2) = (b'X'Xb -11 Y2)+ e'c .

. SCT. = $CE +SCR CUí)

. .

~ dOllde
,

'
ser
indica 1

.,:
•
.'
call, re~peCI,valllcnle h Sllll1'l d'
.'
l. aSUlll,llalal dc cundr'lelos d" ,,'
.' J d'"
.
,
, . mlcnlras quc SCE y SCR' m( l'1_
.' '.

' .. ,' e cual ,:n 05 explicada}' residual (no cxplicmla),

~ 'I

J.1.3 Ecuadán cn Forma elc Dcs"iucioncs

Un enfoque allcrnalivo cansistc'cn c'x )rc~nr (od' " . .

I<ISmedias IllUéslr'¡/cs L'lee'. .• ,'.' .05./05 d,llas como (kSVJ;lCIUncs dc
U.I~lan mlnl1110cuadrállca CS.
1 '.. .
. V, = bl + b2X2; + bJXJ, + :+ b"X", + e,. (= 1, .... 11
Calculanda e/ pramedio d. 1'-' 1 .
. -.. e 015 O.JSCrVilClancs mucslralcs, sc (lUlienc
. y"; {JI+ h2'Y2 +bJ'YJ + ... + h"'Yk .
que no Incluyc lérrllina c. pargue 7! i! ; .
mera ablencmas . 5 cera. Reslilnda lil scgunda ecuación de la [1ri.

\' = h' \' +h 1 .

2, 2, . J' JI + '" + J".I'", + e,
l'
.., " = l •...• 11
donde. camo en e/ Cij)ílUlo 1.. 1,;5minliseuh" ú" . '.
mueslralcs. CUilnda se o[1crn can.el f . '. S 1I1.•. ICil~1I~s dCSVl;lClones de las medias
ció n b d. ,. . Qrmala cn dcsl'llIclOnes, e/(érmina de intcrscc.
; 1 eSolparece, ilUnque puede recuperarse lucgo h~~iendo .
.';""\:;;:':<::"':':"1;";:;"';:.;,. :'.' .;' ...•. ',''b{;;-F:.:'i/¡;y;': ;::;::':'bA"'~" :"'\,1~ V\¿~ ()v.(Y)\ .
Las caeficienlcsde las pendienles mínima cundr;íticas b . . .
ill11bilSfarl11ns de la ccuilción dc reg' .',
. R' . "
.', 2..... san ¡denllcas en
... 1 eSlan, e IgUil sucede can las residuas.
h".
eunlcnda las 11 obscrv'lclanes p l' f
ncs median le unil matriz de l:an~fofl;la;i:í:~mos orlllular Inecuac;ün en desvi;¡cio_

Ji =
1" - 1 ( ~) iil
donde i es un Vcctar columna cOn/lOn05.1; (3.7)
Como se lllUestraen el Apéndice A, sc Ir:llade . . '.. ' :. .
que. ni Jllllltiplicnrsc por un, Vcelor (le 11 b ',' ,,1II,lllm,llflZ Slnll:tflca e IdclllpO[ente
desvinciones 1'01' la' ['\ { "1 .. J • o SC.II IICIOIICS. lransforma dicho vec(oren'
• " < n o rC -e \.t, - O L .
escriben cama .... ':" .' r_ .. "'''.s.ecuaclOncs mínilllo cuadr;í(icas se
-
. ."=Xb+c=!i X2)[h']'I"C
b2
.. "

C,\I'ITULOJ: L<i.Ecu'nción L1~leul tic k Vuri;¡blo.:s ES

'. ~
.

dondc '\:2 cs la malriz 11 x (k -l) de obscrvacianes de las rcgresarcs y b2 es el VCclar

k - I que incluye los caefidenles h2.hJ, •.• ,bk.Multiplicanda par A. sc .obtiene

. Ay,=[n ;\X;11 [fJ;.}+ Ác = (AX2)b2+e

. "b2 ,',1,. , .

'J', ..;- ,v. b 2" "+.' e

- ,l. ' ..
(3.8)
dondé y.= 1\)' Y X. ,,;AX, pra[1ardon".nlos~I~loscn fonml dc desviaeianes. Cama
,yoe';"O,'rcsulta que X"e=':'ÍJ: ~r6m'úldpl¡~~,;cla la.~~~ilción (3.8) par ,yo. se pblicnc
.' •. - ,- , - ,:' :' _ ::- ' • ", " 1, , , ;',' ~ '1., .' ,- ~ .', ~". \ , ' ;!' ~'. , ,'., _" ' ',. ",

" "X~;y.=_ (X'.x.)b2

qucson las y~ 'conaciúéis CClj~Ci~'n~~~orillnlcs (c6n1a In ecúilci6n (3.4»). excepta 'lue
105dnlosvielien expreshdas ¡¡hora cll(arrú;Í¿¡é'desviatiancs'y que cl vcdor {ji ínciuyc
las k -1 eoeridcnles de Iils reildi2n'icsy «:x'c1uy¿¡c1íénllina' deinlcrstcción. Medinntc
la eCtlnción (3,8). expreS;lIl1a~, In dcscornr:ósiciónde la sumn dc I()s cuaurndas como
.' .', ,y'.y.,=,b iiX,' "y.1J2+'C"~ ,"'(3.9)
. ser .'=SCE, +'SCR "'," . ,.
El C/J('fidl'l/l,c' dI' COr,.d(/~¡,íl;J;Hílf;~J/~." !J,s~ :d~'f¡,;~ COI;l~I~. 'raí;' cuadr¡¡d¡¡ [1asili~'a de
. '. '.. ',' .'R2 = S~E~f~'~~;~'/ .... (J'.IO)

'.TSS" TSS

l?2 mide In praparci6n dc varj~ción' iataldc y expli~;¡da par In cambinnción ,linea',' d'e
las regrcsarcs. Casi lodos las [1ragrilrilas infarmáticas prap~rcionan también de ma-
ncr¡¡ nllinilria él CóÍlculo dc un cacficienlc R2 carregida, denaminado 7[2. Dicha esta"
díslica licncen cuenlil el lHimcro dCTegresaresutiliZóldos 'cnl¡¡.ecuilción: En acasia-
ncs es útil camparni- el rcsultn~lo de ¡¡jusl:!r v;nas 'esp~ciricnc,iqn.~.tgl,JFAlF~.r.c:;ry(enlr;S . ".' ..
'.sr'eJe: lridü:t-lfi';1d i'd6'í\"i{t1j'ji1'j¡f~'éfó¡i:Tf2"\íi¡'i:fi,b rété'f púf~t.l~;~s':'Sr'S6'n
;i~cíe 'lÍo ~;j',;'u cva'
'. vnri;¡ille .¡,Ji conjunlo dcrcgrcs~res,' e1-~(lcficicnie J?2sincarregir jamás disminuye. Ln
SCE pennanccccallslanlccua,idQ tique se.alindc cs unn \'nriable tol;¡lmenlc irrclc-
vantc. Sili clilbarga, al aliadirvariablc.s"de baja nivel explicativa. puede d:!rsc el cnsa
de que el cadiclente carregida dismiii'uYh. Esle caericienicsedefine cama

"; )'ii2=]~j(;'~k»~ '.',1 ~ ..~ ~ ~

')
. -\~~~;I(I/.~I).t\_\( %e:; (3.11)

Como\'ercmas[1os1criorntellie •.cl'líurilCr*'ciar y denaminadar dcllnda derecha dc

In ec:uación(3.11Json; rcspcctivn'ilentc:.'eSlill'laclorcs imesgndas de vnrinnza de In
perturbación y de. In varihnz;\. deY. Lafcl;Íciónenlre 105 cocficicntcs carregido y na
, corregido es ' . .' . ,. ",. '.. /

.... I-kn-J .
=-' -. -' +. __ R,2.
.,,::. k /1- k
(3.12)

J
 l
86 Ml!TODOS Ul "CO:-:O~I¡;TldA

Exislen-olros dos crilcriosque son n)uy lililizados: paraco\úparar el ¡ljuSI",:d¡; varias

espcc,ilieaeion tic aeuer~o eón el lIislinlonúlll¡;rbdc'rcgr¡;sor¡;s 1Ililizadqs. Se Irala
es
del cril¡;rio de Scliw:lrz.2, .' .
. .: ". e'e "'k .' ....
'
es= In-,--:,+~Inll .
/1 '/1
• • •.••. ", t •.••

)' clcrilcrio üe illrorm:iciónüc AII:likc (ClkI(l; AlC)\ ..

. . ..... "c;c' 2k
CIAK i=ln -' -. +-,-
/1 ./1
. . .. . . ,

11a!Ji\.U ahile 11ic sebuscal\ cspet:iTieaeiolü::sca paeesdc r¡;u\leirlas\lmad¡; c\lad rados

de losrcsitluos; sin cln!Jargó. Iqdos los cdlCrios llevan implícita \lila p¡;nalización
que aumenla con.e1 númeroderegrcsorC.s. .
!":J£~'\rLO ).). Un b~cve éjcmplo lIum~rico servir:í para iluslrar las fórlllulas anlcriores.

'n X"\.~:1 •
35
l .. '. 1.1 4

y.= .8 )'
' ..
.... :1 .
. 5', \
.. ..
;. "

_ 'do.ndés~inscri'o) l;nac('ll\lmnad~unos Cil ia'primcr:¡ Collllillla lh: X. 1\ partir de estos

'á.a(o.s C:\I~Uran;os~:\pilli.il\lcl{l.e;' , :' ' ,. . " .

- ..... x,x~HdH1J'YX'J,=L:~1
. . . ,
~ Las ccu.ai:ioncs norm:iles(:lA) son

. . ....•..
".,lri¿~~Kltml:\ü
Mcdlanle ¿pr~ccdi'mienIO u¿ ;cstÍl;l~ión,d,e:'ccllac,iillli.:'S 1~;lsaLllien 'ClI\lCÚ1~lo Lle climi.'.
.' nació.no Gn~ss, ceslamoslr~s ~eccs'lal)r.iI\;~r:;fiIa dc la se~lIll(la y tillc.o veceslapri: .:'
e
. nlcm fila de la ICrcer'a: Rcali7.adas ¡as ~:criitio'I~'cs,ob\CllellllJS cl si~lI'icIlIC sislcma .
. .. .', ',' . ',. .
. "', " •• t
.i,

'2 Schworz: CJe, "Eslirilalins Ih~Dirnc"sio;1 ci:,' Mp,.id". rlluls ii[S;;;,i.i'li<'.' , (,.. ,"').1:1 •• lúl.4(;'¡ ..'. X,
'~Ai:~i)¡c.\ l., "lnrorm:il'iQn Thc'orY',and ~Ii Exlcnsion ~r ,lIICM:iiinlull\ Lil:.ciihmllJ I'riú'ciplc",en 11.I'CUOY.
'1 :=. Ó~kc, cds .. 211rl J¡,;rfllOlioiIUI.'S)'IIIJI()sillll' rlll JII[llml~/i~1l Tltwr,l', '[rudap~SI. ¡\'\;adcl\lia¡ Kia,Jo.,\ ')13:
. . , .. ' "w" .t, .. ' . . . .

, . ¡ ,
 15 25] [ [20]
[~
O
lO
6
6
.1
/J I ]
/l~'
Ir,
= 16 ..
l)

i\ Clll\lillUariílll, rcslamos scis-d.:cil\lOsde 1:1scg.ull~a fil:,.d..:'la Icn.:cra,1l11kl\icl\Llu

;5(1)'~~l
6 (lA
2~1]'\~:~] =\ ~.~].
/I~'::hJl
\

La lcrccra I:cuaciíll\ da como rcslllladllO.'l/l.\ =":0.6. I:S dccir

/), = -1,5
S~lsliIU)'I:IlLlo /1) el\ la scgunLla ccuacióil. (Ic~cubrimosquc
10/l} '1' 6/lJ = 1(¡

que da
fillall\lCIlIC. la primcra ccuaciól\
. , '

..... ...- ..... :., '5/i(,,:-1-5/12 +'2~/I).';'.20.;..:..... ,""'.: .... ¡ "," ~

/J'I = <1..

y= _1 + 2 , 5X 2 ~I )- v \ .
"",\

I)C:I\\Odll allernali\'ll, si los 'dalllSSC ír':rllsrl~rlil:(;, .:1 r;lI'!{,al~l Cl\ deS\'¡;;ciol\cs r~.sulla

. :', t ", ," t [) ' ":1

:-3 ,~".. ' . . . -2~:t
(i
. ...

y. = 11)' = _4 )' X", = 1\'\'2.= '2' Q'

.
.
.. 1 1
1
" .
. ..\'1
-1 -1
1 .

Las'c..:uaciollcs normalcs son enloúces

'(1 ~ .:~ 1(~:~1 = II~1'

:SeHala dc la sC~lInd:'1 ~ lcrc..:ra cC;laciól;:ubtcnitl:ls n'ic'diaI\IC la climinacilln dc Ciauss
. antcs. dcscrila.l. I'llf Ili ~alúo, l;Ís soluciones .para 1J2';' b.\ coincidcn con. las otll..:niJas
anlCrlOflllCnlc;. Dcl.mismlH1H~do, bl 'scr':í J;inlbicn igllal porque I/ccuacilin 'final d.: la
sllstilucilln anlcriur es' ' . . .
/;¡ =V:"/)2.i:}".- i)"Y;
"'Part'icndo Llcl \'l:clOr y. j)lIctlc' comprobnrsc que S'"cr c~ i~l\al a 2:-:, SCE se c'alcula a
panir dc . '. . .. '. . .

'" Los,:dal,<lS,.~lI~,e~lfirles
:e~I~\lhl~CIl
'a, 1~1(~'
ünicII SOI';lci(\1lpara d'\'ci:II;.~' h.' l.,: ",itllici,ill re'lll:'rilla para que
... ~p.lfe~.caUIl,1UIlIC'UllluCI<l1l se Csalllllla ill,\s'addanlc en eslc mism<lcapiluh •..
l.V~asc I'fllhkma 3.1. . ' . .

~,.:-_ .: '~It.,"
. -..; _. ~~
',;,
~.' " .. -." -.<
~¡.

Y
l'J" r' .J.
1 ==
[J_.:J-' -I,SI [1 (í 6][
(J 2 S] ==2(1,5
,¡' -1'5

d,
o. ro",,, ",,1, "'' i1~':.:~~::
':~;.s _ I.S 1[':] = ~6.S

1
Enlonccs. seR es igual a 1,5, U! == O.\J5)' i{2 == 0,119.

.
J,Z
COr::r-IC1ENTES DE CORRELACIÓN PARCrAL

Las corn:l;¡ciollcs p;-¡rciales cobr;-¡Il imporl;-¡Ilcia cn C'lSO de dos o •

Considcrcmos de nuevo el ejcmlJlo de PlosserlScll v'. t IIC' ,n,lóls regresares.
.' . . \ el' te .IPltU o I en el que
e.\IsE~la,U,llóleUIC\:;-¡dacorrel;-¡ción posiliv;-¡ cntre el logarilmo del ingreso ~omin;-¡I en
dos slolt os nidos}' e' de I;-¡snlólne llas so I;-¡res ;-¡cumlll;-¡das. SlIgeríélmos <1l1íque• c;-¡-
J
~. "
a un~ de las van~bles mostraba tendencias leillporales independientes '( ue la i:l-
nU,~nc,l~ deltal van;-¡ble común (tiempo) cra, b:ísicamcnte, la resPollsnbie ~e la co-
n. ' c aClon o 1serv;-¡da enlrc inoreso '" y manc 1las so 1élres. El supuesto se comprlleb;-¡
~;Jl:ls\alndo.po~ .~eparado Ic.ndellcias Icm~)Qrales a cad;-¡ v;-¡riablt:, calculando los rcsi'-
¡
1 os rl~~xl~lic,\~~S por dichas tendencias)' eX<1millando 1<1correlación entre resi-
l uos. .lI.1 slmplirlcar denOlemos .
-
y == logarilmo del ingrcso nominal
,
.'

- X! == 10g,1ritmo de las nlólnchas sol;-¡res ricllmul<1das

.• X3 == tiempo' (calculado en Mios)
'
~lili~;]J'cmos l;-¡mbién el índice I para rderirnos ;-¡I;-¡variable Y, 2 p<1ra 1<1vari<1ble
X2 Y.l para X3. Entonccs.
,
"
"12 == corrclaeiün cn.tre y)' X2
¡Il
"2.1 == c(lITclaci6n enlre -"2 )' X,l' cle.
~,' 1>12== pendil:ntc (It: la rcgresiún tk Y sobre .\'2
"..•. , h.l2 == pcndiente dela regrcsión de X.1 sobre X2, ele,
<f' ('1.2 == residuo de I;-¡regresión de Y SOIHl:.\',
~,
., .('3.2= rl:sidllo dc 1<1rcgrcsicín tle X, sohrl: X" clc .
:.
, ~.i,\ r;lh.;lj;lI11~S.los da~n~ en rllrma de de~viacionl:s, 'VCI1l0Sqtl~ d rl:sidllll de la rq.:rc-
"r ~Ion tldlllg.trllmo dcllllgrl:so sobre el tiempo es
.'
",
;,
('1..1 = Y - 1>1.1.1'.1 donde. ¡,1.1== Lt.'/
, Con d rin tlc m;-¡nlcncr las cCll;-¡eioncs mcnos cargatlas de L.'.:
1.~
 CAI'ITUI.O
J: La Ecuación Lincal ue k Variables 89

n'ol;-¡ciones evitlentes. omitimos los subíndices correspondientes a las observ;-¡ciones.

D~I misl1lo modo, los residuos'no explicados de ');-¡regresión del logaritmo de l<1s.
m;-¡nch;-¡ssolares ncumu);-¡tlns sobre el liempo es

El cuc[ic:!CIlIc: dc:co,.rciacifÍlI parcial enlre ingreso y manch;-¡s solares (con la ¡nnuen-

cia delticlllpo e1imin;-¡da o permaneciendo COnSl<1nle) se ddine C0l110 el codicientc
de correl;-¡ción entre ambos conjunlos de residuos. Se indic;-¡ como 1'12.3'Por lo (;-¡nlo,

¿eJ.)e2.) . (3.13)
rI2.J= .~:~.

Los c: son residuo.~ mínimo cundráticos (por lo tan lo, demedia cero) y. por'es(a r;-¡-
zón, la ccuación (3.13) no requierecorrecc"ión dc medias. Laccuñción (3.13)puéd::
implcmenl;-¡rse direcl;-¡menle calclll;-¡ndo ambos conjunl(lS de residuos y, luego, el
codiciente de correlación enlre ellos. Sin e;"b;-¡rgo. en 1;-¡'¡lr:íclica, resull:l m:\sf:ícil
expresar rl2.) cn términos de los tres codicien les de correl;-¡ción' simples, rrz. rl) Y
ru ('.ESlo es .
1'12- rl)rU (3.14)
~)',~;.
Los codicien tes de correlación simples suelen denominarse coeficientes de orden
cero, mientr;-¡s que los coeficientes lip.o 1'12..1 reciben el nombr~ de cocficienies de
primer ordclI. y;-¡que se lom;-¡ en euent;-¡ la innuencia común de otra v;-¡rinble. En un
c;-¡so lípico de correl;-¡ciún csplire:l,el número de correlaciones 'de. orden cero s,!eJe
ser gmnde, micnlr;-¡squ'c rl2.J puedeignomrse. Engener;-¡I, sin embargo, las corre la-
CiOIH':Sde primer ordcn pueden ser milyores o menor.es que los correspondientes
codicien les de ordcn cero, e incluso tener Sigl)O distinlo. En casos de lres v;-¡ri;-¡bles,
se dan dos codicientcs de primer orden :ldicionales, denomin¡¡dos '1).2 y rUlo El
primero mide I;-¡:lsoci;-¡ción entre.y y X) un:l vez elimin;-¡da la innuencia ejcrcid;l
por X2, mientras que el segundo mide la asocinción entre X2 y X) tu;-¡ndo desnpare.
ce cU:llqllier efeclo que plled;-¡ l:jercer .Y.En c;-¡sos de cctl:lciún tÍnic;-¡, 1'12.) y '13.2 son
,. normalmente los cllefieientc's de primer ortl~li queinteres:ln. Ln formulación de
"1:1.2sc deriva de los mismOSI)rineipios o,nlleri,ativ;-¡mente, de laecunciún (3.14) in-
lercambiando los wbíndices 2 y 3. Por 10 tnnlo,

',. .
." ~: ...•.

~Vb~c "1'~llllicc J.1.

 - ? =--=- --....(

..
3.2~1Construcción
,. .. ~ . '
Sccucncial
. ~.~ '. '.
de In Smna dC.Cuadrados
' ,- " ,
ExpJic:ida
.... , .

El objelivo'I~[i~cip:irdel nnáli~iS:tlili¿ctlncional~ollsisie~n explicnrlavnrlación¿y2

de la variable dependiente. Lri regresiónueY sollrc)(2 dilCOlllli 'resuhaJoullil ,slllnn
de cundrauos explicnda de rr2¿ ),2, Jej;,nlJo unasul11a de cU:ldrados residual de
(1 - 12) ¿ )'2 = ¿ eh
La proporción d'c eSla variaciÓn residual explicada Illcuiilnle la
uliliznción .de la variable X3 (IjltSlOda,eSlo eS,eu ";.r) '-bJlx2.es igual a r21U' Así
pues. en es le segundo nivel, el inér~menlo de SCE.es rh.j(f-r?2) ¿.I'2. Si se aliade la
SCE en cnda paso,scoblicllc unitSCElolúlde[r12:j. iT:u(l':"rhH ¿ ),2. De forma
allernalj\'a, la rcgresióIl1nulliplc deY sbbrcX2Y X;da una SCE IOlalque puede
formularse como R1.ü ¿')'2, donde I? I.~) 'cs clc()éficienle dccorrclilC¡611l11lllliple, en
01 cual el su,bíndice se utiliza para moslrarcxplíeilamenlc las v¡iriablcs implicadas.
Bajo este punlo de visla, el. íiú:renienlo sufrido I)Or SCE'por la adición de XJ es
(I?~ .23- r12)¿y2. Ambásexpresiones son idénlicns,lo quepcrlllile demoslrar7 que .
.".' ~"",.)~,',;",i "",>:,;,;",:~~,--",.',,:!,:,.:. .•.';~"';"'R~:i}:ii';r1i;':¡::~1~:i':(¡'/:::.;:f.l;)::":':::.:.';(~' .'".:,.;:.~;c>;,.:.0'.l. "',C(ft'6),
.•; ••~,.:,~~,:

AIlernalivan1enlc,la sccllenci~ podrín iniciarse con X) y'e;iIct;lar c1in<;rcl11enlo' de.

bido n X2. Ambás s¡:eucncins.sCllJuCslr¡in'en
I
In Túbfn'J.l. . ••.• ' "
.

.T~\IIL¡\ 3.1 .

:,Conslrucció)l de,l:¡' supla decu:idr;!do~ ~xVÚc:llla:

.......-~ • _ ••. Ul ••••••••.• ,;~~~.~~, ••;••• ,v:("~~ •.•..,~ •..~ ••.•- ..r.,..~-:-- •.•..'r.":'-....,..,
l

Vari~ble .... Sunlas'uc eiJ;,drados, ., 'Variable ": 'S'umas dc cuadr;Ídus

Xl .' .:: ~12):f~.. ', . .:. 'XJ rh Lj,1
111~(Clllellll; IIli:rcliJéilio .. '
'. deb,ido a,.'X
..'J'. 2.
r.13:2' (1.: -. ~i ).~),1-
.l2,L- .. ucbiuo ¡; X~ . 'rl .
12.)
(i . -'r~.1.1,) "'l.'2
L.
. X2 XJ. ''¡lh)LY~ ..
.,.' X" .. x
): ,.': '.1 y 3 U1.2.l L,I':
.Residu'os':" ,'.(1 -lI,t~,;jL.,.i RcsilflWS . (1 ,- UiÚ)}>1

. (6)1
.rh~ = -'-(-
(JO) 4)
= 0,9000'.,
:, ~.
(13 .=.0',941\7

Recorl!clÍlOs 'que los sigilO.!' de 195cUcl'ide,ntc's ~e corrclacil\ll ,/icncn dClcXUlinal!us

pé.r las covariaht~s.Si.i:aJculamos las'.c9rrela'ciones 'dehcUl\>s lcilc'r cn cucnla ,,'tic el
'. ' ,,' - ','.. '. :1' '. '.'.

'. i
 . .
....
rcsultado no l:Ollsisle lan súlo en 1(lIl1ar i"s raíc.:s cuadradas posilivas obtcnidas.:n el
c:ílculo lk lus codicicntcs. Las corrclacioncs parciaies son. porsu p;)rle.
O,'.I.5ó2 - «().X,_~()-!)(O.li.I~7')
':IUN:-12
VI - (J.72J2 \/r-I-_-l-l.(-)(-){-}()'

O.X:i()-! - (O,l)~(12)(.O,9;j~7) = -0.6 l30

\/1 - 0,91.013 \!¡ - O.9(}()(}

Por lo la Illll , rh..l = (),X()Ci7y rlJ.2 = (),:l75l'i. L;ís l1islinl"S sumasdc't:uadrauos dc la Ta-
bla :1,1sc ea1cular:ín como'.'
rh ¿)'2 = 25,6 r~d I - rh) ¿."~ = (J.'.I
rh ¿ y~ = 20,25 rrd l. ~ rjj) ¿.\'~= 6.25
La Tabla 3.2 resume lodos CSlOsresullauos. En el Ejcmplo 3.3. 1" SCE 101;)1era 2ó.5.
n.:sullauo idélllico al alluí obielliuo mcJialll.c la ulilizaci<Í1l de cllci'iciclllCS de co~rcl;i,',
ci<Í,i,simplcs.Y..¡la rciaks ....c , ••.••. - •.••.•••.•••.• ; .•.•. : ••. -1.-:,:: ..... ,:., .•. <,.':, .•'....•.. ';'Cr.:/ •.•',-(~',Y'."" ..
J ..: ".-",..:.':¡"; ..

TAUl.A 3.2
SUlila de cU:l(I~adlls d¿' Ejemplo- 3.3
,,. rr-.f,lr-v-tw: •.••••
,..,_:~, , ••~.•.,.......-':'"
•••.••"•..••.•.
1••."lo'. o,,: ',••"~' oc:" ~ ~.• " - ••••. ' .• - '7' •.•'. ................
Variable Sumas dc' cuaurauos', 'Variúblc .
. X~ ,X)
Suma's llc cuadraut)s
211.25
.. .
, ,
.. lllcr~l'llcllto . I'llcrcllIclllo
debido a XJ "0;9 - -, :Ji:biJo .¡'l'X;. 6.25
, ,
X,2)'X) , 26,~5'_ : X2yX,; .. .:.265
" '. Resitli,ós 1.5 . Rcsiullos , . 1.5'
~
Cunl'HJb hay dos (o m:ís) variab'lCscxrlic,~liv:is ..llo txiSIC IlH;do ue dClcr:ninar la im-
. (lo;'lnncia rCI;'liva que cada una uelas.vnrfabl~s licnc' pnra ~~p'lié~r el movimienlo
¿re Y, cxccplunn.dci el caso e'xlremo (y.pÜéO'j)l'obablc)'cn que la.corrcla~ilÍn enlr.:
'va.rini)l.cs c.xplicativas sea cero. C~lnndOi'í~e~ cei'o, se dicé'{IUe las variabks son 01'-
: l()g(JllII/~.\' )f,se. ~lemueslraX que .!?j.2J = rh + En este caso t~pccial. SCE S'l!uivide r¡~..
en doscomponenles y cada uno de ellos se nlribuye de I.liancra más explícita a una
. d~ I.\s variables explicativas .. La asignaéióli ..rcsull¡i ¡mpo.siblc cuan(lo I¡,s X cSI:ín co-
l:re.ia~ill!la(I;;s, Krllsk:.d considera varios ín~IOdi)s 'p:I'ra ~\'allla r '1:, Í111p'urlan~ia dI: las
. di~lililas vai'iables explicati\'¡I~cJ: S'u proplle~ta. se. centra en clinlerés en d prol11cdill
. ue lo~ cll':;drados de los coeficienles d.c' corr~laci;íl1 sil11pk y. parcial sobrc los dislin-
los iilol11enlos posibles de inlr~lducirlas X. En cada elapa. los codicicnlés ut: corre-
. \:¡ción nl'cuadrado relevanles',j¡idican.\n proporciÓn de varianza explicaua pur ,una
variabk X específica. Con el nnlcriorejéll~plo,.oblcnelllOs' ' .
'. .~ .

". s.Vbsc ¡"rotilclll:1 ~.~.

IJ ~ViH~;1Il1krlls~~,I. "nclali\'c .~I¡,.puríallcc'hr'l~\'crí\~i~lg n\'cr.On.lc~¡I1~s". 'lh.(' ,\1"(''';('(111 .\'II.lli\ri"IJ .. I')~7.
'11. (¡.\ll .

r
 y¿
~IL IODlJS nE 1:l"U:\()~II: IltI"

Pruporción nll.:uia para X,

-
= (,.2 +,.2
12, Ip
)/2

= (0,91 -13 + 0.8067)/2 = 0.86

Prof1orción mcdi;¡ p;¡ra Xl = (,.2 +,.2 )/2
'. 1.1 13.2

'. '. =
(0.7232 '+ 0,3758)/2 = 0,55
KllIskal Illu.:slra sus r.:s.:rvas cu;¡ndo Se trat. U" .... • .
fl;grcsitÍn. Su arlículo in' .... . .' ,'.\ ~ ,lpIiC,lI 1,1lecnlca a un enlorno de
los dalos ue r-1"I""ll1'\ll \.(~III~.C. slln cl11h,\rgo. un;¡ II1lcresantc ;¡plic;¡ción delmétudo a
. ~u, 1> CISC111'ln'Icer" 1'1 .
liva del dinero \' el ~aslo 1'. ., C,I (c p~renne lema dc la importancia rel;¡-
. ,'O;¡U onomo para delermlllar el ingreso ..
Un diagranl;¡ de Tinuergen es un f' I '., .
, l. . . ;¡ orma;¡ lern;¡llva dc iluslrar las conlr'u . .
le ,lllvas de las vaflables explicaliv'ls O' I . . lUCiones
l;,dos cn el estudio pi("ll:r~1 qu~ 01': b.
IC.lOSdl~g~al11as fueron extenS;¡menle ulili.
1..;, ri!'.. 3.1 mueslr;¡ lo d' .: . In elgen rc;¡.llzo sobrc el ciclo de los negocios 111.
- s ¡;¡gl,II11,IScorrespondientes a nueslro ejcmplo numérico.

()
.~
-2
-~
-4
-(,
-6
lól)
(h)

-,
-::.' ()
... ,.' ••.. 0 .
.... ;
-2
Ohs<,,'aci6n .-2 OhscrVólciún

. «1
"

FIGUI{,\ J.I
,
Diagram;¡ lk Tillbcrgcll para .:1Ejcmplo J.)
"
La r-ig. J.l (/ Ira!J;¡j;¡ con dcsviaci~ncs y mues'lra los v:t1orcs d. , •. .
(h) )' (e) mueslran Ih\' ,(. . . '. e). re,lJcs y c;¡lcul;¡dos;
~. 2) }J\J' rcspecllvamcnll:; )' (ti) l11uestra los residuus de la re-

111J. Tinh<rc<n
.... "n",i'/l'f\'
. .. el'
. (./ c.J'"
•. ","
I 11'
u ''''{','
. / r
.ltltft'J" tlf I'flle'ric" Jf)Jf).Jf) l'" r
I .\:,I,!.:IIC11
.. .
. ' ••. , Nalloll~. l'UI},
 '¡ CArITULU J: La Ecuación Lineal dc k V;¡riablcs 93

'.,
gresión. 1'unto este di"grama C0l110 los coC[icieillcs medioS de Kruskal sugieren
que. en nueslro ejcmplo, el papel de X2 es más importante que el de X) a 1" hora de
dderl11inar )/..

3.2.2 Coeficientes ¡Je Correlncilín Parcial

)' Coe~icieJllcs ¡Je Regresión l\11¡\(iple

La ecu;¡ción ~Ielre~ variables íicne dos coeficienles reprcsenlnlivos de las 'pendien- .

les dc la regresión.
y:= h2x2 + b)xJ + C

De forl11;¡ allern;¡liv;¡, oblendríamos un c.ocri~ienle de I;¡ pel1(¡¡'ent~ de la regresión

de I!IJ sobre Cu y olI'O de la. rcgres'iólí decl.2 sobre cJ.2' Oenomin;¡remos a estos
coeficienles /'12.3 y bU.2 respeclivamenle, yaque su origen son las series ulilizadas
p;¡ra calcular los correspondientes coeficienles de correl;¡ciQn 'p;¡rci;¡1. P;¡rliendo dc
I;¡ regresión múlliple, ¡,ell,,1 es la relación d,e dichos coeficientes de corre1:Jción con
/)2 y bJ? L¡¡ respuesta es quc,estos coeficientes son,idénticos, es dec.ir, que; b12.) = /)2
Y IJ1J.2 = [¡J. Los eueficientes de regresiónmülliple se oblienen partiendo de I¡¡s
ecuaciones norm;¡\cs ' ..

Resolviendo p;m\ b2.oblenemos .'

h, ~ LX~ ¿)'X2- ¿x2xJ ¿)'Xj
- ¿xl ¿xj - 0>2x))2 '.
",:,-"",;':,::," .
;~'~';ti;nJ~hcl~I'~~i;l1cr f1~r de r~'~icl'~o~':"~~~~~t~~rii'~~'~~~:',"~:"':""'" ....

¿cl.Jc2j, _ ¿(y -&\).'I:))(X2- b2JxJ)

:¿4) - ---"-----'~---'-=--~..:-
I} 12.J = -~~~
¿(x2 - h2Jx))2

"
' L;¡ simplificación algehrnica dc esl;; lillima expresión I\OS Ilev;¡ ;¡ afirmar que b12J =
n.
~F uz. L;¡ igualdad de.105 dos coericienlesreslantes se demueslra de manera simil;¡r.
¡. Cuando ¡;¡econometría se hallaba en sus inicios, existí;¡ cierta confusión en lo
¡
concerniente a la utili7.:lción del tiempo el\ el análisis de regresión. Los result;¡dos
I anleriores démueslr;¡n que esii1diferente qUI<.el tiempo se in¿¡u'ya o no en las v¡¡ria-
bies explicalivas, o que a las variables se Icselirninc su lendencia antes de incluirlas
en la regresión.Surong;¡';lOS, ~.or ?jen,plo,la ~igliienl-C función de dern';¡nda

Q=AplhclhT
donde Q indic;¡]a cantidad demandad;¡. f' indica el precio y T, el tiempo. L;¡ el~sli.
 94
.. " . . ,:' ~..' ._""'.,.' ',;;.-
:
", ,'.', :,' ;:'.' " ~. ~z.
cid¡¡d del,prccio cs /h rni\?nlrásqué J3 indica la lasade ca,iJ.bio de I;,'canlidau J de-
m¡¡nd¡¡.da (lor unidad de liúnpo.TÓll1íll\do I¿garilllió~ooblcneü)(js ".,.'
,', . -,', : ,~.,.... .',.' ~- .',. ':, '~;"'~'>-~:\-"""' .. ".~?';:\".,:',~:';,. ~,:',:.,.
,';,'. :
.;,:... .... lnQ :::;/31
:t P:{ltl,f+fJfr: . ,c",'< "'-, "';;"
La elastiéidaddcJ prcCio sC¿Slin\'áilJuSlalld(dii'r~é~am:.l;le ciha rcgresilln Inúfiiplc,
o bien c)(c\uycnao 'la IcndeJ~é'ialine¡d 'íalll,r¿'i In QcOmó 'cnln P)' cSlin;únuo la
..pendiente. dc r~grcsiÓII.9¿(~rin,í'crresiéJlwsobi.c,~IScgul\do.15cSI¡\C¡,rémo~. sin cm-
bargo; qüe en dcnsO de' ~x¡sq~fen,dencias SCr¡;.;'a.~las:niilSUlíCi'p~ iós'iJillcriorc's coe:
ficienlcs <lela variable lic"~)PO,CSUl(cslimaUllr d~I panímclro dccambill jI,) Il.
,': ..' .:'< .<',)¡,\',': •.
:: : l~..:. .ff.~". ". '".. .

.3:2.3 Tralalliielll~ Ge~erald~~l~ C()clidenle~:Je, t~~t~laci(¡1I Pardal' .

y de Rcg~csiÓ~ I\'I;í1lipl~ " '. • .. ,' ,l, ", ....••

¡:";;:,,,:,!;,.::"'\';'~';""'" ';é>:~,;.;:;';;!,~i~g:!,;~,,:::.
.",j;",c~:¿~;.>¡;,~~,~~,'';'::':,:j'~o~,,)~,'~~~_:,:;j~~'::~,;(,.;,!i::'.:i,,:;~;;Ú):~:lÚ:4.\';,;"i.~~~ <;,:';;4,';,'1. ;",
En las condiciones qucmos(ramós 'cn la sccciónsiguil:llté'~~I¡is ecuacjollcsllormalcs
~e rl:solvcr;lullara b ='(X'.A')~:J En'cste caso, ~'~p~i.:~,ar~'jn'os!os rés'id:los de ¡,ne', j~,/.
grésiÓIl '!lCúlmo . .:.,.:'" . ,." . . '~" . ," ,- , " •
., .';1

~ ,.
, .
•
, .: .... '.e ~~;'.~ X!J
(3.17)
• ..'
=) :;:X(X'X}:I, - <
X'." :::'My:,
~ '
:'
, donde,~ " " .. , ', ... !d'= r';'~Y(,Y'~},,1:1 X! ",:-,'.
M cs u ít¡l nÚIl,ril.simélric,,' c 'id'ei)jp'ól'e lÚe 'illi"c~15(¡scc;di.ieiil¡~( laS"'pr~I);c(liId~s ,dé
. quc MX'=,?y Mé,'~ ~':~QfI}í~l¿ilio~rillQt't\'I/r.~gl'6~i,Sn. gcne,i'al;fn'f.ol';l;¡íl)ádidona-
da como,' ' '. , . . '.' ..,'. ,. , '

"
, '
; <,
"';:)"~
"f' :\).\
'~"'.".;'J'['/;;.] :~'' .~'' . r ,

,.;:.' ", ~(~!',"'.,

x
.1'2es el \'ectoral:' ¡;, '1 o!Jsei'vaciOllcs,tk X2',con"c()cC,i.,:ielile !r2,llIienlras que X. es
'Ia ,h'alriz ¡¡ ~ (k.2 1)'de'las'variábles,reSla;1!es'.(i11ciuycndo'ln cúlúillna dc UilOS) con'
vector coéri¿iclllC' b(2)i2: Las"ccuacio;)es noi'm,lics son ,'. ..

. . '. ,'. '." [X'2'~'2 • '\"2 X, '].[b~"J :d h::2J' J

. ~\"s2' X'.X. b(2) , !x',)' .
'. '.,... .. ::,~ ",' .'. '. : ~ "'~,:,;;:..t., '. : ";~~"::'w'" ~ ..' . " '. '.
Resolvemos,csle,sislemi\, de cCllnciol)c,S, pa.rab2,c,.j¡il~~(pl'c'lamos los rcsuJlados en
1~¡';lIinos tic '¡ilpeí¡(Jlcnlc de l\lia 'tc~rcsiÓn'siml;lc':Lñ so!úci6ncslJ' ,

. . '" '.;,.. ,li2"; (\';~I,j~x;),:,I(.r'i/lj~J') "'(J.tS)

• " " ' • '.. ;'10-' ,: "t... ~'. • '~'-.i / ",o" •

donde " .'. M •.=I-X:(X'.X.)-I

..•.. "',
X'.
.':' i'... '.,
.;;' ..•." -~

".

1,1Vé'~s~.rrol>I~;nJ.1.4, '., '-', . "

'. " t: ','. '-. .
11Nólc~quC' nlC es un uso. difcrcnlc dcrsílllhólu.aslcliscll 'lueeJl uJla secci.ill aJll.iri,," fUI:llliliz!,dll r~ra '
indíc~r'itvc 1m d;'los están el\ des.vi~ciones,' , ',.. , ' . , .
IJVé~scA~.ndicc 3.2: . .;:. " ,
,,- ..

:', . ~
 M. cs u.na Illal riz si 1l11:1
ricl e idt.:I11POI":
11tl: I:Onl;ls P!'opil;da,dd d~ ,\1.X. = () y•.M. e :¡:.

c. Si~lIiclldo la CCUtlCi(')Jl,(3 .. l7). sah.chllls <¡ue .."

- ,\[.y es el \'~clor de ,:esiduos Cl;and(¡regr~'s¡íllí(lS y s()bre X~

'.,"

= .í"iM.Y'J
.. '.
"~\" l' '\/"',\1'\':'"
1": t:X:z
', ..
'v.r. 20:1. .. •.. 2 .

..
. ,.
(J,20)
.... ".
.••...
.

.' 'dOllCic .\'u,I.:~k'es ,la elc~vi;¡ci{í"\~Sl,ín.t1úr' t1cio~ resid~';l~ '~Ie la r..:gl:esii'lIl de)' sobre
.uni! cQnstanle y ,'<3' "'O Xk; mie,l!tl:as cIUS,'\'2:3Lk,"CSla des'.'iacilÍn.'¡:s(¡ínciar,t\.:llIs r..:si.
tillOS d~ \a~4:i:~resiún dc X~sob,:e las IlIIs;mls v;lI'iables: L! c~lIacilín (J,20) 'es \;)''.''':1'-
silÍn,rílalti:~lI'ianlc de h)'q~lel;ieCUaci(Yn.(.f3()) e;:a !)¡I'n\cl nioikll; 'tic-eros \.ariabJes,
Los restanlcs.coeficienles dc corn;laciúll p:iIJial y codicienl..:s ti..: rl;gresión múltiple
.se ~J;lcndr;\n sus! iluycndo x2 pi>r-.r;'(i~ \:'~~ n'~il,las ccuacinn:~.l\' (~, jI)) Yr~:20) y ,
re;l1izaíl'do'los cambios coircspondicnlC'S'",Cf)M .-.::¡.. .• ".' ~ ••.•• ~_ •• <"": .~.. "'.~
. ~. ,*,~•.'. ,'\;; ..•..~ ',.~: .('~' --~.~, ,.-~-'-' •
. .- ~:. .

_
 _.- ~ .. '""~~ ..~--.~"----~~~~~~~~~~~~~~~----~~~~~~~-

~$ ." ..,\..>~ .•.

-~'~ ••

3.3 _
LAGEOi\IETHÍr\ DE LOS 1\-IÍNII\'IOS CUADHADOS.

.••., .•..
lt.

( ,

/ , , I
it'
! , i

FlGUHA J.2

. '.. .' . . IJ., .

El cilsom.ís sencillo es el q,uc mueslrn In Fig. 3.2, con Ull vcclor)' y un veclor x 'para
\lnOl (mica variabk cxplic;lliva, Amhos veclores se hallan situados cn E", eslo cs, el
.espacio euclíc1co n-dimension;iJl~. El veclor y pucde expresarse COl110y = j ~,e,
donde .í' = bx esmlilliplo del veclor j'. Ln rigllra mueslra lres posihilidac.lcs. E( prin-
cipio mínimocuadF{ilico consisleen elegir \In IJ quc IHlga j )' tan prú~imo como sen
posible ;¡ y, .ESlOSC cOi¡sigue hncicndo qué In longilud de e sen mínima, eslo eS,lra-
zanoo \ln;l'pi.:rpl:ndic\llnl' desdc J' hasln x. Como se muestra en el Apéndice A, la
condición par';. qll'e .¡: ~-;'Í!sean orlogonnles es x'e O. Así, x'()' - IJx) O, ti 1] = = =
x 'y/x 'x. Enlonccs:

o
r. =xIJ o,
r'J' )
=.¡:~,
(x'x .
.rr') )' .= (.r(.r'x)-I.rl1Y',.3_'
= (:..:.....;..
.x'x ~

=Py
donde :\ p= x(x'x)-I.r'
I)eslnqucmns que xx ..c~un;1 malriz;~I,~n,'mienlrasquc x'x cs un escal;lI:. La malriz
l' es simélrici¡ c idcmpolcnle, Dicha .nwlriz rccihc elnomhrc tic malriz dc PfUyec-
ciún. pOrl]l1C mulliplic"nc1o por y se'(Jhii'c~ll: la proyeccilÍn del Vcclor y sohre el \'ec-
lor x. .,,~~

La Figur",),3 nHlcslra el C;IS0 de dos \'ari~lhks cxpli,;\ti\'as. con \'ectores .1'1 y

• .1':- El conjunlo dc. comhinacioncs l.incalcs,de esos dos \'r,lorcs ddine un s~ÍJ~spacio
bidimcnsionahk E",Sé'lrala dd'cspacio 't:oliimn:l dc:r, í:1 \'l:Clor dc rc~idu;)~uehe.
~~,

"I';lfa ,dislingllir enlre~[i'(,\" ,1'e1mismll simhlllllp"'" ;q"'<~III"1 d "'I'",'i" ,'II,lid,',,!, d "pe,ador e~l'co
r;ln7.;1 111:1h.'l11;ilicaulilil.ar\.'I1H'~.~a. !I.:lra 'ltc~rila E"'I)~;r;i-h..'kljt.iH,,:d prlll1l'llt.y b.il.ilic, ~il1 Ih,.'~t'j¡;1'. 1:;.I':lra
d ~~g\ll1dn.
 c,\I'lrULO ,l;L;¡Ecllnción Linc;¡I,2c k V;¡iiab1cs ,; 97
.. " , ' ..• ~.....
. -,. . ...-' .' -' ~".. ., ... ", ..

r¡iscr pcrpendiculnr :'Ídichci cS.pncio cofumn:l, lo que requiere que esea ortogon:ll
l;\IÚa con respcclo,a:\'lcomo dé".\02 " -'\
'X'c=O
Est.; colltíición rucdci'ivada ;,lgcb~.¡jc:lmenlC énla ecunciÓi{~3~S),Jlroporcion:lndo 1,,5
ccu:lciones 'Iiormnles 'X) IJ v:.
Teniendoei1 = ~')'.
cucnín 1" ley del pnralelogr"mo p"r"
lasum:l de vcclorcs:1i. Fig. :U pone en evidencia quc 5' puede expres"rse como unn
combinación'lincal lÍnic:l de XI )' X2~ La condicióll algebraica equ,ivnlenle ~s que I"s
, ecuacioncs normales se res~,Clr;¡enp:lm un (mico vect,9.~ b, LbS veclóres x de la Figo J.3
son linealmenle inucpcnJienles; por lo "lanlo, el esph'éio colulllnil de X liene dimen-
sicín dos, es decir, el r,,ªgo de X. Como moslr"rnos en el Apén,dice A, ,

'. , Ra;;gúdeX~;;::r;irigodc (X'X)= r:\ngo de (XX')

"'~s(¡Jues; '-(,y::YL¿s Ii()~i~,gular'y l~:i' Céuncio";r~s'~~r;Í1.~~s~e~~suclvell '1)(1 ¡-;¡ b ';"

«A~',Yj::'IX'íj;.L~FígUI:;¡3.4'níijcSI¡':\CI. en,SO eilquc los dOs,vccl~rc's x son linc"lmenle
dcpocll'dienle~o El pUnl() 5'. apes'nrtlc'cjueno exiSla Ull" l'eprcsclllncióll linicn d~)' en .
lérminos de :,;) y .r2' ~ig'Ueesl:'itíd';;dherlllill';ldoúnicnmenle por 1" perpe~lcJicul;ú
desdé \' hasla la líne" dcl'itiició'pó,f los veclorcsx, aunque podemos (lbscrv:l.r--quc no
h,,)' u~a unié" 1'G1jrese¡~l.~ción de 5' i.'llérminos de XI y X2' '
x;''' " .'.,' ~ ,.~:;}_:'.' _.

J'

FIGUHAJJ

Xl

"¡GUItA ].'1
 98. MtTODOS DE t:CO;-;o.\It:TnIA.

. E" ,1 'm g,,,,,:,'.'" ",,,,d, X ::r:r'";;;IO."'.;:f""'" ,,,I,,,n,,,,

. Cualquier combinaciónlinenlde 10Svcclores sesiillíl en c\'espnciocolumnu de X.

En el caso de qué.)' (el veclor. de (¡¡s observacio'i1es Ji: b\.variable depcndienle) se
!l;¡lIara también e'n el espnciocolumna;'e;xisliría COIllO mínimo u.nveClor b (k xl)
que snlisfagn)' = Xú. Ulcon~binnci{)11Iin~at(le.las vai:iabh:sc.xpliealivas incluid;¡ to-
da la ~nriación de 1', siendo 1,( vari¡\ciónnÓ explicadaigu"íaeero. ESlo resulta im-
posible en la pr5Clicn; In silun¿ión m¡\s lí¡>ienesla Inoslrada cn 1" Fig. 3.5; donde el
vector y' se sitlÍn fuer;¡. delespnciocolunina de X.lndiqucmos como JO= Xb cunl-
quíer combinación .Iiilealarbilrnria délns colull\l\nsde X; de modo que el veClor y
pueda expresarse como y =.} + c.. El- principio de 10sl11ínimos cuadrados consiste en
:."",,,,~,',Jt.-!jgJL,~1 S'1J9.L.Y.<;i_,Sl\.l~:Jb.jll[í.})ú\.¡\.J~I;).qj).gjl HcJ/s!~!-lL~.6~.!9C,.C:j,¡;$JÜ,.S.\l"C9n.~j~u.c.;.c\!a1Jd.Q'.
los veclores j y e son ortogonales. Siendo j .una combinación lineal de columnns de
X. sed neccsario que e sen ortogonal con respecto tic cada veclor x¡,'dalido .
,. . '. .. .
. .~'¡c=.O' i='I,i,~ ... k
. ..

0, 'm¡\s rcsul;,j<JamcnIC':.
. .'.. ,.,',... 'X!c =.0:
q~e 'es un'n ccuaci6n:'id~n'li~;¡,'il in deri~a'd'a' ~~n n;'lcripi'idadp;HÍI ei ~;;~() de s.óldddS
variablcs'cxplicaii~as', Cuantió las colui1~ntls' tic X S!l'n 'lin~almel~lé ¡;ldepeildienlcs
(p.c"X'licne l!1I 'run'go coilllllna 'é'ám¡ileiil): j. puede cxpresarsccomo una c\,lmbina-
. cil\n '¡¡ncal Úi1icúlc ,Io:s\'eclorésx¡ (la. cdiaciones:n~rnlales sC'rcsuelvel,l par¡l (In lini.
c'Oh). '.' ;, ."'.:':'" > '.

'l' .

FIGURAJ~S .,'
 ('.\1'111'1.11,\: La El'lIal'iün LilH:'al dl' k Variables lJlJ

Cuando los vl:clures colunlna son linealmenlc depcllllic'nICS,'.í'seguir;í exprcs<Índo-

se lInicamenle como la perpendicular trazada desde." hasta el cSI)acio columna: sin
embargo, habr,í 11110 o m;'ls veclures c que salisragan Xl' = 11.Enlonccs
y = XI! = XI! + Xc = X(I! 1- c)

que significa que S' nu pucde cxpresarse como tina Cl)mbinaciún lincal úniea cJc las
x¡y que, por lo lanlo.las ecuaciones normales no se reso!\.t:r¡Ínpara un único b.
Rcsumicndo. los mínimos cuadradós neccsil;iu que X ll"'lga rango k con el fin
oc que (X'X) .sea no singular y las ecuacion~s normales Sc n:sut:ll'an para u'n único b.

3.4
INr;:EHENCIA
'.:.:.,i:.•.•..;.•...,:'
Jo' .,•.'':.:.~~ ..•.•••.• -'..
EN
",
LA
:
ECUACIÓNDEAYi\H1ABLE,s
"H;,_ ,,¡ ~_..•....
.• _,. - ' ',~' ../:.' . ....,
••• ~ • ~.;_
""":"C;~i,;,,~,I;;;"":"
..',.~~.' .
•••. -.• ~ ••••.•• --_ •• _ •••••••• - •.• I •••.•
~ ••.•• _ ,.', j •

. .
AcoJilinuación, neccsilamoseslablecer las propiedades estadíslicas dc los eSlil11n-
dorc.smínimo cuadrlÍlicos y derivarlos procedimienlos tic ii,fcrencia adecuados.
Depcilderán de qué supueslos se rcalicen al especificar la relacióll. '
• I •

. ,
~.
3AJ Hiplílesis
~,'
...
i, ',Y es n.(iCSln~;íslica y tienellll r¡lIlgo ColuJnllaCOml)\clo jg.lI~' ¡¡.k.
. .Lns inrcrenciassOIl condieional2s n los \'aI6i'e~ I)Hlcslralcs lié lasl'ariahlcs :í: plll'
. lo"l,inl'o, I~¡¡ra l1Iueslras' l'cpeli<Jas; loselclllenlOs UC 'la mairiZ X se lralan como fi.
.. .jos. COl110 se ilustró en In Sección 3:3.;pnra obtencr lu.\n,llllica delcnllinacit'lIl,dcl
veclor hes necesario que las columnas de X sean"linealmcnlc indcpentlienles.
2. Las pe:rtwbnciones liene ';15' s¡guienles,prop'ietlndes:' '

L'(/i]'= (J' (Jo? 1)

y " y;ir(ií)=E(l/u)= ;;!¡ (J.22)

Cliamlo'se nplica a.un veclor'o Illalri? c1oper:\dor cs'pcr'[lnza I)¡¡¡lelll;itica E. éste se

¡¡plicn',; lodos yendn un;) d,e los clcmcnlo~ dé 'ese'\'eclor o mall'iz. Por lo tan lo. p;lr .
. lientlo de la ecuación (~.21), obtenemos

1:'(1/) =[
."\
'b
/1,; .
-~:;:;~].:: £("1') . O .
=11

y de laccu;lción(3,22) resulla:
 " :. %.0.' ••

J()O
, ~
- ::.'

r;¡"" ') = E ([::: 1 [u, ", I

11"
) . (q"iJ
= £(II~II,)
£(111112)
£(IID
~«(';".
;;,)):',')""::
"2'.',;. ,'.:;;,.'
f:.

. £::(11,,111) 1::(11,,112)
.j ":i", .¡::
"" . 1.("" )" ,i,,:,,~
. " ,

=
(
";lr(lId
~1)1'(/l2,/lI)
. C(1\'(II\,1I2)
var{1I2J
~... '"'(";
COV(?,II,,)
,,,,,»)
= (",
()
()

(12
, .
())

C,l '='(~i.J' '

: ",'O
.1 ",

t"
COI'("II''', ) va~'(II,,) () O (1~ :

ESla matriz. es la matriz. de varianzas-c()varianz.as dcllérlllino de perlllrba'ci(Í,i.:.L;i~

\';¡ri;1I1laS nparecen Cil la t1ingonal pdnci¡Jrir y fas covnfiiinZilsen lasposici<>nesq'uh
cSlóÍn fuera de dicha diagonal. La mnlrizla simbolizaremos mcdi¡¡ntelaabrevi,;¡'ura,
"ar(u). A veces se 'indica también como V(!')o Cov(u), ,
. . . - '

La m~lriz de varianzas incorpora dos impOrlanlcs SIIpueslos. El primero es que/a:,

varianza de la pCrlurbación esconslanlc en todos: 105 punlos de la mucslra. Dicl;;i,'".
condición se dcnominahomoscel!:ls\icid:1l1 yhi 'condición opuesla, aquella.que.su-"
pone que las I'arianzas de la perlllrbación sal} dislintas eh todos 105 punlos;se dClió •.
mina hctcrosccdaslicidad. El segundo supuesto es que las perturbacioncs 110 estú"

ClJrrC/llcilJlII/(las ti ¡Jw:{'s,' Por ejemplo, en un estudio de corle transvers;¡! 'sobr~el,

comportamicnlo de los gasto's en viviend.I., implic;Hía covari¡¡nz¡¡s nulas enlre.las.'
perlurbaciones de dislinWs viviendas. Con dalos dcscries lempor;'llcs, implica cova-'
ria'll7.as nulas entre las perlurbaciones que tcng:\Iilugar en dislinlos periodos de
tiempo. Cuando falla dicha condición, se dice que las' perturbaciones csl:ín ':inICieo.'
rrclacionadas o scriall1lcntc Cllrrcl:lcinil'adas: . .
,",}' '.'.,. . :".,;, . ." .•.; ,':
',:.,' '. l.",

3.4.2 ~icdia )'Vnrianza de b

Con fines le(¡ricos. resulla m,ís scncillo rdúrnllllar las ecuacioncs normales COl1l0
f) ,
'.f¡= (.Y')'')~\.X'y ':; (3 .:<) ~h -:r d..e. .
S USll\u)'cn
.' d o." por su\'a I01' se o t1llcne
. . c..Y+i M oc\c~ .

(¡ =;:(X',y)-I X'(Xj1 + u) = j1 + (X'X)-I X'u

ya parlirdc aquí
b.'::'j1, = (,\,'X)-I ,\";,
t ".

Al lomar esperanzas. el.opc'r;idor.cspcranza Illalclll;ílica se lraslad,lr,í a la lkrctha

de 105 lérmino~ no est(ldSli~os, coml1 X, pcro' se aplicar;í en C;llI1bi~l~1~,~I;dq'nicrva-
ri¡¡blc eSloc;iSlic;'l. 1'01' lo 1;lnlO,

n1J -jJ) = (X'.\')-' X'/:(u)= n

 :101
"' ....

':"
,;,-, ,

dando . £(ú) = fJ ....,.....

. (3.24)
.: Así pues, IJlljo los
.W/IlrCS(O.l' c.I'((IlJ1l:cidOJ ¡mm cSlenlOdé.'lo,: I~s~~eficieriles, Me,son
¡eslimadores inscs'g:\dosuejlos par:ímclros jl.La ma Iriz. ,de va ri"n7.~s-coVMI~!lz~s:de
los eslimadores Me se eslablecccomo sigue. Particndo de.l~s pnmeros rnnclp~os.
'.:éomohicimoseneldesarroll()dclaecuación(3:2i).r,csull~.. '.'
''', var(ú) = E[(ú,-)J)(ú 7jJ)']
luyendolaccuación(ii3).,',";;' ,i
,
d' ., •••••

,
, .' .' f[(IJ-j1)(b-jJ)']=f[(~'X)"'~Y'lIIi'X(X'X} ..I]
=~X',\'):,IX'J=l/1I1']X(X',,\')':'1 .' , .
.,;,u2(X'X)::'I.
. Por lo lanlo •.
,.,t~'vnr(IJ)'=lT2~';rIX)t. (3,25)
'Esta cxpresi6n es una malriz k x kcon las v;'l,ri¡¡riias tnueslrales dcbi.cn 1;'1dingonal
principal y Iris covarianZ<iS situadas en las posici.ones fuerade,la ~ingonal. . :.'
IOJE~lI'l.ll ~.S,I~ItItOlif..s'I~s'i';'~n'\n'EN LA F.CUA~IÓN riED9S VARIAIILES. Como se ha
m~sirilllo anlcrior'mciit~;c!1 cI. Ejcmplo 3. t. ,\"X es (en.esle c¡¡so)

...., ,\",\'= l i:~" i,0l "

.. ;.

Por lo (anlo,
. (,\",\')-\
'. '1. = ..
[,¿,\~ - p,] ....
O - ¿X 11
''''''d;';;;d~;;fJ;~'~i;~Y~[Ji;;;i;;';;
~'¡~:'H¿'t0x{"~';t'i"~:>':¡';<'¡:~;"'¡~:';\<""';;'Y;i;"/,'\""','''':v'.,,'A,.~,',,,:;!'o'
." ..
. .. '/):':/I¿A''2:''(¿X)2::n¿x2.. '
Éntonccs, inúiCando In inlcrsccción MCy lapcnúicnli:por ayb, respcC'liv;'Imenlc, Ic-
o '. , • ,

ncmos

que confirma 1;, ccuaci~n (t .<l(J)~ D~ rl1odosimilar,

. .' ..... .' (T2 ¿>.~
v<ir(l/) = -'- ..--. .
" n¿x2. .....'

.u2 o:>.~+IIX'2)
" ¿x2

=u
. ,,(I .
2
.-;; + ir\'2 ')' 2 '.

~
 lO2 .
.
"': .. ",

~
....

que canfirma i~ecuatiqn (L42). Lis ¡~kcscuadrúdasdcesas ",iri;lIlZ:1ssuelen deno-

.' minarsc errorcs cSI:ílllíar. Son lasdes\'iúciolics éSl;in~ilrde las L1islrihilciunes margina-
':i
les
.
de (/ y b15~finalmcllfe; vcrilbs que
,
.' .. - ...
. . ,,'~'(
cO\'(I/;'bJ= ~ 112
que canfirmá laecuación(1043), :.LX2

,.
.
£J£~lrLO J.6,UNA £CU,\CIc)NDE TliESVAiüAUU:S,'Casi lodas las aplicaci;llles econó- , ~.
, llliCaSCCnlran m~s su inll:r~s c',i los cocfiei~nles ik las Jlt'lIt1il'II/('S ~lc la re~resilÍlI quc.'.~
CIIlos I~rmillos de iillt:rsCcl.:iún, l'ilreso úah;'jarcnHls con los dalos en forllla de ues- .,
~iacioncs, Sirvcn \Q(javía ecuacioncs como 1:' (:\.25). conviniéndose uliÍs ell un problc- .
",...."'' '"'.,,::~:'~::::;;f:;'.::e:?,i:i~)::;~:;;:~~I~r~;;¡!:'i,:t'\f~;;,].":
.. ;"'"'
CQnalgulias op~ra.ci~lIe's all?,cbraicaspuedj.:'di;ll1o:arars~'qué "
.
. ~ '. .
., . . .>'
.' var(b2) =, ]
'112
1 Y
~. ".'
var(l,}>:::
.
"
,r2 ' ..
. . . " LX2( I - 12)) :~ . . :' . Lxj( ,ti)
I -:-
, . . :»
.donvc"n es lac.orrclaciÓn~nlreX2 )' XJ, Si .1;Isvariables explicalivas no. e'sl;\n correla, ....
. Ci6nau;¡s,.las~~aria~izris 'll1~e~lr:ílesse r~dll~inÍlia iris ~~I.as. ~eiresi~llcs silll~lles ue y :¡.,
sobrcX2)' ~c; Ysaure XJ: Sin el\)bar~o, euanuo la,cllrrclaclllll elllrC'.las variables e,x-
se
. pliC:lliv;is .,illcrerilclitaIl .. lalllbicn las: errores :cSlálldar, .il.ís an.i~e a'(llÍ~no.5.tlllC~o- .
~',rres'pón'~l:rían'al ca.so orloganal.'~uai)l~ .il.ís sc':ni;eni~je,i-lasX. lllenÍls preciso. sor;\ el'
Í1!lenlo'dc. cSlillla~ Sús efeclos' rclaliv(J~.Dicha' siluació.n rct;ibe c1IlOlllbre de IlIItlticoli-.:,'
,
." "
lIt:al~t1a.rI..a colillt:~lida~/.~on ..ulla~ali~)~aliu¡,upcrfecta'.o'.c~,I(~la.~ los. e~rures cSI¡\nuar :<:
...SUIIIlIf"lIIOS. .colllleahdadex;\Cla SIl?,nlfICi\quela~. cJ,lhl.lllnasde A .son linealmente de.;,:
. p<;ndienlcs )' qile,poi lo lanlo; nO..p\ll;de c~lilllarse~l".eclor Me':}'!.'t
.'...,. ';:
3.4.3 La ÉSli.\;:i~jón .de ai ~
~.
" ;:
...' La, m¡llriz dé variatizas-cb~a~ia'~z'ils' dé la~curicióri'(J.25) ill~hiyeia ~a~ianza ue la :;.:
'.. p~rlurl;ació.n(f2;'(iuc.és Jéscol,oci.da. Rdillll;"raz\-lnahlcUlilii'.ar enlo;l~~s ~n eSlima-. L:
. c,lor'bas¡¡d~ en.,las~l))a'de cu'adr~dos <.le. los rcsi!luos' dc la regrc~ió.n :ijlisfaua. Par';};
liencio de la'ccuación(3:17). lenelllon =My='M(XjJ '\' 1/) = ¡\-fu, ya quc MX = n. ~.~;
. Porlotanlo,'. . '.': £(e.:ej'::: E(lI'AJ;r\JI!)"~'£(I/'Mu.r '. . ':::::':'(
... . . :..... , '.'~
.', •• ;~

'.)
.. ,'
. . '.1,. '" .'. _
l' Dichas fórmulas no ~on(lp~ralivasporque ,,2 esU~s'conocida.Cuandu S~ r~~l1lpl"zapur el ~slil\lauur.s2 ,~:,."
'.~
«Jc'ri,;auotn la S~cci6n3.4.3);len~I\IOSlos~rrnrés cSlóintiar~s'¡III;,¡I;,.r.I'''r 1;,1."lIu.c1lcrl\linu "~rmr cs- .:.-
láJiuar" se ulilil.~lanlO'
.
r'cr~r¡'u~
.
a cr'roreséSláÍ1u¡ir'
.~~rila'¡Jeros
cóillo eSli,í¡'a<lns,
..
dC¡)~I\"i(:nu\l
. ud C()III~xl\J, ;1~
' ..•

". .+
.', -

:','

",
o;, '~
~:
~~~: .• ('",'h 1I1.0.1:La El.:UacilínLillcalu¡; k Variabh:s 10:1
~'.,
"ji .

~~' Aprovel.:h,llldo
.
-
cl hecho
.
de quc la traza
~ "
. d.e
.
un escalarescllllismocsl.:alar.
.
. t~t
. '," ~'.
resulla

rthf E(I/'Mú) = E[lr(I/''\/!t)] '1

~.
L,

f~f = (12 lr(M)

.= (1'2 lrl - ((~I r[X(,\",\')-1 ,y']

~:;.
t:!
= ((2,11'1 -(r~ lr[(X'X)-I(X'X)]
~:.:
~'. '=u2 (11 _ k) "

.'~.~Pii"ot"óio:"""
k" ...,....,'.e ..•.........•••....
'. 'k';"'¡"i.::~~",":'...."i.,."{i/':.~ fe"'(j.26)
e
}.:;
'ueCinc l;n esljll1au(; •. ilise~gauo de (J2, S~ raíz ~ü¡ldr¡¡dú s .~~
ia 'uesvill~ión eSliÍl\dar de
íos vnl~;'es Ysobrc el plano de regrésióil: Este~rcsUllado' s~IC,~ledenoli;inarse error
~;
o
csl:ínclar c1ele.~lilllllclor error eSl:íJHla.r!lela rcgresj(lll (EER):
~.
~"í,
~{ 3.4.'1 El Teorema d~.Gaitss-i\'Iarko,;'
~t1' ',.
.r'Es cltep.rcma úilH.iaIlH:nlai de lo~ mí;li¡lH;sC;lladra.~lus. 'E,lalll~cc que. ue al.:Uerdll
;~' 'can 'los Supueslos establecidos anlcr;~:>nilcl\le. ¡lO'CX~SIC,01ro eSlin~ador lineal inses-
r~ gado' de lo~coeficienles jltlÜC lcogavl)i-ial;zasm'ue'slrilles 'menorcsc¡ue los del esti-
;:: ': •.¡ll¡I'd01' IÍlínírno e.uaeÍrMicÓ.dcJa ecuación (3.2~): DehlOSlfl\l'Cll10's un resultado m¡is
I~.,' gel;er;I' Cilllcl;al.c¡uicr. con;bi'ia'ción line'al de los :coe.ficienles jJ: Sea e un veclor a rbi-
~;. , .
t.:' ~b~~~de k eiclilclitOS de' conSlalúc.s.conocic!ús. DdinamQs una cantidad escalar ,11
ij ", ~.
'JI = t;'jJ
!:
'" .Eligiendo c';= [0.1 () , .. OJo enioliccs)l.= ¡Ji, Podemos, por lolanlo. elegir enlre hlS
'.:
l3 el elemenlo que d~seell1os ..Si escogemos. .' . ! ..
.:,' . . . '

::.
. .' .'

, ,
c'~JI
~~:,.'enlonccs
'
, JI=E{YI/~i) .
':
":
<jllCcs el valor esperado de lav;lI:i;,hlc'dcj)cndit.:'nlé.)' ~n cl.p~riodo 11+ l. cnndicio-
natlci 'por '105 valores X en'ese pcriod(\.cn concrelo. El; gcn'~r;II. JI re'presenta cual-

,;.; •
quiercmúbinación lineal de los elcinenlos d'efJ., A cOlltinuación, consideralllos la
clase de .Ios eSlimado-;'es liiiealc~inscsgildos' ~Ie JI. Para ello definimos un escalar 111
.:.
que !l¡ír:\ las veces . cle eSlimador.lineal
," " .
dc'/'.
.
eslo cs. '

. .111='ll;Y :a'XjJ +(('1/

:~\.
 ... :-

ÚOI1t!.: a es alglÍn ".,:=ctor columr!(.', d~ ;, elementos. La linealid~d qucúa aseguraúa

mcúiantc úicha 'definición. Va 1'11 asegurar lai,nscsgaúez lcncmos
E(II/)= n;XjJ+ a'E(II) ,

= a'Xjl

= c'Ji
(~ue se cumple só~o .si', , .• . ': n',y: = e' """ . :(3.27)
El problema eSlnb¡, en enconlr:ar ell/:-vcclor n que. sujelo a las k condicioncs de la
ccuación{Jjp~.,minimiee la varianza úe '11/: La varianza de 11/ es
:var(II')= £(a'uu'a) ~ (,2a'a

donue. gra~ias al hecho de que'~I'u es un escalar. poúr;í formularse su cuaúraúo co-

nHl el producto de úicho ,escalar. por' su traspuesla. El problema estriba ahora cn
descubrir un n que minimice a'a, condicionado X'(! ~ e. La solución esl6. n
(/ = X(X'X)-I e
que implica

= c'{X'X)-1 X')'

= c'b
Dicho resulülcl~signiric¡; lo siguicille: '" .
l. Cadau~o de Jos coericj~'~les: Me,/J¡. C~'ej' mcj~r eSlil~~do~ lin~al ins~sgaúo úel '
correspondien!eparámetro pobl¡¡cionaljJ¡. ."
2. E~ mejor eSlimador lineal inses'g¡¡do(ELlO) de cualquier combinaci6nlineal de
fJ cs esa misma combinación lirleal de las b. ' .
, :l. El EllO de E(Y,) es '.,

,..' r\.•¡f::t;,i':'~"rJ;ig ".' ' .' " ?>."~9." t-gz<~2.1, :*,?F'(JJ +"',t!J kXk.r" ".'
quc, ese!."alcirhal!aúo inserlando un vcctorrdevanle de valores X en la ecuación
úe regrcsión. '

3.<1.5 COlllprobació¡;c\c Hil;Ó\esis LincaICs c1ejJ

HelllOS estableciúo las.propieclaties del esli'll¡,dor MC de 11.Queda por ilustrar Có-

. mo uliliznr dicho eSlimador para veriricardíversas hipólesis sobre n. Consderemos
los siguientes ejemplos dchip6lesis lípitns; ,".. . .'
(i) lI{dl¡=O. esdccir.lilhip{llesis dc que c'lregresor X¡ il'Oinnu}'cen Y. Las veriri-
caciones cle eSleCSliloson mu}' cOIÍlilllcs }'rccibcll el ,nombre oe.COnlrasles de
signijiCficir3n. . . ..

I~Véa~c"r~ndin~ 1.1.
 ,\

..
.
:':'-., "í
,
.•" l: ~. •'! , t,;
'.: :

: ~""t~UI~OJ;L~ Eeuacíón,Lineai de k V~~¡ab1cs 105

• - .' ~'~-J' ,,¡ 'f :j .;,:' ~ ':1;":".: '.~ '.:~;." I ...'~ .", •

(ii) iio'"fJi ~ Jl~/En

~sieca~o, 13me~,u'rivalo'.¡' csp~ei[ié~do~Por ejémplo. en el casó de
que G¡indicnra\lIla ~i~slic.idadprcdo, se pqdría verifi,c;lr qué la elas.tic~d¡¡~ es.-l.
Uii) I 'n: ih +fJ3 = I.Si laS 11 i1idiCnrnnl,as cl~siicidadc~ oel lr,abajoy cnp~ta! en. una
función de proouceión, ,esla; rormulación, sirvc'.p;¡rn cslnblccer la hlpolesls tle
rendi,mienlos Consl o'lllles dccscaln:~ .:. ;~,:..,. , " ".:' ','¡: ,,'. '
(iv) Iln~fl3'= 114.,0 113 :,.,fJ4 .=O.,EstílJ)ipp\.e,sis supone ~u~ XJ,Y X4 posecn !dénlico
coeficienle, " " ',' .,' . • • L" j ~ .'

i.':' - ,~
"t.., ", -1, ~
... ';
:¡12, .. ; Q ....
,fJJ O
,'=
.. :"" . ,.., .' ,~, .
.,.", ':",,':fi ~. . ¡ O ' .... I,.~: ;.

Se lratnde l~hipó'lesis de que'lod~dl c~njul;¡~dcregresores'~~ ejerce cfccloalgu-

no sobre Y. Veriricarln signiricnción.conjunla de)a relílciói1.Ln hipÓlqis ho:illclllYc
el término dcinlerseccióil yn que,' nl.cenlrarsecJ.inler~s en In ,\'ariacié.'l de Yrcspec-
lo a su metlia, el nivel del:,ss~r¡cssuel~"sc~irrclcvanle.,,1 :. ..... .' ,
(vi) /-lo: ..02 = O. En esle. cas,o, el. v~elor ..o se di,vige~n dos sub~cC;lo~es,fll y ..02 q~e in •
. c1uyen', "respeclivamenle,k, y kk;k:- kl) eI7m~nl~s. ~Sl se es~~b.!c"ce,l.a11IPÓIC-
sis de que'un sllbconjunloesl~.cd.rico,.d~ regq:~ores n~ II1nuye sl.g~,rlcatlvamenle
,
en,!a dClerminiJcióndc. Y,., ,~, ' '.;, ",
Los seis ejemplos se ajllslnn al rórm~lo Iinenlgenern\ ,
"',:/{ {lJ!~ r;: . r (3.28)
donde R es una malri7. q x k de. conslill1les.eonocidas, con q < k, yr 'es unveclor q
de conslantes conocidas. Cada ¡;ipólesis nula dclerminalos ele01enlos relevanles de
R yr. Parn losejcini)los anlerioi:és lendremos' ,
;';""".".".(i) "',R~~'t9'::';Y:;1"i,n';:;;~1;;'; i!?,..
:.:".S';~t'¡;'i\-"',:'r:'r,ro'.r.:,~"~
:1"~?'?''"'''''ill.i~.'t'';''if.\/,c"'~'/"':;~',:,,,:1';'',': '..:.,";.'.'
, . cónlsiluadoen la posicióni-ésima.... . .
Ui) R ~ 10 ..:0 I 0 ... 01, '. ".'=fJiO q= 1
con)sil\íado en la posiéián¡~~~imn;
(iii) R=;¡O' 11.' O .." OJ ..... , . ,r =1 . q =1
(iv) R =:IOO:I~1 O~;" 01 ." 'r=O. ' q =:1
(v)R=IO. l¡..d '" ..... . ..... '.. '. ;'=0;:' q ,; k -.1
donde Oes 1I11\'l:cIOnlék- J eeros.
( VI')B' ~ '10.k ; ¡ 1" :' ' ".; r-O "'q"-k
2xkl.k2 .:' ,:,,".' .. ':,::,'" ~.'.,'-2. ' '.
El modb más i:JicicnlcdC prócederc'onsislécnrroporcionnr Un procedimienlo de
veriricnciónp¡1fa lallipólesislineal'gcner¡¡l" .. '.

" . , ..••. i ' •.... ¡'~IIQ:JY{?r.=:O'1J."'~' ..... .' ....

El contraslegen'eral deherá ser tal :(¡lic sirva parncualquier li¡:io de npJicncián. Co-
nocicndo el esliula¿l()r Mi:. '1I11P\~Sq()bvi?'~s ~nk\lhir'el ,'ccl()r(Rb c- r) .. ,;cclor 'fIC
 106 MElODOS DE ECONO~IE1:1l1".

,mide la~i,screpancja en~rs: la ~~peranza }' la o[¡sen'ación. Si, en algün se.l.llidü, se Ira-
t.a de un veclor •grande. ,e;lIÓ¡;CCS 'se pb'ne cnd'úda'la vali;lc ••, L1e.la hipótesis nula;
si, por 'cl contrario. es un v~<:l¿r. pequei)o., e'íúonccs no se conlral!ice,la hipótesis
n~la.Co_m.oe.ll cualquier proced!micnlüconvi:líC¡o'nai'l!evcrificación, la diferencia
enlre grande }' pequcoo \'iene.delenílirúlda'po'\; ladislribución muestral relcvalúe
bajo la hipólesis nula que, en este caso; es h\ dislribucilín de /l b cu;uHlo RjJ r. =
A parlir de la ecuación (3.24), oblenen'los.< ' ." ,
, .
E(llb) =RjJ (3.29)
De este moLlo, dela ecuaci6n(3.25) '" - •.
' , v~r(Jlb}= ElR(Ú-jJ)(b-jJ)'N" '

,,; .

Conocemos así la me~ia y la varianza del veclor /lb., Necesitamos un supueslo adi-
cional queclelermi'ncla [or;n:l de'Ia'(.lislrib'ú~ión:~lUcslrar.S¡endo b función dcl vec- .
10("; I:l .dislribucióílinue$iralde Rb' ,vendrá ,(Ii;:teril)in:lda ¡lor la dislribuciónae'/I,
. Las ccuacioiles (J~2l) y (3:22) rt!llresenlarilós supu.estossobr~ ". rcalizaLlos hasta és-.'
le momoill.o.:SUpondre'lilps ahora:, adcm¡\s,.q~~las "{Sé ,iúílhÚl L1isir'íll(lidas' normal~
rnclJle ycoo1bin'aremcis '1.0S t'ressupueslos élllína .únita nfiriúilción' ,'
• ••. I .". " .

" ";, '." :"'N(O:~1.n.' , .. , :(3.31).

'Pl!eSI'o ti uc'i~s' <;~nibi'~ii~io;~e~s'1¡'I~~ai~s;'~.~~'¡;ri~i~lcs'I\~;'n;'¡II~s~é rla11an l¡lI;lhi~núi~-
Ir¡bllilJas nbrnuilmel\\e,
'.
s~'sigué clire'ciamenlcciiae' .: ',' - '.'
" ,.
' .:,..'., ,,' '. ,- - ,'¡

:b':' ,N[j),ú1. (:\'X)-I.1

" ~IHon'ces " :, ,. 'Rb~":~{llji,I17..R(~r',\l:'r
/lll",
y, por)o l¡i'nlb, . ',,' R(b ~ jJ) •..,N[O; d2 U(,'(';Al:'1.'I{'J. :,
E~C¡¡~.o(¡é 'q'~é'la h'ipÓI~sis'n~la RjJ=.r. sea' ¿¡c'ria '.' ','
.
• ,'. • ", • o", .' • _ " •• "',

"

", "'., 1 -"1'

" {Rb,~ rY-NIO, iT2R(X;X)-!.R'J '. . .(3.35)

La ccua'c'ió~'nos da:la'iJ~st~"it~u~ióil mll~~II:al ~e Il¿;' ~o;no vcre;{)()s ~'n ,~rApéildicc "
n, deri.varc;nos una~~riable X2 ; :" , "', .' ,,' ',.". '.;~
' .' . : ," . : ,'. . ','. . . . .

, (Rb":: r)' [(12 R(X'X)-:,I}l']-;! (Rb7 d- X2(q) , (3:36)

El úiljCO probl~~lncÓn el <¡ue ciloca laai)!'ic¡iciÓll pr:íclica L1ela eCllacilÍn (3.J6) es la '
Fresenda de' ~In 0'1. úesc~noeido~ 'Sin cÍ11bargQ,'cn'el AI)éndice Ose llcniueslra<¡ue'
. ' . '. .' . ".: ~~e,:.:I.' i,:", ,. L<' ;', '" . .' <

'. - - X1. (n-k) (3.37)'

'.r1.' '
• • ..',' • . •, . 1,.' " • • ' ' • ., • (. _,'.'~; • • : ' • • - .' . •

y q'jC dicho cSladístico

'. . '¡ ',.'
scdistribuye
• ..',
inúépendienl~ilJcnlcde
: t' _ ,.... . ,'~. " O'
p, Por lo tan
•
10,
.-, ,
lasecll~ •.

',.'
 C""¡HII.O.1: La ECllacil¡n Lincid tk k Variabks 107

cione,s (3,36) Y (3,37) L1eben combinarse p;¡ra d;¡r lugar a unestadíslico c~lcul;¡blc
que lle~e un;¡ L1istribución [cuando la' hipótesis lí~Ji;escicrla y~que viene' daLlo por
',(Uf! - r)'[!l(X'X)-1 ll'l~1 (llb - r)lr¡ . -'.
e '/(e 11 ,- 1\
l.). , ",' - [('1,/1-
'. k). (3.JR)

El procedi;n1ento de verificación rechazarií la hipÓlesis RjJ = r siempre Cjue el valor

r:
c~lcul;¡do d~ exceda de \In valor crílico prcsclecciol¡adlÍ.A COI\linuacilÍn \"eren\llS
SI el proc~Úlll\lenlO de veriricaciónes viable para las aplicacioncs e~pecíficas inúit:;¡.
das anlcnormc.:nle ..
En ciertos casos resulta litil rcform\llnr laecuaci6n(J.JR) como sigue

. .'
-
. s2c¡¡ = var(h¡) y, .r2c,',',
}
= cov(h,
. ",.
/J,)'
J, '.
, ¡J' ~ 1,2'
" t •••• ,
'k '.
, ~~todas las aplicaciones, las forniaséspecifi.cas dén y';. se susliluven en la ecua-
" clon (J,J8) o (J,J9). •
'. '. ~
~i) lIu: fJ¡ ~ O, lUJ s~ conviert~,eíl'b¡ y It{X".X:)-i It' ~n i:¡j,~I¡;ícmenlo ;'-ésilllo
- . de la dIagonal de (X'X)-I. La ecuaCión (J,J9) se'con\'ie'rle entonces en
. . ':"b,2"""b,2:" .• ,-'.:' .
[ = -,?-'- = ----.,...L-. -:' F( L 11- k)'
, s- c¡¡ var(h¡). ... .

'. o, lomando la raíz cl/aúrada,.

.'
b. .'} ,; '. . '
,( = ~= ~.~ I(il- k)
. .f~.' .c~~.(hi) . )~
r
.r:U 1<;> l~n.lo,l~ 1,li~'ólésisnula que 'soslielJ~'qu~ X¡carece úc.:,asociaci~n COlI
} se v~f1flca eJlvldlel~do eli-ésimocOcficic.:nlc:esiim,¡po po~'~u error eSlán-
,'dar.esllIlIaúo, y rc);¡clonn.ndo did19 mlio con la .dislribucilíl} l.

(ii) 111): ¡J¡ = l3¡I)'Verificamos es'~a J¡iiJOICsis 'dc for:ma' sjinil,1r ,í la' allierior
' '1 = ~;-fJ¡O - ~(II -k) ,,' ,
e.c.(h¡) , '

: En vez úe ~onl raslar lúpÓlesis '~spc¿íficas nc~ ;'~;I' /1;:: r'odcnro~ lam bién . de'
. "c:dt:ular un IIllcrvalo eJe confianza del 95%'¡)ara /1, E'sl'e sc' Obl' d'
, ,.' ,'" , .'.. ~ ' '1' lenc me ¡ante
h¡':t 10,0;5 'e..é.(Íi¡)
. •. .. ". !:..
 IIJK

. (iii)IlI):J12 + jJ.' ': 1. Ub,;s Jil sllma(!ctlos coeficicn!l:s cSlill1ados, h + lJ.l' Pre-
2
J'
mulliplic<llldo' (X'X)~I por R, se::oblielle Un \'celor fif:l cuyos c1cmenllls SOIl
liJ suma de los c!cll1(;ill;;S eorrespontlicJi!l:S ~Il 1•• segullda y lcrccra fiJa de
(X'X)-', ESlc líllilÍlO r~suil:'ltÍJ óJmbilladu eOIl /l' da la suma dc los ClcIllCIl-
los scgulldo~' Icrccro Ud \'celor riJa. es decir, ('22+ 2('2.1 -1- ('.1)- COIl el) =
(.12" Por lo"tan (o. ".

U.,,2 (X'X) ..'k = ,i.2 (('22 + 2("1) + ('.1.1)

• ,1'
.. .,,:,var(h])
, . . ,
+ 2co\'(lI].II)) + var(h,1)
.

El eOlllr:ls'lc cSladíslic~l, c~
..¡
;
1= (h2 +:h,'- 1) .,.. 1(11 _ k)
V,'ar(h] + ,h,1)
'.
Dc modo allernativo.poc.lem(lS 'calcular U11'in ler\';lIu dc con rianza dcl 95 'Jiu
para 1:1suma (lJ2 + JI.') COIllO

UI2'+ /).1) :!: 1(),1l2~ VV:lr(1J2 + h))

-.
(h') 110: JI., ::: jj~. Dc Jl1rma similar ,; (iii), é.1 conlr,lslc eSladíslÍ\:u ser;i cn cslc
caso

'.
. 1:::' ",- h~ - 1(1/ - k)
" \/":11'(11)..., h~) .

(,.);:"'i~;o::,¡,~,:;,~,;'
",!?.rc,~.~!1~1\,ej,o,ll1plo
~~~~::::~:;:::i,'~~',:~;'
~,:'::,::: I';';;:~:~:~~~:;'~ ,",'~'~,;~':~,
eo.ntcl1lplil'(lIi,i:hj'jjÚii.:sis'(-II!cli;E1Úy~:j(;sk '~'Ir~gl:cs'¿;:;;s.'"
.\:'X,., 1/' ••",1", ,,1,1, "d" '0"'" , 1, "'''m,,' "1,'""d '"d" d, ",d,,,
. Pi I'b¡,: il{
' -1,1"","" ",1" "'1"1",, I"r,,,;,,, do"{.''',,)-'. P,>n,,;"',,,,, dld,,, "'1''''''.
'."\ "i" P" el Id O""" """ 1.• O"', ,i, X "",," Ji X ,1, d"",,, X, " ,,, """ ,'1,. d, "".
......•.
J
",.,.",1",,, d, ,,,, , - ,,,,,.,,,,,,,. £"'0"'"
x ',Y = [' "." ~11; .,:,/'=
t
r.' -' . ;'X,]
. ..\'2 .. - X '2'\:2
.\"2;
,
De 1:1rórniula del Apé,;dice/\ que proporciona 1;', in\'crs;\ dc una matriz
,.:. •••• 1
p;lrlieiond:l, pl;dclllos exprcsar I:í sublllalri¡¡, rcqucrida rolllO

•
[ \"
# ~, \" -;'.~. \." . -1"
tI.1. ./ i \' 2. ]-1 -- [ \'"
I ]" 1 \' 2 1-' =...,
, 1 \" \' 1-. I
uonde r\ es la Illalri¡¡ .. ~I~r'in¡da :lnl~riClrllll'nlc cn I;i ccu:lcit'ln (J.7), (I\le
"i Iramrorma lasobservaciollcs cn de\;vi;lci(lI'lcs. 'y'X, -.: I\'r~l({¡ = I;!. es el
veclor de los cslillladorcsi ..•. 1Cde los e;lcri(icllh:s lk ¡liS k _ I rcgrcsorcs.
Sin lener en cucnl;lcl divisor 1(. cl nlUllerador dc 1;1cClla(i(1I1 (.1.JI\) cs
 .
" ':
'. ~
,,p.
f. ~
lo
';,'. , ¡ "i ; . ~

:', "
l
... ' ,.:'t'~\:lofi'PLU):L:I ECUilcidllLiI1<:alde kVari:íbles 109
~.' ., : ;, ~ '.' , ," , .; 1 '.

,", b',!X'.,y'.b2, (iuc,i:l(Y ton~ó '~c.dem'~s;¡'ó:.e~l.a .•eeu,oci()n (i?),;e~l:I ~~CEdc; .

I:!.regresitlll. !)o,; Il) (:lnlo,c,l, ~S'I.aqíslieO~¡;;..(Nt:..v~rifiénráJ~ slgnlflcaelOn con- i
(Jc:rc~!~~~~~~5~~
.\ jt~I.'(¡~d,\(r"lyt~l. ...' :;.£.',. ,:;:",'/,::,;:,;;:,~,;;;:', ." ~,~';:,
. , ", .,. ",.l, •.s.C.EI.(~,,,,Jh I:'(k':' ¡"J,'" :;;.'k). ~.f' ,L
"{-:'4L~:, ,,'-l- ;~"'fJ', (3.40)
. ,
. "
,

,
I:;..~. ':SGRI
", '¡~' -!

,
". (, '.

" "".
¥' ,

J1i":'.kh"1~~I!.i;jL',,1J';"""i1
,
,,'

'a .fr
,.'

.
U'lilizando la ~euacil)il 'd,IO): cxprcs:l'ren~ost:lmbién el es't:ldístieo como

.
'.1
.f.)j;;:::Ún.,2/(k+~1
••""
'f(k~,;!,';' ~.~)J ..
"(I,¡.••R2)(II*.k)'l ..h(,¡":''',
~::I:~, ","!:" , .•...
(3.tl1)
':.:":,:'1':';";"< ,,-:,;:';';'1 .. , '. '.

, .",:' Lo qi\c c\leslion:i CI t,ilnl~nSle cS:'b:ísic:l,~c,ite,si el eÚ:ldróldo ~ledio origi-

nado p~)rla'reg'rcsióll' :es.
sigiii fitjli~ri n£,üc"'lúayor quc,C1 eU:ld r:ld9 medio
dclri.:siduó~ .'" " '."' '"
' .. ,,' .,
"( . , "

( "'

(1'/)/1;,:'112= n. La hiiú\tcs¡~' ati;"~l~lill~li,; .\'lih~ól/j/l;1I0 d,e'cocfieic;~_ICS tic te~

. gl'csh"1Ilcs l'I1:"cdor 'ce";" a'~lifer~llcia del ejeuiplo ó111~cr'ici'r, d(1l1dcti}(I()~t105
e~cficicllles tic r~gresiól1í:1ebí¡i,iser tcr9,P~rlié:ionc;hos 1;) ceu,adón!1c ~c~
grcsiÓI'" COlllO sigue .\ '. ..,'." ~~.

.y Ix,.~;i[t:J+.,=x,b,;;;",+~,.
= ,.
,"1

tI;ndcX1licl1C kl ~oltll;l~ns, 'i1;c1'uY~l1dou~a c~l~m;l:l de unos, X2 (iene k

2
(= k -k ,) ehllllllllas, y IJ1'y';'{¡2 Son los,cohespontlient.cs subveelorcs de los
coeficientes de regresión, L:lpartidón 'tic la Ol:llriz Xnos d:l ' .,

~;,".*:", •.'.,., .,'

'C' .•••• •• ,..,.c' ~:;~;L
...,.,~;;i,:l.;~:;~;; ,.;:.":v••.;,:_.,
...., ';{(XI~~)~IU'SC c(¡nv¡é'~teel;;la,lllalri~'ctÍ.idr~da dco~cJe~ k sil unt!;) en
V••••i•.
la
' ,.,'

"'1" 1"" 1"r,,;o, d ",,",~'.< K' X)., '. D, modo ,1m;'"" 1o 0,",[1 do,,, 2

.. " Ej, "'PI" .< "í; .'''' "''''''i, ".~~"",''oc (.y-"I,K,)-' dond, M, = 1 ~
X, (X', X,)-'X'" Se "",,, ," "o~ !""",Ir. ~imé"i", dd'mpo<"", d, ,,,, dd 1,.
p" !!'"d,ro"''',,.o, "" J" wihdó" (3;17).PlIse< ",im i,"'O1" p'''pi,d,d d,
,; qlieiHIXI'.~ O)' M,I! =I!: l\tiem:ls,,Illjy nos tia clvcctúr de rcsiduosclIa,ntlo
sehacc.laregresiÓndcyiobreX1.EI nunler:ldor.dc I:lecu:leión (3.38) es

. "I/~(,Y';ÚIX2)b2Iki.' ..

Con el fil1 deenlcnder;oquc mii1,é.dieh~hUnler;)dor, premuil iplicarcl1los 1:1

. .ecuaciún lkregresión parlicipli:id:iporllh oblelÍicndci
.', '., ....íl1Iy=ÚI¡\'2b~+} .

Ek\':iiHJoa~llbo:; liI(los;1! cU:llJ¡-ado ...;

• y',H;y= b';(;Y'2;\f,X1)lJ2+e'e
 110

El término de la izquierda dela ccuaCión cs la SCR euanuO únicamcillc se

. rcaliza la regresión de y sobre: XL EIÚitin;o térn~ino, e'e. c'£ laSCR cuando
se realiza la rC'grcsión' de )',s~,hrc [Xi X2].Porlo tanlo,cl ,lérmÍllo medio
4
. mide el incremell/O sufrido pó~laSCE (o, de for;nacquivalcnlc,la dislllinu-
ción de la SCR) cua[1do' añadim()s,X2 '¡¡Iconjuntó de regrcsorcs, Para con. E
trastar.la hipótesis plantead~esprccisQ'ieali1.ü¡'dos rcgrc£iones distintas, p
Calcularemosprimcro laregrcsi6ndc;ysobrc,YI• indicaildó la seR como
e'.e., bcspues Tealizarenlosla regrcsí'ó[,prira(odas lasXs' obtenicndo con
ello la SCR quc,comoes h¡¡[>ituali 'YendníilúJipida pore'e; Particndo de In- t
ecuación (3,3S),elconti'aSle estadísdco cs~ .' , . ."m
"F" '.. (e'.e • ..;.e.'e)/k2 ." F'....(k .', 'k) ,p
.'. =' .. -'211- (3,42)
,e'e/(n':" k) .'. ' .'. . e
{< p
'<,;.;',..~.,
3.4.6 H.cgresioncsReslringidas y No Restringidas
, .
E~'cv;de~;e'quc (~)~~unci;so 'e'~pecia;~dc'(Vi)1': ~n'~o'nse~l;~ncia;, ('1') puede fnler-, .'3
pretarse lambién como ~1.resI,lIladod~ dos"régrcsio'nes distinlas,En la ccuación '.. ,:.
. (3.9) cOll1c'ntá\>a~io,s que laSC~pucdccxpr'esarSeCO;)10 SCE= i.')", - c'e. uondc y. I~'~, E
=Ay; ~o~ !f;:dcfjni~~c.n I~ .~cua,:ióil.(3:~rSe "de'l.ll~'eSlrú'qu.e Y,'.y. ~s la S~R cuando. o • '~1""~, s
. se rcalIza la regresión de y. sobre '';1 (=,./)ll',SUslIluyendo SCE el1 la ecuación ,(3.40), '. ¡;t J;: a
résulla que cl esiadístito, dc 'pruebl\'resullanle.:tieil~ idéntica forma. quc el.cJe.la' , ,~ . m

eCl!a~~\~~~~~: ~~~~s~:(y)~'(v~'), '~e n omi';l~~lO¡ .i\;~'P'I:¡'l)~~r;¡ iegrc£'i6n COlnorc ~rc.'

sión rés.l~ingida,mienlranlti¿ la':scgunüa'cs un~'¡'cgfc£íón ,;.0 rcslrii,'gid:I.: Del mis-'. .ln'lpondrclilO
1Il0 modo. e'.•;. es
lti SC/J.rc's/fil/gÚÚ, {eíe,es láseR /l(;¡'cstri,ígidll: En ¡¡;,:égresión: g
rcsiri~gida:las fesí ri.cci.on~s :iaic\üid~s en '.f¡ ti: se. Úripo'lcneilla c~uú~ión eS(imarla. • :~f, ~
Así pues, la rc.grcs'ión restringida;d17 (v)omile 10£ X2,'X), ...• Xk'de 1:l regresión o, dc¡Y r'ó'
forma equivalen1e. el conjunlo de coeficientes b2: b'): ..:, bk son l'ódos igual~'s íl cero.' .~ .•.. '
En (vi) la rcgresi9n resti'ingida ..utiliza, Úil~ca'n'lél,l(e !~,~vnri~bles, de '~I' La regresión '( ,(;: .
no restringida 'utiliza todas las variables de:: Ji! 'matriz X. Siguicnuo idéntico ra2011a,- ;:tI tt:; ~ .:S

mienlo: el Ejemplo (i) es también. unc'~so'especialdc '(vi), Ehlarcgresión restringí- ~I';' ,4

da sc uliii1.aó. l~das'l¡Ís' y¡i¡-jabYese'xec'ploXj• ,Por lo '.la~lél.c\conlraslc tle significa~. ;~ :;, e

. cióo. de fJ; 'cuc,slio~asi :existc una' disminuci6n significativa de la SCR '(Ollli íncre- 1! :>, ..
menlo' deia SCE)..cuandoaiiadinlo~ Xi rl1 c()nju¡'ló'dcr'~'g¡'c£ores, .', ..' .' .;:1' "SUJ .lé'
. ' :A.los eSl~d¡añttssuelerésühade's'd¡fícihlcl~r;hillarel ',(aior'correcIO'de q en'~ ,,"OO,

. '. .• • .' , . ..' ;' ~:i

esos contrásics. Podciúos c'alcutúlO"de dislin'lns fOrinas: " ",
l. El número.de filas de la n~atriz fJ...,. ' '.. t. >. (
2. . Hnúhü:rO. d.eelemen.tos' enlú 'hipólesis hul.a" . 'b
.' .
\ '
,',;',

. ",. • " ~',7" '-

. :.,
. ,;.
.'-'1
 c""ITI'l.o.l: La Ecu;lcilÍn Un<:al d<: k Variabks 111
, .

La difcrcncia eotrc elnlllllcro de codieicntesJ3 cSlinliidoscn las ecuaciones rcs-

.' tringida y no rcstringida. . '. . . .
4. ' La difcrcncia entre I~s ,gr~dos d'c Úlicrt¡i;d 'asociad~s ae'*c. )'c'e., .
.-..: .
En los seis cjcmplo£ anlcriores, hemos d~£¡irrollado (o~ c£ladíslicouJc prueba im-
plicando cn cllos los coeficicnlcs !Ji de la rcgrcsión no rcstringida, En los Ejcmplos
(i), (v) y (I'i) hemos ViSIO,sin embargo. que lambién cs posiblccxpresar los cSI"dís,
licos de prueba cn lérminos de la difcrcn.cia entre las SeR tI..: las rc~resiol)cs res-
tringida y no re£tringida, En los lre£ CaSos, Inrcgrcsiól1restringid¿, se 'oblcnía r;ícil-
mcnle cxcluyendo dc la regrcsión 1;)£varíabICs r;lévanlcs, Es ';lllOra cuando surge la
prcgunla de si, en el resto de ejemi)los, es posiblere:i1i.zaruna inlerpretación similar
en términos dc la diferencia entre dos sumas dccuildrados de res'iduos. Para res-.'"
ponder al;) pregunla, necesil:lremos examinar cómo se.~jl,s.la laregrcsiq'n rcslriJ\gji ..
,;<Ia.en:.djchos:CilSOS;"" , , ' /.; , >,:~; ;. ;c.•.",.:.,.,
< ...•..
, .::.:
.•." '..; .•..",',~.':.:,;oH/M.H",>'"
•••• <., ••: ••
~~.~
~;\

3:4.7 Ajuste el.e la Rcgresi6il Reslringicl:i ..

.~f,
'';'\

.. ' . .., '. . . . . ,", :':;::;'1\

\..,; .
El ajusl.e puedc realizarsc dc dos'módos. El priniero consis'le 1:11 desil'rrollar cada ca.
s~ específicO. dc£de el principio;. el segunJ~ ..C;l oblcner una rl'lI'Illula general que sc
ajuste a cada caso espccífico. Ulilizaremos el Ejemplo (iii). eón I;¡ rc~resi(in en for.
mil de desviaciones, como cjemplo del pril,ner m¿lodú.;' '. . - •

, . y ;, l)~x 2 + b'3X)T. e ,
Os la reslricción deque í)2 + b3';. L:S~s~ilu}'cr;Jo. la '¡'é~lricción 'en 1:1re- '
gresiÓJ~ oblench10S unanllcva e.cuílción:.. .' .
~'. '.' .)';'b 2X
2 ; (1 ::.'b2)'\\:~c.; .'
..
- . . .
. '. .' •. '. (F,- .\) = b2(X2::- .\"3) +e. .' '.' .' ~....
Sc crc'a,~, por lo l~nto. dos nuevas varillbles ..(y-x)) y ('~2 ..: x.'): La regresilÍn simple .....
4e.la pflmera vaflable sobre la segunda (si Ji l.éril)inodl: inlcr£eccilÍn).¡}ippo'rciona el
eSlllnadorrestringido de /)2' L;¡, SCRde eSla: regresión es SCR reslrii;gida, ;, .e., . In
., El .mélo~o~en~ral requiere. un; v~ctor b~,qll.e minlil11cc 'j;¡:SeR y que ~c hall~
JCIO a la.s re£lfl.:cioncs Ilh* = r, ParaoblCIl~rlóC$ial)lccCliios 1;\flll,lcióll si~uiente . ....••...

. el, = (y- ,

XIJ.)'(y:-
. .
'. '.. "

Xli!) -~ ¡,.í(Rb'. _ r)"

". ~

(jond~ A. cs l~~ "eclor de q mulliplica~orcs'<le L;'gra;\gc. Las condicioncs de primer'

brdc,~ son .. . ..... .
11,1," '.' , ... :...•.•.
-:;-, = -2X')' + 2(,\"X)b.
(J ) ••
- 2W A.' =.() J
1.....
. ",-..;
n~ . . . ,. "',1
'_i,

- = -2(Rb. - r) = () ; ..:,...,.
nA. .' .. '
~,

,'.~.,- ,

~
 112

La súluci(Ín de b. eslX

. (3.43)
donde {¡ es el eSlilmdor lvlC hal~ilual )' 110 reslringido (X'X)-IX')', Los residuos de
la r\.'grcsión reslril1~ida SOI1' , . , ,', . ".:;.'

. =J'-:X{¡-':'X(b.-b)

I ,,;, '1, Ir;' ~ . =: e '7' X(b. - b)

Transpolli'el1doy mullipncal1dO ..oblenemos . .

e/.e= e'e -1- (h. -h)'X'X(b. -:.lJ)

..•.
'1] Uliliz;lndo el procl:su de sustilución de la ecuacicín(3.<13) pó1ra (b.- {¡) )' simplifi-
,1

''''- .•.. ' cando, lcncmos

J;~
"
. e'.e, - e'e = (r-Rh)'[i?(X'X)-IR'J-I(r_ Rb)

do I1lk , dejó1l1doa:ul1 Indó q. lú c~presió;ldellndodereclio es la misma que I¡¡que

apnrececn el l1unle'ratlur del c~ladíslico r:
ch; In ecuaciÓn (3.38). Por lo l;¡nlo, una
expre¿ión nllern;lli~;;¡ al eSladíslico de prueba' i);¡ra Hu: Rb = r; es'
: . .. "

'. . '/~' . ( e' ; e • ...:e' e)I[¡'. F(" k)

'=~---~-'-- . qH':'" (3.44)
.e'e/(H -k} '.

Los seis ejcmplos segllir;in pasos icJénlic.os~'

Resumiendo, .Ias pruebas lipo Rj1 = ¡. podi';ín implcll1enl;¡rse ;¡jus\;¡ndo la re-
grcsión norcslringid;¡ y susliluyendo e1'veclor b reSUIl;¡nle cn 101ecuación (3.38). De
modo ó1llernnlivo. podremos <ljusi"r lnmbién.ln regresión reslringid;¡ }' eSlablecer
pruebó1~.cos1,a¡.!í;;li~;¡~l?as{\.cJ.¡lS,snüi; di(e:r~.n~i;,'{e';~.''';:'I!'c}'c Illrcl;is S Crrfésllirigid'3s ....""'
y ,i(;Hstt;~Fg¡'JA~réJli)o,énel c;;so dc In ecu<lcióÍ1 (3;44). Los siguienles ejelllpIOSI1U" .
nh:,riú)si'lus'tr~ll cada lUlO dCCSlósproccdiniicnlOS,,
.,Y
EJ [,\JI'LO J,7, Seguiremos ulílizando los d;;IOS¿Iel ~jemplo 3.3,
(i) '1Iu: JI .• = ¡j, El 'esladíslicodc pi'ueha adcc'uaúo es / = b/r \rc;. úonúc e.u es el ~k.
mcnlo inferior derecho 'de(X'X)~I.'l'nrliendode los result;lllos ohlcnidos anle-
r'íormenle,IJ,; =-1.5 y s= \/SCltt(" - k) =: \/1.5/2 = V0,75,
~11¿rminoc).1'se ohtie-
ne c:llcubneJo dircClamenlceldelerminantc eJe la mnlriz :l x] (X'X) )' diviúícndo
el ¡Idjunlo relel'anlejlor' esc' dClcrrninanle~ EValuar direclamellle el delerm.in;uile
resulla ~ctlioSO.;I\ilúdirm(lhiplos th:i;;s.riIas (columi'las) a unaJila (col~l~nl;a).de
(rna malriz nO' allcrn el eJJkrn'lin:lI;IC Y.'por cilo resulta in;is sencillo huscar ~I eJe-
lerminanic eJe I:i ;;lalrizobtCllidú:
. " -
anleriormente
.. - '.-
en la .'e1iminad"lIl de G:nis~ del
Ejemplo 3,3.
 . ':'
f '.
:< .. :; .' _';,; .', "'" \ ,. ".';
,:' .:' : .'J o". :,~, ~~ •• , .
" "",
", .O;,'ITUI.O'j:U:l:EClía¿¡ón Lillc:i1 ú¡:k.va'ria~lc,s:'
. , "~'.~J~';'+..' ~.(,:~,.,.~.;..". : .'. ,,-' .

. ,"::. S :'15..,'25'~ ;':'.

!,';;.: ¡,t.,yl,;,' O': '10"'6';,do
~': O",~'O"O <Í ,:~, 'J. ,,;,. ,'.' . '1
.\.;'
•

.
l.

',' i,' ,,'} -:\;';'

r
j,
:don~;e' el'úelen;lin:!,!le e~, sipll~I~;~l~ni~:~i p'rotluCl()d~ los c1el!lCnlos de ,In ~iil!:r
.0.
nal prilH:ípal. El a~julllo releva~ll~es... "

. ,; 5:"151
, , , '.'1 : <' '5S . =.. '50
.' ." .
~ \" l l' ¡ ~..) .'., •. . i ." . ,',':'¡

. i
I\síp¡les.c.'.l =5(1I20.::.í.5,Y'¡ ,:\', " '.' " '" t
, . . 1=.' ,.,2l~5;':.' C~~';\!Q~1.095;:,.:
• l' _ ,\lO.75',yIB. ',",'.:'-. . .fi

. que cSI~'nlll);,ce'rélidc'cu'~~ciuie~vlilor'~rniéO"C.on\;~n~i¿;hal.: " .' ','

" .. , .. CU:lnúri la hip6It~í~noiilt;ill)'ecHér;llinodcinlc:rsecGión. suele ser m:is scn.
J
" cilio 1~:lh:ij~lr'con los dal?S en r(H'~~llq d~sviilci~lI1es .IllH<)ucsc reduce. la dimen.,
siOlialidi,d del p~oblclll:l.: este ,caso; é)J'ser:l el e1emenlo inferior derecho d~l. El'
ii;vcrso.dc (X',,\,.). y~r~i'cJÍdoaIEjc":¡lrlo'3;3. ie'I¿",lOS'.' . , "':',

. "IX';l-'I'~'[IO
:~ .•. -,.::,6 4
6)-1~( ( ~1:S]',._" -;- 71,52.5 .
.",'.,'
,.

';lUC c~el
J~~ullildo ohlel;idQiI'I;lcri~":l1lel1\c:,' /,:~'" : ,: ': .. ' ~.', .. , ..,.'.'.: " .• ...
. I\It~rnilliv"nicnlc,'p'otle;llOs l1naliznr el':problCll1i1 en :lérminos de 1:1red,!e'
ción de' la sci~tu,,:mlo :liialJinlos Xl nI conjunlo dc'r'egresores.Scgún In T;ibl:l 3;2,'
,"~o .• 't'.~;-~'('=O.I).l'orlo'lanlo':,' ':- . ,.; ; .. '; ',j'"

':";;
.',
:" ..., ••...•
, :'
;...,. ,.¡,
. • •.
'/r'= '%~:\/1~2.¡¡¡Iml qU!?'l1I'!lcs;"
, ..•• , •. ~."", .' .': !.
~:~;'t.:'~~i;?~.:.~
"~."~";;i';~!b ...>:.:..y::~,.~.,~.~
-, •.•. .' . ;\ ,'.'.\
...,.,
": ;:. .~",:", •..
::'( ":,:
,.. ', ' , , ..
• ~.••" ". " ,: ":.:.,
>',,'
,:"',', :'" -
".'
l ••. ~'.,
','.
• •
' "
,
_
o.,.

(ii) f1n:p::,-I.E1 eSl;itlíslícód~pnleb:l relcl'nnlesnesle t;ilSO,es' ;

" '. :'0'.:' ...../:: ~1.5.::;H)~{':. :-0,5 <'~"-O,]tí5,¡,
...... ,f. VCJ.I:::.v'O;75.\I2,5. ." ,i

..•.. . :.:':, ~'.: '.. . '.:.' .' .".

';¡ue tesuna'n(l;~í'~nifi~;lliv(j,Poátl~'O;;. c¡'lcul~ rl:i illll;~nun¡n,lervn.lo .~e con fi:ln7.:l
dd 95% paraJl.1:En1a disir,buCiÓIH,l nu(2) o. ';"}OJ; Elinler\,nlo es, .
. . "JJ)~ln:02;~.c.(bJ); . ..

'.. 1..nnmpliludde¡illlervaloqj',lfirí;l~qu~ l:l~ l;ip6Ie~is(i)y(ii) ~o se rcch"!,,n. ~n.

IlJril1iile~lé. s~ Iralitdclliltjclnplo simlirisi a en qlrémo, y é1peCJlIeño ¡:lril:lño de
laniíie~lril
.' . ..
Ilnp~tn1ile rc:ilíz';¡j.
.....
ilifc;CilCi:ls
:' .
dcnin'glln. liro.
..'
.. . .

J
".":
 114 ilÉTODOS DE [CONOMETRIA
. , . . .,.

(iii)l1o:flz + f1J = Ó. Par¡¡C¡HJo üc'tx'.X.)~I'd~í.c:',só(i)

var(b2 :1; ~)=O,75[ 1+'2,5 ~ 2( 1.5)1.~;O.:\75,

dando /= ).. ~; 6; .c'

\/0.375 .

qUe resulla no significal.iv9 ..

(iv)f1u: f12 = f1)= O.' Dcbcn lomarscprccallcioncs.'y obscrvar que exisl.:n dircrcncias
cnlrc ésta y lashipólesisprcvias'.SusiituycncJocn la ccUacilln (J.40). obtcnemos
. F= 26.512 = 17 67
'. "J,5/2 •.
t:.£JE'
.',.•'.;"._,..\,~:.:,~j;;.:
.._,.,S¡o....CJJl
b aeg oi.Fo:os(1.7.).~5J\lioO,.POf~Io"\'auId~:.'Y
JI,.pesa.r.tlcI:hl\prc£i oli ~l\e: valor.d e .. Q 'f,;":!:.:
Rl. la hipÓI~sis no resulta 'rcchazada a UIInivcl del 5~¡',.
. ," ,;",. . .' . ~'. . !Ji
(~:.-. .

,~
3.5. .. '.
PREDICCIÓN
. : ~.. ~' . ,.
..; ..

. S'uvongah)os ~ue hernos.i\juSladq una ecuaciÓn de. regresió,~y' que 'consider<imos al~'
gunos vabres~specífjcqs dd~¿cio~de.regr~sión '.
' <, ..;:.ct'=[i:x;;. ..:.~,~~kil'.~:". ",'
Estos .'valor~s' -de ¡,¡¡'sX'pucclcp' servaJo;'es IÚpoi6'licQs ~n el caso dc a(lu~1 invesliga- .
dor que eS,ludia los posibles efeclos áe esceúhrios:t!islinlos. '¡;ailll>ién puede darsecl
,caso':d~ que ~e lrale de valores ol>seiva(jós¡'¡lI~vos.En'c~nlqú'iérn decstils do¿silua-
ciones, deSeal'naS 'predl;ci~ el.valor:.~e YcoJÍ{iiciol1~¡( a'c.. Cunlqúier prédicci61l'de es-
. le lipo se basará en. el supues(o de que ~I m~delo ajustado permanece inallcrndo en. '.
el .periodo .d~ predicción. Es"posible 'verifiCar dichosupueslo d::. esrabilidad cuaildo .'
-se .observa lambién ury ~uevo .. ~¡j16r y f' Q~lendrcm'osuna: alrllcli~a predicción por
'pli.nl:o ¡.r¡serlando !os:valóres da~o,s' deX:~l1ln ccu.aGi~n de.r.~grc~ión. .•.. ....' .'
. .... ..... , ";':yi'~,b'i+.~2~ir'+:',,",:b~Xk¡ =e'b. ..... (3.~5)
E~'la dis~usiÓn' ;lccrc'hel'leotemade' Oallss~Nj¡;fk'ov ~~iüo~lféíbamos quec'b es ~I
inejor.cstimado/lineár inscsgado'de c'fl..En el Cbnl~~IO n'cl'lÍal ~'fl:;: £()/¡).'Por lo.
lan!o; Y¡ es un predíelor6plimc/ de' E( Y¡). Además; lae~uació~ (3.30) demoslraba .
que var(Rb) = R\'ar(b)W.Reempliliando R por e', obl.cnenws ..
...', ::'. '~ar(e'b);"e¡va~(b)e '. .
S¡ suponemos (fuc ~liér';ninp. ~~perLu'r~~~jón~s nornl~I', lencl~lO.s qilc. :, '.',;' .:
.'''4' '_.:_" ~:.' ,""," l.: •. ~....'~ .• '¡"" ,'.:. ~~:~ ". ",' ", •••. : '. ," •

'. . ,
'.' ,1,' '.,',
';'."

,', t
'(... .. ~ '

'j .,!,'.•
"l ~'~;-'; ':.
 ...•
"';J
('",,/'i lJl./)), I.:t ECllacillll Lineal de k Variahles 115 1.,0.
~..:: . 1
.,...~
...:.~'}
c'IJ - e'jJ
--;===- - N(O.I}.'
\/ var(e'IJ)
, -
~,:'.l

Cuando cl valor úesconocido de (T2 en var(b) se susliluycpor s~.licnelugar la trans- '~Tl

formación habilual hacia la dislribución/, resullando .' . :~;--\
,
l'r - E(Yr) ":' I (1/ - k)
xV c'(X'X)-le '. ..

y el.intervalo de confianza del 95% para tey¡) es

9¡ :t /¡;.02S"S V e'(X'X)-lc .' (3.47)

'\II':¡.O ~.K.l'rosigalllos con los dalas del Ejcmplo J.3. Dcscamos prcdecirÍ:.(l'):.Si:X,. .. .',
:.,,;.,,.:J,:.J ..O Y,X.1" JO,La .PJ.cuicción.po(' puntocs,.' ..:...•..~.:."
;.' ';:,;;i; "i:",\."/~:\;':)'¿j;'¡'.";'i::.';}" ."
?r. = 4 + 2.5( 10) - 1.5(10)= 14
.' ',' .' .

["",n'"do(X'''I'' obtl,,,, ~
-s.O] ..
l. 2~:~'.:~:~' '-].5
,:'> ...
'-
:
. ~
. ". .... -S.O-1.5 2.5 \ .

..... " [26.1" ~.5' ..:..x.o] . .' ...

'l'orloiollllo.C'(X'X).lc=[I.IlJ"IÚ] .'4,5':.'1.0' :"1.5=6.1' .
.' .'.. ' ".-~.O-I.S.'2.5.'.' ..
'y.\.2.= 0.75. como anles. Por lo t:tnlo. clilllcrva.lo'~c ~oj¡rial1z:t dellJ5% pa¡;l E(Y() cs

t4.:t 4.363 <1iW.y¡j .'

.() '1,35 .. ' hasla. 23.65

. ~i no sedi~porie de PC.y'no deseamos. inVertir I)latrices :3 x 3,' podemo'~ rdur-

. mular el Ejemplo 3.8 en lérminos dc' desv¡'aciones. ¡'Ó que disminu\'e la dimensiona.
lidad en una unidad 1'). A veces'lo que 'deseri¡n'os es oblener .un inl~rvalo de confian-
,,:.:---
~a par.a .Y¡ en hlgar de b'uscarlo para E(}/¡): -La uiferenc'i.:; cSlrillU enla perlurbaciú,ll
'"
u¡que espcranlOs nparezcaen c[periodo'de p'redi~ción. Su valores 'inlp~cdccible v.
por.lo lanlo, 1" prcuieciónporplInto es la misinil quc' Ú,'oblcnicla ulili'zanuo 1,,'eClI;- .
ción(JA5).S: lralaaún del mejor prcdiclQf IÍJ~calins~sg¡¡üo. pero incerliduml~re In
a~erc.iI deJa prediccil~ll.nl~ll1enl.~:' T:Jlerilos' '?f.'!' c'IJ. como l\nles, y ¡;hora Y¡ =
e'jJ +./(¡- El error de predleclónes' .

. . ef= l'r 91= ';r ~'(b:-'jJ)' '';''.

Elevando ambos lados ~I ~lIadrac:lo (lo'lllando espcnllizas olil(;.ntlremo~ la v~rinnza

del error de predicción . "." __ ,.'; . .
. .:t: .'~ . ,c '.,

..'-

,":':';":.
 "
'~~.
- 116 ~1I~TOD05 rJE 1'('()\,(l~IEThf,';

var(c¡)'~ Ir2,+ ~'~ar(b)c

, == Ir1( l+c'(X'X)-lc)
de donde 'deril'¡lIilOSUn C'SI¡lUisli~u i" .
~ . .
Yc-:-YC" -{(l/-k) (3.4X)
s VI +1"(,\",\')-1 e

., Comparando con 101ecuación' (3,~(j) se d~nweslra quch, única direrenci01 eslrib01 en un

" O1umClllOde \ln01 unidml en el término que ap01rece debnjo del símbolo de 101r01í7.cua-
orada.porlo lallló.'el inlerv01lo dé tonrinnz¡¡reviS01do oe los U¡llos uel Ejemplo J.8 e's
...•
",
1<1:t 4.:103 VO,75 ~ .
o 3.66 h01Sla 2<1.3<1

•.'.•.
1
APÉNDICE

APÉNDICE J.l ..
Para comprouar 1'12.;; ,== (1'12 -~lJr2J)1 VI - rh VI -:-rh
RecordCl11us que cn el C:'piIUlo I arirm¡íbamns quc. p01ra un01 regresión dedos V¡¡-
riables . ." == 11.\' + 1', en rorm¡¡ de desvi¡¡ciones. ' 1; == rsJrx )' Le! == Ly2( I _ 1'2) ==
I/.\',,! (1 - 1'1), donoe .\' indic01 la desv,inción l11ueslrnl eSliíndar de la v¡¡rinblc del 5ubín~
dice. PUl' lo (anlO '
.•... '

¿ I'U == 11.1'1(1 - ;'L)

T¡lInbién .1'
Cu == y- 1'1) ~.\'J )' .' 1', J ==
_.
x, --
1'21
•
:¡
j'
.\',
.'
• .1 .1
Simplirii:hhció'.s~~:cil1ii~;;d':'.," ";.,',,:"': ..'./' ,".',:" ,

L I't:.~ ('2,.1 ==1/.1'1 S2 (1'11- 1'1.\1'2.1) "

.••••
4.1
,
.,,;
' .. y. por lo tanlo

'-o

'-..•., APÉNDICE 3.2

"

" Ohlellciríri de IIll0 solo de los ((iclici.cPlcs de regrc.~i(jll én IIna rcgrcsilí';llllílliple

\.d
LIS ecuaciones nOflllalcs SUil .
:\. " .' .

'-~.
,
.k:~:::;!.:~',:'~:J[/;;;)h[:~.',~::.1
\;~
donue x~ cs elll-vcc[orúe obsel'v~donesen )(2 es la ll1atriz 11 :'\ (k - 1) de oh. y .r.
l... .. ':' servaciones úe lodas las'vnr:iables,del lado del"ccho, illCI\lYI'lldD \lila col\lll1na de

" "
.'
,,,
. ',"\

. ~;.... .•.•.
,
•• ~. -... 4

'. '¿Ai,j.;.~(o;'~r~nE~I;~~iónLiil'cal
.. ,,' '¡ "
dekV~r¡'¡¡bl~s.
,~. ...,,: .
"117

. . : • , • • '..: .:",:' :'~. ,. • ,', .'. I 1"' .-~ ',: • ..". '.. ,. '.~ ,. '. • • , •
(~

unos. Elcsca,t¡¡r hes cf .~ocficl~nlc M~de b(2)i,~diCh: lo~,co,ericicnlcs de.lns Xiy

',
\
.. k -.: I variables reslúnles. Invirli'cllllo lnnHlld7.:C;l ins ecunciol;es norm¡¡les se ohliena
. .' - l' ., _','Ir .

/}2 corno, " .',," 1 .',o','

. 1i2==CII(x!1J'H' tl2(X~.J') í '•. ,.' "

donde cll' es ~I primer clci1ü:rllo tic hdil¡¡'superior dc'lamal'ri7. i'n,;crs;¡ YCl2inclu)'c

,;
los k ~ I elcrnenlos rcslanlcs tic la'iJrihlcrn tila'; De la .rórl1llll¡¡uc I¡¡ invers¡¡ de una
" .
rnalri7. pnrlicionatla ol?len~mtis . :' , ' , ".' '' .
...•...
~:.
C11. -- (',.1 \,'. ,,' 2 ,\.V ('V,
., 2' 2 -.
v )-T '" ,~)-'I - (,)
A, .,~\. ..' .• ' 2 '~ .. 2
'1'~'2 )-1".
/1
¥

. . -'.' :. ;.':' ~.. : ," i ,', .' .:¡ ..,. '. - ,':' '. ...,
"'o'lld"
U \"o ,,' ••
,: .•,[
It' .•...•.
[ X :t (V'
- ~.,-'. A
X' ,)-1,,'Av, •...'.
•• ,
," ,

Tarnbiéil, Ci~' ==' ~ (:,.i2' M ,:,~'i)':I '.,~' 2'Y~(X'.,\;;)cl .

lo larilu,
. " . ,", -, '.."" .:. ~ -' •. ~ " • ~ • t \ •
'!
Por " 1J2= (x'2M ;;.\'2):- IX'2J'- (.,"2"1 ""2)- I ,r'2~ .(X' .X.)-~ X'.y
. '; : '~,(:Y:2M~:'~2)::'I':r'21,~~r;.' ,','

Nólese que clcodicienle licn~ dos illlerprelriciollesposi'Jles;' El. vcclor M .X2' indic¡¡
los residuos' de ,xi
cuando des'aparece' la', innliel\ciá' lineal, de todas )ns vari¡¡bld de,
X •. be l¡lOdo similar, M .)"iildica el ~eClor dc'residuos de y. cuando se permile X •.,
La rórmul¡¡ muestra enlónces que b2 'la pe.ndienle de In regresión de' loscslos ú'iti: . es
mos resiuuos sobre los'pdmeros. Sinemb¡¡rgo, la idempOlei1cia'deM.~scgurn'quc
oblcnúrí¡¡mos luénlicó cocficieillC'c¡¡lc~,~ando la .~egresión '~e s~~re, M --':2" .. ,. J' '1
El Te o r.'cnia de rriscIi~Wllíigh-L~'\'c1l20 es Un" resúltado qu'cpcrmil'e gencr¡¡li. ,
7.¡¡'rel cjemplo'~a,ikr¡or. Sllp,ong;Íii;osqu~' l()'s.:rcir~so¡'d's¿,divideii d~ssubmald. e~
ces, X== [XI X2 rOrl1lllJ¡¡rcm()~ Ia regresiónco~no J. .

-'
'y.=IXI . X~J [hl]'+,
b2,
e,': ~Yil},+ . 'Y2~2~ . •.c (,';'S.})
.. ':'~ .r:"'f:'_ ~.: '. ~'_' "'" .~_~...,.••.~:.~,...~., ,': ~:. ,.: .••,.,.":";''''' '.~) '•••...• - ~ ;",:0 "1" .••. \" •.••.• ":' •• ~:-,:"_:,,,,,,,,~,,,~,. "".; ',',0' ., ••.••• , '"v_r~i'" r. ~f .•••. :.~••• ,., .•., ~ <,:,.:,' :.-,~ •., .... '~ .'".~-~ .... ; _-;-~ '.,0;" •• ~••: ,:::'"> ~\' t'. " .''',
,~.,~
rr'el)úirlir)Iic'lljC~Ii1o~"r:"'~eti¡¡c1(¡nPQr"A;/í '='['':''X¡ (X1íX¡)-'1.x1j','dof1¿J¿' A/1 es 'ti ¡) ¡¡' iri:i" '
lriz silÍlélric<l e idempolenleco;liólas'des¡¡rróll¡¡d¡¡s en i¡¡ ccuac'¡ón(3: 17), Obienc.
111 os "
.' . ..; '." .' . MÚ,;"Ú¡X2b;:+c' , .. (1\3.2)
ya qud/lxl== O yAlle,== c:r~enlllllipljcnild() InecunciÓ'nporX'2
. ....., .. '. j~'i.k('IY==(X:21'11~\'2)b2" ....

(l. de rOrlliauqlliv;ilenlc(M ,Xi) '(M¡)'Y,," (MIA:2)'(M IX;)b2 (AJ.3)

Esl¡¡ LÍnim<lccll~¿iÓIl!)1UCSlraque cl'subvccl6rb2 dc In regré'sión de la ccuació-n

!tIR. ["riseh)' F.v,W:I\.I~l;. ;'I;"rli"I'Till1~ ncgrcssío~s ns'Co;i'pnrcd with Intli\'itlllnl Trentls~,Eco"nlll~I';'

nr.I'J:\il.}i;7.;IOI: l' ~,i.C;'ln;.cU; "SénSnni1l/\dj~5fríicnl\lr, Eeo;uimicTiinc SCI¡es~,10í,;.",,1 n¡ 11,~11111('
,;n'¡'~~lr";H;¡"I/; ~t~,\";,'i",i!m.'I'li,3.'5R,I)I)):.Ioio,r::IIC()(Cn\~ ~c :t1isculc y~plien ti~ rorllln~xr~mi\';,tn RIIs-
,seU f)a;.'¡lIson )' .J:lln\;s' ¡"'I"ei<.i,~;,nll,"Ólí;"lI/in"n;idl"f{',~iic~/Ú Ecmr'II/~'(Ir;c.r; O."or',¡ {Iniversir)' Press.
l~~ _.' . .
 118 . M';TOOOS 01' IlCó:-;mll.:rJlIA .

(A3.l) pucde oblenersel"mbi~n aparlir de la. regresión de (¡\[ 1.1'). sobre (M IX2).
Gracias a las propie'dades dé M¡,lcnemosque ':'"
'. MI)' = vector deresídu6seuando'y~c ;egresa~obre XI

M¡X2 = matriz. de residuos cuando cada variabledeX2 se regresa sobre XI .

La comparación de las' ~cuaciolles (A3,1)/(A3.2) mueslia que d\'CClorde resi-
duos es el mismo para cadaregresióll. Porlo 'la~16tpóéJrenl()S oblcner laSCR paro'
l¡endode cualquiera de csiasiegresiones.: '... ': . .... .' . .
'. De modo slmililr ,'dcfininlos M2.= ¡~X2(X'2X2)-'IX'2 y oblencmos la ccuació;l
e.
de rcgrcsión Mu' :::j.-J2X1 bl + Encslc caso,)'y X1sc '¡ijl;slan p:lr'a conlrol:lr la in-
Oucm:ia lincal de la~ vari:l~les'cn X2 y el vCClOr <.le coeficienles dc la rcgresión de
los resid~os coincide cOn'elsu6~cclorb(dcIaccuación(AJ.I).. . . . . ~K,;.;
.....:.""',:'i:¿:,;~.:.',:~ho..:Xs:~l:lp'~~,:;~~~~~r\2~~1.~~99.L«:!.V.q9~.:.~$.eWs,g.N)}~,
l!t£J.\J?~.fljr.~l9..i.!..8tPI:.!.q~jr.:¡9S:.,.;¿:~r:
gcncr¡¡les de 1:1regrcsión: siguen el, lCOrem¡¡ gcncraL Si XI = i, una columna dc,
unos, y X2.CS la nHllr.iz dC rcg'resorcs l/.X (k :- ¡),.cntonces . ..~ :

•••.• :
... M;'= J'- i(i'i)-l
,é
{'
•
=-¡'~.l(i'i)
1/
~'A:~: '

.' l.(ol\d~ A .es la 111a,lri¡ qllc' geliera 'las d~svi¡icionesdcfinidas~n la eC\H1CiÓli(3.7): Por
.. 10 tan'ló, Jos'co~ficien(cs de laspendielllesse Obl<.:liur¡ín a.¡l:lrlir de esla regresión
uliljza;ld'o-Ias yariablesen [ormillo desviucióll, 'y(\iclla regrcsión nos dará también
'idéJ:]lic;a SCR.a la obt'cnieJa en\¡i r:egresió;l 'con ui1'I~rmino dc inlersccción 'y 19S re-.
gre~o~es en.rQr'~Hllo normal. Si ~Y:IreprcscriJ¡¡.ellieinpo,enlOnCeS .Ios <;ocficientcs de
'Ios/cgresoies.resl'anle~sc obl~'nd.rál."e'ii'~-iin'andoé~pril1lcr ¡ligar la 'tendencia Iinéa\ .
. d~,lodas las nriables.y regr~snn'uo luego las varia.blescon'lti lendc,iCia corregida, o
,1J¡~ll l,IliIizan.<Jó losregresóres e'n fO(l1ialO ;lOflÚ¡il.~ jnclu)~cndo el ticmpo como un
.regresormás .. Fin~ln1cnl~:' ulilizarem()s'Cl'lcor't;ni~gcn~ral :para iluslrar la corislruc-.
ción secuenciai de. SCe:'o,dcfcirll1¡\'equiv¡llc!lI~,ladisn;inu~i{\;l '~ccuen~i~1 dc la
SeR cuanlas más' va'riables se ai\adun ,iI la regresióil.' ElevalúJo. al cuadrado la ecua:'
cióó (A3.2),oblenem'os .. ' ,.' 1

, .
, / y'¡\~¡Y= b'2(X9rfIX2)b2'-¡; e'e'

. Ahora, y' Ú1Y' ~(MI)')I(M;)').=-:SCR d~l~ }egr.csióncl.c:y sobrc X(,'y 'e\~cslaSCR

". de 'Ia' regresión de )' SObTC[X1 '. X'21., 1'01'10 la'rito,' b.'~(x'2i1.i IX2)ú2 mide I¡í dismin.u-
<;ión 'de ,ía SCR originád'¡¡ al ¡¡i\adiiX'2.'a¡' conjúnto de ¡.cgresores,... '.
. , . '", . • . .' .. ,,- 1:', ,'. :. ".'..... •. /"

. ". . ~."
~ i ,.'." '. ;
APÉND'ICE.3.3 . 'o

DClJiostra~iól\' de 'q~e ~Jinillljza'l\d~ i-¡'d,'[llljO él ~IJP;ICS(Odc quc X'a = e, se' iJhfiene'

a = .¥(X'X)-lc_' . '. '.' , ,
~ '. '.' ~ l': " ' ::.:.: ".,:- 1. _ ... :, "" '. ~. .,' '. • ..

:::n eSiejnobiema, á es un vector 'ir dimensiOnal des:conocido, e; lInveclor conocido

de
..
k elémenlos y K"u~a
'. inalrii 11. X kconoéid~,
,
SUllOI)gan1os
.. ',' -

....
"." - 1

.,".', . " .. ,
 (',\I'ill!1.0.l: La Ecuacillll Lilll:al tic k Variahks 11')

(1) = a '11_ n: (X'a - e)

/',,' ..;
Las derivadas p:lrciales sOli
i'i = 2a - 2.'0-.. ihl) = - 2(X'a ..: ~)
)'.
va ' cJA
19l1al¡lIido a cero dichas derivadas)' mulliplicando por X' la primcra ecuación. oble-
nemos
A = (X'A')~I X'a = (X'X¡-Ie

Por lo lanlo, (1= XI.. = X(X':¥)-Ie '.

Dcfinicndo el cscalar 11/ como 111 = (1 'y, cnlonccs 111 = e'ú, que es d mcjor estimador
lincal insesgado de e'fl.

;
.. :.;.-.: ..

APÉNDICE 3.4
DcrivllCi(ín!Icl cs!im'a!Ior restrjngillo ¡j.••. ,
bdinilllO's '

'i'= V::" X1J.)'V~XI;~) "-'2A'(Í<b. -:'~),

. dontic' h' es lilivcclorcon los;, mulliplicadorcs dc' Lag(angc ..lgu';ij;¡,~do n écro las
derivatfas. i,a'rc:iales de (1), oblencÍll()s 'Ias.ec\lacion.es .. : .. , ' ,
.(X'X)b'.~Ü,iy f'R'X.'

. 'Rú. = r'
•. ,.' ,
bl,Íllima ccúación nos lleva a
0.= b+,(j:'X)-lil'A .
. ,donde bes c!csli ma~or ¡\O res! ¡'ingido'M G.. Mui til;lic~ndo p()r U,' se Olllic;lC '
.. !lb,:::: Rb+[R(XíX'r1 R']A . ' ,. .~-
'..;1
asl pues \: 1..= [R(X'X)-I R']-! (¡'~'Rb), .,' ...,
y,l?orlolanlo' b.'= ú +(XIX)-IRI[R(X',Y)~1 j{'I-1 (r- Rb);
•. ~. . ...• ,'.1

'.• r

" PROBLEMAS
.'

c.
3.1.. De;llo~lrar algcbrai~amenteilu~;en gencral; I;is,'d~~cCll~acicinc'sen(~n;linos tlt.: des-
viaciones mostratlas cn el Ejemplo3:) d~bcn ser idé.nlica~ a 1;;segunda Ylercera e~ua.
'-
ción oblenitlas cn el primcr pa'so del procedimienlo ~Iceliminacíón de Gallss aplic:l(/o .
~L,'
,-
a las cctljlciones normales en lénilil;os tic dalos normales: . '

c~ •.,
 l'anicl1llll UC"os princi,)ios gener"Ic~. ilcri,,;,;' la eeu;lei;;n (.1.15) ,;"r;; 1'11,;
;';", ' •.•..... "'," ", ',. ','. ".,~ ,"-'.! .

D~nlllsll~ar cn,la eel1,lClon (~.,J(í) que Ri:2.l-ri1.=.t:i.l2 (l . .., ril)' Dcmoslrar tamhién
~i.~.l ,- ri.l = r1~.J( 1.-: ri.il. C\'rólario:,.Dei1l0Slrar q;le si 1'2.1 = O. cnlonccs 1I~.1.1 = /"72 + , .

ri.l.2' . . .

C:(ln~idcrcnlll~ 1:1'i'llliei(;11dc ~1'::!llilndahipl~léliCa InQ = JI, + Jl2 111" + JI.lT. Dcnominc'.

11l0~a lo~ Irc~ coditiel1lc~ de regrcsiün simph: eOl1lo .. ' . , "
, - 'iql " ~'_ ¿pI "
)I~--- J,,_'-- ",= __¿pI
'\'. . . .2)! '-' 2'.11 .• 'Le!
~"
dnl~d~Jr: p ~:I son InQ. In'l' y Ten rornia-dedes\'i:.cioncs. Demoslrau/uc cl eSlil1l;'l.
dor Io.I'Cdcl pill';imcl ro ue call1hio (~Ic1;\ regresi6n l1lülliph: JI.lse rorl1lula como
J;: " "
, '1. = '1". .• =
'{¡11'-
' "1,11'1
". '
I ,...IJ]J {¡.l1

que. cn gcnet;'lLc;1 el all,ilisis delcndcllci;; dc~ios variahh:s. nunca cs iguar' a los c'ocn,
cienlCs ue licmflo. hl.l y {¡l.l' ¿Qué succde cuandolJ;.l"='(J'i .
. '. . \ '" .
J.5.
DCl1l0Slr;'lr C]ucy\y •. con y.,= '\.1' (clln.'l ddinido cn la ecu;lci(íl1 (J.7): cquivalca la
SCI~ sicl1lpre que .se.rc;,liza\a'regresitil1 dc y sobre .1'1= i, Del110Slrar I,imhiér;quc el
codicien te de rcgrcsitil1 estimado es 1'. . . ,
.1,r..
COl1sideremos ul1a fdrma ;;Ilcrnalil';.' de espeeiricar la ccuacilíl1'llc reg;esitin e;1 la qlle
los rcgrcsores dcl lado dcrccllll~se cxprcsel1 'CI1rornüi dc desvi;lciol1es: cs dccir. X =
..••.~
:,
[i.\'.I. uUl1de ,\;, cs la matriz de desviacioncs iI x (k -1). Del110slrnr qlle siempre qlle
~c haga la rcgrcsiül1 de j. ~ohre X.c1l'celor MC ser,í "

,1.
dOl1de h] cs el elcli,el1l11 I'CClor (k -1)
',:,.-.~
. .-.I:~.:';",:",,~~.':r~.'
rl~1
:~,:y~':'i:':~:I'::;::;';>.:",~./.:'~."<,':-.:':~:~.,:::::~ -:'.' . ~',-"'...;.~ '-'~ /' .
.•..} .'. h1~.(.\"t.) ,\.y=(X.,\.)-,\ '."
Seohr~,;'u';~;i u;,a pl't:dlc~i,ín por PUI1IOa parti,:dc

.....J l}= 1"'1'"1'.\'1(+ ... + h¡ .IÚ

Demoslrar que

\';11:( Y,) =
.
.I':I.~
"
l. .1'•.(.\'.,.\'.)1.1'.1

tlondc .1".'= l.l'~.r'" .1"1.11 y. p(',r Jo la1110.clahorar dc nllCVo l.1 IlI1Ihl~nla de prediceiün
del Ejelllplo .'U{..

.1.7.
Nnesl r,;, ayud,l11ll'dl' invesí'i~aciúnillrOlma d.e !tI, re,"Ii;ld,,~ ,í;:uiellli:s ;lparel'Ídlls ell
'dislii'llOS p'rohIcJ;,a~,dc re~r'l'sil;II;.¡.t;l lill~"~'a'il,e'lall:1 ,i:I~Ur'lI'd..: ¡fui: CXiSlc' \Í1l
error? R;17.11I;-cla i;~~P;i~SI;l~.' " .•. '. .
 '.-": ' ,',
1 ;;
ti,
, ~ , l."

"(:I\:I'/TIJ~:;I\(ai~'~;i~~i¿liLin~:t1
. .'. . ',.' .. ,".
ue ¡.k --v;riniJlcs, .
. 12,L~',
," .'1'
'.'

" '.
,.~. o! •

,', , , .:t.
., I

.(t)ni\'crsitlad tic Mi~higan. 11)1>0)

. '.' '. ~ .' . . -

':Ut ¡\ I~ec..:s I:I~ \'a~~al,lc:~Sé 1~.I'{;I/;';~(/I'U;;';:;U11~~á~c:;Ii:ul;¡~

los coer¡ci~IlICS tic rel.!rcS¡llll.
, L;:eSI;II;dari~at:i(ill s~'r:~",iiza '~liy\dic'I~I~C;\~';l~,íl~~~V¡ICil)'ltI~'1',;;'1'vari;,Jhlc por sude,s:.
l'iaeil'lIl ól:índar. de 1ll11.d(I,:qll:c,l:u!esl',i;,ci.lÍIl.i:SI';Í1idar
de hi.variahlc trans(ormada sc;~
;¡... 1 , .i¡:lIa' a'la uni~ad.Si, por cjc!)lill~I.!;i: r~'I¡l~Ítin;lrigí~;\I.',cs" .:' •.':.. " ,. ", ,
,1 ,;I"" •• ',,',.~,i,l,. y'~jj,"+fI;X{¡;fJ;;X/+;,' .,"':,. '
'_ '1" 1" : ' " \ ,. , (. : , ' ,. • . •. ~'.

)' la <:urrespondicllle rc'atilín entre las variahles Iroinsrormad;'ls cs

, 1,:: ' • !' ; ,¡', I : .~ . ,'" .'
~'. !- . l' '.
".'. ,.,:' "¡:l" "'J'¡''''+/1'')('
'.""""',=:' "1 2",2:'
'~'¡'1' y,' ~
-:tf"')":
11' ; ,
," :'. ',,; 1'"

!. , (, ,:'! ~ '. :.'," .:. \. <'" ,,¡ .. l.,'.. 1,'I . ~;~-:r

,y'. = Yl.v.,.;
< ••• :' ~

,'.donde, ,", 1_ ,;
.' .. ,,:. '.1., . ••.. 't' '.; \
" .'~ , ¡'I, "
i ..,,\'~;=.r;I.\.;:¡',.'=,~~,.J' '; (":'.,~;, '," . ~f

i.c;!:íl es: ¡a n:laci<'lI;'c';llreiJt :f1.l*; fl~j'PJ';rljc;;lO~;.r~ rl(', ~e '1al ra;Js r or;naci;~J,ni1~ ;'Ircct~
'. a los ClIdície'n'Ii.:'s ÜC'c(\rrel;lci(~h 'pard:11. . La litcrnlüraCSI;Jtlís\ic;'I.sue\c.! uerlornillar ;'1
'h;scúdíc,íenlck JI~;'~;)~ii~ii:ill~S hcliC Sirvc'lpii'r:lc;'Iló;I;'It el efecto'del c;'Imhi~dc un;'l ~.
Jesviaclt'III' cstiiillla'r 'cil ,;íHl'Úc'l<is rcgrcs;''ti:s.sOhtci;Jl'ariahie lIcpcndicnte (,ílCdido'
lan;h'íén e'nl;'lida~lcs'de trcs\;iitcilí,,¡'i:SI:í'l1\l;Ji')." :".' > ~. , _,

" . ,: ','.1 I h'; . l': ¡ , ", ¡,' ,".: " j .. ', ."',.; •., ;';". j' ,"' •••. ;. ''''¡'''~; :.¡, 1>', ", .... . : ...•. 1. '.' ," "
'.

.J.9.'- Vcrifica~cada
.;
"l1a.de lashiplllcsissiguicnles: ':"', ••• ,¡o " ,":,
Jil
"
=), /h -= \. PJ:= ..':'2. en clmódélo;
.'" •••• ,', , •••• \ , .1 '."
tic
rcgresiÍln " '. .,J.
""','.' :,,' .',:' :v." "'':.;

, ',.,
: :'-y',=f/u+ f1IXi, +f12'\~2'¡hXJ,
,
+", :
~. , . -' dathlS .fas sií!irienlcs sú;ilas'd,,:cu;ldí';id(;s);i1f(jd~lcl'osde'.Jesviaci(Í1ics rcspcéí~, tic l;lS
::l',i:~.r-:tf~~::;:f(~~i;~~',~7:5?'}~':?~~"5"~\~~{:r~¡.';~.r.::{:'::~:~~.¡~::X:.,\~:j!
.:/,"<':""""':-"~"n il:Jli mr"lle:"-2~';úhsc't\:il éíil'n\is~~:'\'(':"T.:...~~;~.::'~~~~,:1:1,7,:.~'~f~' :-~.,
~:''-'
:.~,
.~.. '.' .- ". >"
6IJ ::6.(( ':j:,I'~= ¿xi "~Ü,,=}O~: ~>J"~20'
2:.,;xí:':7'if~;2==~7 .'2:1'.\';=.":26 ..

"2> 1 :x~~10," ~,:,,:~\~5)'i::.i';~.'i5., '<.

...•.
'

.\'crificar 1;lhipt'tlesisdeq,;eJlI+J12\J1j= (t, ¿,Ci!'~I'eshldirereri;;i:l'enltc éSlay iáhi.:

Pl'll~~is de (j1iclfJI
". . ....
h - PJl= 111'. .
":'2IiCo;llril,Slafcstn
'.". ," .. ,
ú,llíin:l hipótesis.
'. ' ....
'.

.'I.lll.Lassi¡:\,icllles S\Hl\;iSI~ril\:i~l!clI.d~.IO<;ol~ju;llo~ dcohscr\'aciol1\:~ de )'; Xi y X]:,,.

.: '¿{:2() :: . ¿,\-í;::,~O
.
: .2:~\'i,~40; i ..
•¿}~= ¡;x.~,::~-yr~lJ2 .', :IXl~163
~.,.~)'X; 59 '<i>h::Rs>'2},y,X2= JI:9 ..
í:sl1rli;J,:'la re~rcsitÍn,del'sohri:Xf)');2' incluycndo ll~lérl11ino déin(c~sctción. 'y
conlr;¡si:lrl;Jl;ipl"lesi~de qd.:.:1 cncfi,cichl~ dcX2cs~ero.'
 122

3.11. Estilllamos la siguienle ecuación oe' r~gr~~¡~:n'c~n10 una fU;I~ión líe prmJucclón para
Q: .' . .'

InQ = 1.37 + 0.6321nK +o~<l52InL.

3.14.
(0;257 (0.219)",'
',o,
R2 ~6:9B cov(bi.;Jl¡) ='0.055

donde los errores estándar apare'cencnlrepa[énlesis. Verifiéar la~hipótesis siguien-

tes: .

(ti) Las elaslicidades del capital)' trabaj~ sohidénlieas.

(b) Hay rendimientos constantes a escala. .' .

. ....' .... . .. '. ..(Univcrsidadc..le Washinglun, 1980) l ~>'>.

.....••
,;'-:''''''''._'.:''
"NOl-:ii.~+.prol>la(n" .no<pfoporciolkl.;el,,~i ÚJi~~[O~lli:"ob:i.l;J::,w;iQ\l~lic:"L1H'~.~t~~1\}~.¿bfFc~~~.,'"
,..,~.\, ,~\.,<,<,
.....'
~,
eSle hecho a las conclusiones ol>lenidas? ' ,:~'
';1\

3.12. Consi.derz:¡mos un modelo dé re~r6~iÓn Illú'\lipie en' el'qlie aparect:n loUOS ;us slIpues:
.' tos ciási<;os. p.ero en Clque .,wc\isie . ,éi-millo cOJl.¡"lI/lil'.'Sup~ngal1los qu~ dcse~~)os.
contr¡¡s1?1' la h~pótés,islúJladc \;1 inexislencia dC,rclaciól\entrc >' Y X. t:s llecir

Hu' :jJ2="'= ftk '" O

~onlra la a1Iér~ati\:a' de (lÍJ~,COl1lo: n~rnil1l,o, una.de las f1 no' esig.ual a cero: 'Especifiear
In pru~lJa estadística nuecuada y ;sudislribl,c,i6n (incluyendo él nllmero ¡Ic' gral.Ío.s .de
lib.crlau): .' ' ..." i" . ,..'

, : .'. , (UllivcrsiuaulleMiehigan; 1978) ..

• (. .." -'" : ~ .••.•••. ' " \ ¡ ' •.•• :,' ••••. ~: .•• -.', , ." .. -' .•.. -.. :,:. • . :.'. , , '. • .

J.1? Upo :d~ I()s 'asp.c'eld,s ctu~ dcslaca, Hi hil)ÓIC.si~de .cicpe'l;\at¡v¡Js.'raeio¡lale,s es que las ex- .
, , peclaliv~s 'tÍeben:s'ú,insesgad'as~:-J:'s, d~cir, qu~ l.a pre¡J¡cd,ón ~mi:diasca igual :\'101 'reaÚ.
zación o'bse(vüiJa de' la ,>:ariáble estudiada.: Dcbe.vÚHicarse diehosupl;eslo 're~peeto a
lasp~ediccione(an~rid~d,as';Y; los' v¡ilores aciualds~,~ Ios \i~os d~ii)tcrés a lrés meses,
. 'dei U~S.Tré¡¡SurY BiI1~ pubiiéadas en Tlle.Goldsmiill-Nagtlll f)(JIIt1 allcl MOl/e)' Markcl . 3
LClle'r:Losresu'itadosde'.la ~¿limadÓn poi,n\ínin;os~uadn,J~~ (basados en 30 ouser-
:~
~aciones' iriméstr;l~s) d;\a.'r~gre~ió,)',(:¡'~'i(¡s liP.ós iíúerÚ de d~ hecho sotll:e \¡is pre- , ."P"f, . :1
dicciones f~~roil Ic;>ss!.guiefltes:.' :. • ' .. ':'~~ ~~~':
':1,
• '1 ~
ti;: 0.2<1 '+ 0,941", \ 'é¡"'. '4'.
l. ,' .
., ',. ; ~ I : ,

io+-...•
\.
i\."
1 ;.
SCR=2R.56 .
.(0,86):. (O,iA}",' ,' :
• '. o. '. • • • ' ~ .'., • • ", • • •

donder,' es ellipod~ iriler¿s'ous~T~"ad<i:y ¡.,' ~s i~je'xpCctati~'¡; m c'(ila ,d~ ,;, ¡ti fiilal ue!' :~ ....-
. triméstre :aútcrior: Los éi(nis' ehlre par'~nlesisso,~ lbs t:rrorJse~tiínd;\r l:sli;ll~dQs. Los .:J¡: ,
catos muestr,aies'd~ r' nosdiu\' <', . '," .• ,; , ," .,', H{
, ¡r,',I;o:~",1-0' ,l. '¡(r,~_ i '?"= 5,2 .¡;:
1,,;'
1,,'

,.,,' ,'. '. "',.

""
 C\
',j
Desarrollar la pru<:ha. hajo d supuesto ue qu<: se cUlllpkn llldas las hipc'ltcsis uc~ mo. \".. '.- ,.
delu de regresión ci¡isico. . ' . (;,'
:.1
le,':)
••••. j

\ ..l
C.ansid'crar el siguicnle mlluclll ue regresión en desviacioncs:' . .,.r.,)
""1
(/.1
..
(.-:r']
con los ualos nllleslra\es
1/ = lOO '¿\.2'= <193 ¿x 2
, = 30.
j
.,.1

\1.'"
••.•

. 3

¿XIl' = 30 ¿.I'2)' =io

(1/) Calcular los estimadores MC para/JI y fJ2')' ealcülar asimismo R~.

. ~f¡)Ve,ririear la hipótesis IIU:f12 = 7 conlra /l1:/h,"7. .

;. '
._(O e"l' Vch
.,.. 'fi"Icü¡-'\á'll1PÓlCSIS
'. "J" " O
. 1l :/J¡'=')2'="'conIHl" "11.'1" fJ y ••.o ..o.)~,."
1\ J" ..( l..c,". ':,:,~>•./:,...~":.'¡;,,,I,~,,,,,"'t'l:¡>\Y.
ú
.
(ti) Verificar la hipólesis 1I1I:f12 =7fJl conlra 1I1:f12" 7ftl'
(U'ni\'t:r~idad llc Lonures. 1'J~ 1)

C,'=

e,'" , .

e,~;':'conslilnl~ .• Ó.7XY,~ ('), .

Y,=
¿;,Iclliar los eslil1liluore~ minin)(l. éuadJi\ticos de. Pi)' JI) en
e,= '.PI + fJ2>'1. + fJ.¡.C,~/ +11,
',1"
(Un'i\:ersidad'ue ¡'\'Iichi~iln. I'JSl))
. .
3,16; I)emoslrar quc 112 'es el cuadrado.de la currelación simple enlre y y .r. donde
y= X(X'X)-IX'y. '.: ' ..' , .

1..11'.D!-=I~)Qslrarl]ue cuando una .regresión se ajusta sill lérmino. conslante. los residuos no
:
ilc'C.csi,riamenle suman cero y (¡ue " ,

•
:I.lK: PelllO~lrar quc 1/2 alllllt:;lla al a~~¡]i( '1II1nvariahle explicali~'a. :!dicional st)lo en eí ca'so ,..-
- en ¡~lICel eswdislicci Ijara prohar lúignificnció:n de \licha vúiablc.F (= /}). exceda de
,la un'j¡Jatl. Si ri inuica elcoeficienle.de correlación parcial asoci;>do a Xi' demoS,lrar que
.' .... r¡';;'~,=~ .

.•
F •+ gl~, •. /2 + ~I
•.. .
, .'
 UUl1ue ¡:)' , S~lI los v,dc.~res' de
. "
h:s eSladís'lit.:os U" IJI'u':')'\ p',r'l \' y' """':"1 "\ / . . I
de lilJc.:l'lad de la .regrc.:siül1,
.... . . ~ ~,," ;.,' u l, os gra( os

J,I\I, ~I1,ecopOI;lisla se '(iedi~a"ai eSII;dio ue la variaci¿11 ue los aC~idc.:"lIc.:s'de carklcr¡1 el1

dL~~IIIIOSC:SI,~dos. Esiahkce la hiplilcsis (Jeque la 1;lsa de accidC:l1les depellcle de I;,,\'c,
lomJad l11e~la ~. de la dewiaciül1 csi.i,~dar dela vc:/ociclad ell ca¡¡;1 cslado, NI; di~pol1e
11.:~'al()s de ~a 1.1.:~\'iaci.('II\CSI;í.',Uar;;ruIII/Ue !Ii,a 'dislrihuCilil1 lIorJllalde la des\'i;lciólI
eSI,lIldar.se SI~U:IrI;1apr~lxill)ndaIl1CII!~ clllre: el 1)5 y el 50 del pcrcelllil. "orlo 1:lIl1;l, el
Illodelo espcc¡fJ<:;ldo cs .

y :jI, +fJ2X]'+ fJJV(,- x]) + 1/

dOllde )':
l:lsa ,de act:itlel1les

X~;= .. \'el~dtl;ltlllleuia.

.;\\= .J,¡;rCel1lil SS ue /'1 \'~ioeida~'

, EI1 \'c7.de rcalizar la rc~r\:~iúl1 d~ YsobrC;\:2)' (XJ-'Xi). COI110el1 d Illodelo esp¡;eili,

, •.'.J
cado, su'aYuu;1I1k de il1\'esligaeión aj~lsla .... . .
,'. "

Y': eOllslanic - O~2'IX2+ O,20X.l + ('

. u~: Olí"
con .' -. I- os. eSI'I"I\I~I")S'1
" 'u. ,'.' IMr,1
,'. l'.os uOS Coe'f"IClel1les represcillali\'os
~I';' . .. tic las pen-
ulenles sun, respeCII\'¡lIllel1le. J.¡; y 2,3, )' la eo\'arianza ue las pCl1dienles dc rcgre~iún
es O,OOJ, Ulilizar CSlos resullnulls !)'lm : '. e"llcuhr, un'\'. eSlillla, ellll1
'. por PUlllo leI j"'"J2)' VCrI-
, .. "

'.lO
[,''oc 1"h,pó"", d, '1'" 1" ""od<l,d m,d"
L,,, d''''''d.' "" 1""hl,,,,,,,d, I,e.,.""d,,¡'¡~pi"p""ii""",
"" "1",, , '"' ",d<l",,,,.
'''",,,, 11"d".; ,;.,;,,;,
.'."" ..
I~';. ,.' '.. :
,
'::':~:':"'!';';'"
X ,.'<. "[;'i.~ :¡,' 0]" ['. 1J2] .. }
. .x' = 11 '11 211 .r:,. ="
. '" (1' _ P )' = 15/J .,
() :W' MI lJ2 ¿ .r
(ú) ¡,Cu;il es el lall1;riill tic lallllicslra'."":.L
(/)
) ~ a eu ;Ir la el'llari\ill de rl'¡:resiliil.
ro I I .
. .
k) E";"",,, """ ""'mi,;, d, "i )' "'di,,,,, Ji, h,,";1"" ,Ié ";" JI, e, ;.",,' , ce•••..'
(o/) V"o/;e" ,,, m,,,,,,, h, 1";'"'' "",;"""1,,
1""!"";,;O "," ;";,d" "'''''''',' )'""''';.
( ) ( ''''''do ,,,M",,,,;,, '"1''' '"'''''' d, '''''''",,1 •., d, 1•., '",d",,,. ' '..EI
(' a ctI ;wuna /lredlcclllll cOlldiciollal'lar', l' (1'11/'1\ ._.. I l' \' _" '011 .
.\.:.'.' .' . I / , . I..... , '. '/" .' . ~I - - .... 11'- -, l L'ller aSI'
1l1lSIlIO.lIll Illlen';1 o leJ I 1J .1%paratlit:h;1 prd.Iit't:il"Il, S', L'I \'a/or de l'¡ resulla scr /2,'
'
¿cree quc eSle \'alur h •.I,sid(.l generado por la /I1is/I1a rL'!;It'i'"'11~u"\'a[ellle a los tI;l-
l.os /I1UeSlr;1 esuIsplHlI )ks,! .' , '. '.
' I . 'l' .
.
 CAPITULO
. ~_ .. _0:,.. ~~ _'.i :

<1 ~ I •
- "_. -",,- ....._~.,~
l
' •.¡ .. . .'
~ : .••
L._-'-;O"_.'~' __ - •••..••.•••...••.
:•.- .•.
~•..;.~~~_~ •._~~ ••.•
.-;.""" :.::.-.--:..:.....-.u.:~~
.•..•-......••••.••.•••.••.••••
tt~L..U..;...J~
o,,'

'
Contrastes'deErrores
.• .' • ~' :: ' , ; , ;,' .' ~ 1 ::' :'. " •
.,de
> ,"' '.:' "
,
"Esp ecificqC~Ól)G;e,''¡-a.'Ectl"áci6i1'' Lin.eal
' '., . . ":, . . " ,;.

de kVariablés:" ....'., ; ',-; •• ,~'. 1 " .• I "

:', " ' , .~:., . o,'!' •

.,;, ,"
- . :.. -," . ~. ,,',

.;, .
.., 1'- t' "1
' .. '''" '.' '.'1 :•.••••.•.
. ' ~"...
..')

. ",:. .
,'. o'., ,,; • . '.! i .
. . ' ,.

~
.r:
.¡

:il.
l",;:

i :;, , ;:
.', ~~~~. ' l' ",. . r ",. \ ••

'. 't '.' .,' ., '..',. ,.::" " " : o.':,~ ,': .' .1' ' ',,' , ,~_, ; '. ", ' ,." .,

La lécilica uc .Íos mínimos cll;)dr;)d~l~,expJIcaua ~Ilel Cnpílulo 3 el¡ el c~hailo de b;¡.

la.I.la. de I.o
..s. C'.c..•.(;..//(í.lIIC .• I./...as .. ')' SC.Ulí'.'li7.;¡'.:.d~.;l1
..ouo. rllli.llad.o ~II e.1 all,.~lis.is del.IIl~.,;r;ill.vnJ.
b

riedad de cUI1jlll110S dc d¡;IO~~ 'por dc'rivardel ~ol1j'~l1lo'de supuestos 1l1¡ís scn'cillos

"",: "t..
'.... ' . de la ecu;)ciól1."
" suele
....' 'd~néll;lj¡i¡irsc, . . ll)éIOdo,deMfI1illlOS
.' . Cuadr:u!osOrllin'ario$

,1Jt',.".;~;~~:~,~~~pt;,.~s.r~
:, :~'>
..~..~i,~;~~~l'.~.~~;~~~.~~.~I~;,~c.I~:~~~~
'e",,.,, "'''''''''"'1'''''0
Imoli;éo ;i", ""'O, ;;,feccnd,.s;
.•......
,',..,", <Ji p'oi,d;,o 0, ~c ocm. .
} «¡:.: bargo, nose n fn:nl:"Hos a !in:., pl'eglH1I;i'cruci~L ¿Cóllw'sabers; lo!; sl/pi/mos 'lile
, .. $: 0",1,." losA! e OSOO ",¡¡hiO'I"o'n"';,ooi"'''" "'''m;iI,"''" ,1, ddtos?¿ Cómo co"o,
.r f cer las proj,icd;¡dts dcllérlllino de pCrltlrbaciÓilllO: observnble? ¿Cómo saber qllé
yarinblt::sinclllirt:nl:lllla1rizX>'en (¡l.léf(Jrlll'aflllleional,haCerlo( CUilndo 'algun'Q
. .
to..
d. e.los SIIP.l.'CS. s's ..'II...li).':íccii\c.s t:.'a.rcc.c .'.d.~.'.'..":did.cz .•. ¿.,q.'.l.lé... S.I.I.C.
etl...cconloses.lima .. dores
MCO?¡,Sigll~ILsit:nd~l Úli!t:s(jiéslr/la/í eonflls.6á ¿Existen cSlill1auores 'y procedi.
",i""o, ue;" ["enc;" ,Ir"",,,;,,,, ,,"'te," 're"'"", 'peOr;'uo, bojo '"P"" lo" 1,
",,'" ¡;"0,1 "" ~"c.é"",II;ln y en lo, ",,,;cnle, "'P,,"u,,',,;,",', "", P"S"" lO'.
",n, "'¿'I''';¡;,,,d,¡,, 'púc'c ,,"do'.",""" "e 10',"P""'"' ,,', "'"'''''
'.
• cado; C" icrll ..lS. áió... t~
."stlc.csrcc.
. .,. :i. r.k. a.ci.O.'n....'.li~"ie.njn\I)Ji.cacion.cs,
. .... al ros,.sin -e.n¡.
m.cnáre,' S',
~ . .
bargo. ,./asticnc.ll' ¡nu)' ~r:lVCS, RcslIlla.lrclllc'ndaIllCIl[C Í1ill)Otlanle eslar nl.erlauode
IJOS.'iblc.S cn'Qrcs.~I.t:.'.
t.'sP.l:cif. ;Có.lció)¡..yvc.rific:ir. ~.up'reson. cia, E.~iicarlllJlos p..oSlc..ri6res
'YCren.lOsCÓll1onlllchas.v.cecse.s.ne ..c.. c.s,a.i:.i.Olll.il.iz:ir. Ydc ..s;irrollar eS.'p'ccifieaciollcs y .
proct:<!illiicl)l()S dciM~i'CI1Ci~.!11~S,coniplejos qllcsnbyaccn cnla léCriic;¡ oe/ós
Mm.....,....
 Ch
.;:' "'126'

4
4.1 ..' . . :.' '.' >' '.
ERHOg DE ESPEClfICACrON
" -~. '." .. 1
La e~pecificadó'l~ deiñlolJeI~ li'nealse ceiúra elúl\~ec'I~I:dC'iérmin~~ dc'pcrlul~bá-
ción .//.y en!a matriz X. n.tcoruenlos los su¡)UeSIOsddCapílülo 3:" : ;,.'
'. ' . ..•.. ". . y:;: >:/1'+',; ....
,,;,.:
(4:.í)

. IljSoniid(O,&2);~ 'L=l,~:~.JI (4.211)

o; :li'sonl¡d'N-«()!~~)' . i="(; ;'0;';' '. (402b)

E(X¡¡ils):Op;:ra'lodd ¡= 1. o ••• kyi.s =1: ..... 11 (4.3) ,
l;:~
X cs una !na:ldz noésloc5slicadc rango plCnoiguil\ ak (4.4)
.
•.••.
;;o:v:,:" ..~!.:9f:.,e:~J;t~Ú~~~~.i.e.úé,~.sJ,
..;;.,I;L~Ji;M.~s.úü1JqLr.RS.\~!9.>'.i~~~S$o}l~~ ii.ll~!"HI~
'J.c~.~.e.I.(4;.2b) .....;.;r •....
. qúe ,sonpcrlurbacioncs ¡;aUSSiilllas <le ruido hlallc'll'. lJnjo'erslíí)üc~úo'iJe"'rc-gtcsof i'i="" ..
3
jo. l',.,e~\Iacfón (4.3) s:c obticne cic'mancra irivi,al a púrlir dc1sui)Ueslo 'u~mcdia cero .;~ r
'para ell~rmin'odepérlurba<;:ión, ...,.....:. '
. . ¿Quéj)L)diía funci.ona'r mai? Il1di¿;lrcmosalg~lllas~lc lnsposibilid~ues' ue ra.r1i. ..
d'r;.de d.i~hos SUr\jCsIO'S:Sc't:r~.in¡~I(ora;' por .el ,1~).oíl;enilJ:.(\~una .vi.~ilÍ'l.pl:clim.in;f Y.'.:}, o
j'cscrvam.ós.pa'ra los cai)í¡~lós'sigqi,eriles' cl desa',:roltü,i:\e olrosiein'as'imp<?rlanle.s,.
, ;: •. .. .. . ',', "1°:. ..' ,'. .'
'.l
,'.:~~

• io I .:. " ;~

'4;1.1 PosibicsPro.IJlclIlas'coll '.: 0,"

¡" ":,
,.
1. .El ~~ljU'~SIO(4'.211) sc ,soslie;le. pCfO'.el (4',2/J), 1\0 .. Como j¡~t.lica'mos n.iieri.ormel1le
en e1.Capílulo 2, no~c'lr.alá dcque esié hechO dcslruya las propic(¡¡ldc~EL10 de"
• " 'MeO. sil1,cmbai'go',los.pr9cedimienlo~ dc iiifcrcnciasólo se~iín v;ílidos'¡;sinI6Iio . .,r..
.carn~nie; . :: .""', "" ... : .. , . ' , . o' o' '. '.1., ..\-
2:: '£(1//1'} = diag{~l :o:,'lr~}.. La matriz de vnrianzasocovari¡llii'.as para u cs diagonal, .'Ji
• ¡ co~diSt'iill'ns, vari~nias.'cn'iíl~irigóoalp'rincipal Y ceros en el resio de ia' mnlrizo .. ;~4
.: P.ó'r'lo.ta'llb.~e viola'~1 ~~pue,sio'd~ hliíl!osccli;l~lii:id:ld.Sc'lrnln de \arormamás.<~
. sencilla.de luilcrosce.dasl.icilfud. mÚY frúuente ~n' aplicaciones cqn dalos de COI'-
... , te'lr'anosversal: aunque éSln y' oloras forniás 1115scomplicadas se rueden clléonlrar
lál~lli¡én enariiéaCioil'é~' con dillqs de scries lei11pür¡¡\es., I;n ~ICnpílulo' 6 '"nali-
z;¡remos lanlp los pr~ccuimientos :pnni Jíl dhlecCiql1dcla hClcrosceuas'licidad éo.
.~,.mo el desarr9110dc los p~ocedillliúllos:deinre.relidandeci.Jados;,':
3. E(II;U,~s) l' D.,(s ;',O).En 'es le. caso 'S',1l)()nCll1OsC)uc(¡¡s perlllrbacioilcS se .cói'relacioo
n~ndos a dos .. En iasaplicacio~~sdcscrics lel~lpoiales'sc dan fuerteS correla. '
.'. cioncscntre perlurbad~ncs ild'ya¿~nl~s'y.ial.~vc7.:cor'rclaciol1es menores'enlre:
'~'perltirbaci~l1esniás alejadas .enlr~ sí.D~ modo silllilar. y cuandolra~ajamos con
... daios.,de, cor~e !r~.nsvers"I,'.es 'PQsibld.'l'ue cierlas ullidade.~ ¿omrarlnnpcrllll'baCio.
.. nes .comunes ..En el Capillllo 6 discutiremos la' verificación dClsupUCSIO de per!lir-
. b~:l~i~'le~:iut9~'qrrcl:lcio~:~das 'ylo~ ríri:>ce&lllienlósd~ inrcre,iCiiT rcl.c~¡\I~I~S. ."
¡
. '.
' .. ~

.i ..... , .', .'.

" .... r",' .',"

 "

h"jruLOl: COlllrasll:S ~k Errurl:s lk Espl:cificacióll lk la I:cuación Lim:a\.dc k Variabll:s 127

.:'1:',
'(,J:..!J
4.1.2 Posibles Problclllas con X
Oolf)
.•...• ,.;

1. Exi:lúsióndevariallles rde\';;lll~S. La.leorí;; eC~líÓJ;~ii:a.~I~seiiaquc e'l ingrc;o y '2tJ

. íos prd:i6s ;Ifetlan'conjunl;,;ncnlc ,;ia demanli;l. .rJrlútanto ....siaislíll}1Os el in-
.~;)
greso de la ecuaci.ón de 'iauen~al1lla no yspcl:anlOs oblener,un bu~n cSlimádor .
. ' para 'Ia dasliciu'ad dd precio. Sin cmbargo. y '~n S¡ílÚ'I~¡(;nes nlás c'on;piicadas. no '~~l
.....:.~.:.
sud.~ scr laíl'cvidenlcaverigúar.cu¡Í\cs sOlí la~ variables a in.corpora'r en .~na re.la-
d6';l.lbquepueue llegar a cOllVeni.rsc cnun'i'llpOI:lillÚc.pr.oblclpa de especifica- i~
Ción. ." . . .. .' :~1)
Ini:lusión de variablcs irrelevanll:s. Estc'cs el caso'conll:ario al rresenl~do en el
Problema '1.'Ahor,i. la hipólesis inclüyc variablcs que no deberían eSlar pr~scn-
lés en la 'ecuación. ESle hecho tiene cierlíls'consecuencias sobrelosrrocedim'ien-
los de inferencia aunque, en general. suelen ser menos gra\'e~ que aquellas rela- . ;"1

.., -<-1
.. -<;ionndaseonla.exi:lusión.devnrinblesrelevanlcs ;,.•. ,'. ',,~•.•.....: ' ,

'::;"""
3., Forma funcional incorrecla. Puede darse el caso de que lus variábles sean las co-
..rreClas pt;ro la forma funcional que las relaciona sca incorrcCla. A veces. el con, :j":ih .
....
lexto de modelo lineal es suriéie.nlc parn mUllej;r clp~oblcma. Por ejemplo. una
rel¡¡ción Y = f(X2.X)) puede éspeciri~arscc.om.o:'" .
'.' '"
,Y ';'/J.1.+ fJiX2 + fl.l''<) + ,,' .~ .

o.)al ve7.. COI'\)O •. ' . ;

, .y = ¡JI +h~'(l ~ ¡J)X) ~~2X~+ ~),\'~ + f¡(X~X3)'~ ti

: La'.scguil(iaec~;,aciÓ!lr~rmi~é lanl~' lilHi' ~~spíJ~st;i!~uadr;í 1ica: a 'Ios. I:egresore.~ co-
. mo un efeclo de inleroieción. El efeclo l!c'inlerÚcciÓ!l se basa en una nueva varia- .
bic. el prod~lclO de lo's dos rcgre:so~.cs; Por' lo l;úlloo"c1 eréCloespcrado' de un
eanlbio' unlt.a~io en X 2 será fJ2 + 2 "'(2 X; <
o XJ; ~~I;cndiéi)(Jo.rués' (ic fJ2 y de'loos
niveles ~e X2 y X). DeLmismOl1l9do,e1dec[o esperado de un canll)io uni!,nio
en Xj dcpcndcrií lanlo del iliveluc X2.COIÚ6 uCl Úe ,Y.l, Cu;u1do'clciTor:de es¡;c-
~ific'nciÓn consiste en Uliliiar la 'p.riiliúae.éllacióncn lugar ~Ic ia sef\uilda .. aquél
se corrige f;ícilmcnle ailadiendo los.lérJ~linos X~. X30 y (X2X), EJi olros casos .
':r
sed riecesaria una cspecifica,cil)n inlrínsicam~l]'le. nu 'li.nea'l. C~HllO'.cnal~ulios de
los cjemrlosdcl Capíluio'2:.. . '". ,". .' .-
4, La. matriz X no es de rango '¡llcno.Eslo Inlride ¡aeslimación de UI;.único .veclor
. 6. A menudo, los rcgrcsóre:;se accrcan a ladereildeneia:lineal. en cuyo ~',iso po-
'ue~110s ea1cúia'r 'el' vcclor 'de cSlioHldores' .Meo. auhquc es probal~lc .qúc' sus cle-
.mcnlos lcng'an ~rr(lrcscst;¡ndai'ni~lye'h~'v~ldos:Se.iri'ladCl pr;~hlem:lode c(I'lilleao
Ii d i\ <\. '. .. '. ~, ': .~'. .', . . .' , '.
5. C6rrclaciolies dislintasde. ccro~ni~e 10'Sreg;'cso~r~s:yla r«rluí'bación. En este caso
sc violíl ei supueSlO (4.3), Esla silu"ciÓÍ1 :púc(Jcaparcccl" en dislinlas fOl:lllas. Como
explicamos en el Capítulo 2; l)ucde.pi:cscn.tarsé cuando el ¡'cgrcsor ds un valor re-
lhrdado de,Y. Dicho'valor carecerá tic correlacióil fa!lin cón las pcrlürbaciones ac- .\

(uates como. fut ul:as, alllique"sí eSlar~' ~;rrCI~cio()nildo' cón PCrlll rbaCiónes r,;~adas .

:~
.
 12t\
,.,
, .'
.•• ; 1

... .
!.'.
Los c'slilllauon:s ;VICO scr;íll sesgadus para niueslr;¡s rinilas, aU;lque consislenlcs Y' .
a~illtóticat;,cllie dislribuitlos' siguic,i'do uil'a ley llol'I{,'al siempre que pueua a'plicar.
se c11~6rema de 'lvlann'. \\Ialtl c1~scrilo enel Capílulo 2. Ol,:a SilU¡¡ción tlislinl¡¡ es ¡a.,:
que se produce cu¡¡ndo un regresor se correlacioi¡;¡ cón la IJerturbación 'aclual. En ; -:
dichu C:ISP, lus cSlinl;tlilires ¡viCO ser;ín sesgadus e illcullsislenlcs. Túl cOlldición '
licne'luo~'arcualldoe,1 n:.orcsor'(o.regresores)',')reSe';lan
t>
cn:on:s' tic '.1Je'diJ;;o,c..
uan. ..
do la ecuación consider;¡d;¡ (orma p;¡rle de un sistema de cCllacióncs simull~lleas,
Discul iremos esl"s silu"eioncs cn capítulos posteriores .. ' . ,
CJ. V;ir'¡'ablcs.,no eS,I;¡e.io.nHri;¡'s. 'l\1enc,ion;¡n;'osbreveni~;'le ,en el C:l'Jítulo 2 (.Iue. 1"
111;¡)'oft" de los proccdiil\lcntonlc iilfl:reilcialrildicionil'ks suponen quc las v;¡ri;¡.
. bies son eSlaeiollilri;¡s, CU¡1I1do ,~o se ¿¡¡¡-'eslc cilsu nos enfrentilmos 01 prOcedi.,
:f micnlusue ilikrencia nu eSI¡íllllar)' nosintrodlleimos cn el reino de !;is vilriables.
integrad;¡s, la cointégración, los inudelos dC' colTccción del error. elC" 'que discu-'
, lirct',loS m~s addanle. .

4.1.3 Posihles Prohlelllas cOII}1

La ecuación (4,.1) ;¡sume de form;¡ implícilac¡uejJ cs un veclor conslante. tanlo en

d conjunlo de observaciones ;¡.ctU;¡!cs.~omo cno.tras observaciones 111lIeSlr;¡!cs [Josi.
bies. ExislCl1si1uaciunes en las qtÍe es frecucnl<: lop;¡rsc COI1.coeficienles con C;¡111 ..
'., bios eSI~ucluralesrepelllinos o. por C1c~l1lr:¡¡rio~ con evoluciones ICnl;¡S debidas ~ " .
'--<' cambios en el entorno soci;¡1 o;¡mbieillaL':S'~ría poco razon;lhlc'suponer qlicla c1a~. ':
licidad tle la demanda tle manzanas (uera I;i n;ism;¡ cn c1J¡lrdín del Edén quc la quc
l' puuiera d;¡rsc ell Los Angeles ;¡ fin;¡les tlclsiglo XX. Sii, emb:lrgo, (¡'¡cha circl;nslan.
.....•.:~ ci;¡ no ~xcluiría el des;¡rrol1o de ull;i 'rúnciónt'e demand~ que luviCi'a.aplic;;ciollcs
[Jr~clic;¡s lililes en );¡ Silu;¡ción aCltial: '", '

~l
, .:.:.,,' ,' ;: .

4.2.
. EVALU¡\C£ÓN DEL MODELO
.... .....
YPHUEBAS
'.. '. DE DIAGNÓSTICO
"1,
'-, Dur;¡nle '~llJcho li~mpo. las pr:íclÍcas eCOIlOll1élricas hahilualcs se resumieron en (i)
~.
'-.J' formul;¡r Ull modelo b;¡sadócll téoría q cn;illkrilu'es descuhrimientos cconomélri.
cos, ('¡¡) cSlin);lr lospar;Ímetrosdci inlldefo mcdi;lllle los d;lIos ;llUc:~I;':;les rclevan.
les <JiSPOlliblcs, Y (iii) exan{ill;\I"lo~estim;¡dllreS resli\t;IIl!cs y eSladiSlicos !1SllCiadus .
~)
"
l'
COIlel fin de juzgar lav;¡li'<.ló,t!,elnlOdd(;cspecifil';¡dll: r)idlll exalllell solía ~clllrar.
sc en c1:'jusle glob;\i.én 101 cOllcordanciacoll los sigilOS dc '"10.S CIIdicienles pre\.j;¡- .
.\.':
mcnlc sUPUCS,IOS~ en I;¡sigilific:lci~ncsl;ldíslica d~ los co~'fil'il'nICSr l'n la wlll(lroha.
~ .•. cilin' de la;¡ ~!ocorre'!aciónúe.l as I)CrlurliaciliIH:S,Sid lllo<ielliclIlllpl ia diclH1s cr ílc-
rin's ''-s;llisfaclori¿,melllc'',lallllcva i:CiliICi;."JílP:ls:'i1la :. Cfl'I~';1\a'r la lil~ratula dc la
;llaleria y ¡'lodrla uliliz'arsc para rcalizar' predicciofles COIl {'I;'I"~l'\l<:lI;IIS ;¡ la csc;i1;,
\.J
 .-', ~ '''::', ., ~.

,1.1'"
,':','
.¡

~, 1

C:,\I'hULO~: Conl'r~stcs de Errori:~dé: E:spcciric;¡cióoúlc I~'l~cu,;¡ci6IiLi~c;¡1dc k V~riab1Cs '129

•~ .. i, í
•. .'; :' - . . , '. " • .

lempora.1 ~al ran.gocmpí~ito:cle la Iny~csi,ra}I~,~'a~Óde ~~e~lmodelosecJ¡¡~iric~~a

.' tic "iIlS:llisf"ClOi'IO", el II1vestlg.;¡dor.segul;¡ Intentand? hallar aquella refqrmulaclon
.... que c;¡mpliera los requisiloSllcc~sarios. Dich?s' procesos de investigación. apcnas sc
:¡ , :~':'rcflejaban cn la .Iiteralura pllesloqlle I~ niinCr~ad~ dulos cSl¡¡b¡¡ m;¡lvlsla y, p~r
011'0 I¡¡do', ponjue ~esldl¡;bü"pr¡íctic¡¡1l1enleil1lposible delerniin;¡r v;¡lures P ycocft.
. ...,. ", '1 '. t ',0" r' l' I '
cien les de confiallz;i correctos par;¡ ,()s es a~lsllcOS I~a cs. ", .,.. .'
, 'Eil lo~ 'ldlirnos ;lIius ú¡' lell~ieti~ia esl¡Í' c;¡inbi;¡,ldo. Ln nueva corriente dc opio
',nión, rue',i,;'ic¡Hd"pur';)~nis,.',S;¡rg"n. :d~,1" !-ont1o,n~.chqol oC EconoJ11i~s:.C]uc. escribí¡¡
en 1975: ",.' ' .. o', . ": "

/\ pe~:i~eJelosprohlel;;:J;i'S~ciúd{js c'Olí1:0 ";11:;leri;¡d~'~;¡I~~",'co~5iJcro~uc I;¡c~p~dfi~

~:O¿ÜI1su¡;crid:i lJebe"~nll\i;¡'~hi;rs¡;de ¡;;d:os'l;¡s'Jorrn;¡spOsihlcs'y, que sólo dcbcdn lI~ili.,
7.úrs'~;Hlu~il~~eSilcdfic;lci;l.';C~ <¡uek~ll~re\,lv;¡;l';¡''~sic proÓ¿sodc prueb;¡ y que corres-
1;~I1J:o;;:o;11; I;'l(ldclo e~OIl{il\li~or~zollah'Ic.2 ., . . . '.' . ','1

.Dicho' ellfoqué h;' sido n~Ú)ld~~:1.¡:roll;id6(lllillH1n,'C,;~,I~, C,sp~~i"h;~~nlc po:r. D~vi~

Hci1tlry y sus colegas.~ El re~ll,lthdo cs. üii:dulénlicn b"lerí",dc~ru_cbasde tll~g~OStl'
co" quc nO plu:dell uliliz<il'seni<Jc (drrÍ1¡¡ ll\\Iom;\lic<i ni rlJliiHlr¡;¡, y;¡ ,que ~e(]lller~~.
un;¡ bucn;i dosisdejuiCiLÍ, inlulciónecC?,;ót'nic;¡o seiii,idó coniún. Algunos <Je los con.
Irastcs resaltan U;, error' o errores dc especifi,c;ición en panicular. 011'05 indic;¡n que.
.;. 'dclefmin;¡d;¡ especiric¡¡ciólll\()JU!1cio,pa ,biep 'sil,lseñala~ ,cxpl(c}l¡¡menlC un problemn;
. preciso. fin;¡ln~ei'1lc •.pllede ocLirrii'qtÍe sobrcvi:-,an a esleproccso dc pruebau que 011.
g~ll1as cspccificaciones sllpcrcn un cie'rIO;lipo ,uc.prl1~~,h~ ?SI.;¡~íSlic¡¡~pér~ no.olr¡¡s.
" ',. •. , • ,....,.~',' J. .' ", , 1<

. 4.3 '. ,..' '. ' . •

{,,~",;.,J,?,gV~.}ft\~,AC,~J~G6'R,,~.'.~'~,~f:H~.~J0rt5J,4:R;~}~q~;.~fA'~Q,l\1.~n~
Uno de los ci'it~rios ~léaU~~tiación'mlí~'iinporlaillCs p~di una ;eéúacióneSlin;ada es
',quc tleh~ría resulwr rcle~anlcJ;:irñd(/f~,¡ c.b~;;'ris,(llós'(~(/~os, 11I,I/~Ji~nll!,f (ltifi~(I'dos
~"lacstiil/ucitin. Dicho tl'ilerio se cCllibcccpmocónslnfH:in,tlclosp:Jramc~ros:e~ de.
cir,' el \'eclor,/J Jcb~r'íilréslll~¡lraí)li¿h6Ici;nll(fuc'rn C?~,~O'd~nlró<Jé.I¡¡' rllljcslr~:
Éxaliliil¡¡remo~la' co,;sulIlci;' de p;úániclrósdetli#iintos n)oUos .. Uno tle los mas
cfecli\'osscní lapruclJ:; de la cap;¡(:id~~ pr~<Ji~,¡¡v;¡del m'~dC1o 'ú7prccisión tle bs o
. prcdicci(Jnc~~

rYb~é. 11llrejeli\pln.~li~h~eIC: L,.w~lI;~:D:;i~Miriio;S~. Ti", Rev;en"'If,cvllo;II;CI ami S'nliIl;CI. LXV.

19S.1.1-12, , ":'. .' ", " " .'. .', • . . "
1 ).1), S"r¡:",,:ni<C\l;~i(}n on)lis~f'ccific'''I.illOi en, Mntl,./lillJ: II,'~' ECOIIOIII)',ed •. C.A. Rcnllln, J !éinc~l"nn.

1975.illC,;ci(};'~llo e:. Ad,;nn: H. 1~;'g"n."M.O{!c!~y"lunlion hy VnriahleAddilioll"; Cnpílulo 5, [cOIIOtlle-,

IrÍrJmitl Q';(I/I/;lri';I:~/:;:"tII/lii;~,f~e{k bi~,:idr. (rendry)' KClinelh\\'n'lIi<, Olnck'well, 19H,I.p. 131. -
.' Vb~ep"r:t i;,~~ del"lic< c\I,;I'IloiC'r 'n"';Ill;"i.icticnrc:.lc'.rC.G IVE (().~"id F. IleOlJry el "l. ro~lilu'c "r
r:CI\nomic~;lI1d SI;.iisti.:s. 1I11i,;er~¡iri~r Osror,l: lIX).
 l'
~., CA
130 ~ltTODOS I>E ECONOSIl;TllÍ/\ ..
~ '. '

..• .-' ., ,"

4.3.1 El Conlraste de Prc(iicción de Chow~.

,
Cuando etveclor ,k padmetros es constanlc,lns prcdiccion'cscxll.:r,nas a'la ~;llieSlra ;:;. 'SlI
tendrán probabilidades específicas situarse deniro de los líl1litcscal,culado~ a' de r" .'
,,'
parlir de los da los mueslrales. Por lo' ("nlo, errores de .prcdi~ción ,"grandes:' 'po~-
drán en duda lal{ipólesis de cOnslancia,mienlras quc con io~"'pcque~os'; se dará el
caso contrario. E,I procedimienlo sugerido,no eslinla .Ia lotalidad de observaCiones
Ad
mueslrales; sino que divide el confúnlode daios éll Ji1observai:iOlH:s a eslimar yen
112 '= 11 - IJ I observ¡¡cioncs que se ulilizaránp¡mi el conlrasle. Cuando sc lr¡¡baja cun do
serieS tcmporales. las primcras 11, observaciones sudén serias lItilizadas para la es- cS
limnción, mienlr¡¡S que las úllimas 112 se dedicarán' ala c0l11probación. Enaplicacio-- co
. . nes de corte trun~\'crsat'. la base de ualos se dividirá en' dos submu~stras de acuerdo' :1'

: . ,,'.' .. ,C;po 1~.s~~tp,res~Ic iJ.na v~riarl~;U~ IW~I;1111? cPlTlo~:p-or,,~J.~mpIpJcI.i~~r~~o ~Ict~hogaro ..');'.

..,...~.>"'¡otbcñcticToS'liC""iJ n';¡'-¡;;,'ij; r";; Sñ;"gn ~i~'¡';\C1r,s:"'C~l;"Préó':~rc:'Nóccx'¡~ic~';'i'or'il;
;s'(¡\ fiT('fii.s'ñ( ."'~
cslriclas qu~,de('l:rmincn 'Iosvnlo/csrclativ,?s, d~1l1 YII;, Lonormal es rcscrvar para. 1, L
la' compr'oba'ció"ncL5.1P b15.~o'del.16'tal de ~bservaciones disponibles'.:',' ......: .: ' '~
, . El contrasledc'prcCisión de las prediccibii~s'"col,~c¡do S~,;lO lésl dcdhó\~'c~: '.~d
hOllor a' la, i.nflucncia' ,(,lcl arti'Culo 'rl\lblica'doj)orCho\y Cli!960, consiste en lo 'si- .P
gui~n'le; :,'-.. ..' ". ".; ,,' '.' .' . ",', ... ,.'; . , p
L '~Sl:i,:n~re1-v~~íor dcp;\rán1~lr6s por MCd 'con JI;opse~:,acioiles; ol~tc;\jeildo 'b
. : ",' o" •. ', .;'. '"'

.
, ¡ bl'='(..t;X,)\~ij'l
a
donde }.;¡. y I (i :;:'i;4rii~t1ié:;ln la 'pa niei6n .dé los J;ilo~ Cillll y ;'2 ul1s~rvaciones. :n, d
'2:, lJlili~ar:bl rar,o(jb~lenc~~n~pre~icci,~n,¿jel ye~l()r Y,l 'de lafonila ..... ,,' • , l
':,'," .. ',',. "':~':".',c; 'H'=.rl/~r:'\. .., ' (4:6)" ~.
.. .
~ !..... .. ," ,,',.,:. ,,-, '--.".. " .. ~<~.~: '.. ,: ,./ " ,.'.,,, ~... j .•••••• :" ., ••••• '", ••...•

3._ Oblener el vé~torde errores'dc'p'rediccI6n,yanalizarsu dislriblicl(\n muestra!

bnjo ,la hipólé~is n'ühi dc conslancia ¿n el vcclor ¿le' pa'~':ímelros .. '.
. El ve'clor de errore'sdé'pred~~ción cs.' ',' '.,'

'. '.; '. d,~ )'2'-;- )~2=)'2 C::,X2.b, , /', (4.7)

,
SI ia ecu~ci6n y~XjJ '+' ;J,C~;r\'£(lill)) ~u2I',esválida. para.ámbos conjuntos de d~-
'IOS, podrcrúos' f'or~lulrir el ~¿ct'o¡'ue crr6i'cs ,dc' í)fc(ji~cióll coino" .
• • '" .•,' I • , .' ",' ,~ .', ,,"

.,
. . .... , '.
,......;".
. ,,'.. ~1=)'~:-'Y1bl='1/2~:X2á;;'~)J)-:: .' ,"0
.
•

Por. lo lanlO, 'E(d)

"
=
0, y puede de'r\10sírár~cS ¡Iue la'lna1riz de vnri¡\I\zas,cov'úian:t.as
• " .•• I • • • .' , ,'. ~.. , •

para des," , ' , , ", • ' , .. ', " .',', " '"
.;'.~
':
• ~ "' " .• t. I ~"~.., ,'. l' , .~ • ,
_~, .-
"'.""v"-(''''= E(úd')' '.,,'..."..'.: ,'." '\ ..
J ..
• ; . ~ '.
,"'. LA • •
"
.,' :..
':>~
,l.:,

,j.
• e.c; Chol\', "Tcs!~ ofEqualit)' i,~t\v"cl\ SC,tso(Co6rn'cieuls 'in Ti~olinear Re¡:r~ssiuns"',
52, '960, 211,.22., , "", """."" ' _ .' .,,' ; I .' '." ' "'.'
£CIJIIII/IlrI'ICa,'
" • ", "
;t
" . ':'\

.
',,1
,.:, \

,1:'"
l:.t' '.:
, ~,?
~.
 "
";'1
. .' '. <'.>~.
AI'íTlJl.lH: Contrasles tic Errores dc Especificaciún tic la Ecuaciú\'\ Lincal tic 1; Variables 1:11

= Ir2/",
'" ••• ,
+ x~. var(b,) . Xi
; _' "0' '" ••
(4.8) ,

= "2 .[ ¡"! + V'(""')_I1"]

,\ 2 ,\ ,;\ ';\2 '-:,J
IponiL:ndo perturbacionL:s gaussianas, '.
". .
d - Í\1[ll, var(d)]
. ",

(f'l~'ar(d)l-'d- X2(1I2)

de!l1~S, ~ie,!tr2 - X2(1I¡~' k). •.

"

onde eje, cs la suma de cuadrudos de los residu'os de la regresión eSlim"da. Ambos

SladísticosX2 se dislribuycn indcpendienlemenle. Por lo l"'ltO. bajo la hipÓll:sis dc
onslanci" dc p'arámelros. se tienec¡ue

(4,9)
',. _ .. _.~.'.•. '_;'~:,~'~~.,.•....••.
}.,¡,~,¡.¡','!í.., ~.'j,( '.

Los.valores elcvauos de esle eSladíslicQ F rechuzar.;)n la hipótL:sis de que el mismo

',",
I

~e~lorIJ ~irve tanto ¿¡entr~ cOlllofuera d'e lo's d<ilos uliliza.dospara laeSlin1ación. La
derivric'rúri ,d~ var(d) supbnc que a2 CS,idénlicaen'tód.os los subconjuntos de .datos.
Por lo .talÚo, clconlraste F en láecuación (4.9). cstad condicion'ado Pllf dicho su-
puest~" Cuanuo -li;5 perl~lrb'aci~nés scnn hCI.erosce(Mslié:as, él eSladístico F puede S.o-
bred¡'mcnsi'o¡)ar el 'verdadero nivel' de signHicaciÓ,n. .'
'Pagan'}, Nitholls, siguiendo Un ¡\rlíc.ulotif\l~i¡orde Saike\'cr/¡.illlSlfi\li un ;~lOuO
altcrnnlivode,desarrollar .eslecor'!trasle dc'prcCisióhde )¡¡' predicciÓn. El proceso de'

dlcúlo,re~ulla m5s scnciilo.Sllpollgi.lmo~ que,en c1p~riodo ~,'prcd~~ir. permitimos

la posible cx'istencia de un veclorde cQcficicntcs,distinlo al dé la muestra utilizhda
para I~'csiiiil~ción,EI modelo. cornplcl? se'[ormulaÍ"Íaaolno . " , ' ' , '.
. .. . . . ~ "

,.'. ,y, ,;,XtfJ;~ /lj. ',.

, Y2 = X~cx + 112 ~X2jJ + Xi~;:fl)~,u2,~ ,':dJ + 'Y~ 112 (4.10)

dOlldc 'Y =' Xl(~ - fJ). Si, -i = O,enl;lI1c~sCX='¡J, y ~I,ve'clo;' dc cueficienles es Clll\S-
lanle en loda el rccorritlo de los 'd~fos uliliz;¡dos ya ~e¡i e'n Io.s relalivos ri la estima-
, éi'ón con'lo cn el periodo tic la predicciÓn. En, rarni'a rcsumid'a. forplU.lamos el n10ue-
~oo~ ',' ..' . " . ,

.( 4,1 ¡) ,.:..,.:

.' ..
5 Véas~ Apc!ndlC~ 0\.1- , _ . , _' ,..,' • ' -. .' '

~ 6 J\¡J;ian ,l'á¡:;\11 ):-D. Ni~holls. "ESlilH,ú¡'ng l';~¡JiCli~ld,:rrors.;\;\t1 :ri,~ir Slailllartl [)~\'ialions Using Cons .

irUCICliVar'iahlcs", J""f/I(/IIJf.£w(/oll,,'fri~í. 74. t9~4;:2l).i~31'O:r D. S¡¡lkc'\'~r.:'lhc (js~,or D,;mIH)' Varia-

bies lo'Ólll\rUI~ l'~C¡Jiclions, I'rcdiclioii Eriors. ¡¡n\J.~onrid~nc~ Inte~\,¡¡ls"~ hj;,n",1 (JI !:~'II/iUIllWic.;. 4..
)976. )1)J~)l)I. .., . ' ., .'
' .•...
.•...
"

.'. '

, '~
 1.32 '~II;IUI)US DE I;CUSO~¡L:Ti\f¡\

¡.~
'¡ Si X inuic¡1 la malriz ¡IUmCnlilda dc la etu'lcíl')"l' «"JI)
.' . '. o en 1OI1CCS
.

X'X = V',\ l'\' I • v'

~ ;\2'\2
l'
X2 , J
[
.. "\2.. ' 1
dOl1d..:. par;1 simplificar, llllliliilloscI SU[)ílltl.,"C"c
,.,. , ./ L' .
.... . '.' 2 cn, a JIlvcrSa es

(X'x r.
'
1
=.[ '-'\2(X,X1
(:\'i~,t' .'o-(~\'iXltl,.\:'i
)-J• 1 + X ( \" \' )-1 v'
J
. .' , 2' " 1 ,\ 2
J ESlimantlo ., l<lc~II';,ci{¡n (<1.1
'.. I)Or'l\-ICÜ
'.' •'01.('"u enemos i) '.
'!¿
)' '[hJ [ (,Y;XI¡-I '. -(:\"':\')-1) •... J[ \:,' ,. 'J" ~¥p
, ,= . _'o ,,:1'.1 '2 '1)'1+'\2)" '.,;~
~, .'
.J ( . -'\2('\1.'t1 t' .1.+.'\:.'2(.,X.'I.X1)-IX2' .. )'2 'f.t,:;.t.: ,.;((::

"
.1
. [
=
(X' X )-,'\:"
... 1.1' IYI
']
. .'
["]
b
'.'!~
~'i'¡"

. .
."~:- X2(Xi'\:.~I)-".'.\';Yl. = el
'. (4.12) '>,il~'g
l

}!\t
, ..
;-... ,
~lSI\~.u~;:,:O~~J:'ln~~r~s kcocr~c~cnlcs' tvlCO rcrlic<ln cl eSlimador b 1 dc fJ, oblenidoa .:rt.
I .1 os. os 112 coeflclcnles rCSlanles, que eSlim<ln cl vcctor 'Y son 0encl'II~' .¡;~
. _...,.< '
mcn 1e Ios errores de . r '. '1 • .'
l. 1 .. .
, ,>
pi C( ICClon (cfll1ldos ~n 1<l.ccuaci<Ín (4.7), L<l eslimación MeO .
n' ••(
J~
(C <lCCU<lClon(-1.11) se forl11l1la COI11O: ..' ..'.'JI:

."-
[::;H;; i][~'H
:;] (413) ~'

""
- Sin cmbar.go .. l<lscg;llld;¡ CCU<lciól1'd~I;lexbr~5ió.11 (<1.13)'cs ".t~
~A
' ..•.. . . )'2 = ~2bl. +d + '2 :~ :
S.lIsllluyendo I?C?I:d, ~c ol¡liellC"C .=¡ O. AsÍ- ue.s l<l 'c
. ' '("""('1')" ',,' I P ,'.
. . . .' . ,
S R dCllv,ltia lid "Jusle dc h écua '. "~o.
:<f.'
CIon., .,.
.2,"
cs. SIIll]"JClllcnlc, c'l'l' L<l c'c'u<lciÓn (4.J O) evidenci;,' ( IIC la h'" .' ." .:?~
fJ conslanle equiv<llc <l111):'Y = O L<l hip6les" . l l. IpoleSlS de IIna.:,.~
ción conjunl<l tic los Úllil110s 11 c~e;icienICs ~~ ~c COI11P~.~c)<lexallllnando l<lsignifica. '/~,.':i:
• 1 " 2 . n a rcgleslon <ltllllcnlad:1 (,1 (3) SIl ..i' I
uC un<l ¡¡rItC<lClón dircCI<l tleI IJrocedilllicnl I .. '. e ra a ...•~
.. . o gcncr<l para VCllflcar IIn CO' t d'""
reSlrlcCIOnes Itne<lles dcs<lrroll<luo en la eCU<l." (111\) R .. '.. n!lIn o c .'¡
) l' I ,Clon '" l. C,dll.lndo las sllstltuciones'
I el' Inenles en ;1 ecuación (:U1)), II.:ndremos cl cSI'ltlislico l. 1
. .. , .'" l.C pruc )01 cxpresado como
F = d'fvar(d)¡-I;"1I2' ' .. '
. '. I( - F(1I1.1I, - k) ('1.1<1)'
("'1 III-k) -
Los gr<ltlos ¿Ic liberlad. tlel tlcnomiliador tlcesla cXllresilin s (ll)I" . '. .... 'l' o
h'( . ) 1'" .. C Icnell"p,lIllr(c
: S .•1I1 ~ 112 lJ )se~vaCJoIH':S 1lll=1l0slos.(k + II.~) p;¡r¡ílllclros.cSlilllatlos. L;¡ Illalriz 'tlc.
.,'
~....•.l' \ all,lnZ,IS \'<lr(d) Vlcnc d<lda por (T~ vCoccs I<l:suh '. .'. l' .... '. .
1(\"\"-1. O" ~ •• ,. l.n,llllzlcl~Xlrt;1I1l11I1rcI'lOldct:l'ch()
' .• "0 ••

l c , '} ) es IdCI)IIC<lal<l cx.'prcSI0I10blCliida CI1h CClI'leil'¡n (,I~) l ... ' .. '

\. tic la cc . '. '( 111)' .... ,. .' . .,1 SlIsllltlclon
, UoIClon'.' rcplic<l cl cstadíSlico tic eho\\' de la eClIacic'l11(.I.IJ).
t<~1
 '... !>.,',

i~'L~{.:'. ." ',;i ' '\:, ,

.~<r\TULO~: ConlraSles ~e Errures OCES,P~dnca~iQI~Oe,I¡¡':,c~~C:6~.Linc¡¡ld,e ,k~,¡¡ri¡¡blCS '13) ..• t
!:~:.l.., " : ;' ., '.,' , ' "., .' '.
Finalmenle,exisleun
t~..:;:., '.. mé\odo'dccálculo:más fácil si cabe nún en lérminos.de
~;~na regresión reslr~ngida y o'lr~ no 'rest~'il1gid~. CO;l~O vjl~os ':n eiC"pflulo 3, siempre
~~~ .cs posible rdormular cU<llquler coill'riislt de;vcrificación de restricciones line<lles de
:tcsle
.!.~
modo:
+
En el ¡)rcscnle
"
c¡;so~I<l'rcgrcsión rbtringidaes la e¿uación (4.13) con SCR • ", ',' ,: .' '. " •

~ntf.:= e' 1'1' La ¡'egresión rcslringid¡í seobliene igunland() 'Y<l'ccro, ésloes, estimando
J::-:. . .' " :',,', . . - '. .' .
,,:..'.'
~:.,
..tv..
•. '
. [.)1] _' [XI'X]"
,>'2
,-
2
I.+C •
' .. i ..

~~~".;. . .'. ';" .':', >. . .' ;'. : ~.¡' i... .' .,,' ,: ~•. '

~~:: con SCR := c' '¿" El eSlaths,llcO resull<lI)\e P:H<l 'Y = O es

p .:~f .',., .:, ': :, ")'::":.,
.., ., ":""".""'
..:'( " "

,l'" (c:C'':''''I'cI/1/2'''''':'''';',''': '. ,.

(4. J 5)
k
'~.::.\'~,'
"l"
F= ."
'c'l c¡1(111 ....
:...:k) . ,. )", .,
-f(112,lIt:- ",.' .. "

~~,~i~~',
Eñ dcfini~;~<l, ~ICo1\I~<l~ie de
~'" . , .;
Ól~~~
..
~~'ob,¡¡dri~
' ..... '.,
COI~~'~i&u¿:":"::
.!.' .
." '. ,.. :,
,. '..
. ,.
.
.' , .
g. ~:' J. Uliliz;'l1\do I;ls "1 obse,rv¡'cio~es dcsign<ld<ls.cOll10 primera mÜCSlr<l, ~e lral;\,ÜC' .
'~':'';''. ajuslar la regresión de)'1 .so~re~~\'1 o~leri.ien~o.laSC~; ,cj cI'. .' : .
. ~;: 2. Ajuslar 1<lniism.aregresión <l1?~;lS)<lS (nI,'" 112) Y ob\ener 1aSCR. reslringida:
~ ' )~'C~c.. """"' ,....: .",,', < " . .. .' ." . " .
~~ }l ." ,.'
S~sliluir eslos resul.lados en I~ ecuación \4:15),'Re~haz~r I~ hip?lesis
. .
de constan-
,

:; ~~,. . et:, dcpar;\melrossl Fexcede un valor CrlllCO prese.lec<;lOn<ldo:.

J
~.
4.3.2. El Con',;,'. <lell".",,? . ,

A J,....
.}.:.. UIl<l de las dificull,~d~s tlel .".cÓnt',:a~'lcdcéhÓ~v
" ; ~s.ia ~<llu~al~ia<l'rbiíraria de lá partí.'
:~¡- CiÓ~1del conjunlo dcdalos.ynit de csias.divisiones'puede Ilcgarn redlilzar l~hipó •
. ,':' ,-tesIs .nu.':l y o Ir <l.<l<lCer,l<lda. Eslo
~:r.~""'Y'''.'""""6""\'''.' '1.'..'.'. '.'1';''''.1";';'1'''1.'
d".:.'1'.".". ,....•••......."
no se da en. elc~nlr<lSle
, ".'. "•...."'." " ". ""f'.. ~,...'..,." ,.." '..' ., ..".,
,p ...•.
de Hansen. que <lJusla l:l
..
~.¡':í~
.~:ecu"cl
• . n lne:t<l, "., •...••), n~ :~c::II,Ousdv:acl~l'éS:'
1>'.""."'" ~.:..,~..' .•..••.' ' ..•
;er~1l1Ie',un;l'CspetllC(lC101l"mil.s'<.",.,."
: r~::. gener<lldel modelo qucla ullllz<ld<l en c1Capllul03.perodescanaregresbres no cs-
:. V-J:' l<lciol1:\rios. La de.ri.v<lciqn'lécnié:l de.didiocOI.llrnsie.va lliá~(¡l1á (¡.el alc<lnce .de es.le .
~:'. ,.' • . .....• ;'. .'. .' •..• .' •• '. •. .'. . ." .•.
lO!, hbr.o, <lll.nqllereVls¡\femos'd pl'ocesosupedlcmlmenle,: Escpbamos In ecu<lclón de
!.~:.' .'.,.... . ...,.......
:-!.f:rcgrcsloll coino . ".',.- .. "

1;.,;•.......
XI =f.!,x,;+f!2x2í+:''''+ fh-'(k;'¡ re,: ". (~l; •.:, ,¡ (4.16)
L<1sIclrasdetnssubílldiccsi ndicnn10's nive'lcs'ac'l\w ié:~de'lás"v;ri;¡b!c~ yno l:lsdes-
vi<lciones rc~peclude lasl\1edias)11UeSlrales;.y la prinieravnti<lble,xll' suele scruna
variablcquelOI11<l sicmprccl\'alorullo, Como cS¡'labilu;¡I,illdic<lrcmos loucsiduos
MCO comó .' .
~"'.
c;, ~y,-h'~~'I'-b2 ..\021"~ ,+' bJ,-'(kl 1=1, ... ,"

'nrucc E.I,"im~. "Tc~ting rllr:'I'.~r;il;lck¡11lS1~hiill'.i~Lil;'árMi)t1cls",Jo";,,nl o/ roli~)' Mod~I;í,c: id,

1l)'12.~I7-DJ. . .' . . ," .'
':',':1" O",,
 - .' .
J 34 MtTOOOS DE ECONO~I[TllrA
'..; ct.I'IT
~
'El '. " . '. " .. ", ., "'0'0 , ,.' '.' •. ' '. ..' ~.
o "Juste por el método de los MeO ofrece lasconoéidascondicioncs

2: xii
JI "

CI =O . i =l,:.:.k .1'
'1 = 1, ' •....
L.....
y
?Bnjo
'.' "
2:.(cr-¡j2)=O.,. .~ Por
(4.18)
1=1 " .;, ' . ' . ~; hipó

~Sl¡¡ úllima. ~ondi/7iónrermite defi .• * llll cSlinlad~rdel¡¡ varianza de la perlurb¡¡.

':, valo
<D. H
~I?~~,
con~o a ~ L, = , ;I~n,c¡ue sc diferencia ligeramente del estillladorilisesgadó.r 2 r: rcsu
- LI k). Dcfll)lmosnhora
= I c,/(n..., '
'(cos
:.:'aI5%
~:,:lle.J
';: ines
::" .• 101'

~\ri1élr
L
,S"
l;4.3.
1:;',
"

t,:' Elli
'

",' "

;.;., don
\:~::-ll
, \'nllevo
.~":~com
". ".'.' .... . " ~( .
(4.21) ,
.';

donde
:,
':,. ." 11' .,
", , 'V '':'''\.''/2,1
",¡- ¿. ¡t.,' '.
, '(4.22)
. ,; , ." ' i = I . . '~ . La
rar~ In c~illproba¿¡ón de in eSlabilldad conjU\lt;';l~n~nlo's " .. me
. . : 'jI ~'[f;i ..::: ,'1k + ii: '.' (eg
: ,. .' •••.•• • '1- ",' Íl)O
y .
..• :. , ' •. ';.,
.
l'
.
'J" .'
'o"
-
i!:.'~:
: .
yo
..
;-', ' '
. ., '-s, = [S'I'; .. \5.k :"i.,1 . \':"dalo
El estadístico ,de vef!fi~.éi¿ión.'dc'la";cslabilidad, conjun\a scr.á ~;i;'dicc
. . " ."., ~. - ,
.,--
, ;. . '1"" ,,'
L= e ..:.-\.'
.¿ I s'V-1s
,
. (4,23)' : do
" ' n' ~'; i, '¡' , es

"

;:
 TlJl.o~:C()nlr~Sles de Errores ue EspecificaciúlI de la l:'cuaciún' Lineal de./,; Variables 135
. ....

.. '
'"
= L ¡,J,:
, , ~ I
(il.2~ )

la hipótesis nula,la ~uma ;\(;umulada IClldcriÍ adislribuirse alr~ded()r de cero.

10 tanlO, los v;;lores "gralltlcs"de los cSladíslicosde prueba sllgieren rcchazar la
ótesis' nula. La teoría de la dislrib'lIcióll no esesliÍndary sólo disponcmos dc ll)s
ores érílicosasinllílicos. Los encolllr~mos labulado~ en la-Tabla 7 e1el Apéndice ..:~
•...
H¡¡y una line'a c¡uc se 'rdicre al número de padmetros utilizados que loma valo.
,i7'
ucl lal 20. La prilllcra linea dcla 'labla nos da. en consccuc.ncia.' los ~'alores,crili.
'"
del eonlraste para ún eodiciellle i'ldiviuualmenle. eonsider'¡¡do. El' v¡¡lor erilieo
% eS,O.407.lo que da lugar ¡¡I¡¡ regl¡¡ de que en C¡¡SOde un valor del.estadístico , ,;:r-,
JH.l).¡:P.""q~!S,.~,e.a.,ln.~yo r 'J t,l~,O,.5,p'~~IS:I}~~)~~Y-P9.,~l,cr:.9
~~.~<l.~,a~íl:8\ ti ~,p.,n.~¡~.~~l~:~
.. ;9:Ai": ",::~... ,-:...;

st¡¡ble. De manera parecida, p¡¡r¡¡ cinco parámelros incluyendo la vnrlólnza. el v¡¡- .

críl.ico al5%es aproximau;llí)ente ¡.s', Algunós'l)r'ogram.\s informálieos ccono-
. :('
ricos incorporan ya el eonlraste de Hanseil. . '.

.3 Cbn.lr:lsles Uasa<1os cnEs!imación Recursiya

. . ,

il0delode la ~é~lación (4.1 )pll~dc formularse ,como l':

..•...
•..•.
". )'1 =x;jJ + ,;,' '/ ~l, ,.:.~¡j'~ t~.25)
nde )/, es la observación que ocupa c1lugnÍ'/dc la vnriablt; d~pendienle. y = x;
:x1/ : ",xk,les elt-ésimo vec'lor Jilri de regresares' en, donde hemos ulilizado uc
ol¡¡s letras de los subrnd.ice~ para indicar iQs nh/eles'de las v¡¡riables. L¡¡ matril,
mpleta. del conjunto de regresore5cs' .,"'...
' . "x' " " .
I
x'\.'

.~
.. ,.x;,'.': ,.,.
a base de 1:1 estimación rec.ursivn es' muy'sencilla. AjuSI¡¡mOS ,el m'odelo a !ns pri-
er¡¡s k observaciones. El ajuste c~ r~rfc'clo; ya"<¡ucslÍlo lellcmos k eoeficienlcs de ,~'

gresión 'Cjue,cslima,:'Acolltinuació"n ulilizaillosl.os pri;n~r:os'k + I dalos y calcul¡¡- '~.

OSdc n!Jcvo el
veclor de eoeficici)lcs, Seguiremqs así, tiiiadie,ntlo cada vez un \lUC-
o d;,¡(>. hasl.1 'obtenL:r el l\IlÍlIl'O veélor de c(¡cfiéicliles, basad<i e',,'la tOI¡¡lidad ;, de
.- .' '. ~. - ., .:'.
os. El proceso g'cnc'rauria ,I'céllC!IIcin de veC;llÍrcs'; bk'.,bk+i: ... : b". dónde los subín ..
cs i'ndicalielnúmcrode datos uliliZndos,cnla
. . '-
cSlí'mací6n: El1.g:cnc~a¡,
~ ." . " ,
b,, = (X' , i'1'"
)-,1,\"')' , .. (,1••,-')6)

onde X, es la matriZ: ~ '/o'k de 'reg.rc5~rc's p~'i\1l~s'r;'il\k¡'o~'tdal(ls tlel;¡ niucslra.'y y,'

s c'¡' vector rue I¡¡s primeras
'''J'

t observaciónes d'c'la vari.iblc dcpcndi'cli'le,' Los cr'ror~s

<.....
(
"'::" .
• -,;,¡
.•..
eSI;ílHJilr d<: los distinlos coeficientcs se calculan cn clIdn PilSO del proceso recursi.
1'0. cXc<:ptuandoelprim<:ro.ya que In SCR es igunl n cero cU:1ndo (= k. Algunos
progr;lmns inJorm;ílicos empiezan 10sC<ilculos n.:cursivos cn cualquier 111 > k, ge-
ncrilndo In secul:ncin !JI/" !J",>I' : ... b". Los gr~ricos mucslran la ev(',iucicín de lodos
' ' t,
los codici<:nkS con d villur.de m;is.)' menos, dos veces e/ respeclivo efr!)r es!;ín-',
dilr. Ln illSpccci6n de Jos gr;ífic;)s 'sllgl.:rir;L o 'n'o. la conslanci.1 de los pilr;íml.:lros.
Es posibk t¡1Il.:iI medida que ó1liadinlOs'más dilloslo.~ gr;íficos mueslrl.:n un movi-
mil.:nlo vcnic;lI qllc podr;i a'Jénnz;ú" IIn J¡ivel súperior a lü~ límiles dl.: confinnza
prcl'inmcnlecslimndos.
. . ....
Dicho rcn(Írileno suele scr consécuencia del resultado del
. '.,

propio modelo cnsayado )' sugiere la ,existencia de un cambio estrllclur;iI'quc in-

ducl.: ;¡ sospl.:char la inconstancia dc los par;ímetros. La eSlinl<lción recursiv.a. ;¡I
i
proporcionarun'ordcn ú;li~o del~s d;¡tos; r~sulla un procedimienlO alrilctivo con
J;¡s series lemporilles. El PI:!Jcc'dimicnlo. nsimismo. es r;ícilml:nle ;¡plicable a dalos
I
.' de carIe Iransversnl quc. en C;¡SOnecesario. podr;ínordenarse seglín (¡na variable
dc "1;¡1l1;¡lio" ;¡Uccuado .

4.3.<1 Errorcs de Prcdicci6n de UII Paso ell Adelante

Cunndo ulilizamos lodos los datos disponibles e incluimos IIn periodo 1- l. la

prcdicci()!) un paso l.:n adclanle dl.:)', scr;í x',b,_I' EIl.:rror,de prl.:dicción un paso ade- .
1:1I11escrá rucs•
-'

(4.27)

Si r;¡rtimos de I;¡ ccuaci<Ín ('U;); la varianzadd crrorsIGprl.:dic,dJÍnlrJ),r¡¡'50"'<:"'::>;'

"dcl~HHc"sCrá'.".~""
',< "f'-,'
'
-' ''-. '
,'-.<....
: .."...',',', "',:'::"""'C,,C::",,'''.,,'',','''' "'. " ,

(4.28)

El valor desconocidoue 2
enlal.:cuaci6.n (.1;21\) se SUSlil,iyl.:por la varianza re-
Ir

sidu,,1 eSlimndn d~ las pr:imer:is observaCiones'(1 :.. 1). dado <llIC'1 _ 1 > k. La raíz
cuadrad;¡ nos 'da lal.:Slim.!ciÓll dd l.:JT(JrcSl;índar <k la fl.:grl.:silill (E,E.Ie), Trazai.c-,
mos unn líncaen c1'\;;;lordedosyc<;.:es CSlccr'ror cSI;índ;,r rt'n',r~ivo)' (Jlr;, cn e/va-
lor de menos dos vcces dicl1(Jcrr,or esl;íill1ar rl.:cllrsil'o. J:SI;I~ linl:;ls Sl.:lraznn cn lIn
mismo gr;íficrÍ nlq::dcdor dl.: In lílle;¡. tkl \'01101' cero y;i1rnkdllr dellls errorl:S tk pre-'
dicción nClualcs (II"ni<Jdos 1;IJllbi~nresidllos i'ecur~I\'osí, I.os r'~sidllos ~ilu;l¿¡os rllern .
\,: ..:_i,
,.1<:Ins bnnda5 scíialad;¡s por 1<i5l.:rrorcs CSI;í'¡ídar ~1Il.:kn ~1I!:<:rirla inconsl<Jnci<J de
los rar¡¡'lllclros. En cnd;¡ pllnln. la.pni!iúbil¡'da'd ¡Id l.:;100011\CI \'ado. bajll 1;, hipÚIl.::
sis nuJ;¡, se cnlcula a pnrlirde I,a corrcspllndiclik'di\ll'i.hllt'il'~n 1, 1;',1Cllmll }~;lse hizo
en la ccunción (:l.48),
.J'
 '1' ',¡\;': :"! . ':", ;~ I J, " ,~; .1

~: " ,
.. " ,1,.'"

1,

. ~. ' ••

", "
,.,' .
'.
.,~:,,<:t\I'IT\J1.0J:
'.e onrl's
i. 'lcsU" ErrllrCHl(J
" lo: 'j' <".~,
~s;jccífié;i~ióii lié la Ecu;ici611 'Lill'c~ltlc k V~rí"ulcs
~',I'';,,_.; " :'>:.l'''',~',), ,'" ~"':"!'-'I",'" r'~""'." ;~,
137

: 4.3.5. C""'n¡SI~' CUs~~í r~qS,y~í.SQ' ':

.:.¡,
.L,;s rc~i<lIlI)S ~ccur:~¡,,(;S rC¿l::ha'dds se ~dl;ldí COni~ '," '
.
.. !'..... ',. ',_ .'
"

'h.

I ,
,..1 •

" ~ , ~ ' ••• l,

(4.29) ' :

". Bajol'as j¡iPlllcsis,dc 1<15ccuaci~);l~S (li~I)} '(~.2!;),r~s,lí,1Ié;1,,,li'orr;,qlJc

1 ~.' . , ", ':. " ",. _, ' ., ''',':,,' •

:~:'.:Í1\i';;;N(O, u1)"". ;',;

Se d~,n)ue~,tra. ~lsil1lismo~'c¡u~ los res,id~os ~e'c~'~s'i~os~eds~nl;d~~ ,s~'I)'nJlnn in~:orreln-

dOliadosdos :; dos/;, Por lo !anlo. '., ' . .
~,', 7, ;..' '1

' . - ,
' ...
.. ' !~'= ~(O, u. 21"_I.)
',
' ,",
"",
.. (4.30)
Urowll, t,:l ;11,; h;¡s;¡htl~;s~cll e.s"io5;c~¡duOsi~c~,rs¡'v~)s. re~~i:~l;\d,os.su~icr~n,doscoi~.
,
Irastes " , .' dc Ios, rar:ullctrI)S',',
de eilllslancla '." . El pruner.
'. cslndíSlicooe
,'. " . ' prueba
". " es In cnnlt-
dad CUSUI\1,
,
WI:::: ~ ",,/¡j 'l~k+l •...• 11 , (4:31)
.6 ' I ,
¡".h 1",

. ~;. domJc 112 ::: SCR,,/(I/-' k), Sil~!l~6~CR,ila sllll1il'.de euadrndos. de losresidiJos. cnICuo ,
lada élpmtir de 1:1 ~egrcsiólldc.l"tó,l~ntJn9id~ la n~lIést~¡¡,::W, es'e,I ..sun~alor¡o nC/I.
caléulau(¡respecloClI.CunndoJ,os
1I/1t1,ndo r;lr,ámclr.os ~on co~slari~es ••~(\~I) = O. ,
pero cuandll noJo sea;l \V, Ic.nucr{¡ " scrdisliÍllondic~lO val,or. Ln',slglllflcncI6n del
. hecho de diferir' dcla ,Iín~;i qu~"rel?r.es..~J.l,I~.;,I.;X~)~:..i~~!,~L~",~,~.,n~~:~il~~),:~.~;,~~,'J!~,rr~~B).~.;~;,.
;;'~'\?':f;\'Jg~;~"6í~íi~J~(t~'¡;:i~l,¡mi;:J'JI.;'¡TMJ:J¿]'~lc';ís'r~cí:is'q.U9:'p¡¡~~'n:por los pú n IO~ .'~ ., , ..

(k.~n\/,í- k)' y. (n,,~:I:3n\l'1l';:9'

.:
d'cn." 1
•. 'c'e Ull''1\'l"I:"'lll"CI'~O"
(on,'" .' , C(UC"dcl)C.JltJedcl:nivel
.. ' " .. ',,' dc:si.gJ1ific"né¡Ón'
",' ..' 'e,stogido, pnracl.'
',:. . conlraste. La correSI)olidencinpara ~ierfosl~iVCles ~lc signirióCionconvcilCion;¡lcs
, ,

.«;"0,01 i~;;I;14}.

u ~0:(J.5" a =0,948

o'. 'el
1':.,":- ~ 0.10 •... ~~OiR50
:~>
..~.,.
:, ,
Ln figura 4.1 n~ucslr:,":ls Hnenspntn de~i~i':I,;¡~igniricaóÓn de In prueba.

...... '

.~ H.L.llro"'", l,Durh¡"yJ.M. I~\'nli~. :)CCh"i'lucd~~ Tplin!!, ,'ic Con~Jnnc}'or Rc¡;rcssíon RcI~ri~mhil's

ovcr,Timc":'),,,,,;,,,, i'f,I,c'¡¡"."',j SI"'¡.Hi.-ri(:'iIJ(:irIY. St'I'ii'J n, :15', 1975. 1~'J-I92. '
. , . .. " . .
 lJS

". )\', .;:. ,. : '.",. .•...... ','

:í;, .¡;¡:::r

u .¡;¡:::r - - -.- - -.~-

'..

". .
.--:. ~~";'
:,;:

... -tl'¡;¡-::¡; ----.,.-,-- R

'!, .. ~.~:-
.c
,\ .. '/1
" '.
v
';'" ...,. . .
;~)"~ -~---~~~~-------~-~------~---
'. . ;', ..
E
:."

.rIGLÍn~\;;¡.L" : : : ro .:' •• ":" ,'>', .' '.,

"C '.Ir.'" 'C'u"Ul\r<' .., "'7'" • ". ' .. ' ".:{.' '.' ';:" ., .. .,; . A
. "[;IIIC\} . J .•.•... "., .', :.,', O' ' ••• ',._,,~.
• . •.
, l.:; 1.'~i "'. I j' '. • • • /. ~ '. • ,.' • , ••••
i R
. .f
; Ej' s~glf';~d6' e's!.adiSliéo' (ú,: conú'a's;e~éba'~ti~,n '¡O~;I;i~l;I;O'I:i~s'~~um~I"\uo~ de .los
. 'cuadrados 'de los residlloS, '. 'c.. . '.'
l'
..,.~ ,.i d
'L,¿' IVj c
k + I .
5,.=-.,,-- /=k + I.. ; ...• // r
(4.32)
2: .IV;
. '. 'k'.+.I. '. .. .. '.:. ..... .•.. .. .. .'. ..... ' .
. l3a'jol~ hipMes.is nu.la, ~,Ic~'~~rá~~ '<JeJa;" ~~,s~n'~ii~iab,les¡ridcpendi.cnl~s d.islribu¡~
das como una X2 (1). Por.!,? l~lllO, elllumcrador Ut:ne ull,.valor.cspt:rado 'gua) a / ':"~
Y erdeno~inndor, un vlllor.e~pCrh~o igu.ala I.~::, !?ad~.~.' valorespcrad?
Iliado del es'tadJstk:o de pr'ueba Qiljó'la hipóteSIS nula. la linea de valor medio es
aproxI- *'
'. ..•..~_. . ..... t"':k' .... - .. . . , . 'J.
. Ro
.. : . E(S,)'- -'-
'" . /l.-k:. ,,' /1Ir
,:' .',
'T.
',)'
cn
,
\.1 ; ..
.
~'
~
 ()
;

"
que va dc~de cero ..cuandol = k. ha~la InlJ1idad cuando {= //, La significación de las
discrepancias dcla linea dt: valor esperadu se calqtlantrawndqUilyarde.líneas pa-
-: J
rnlelasa la línea [(S,) a lllla distancia, por encima y' POI: debajo. igu;t1~ ('o'
(

En el Apéndice J) se lallulan los valores de c;¡ que eSI,in tOlllaüosdel al:lículo de

.I3ro)\'n,
~- Durbin y Evan~ para
. di~lintos lamaiios I11llcslralcs
. y 'niveles 'dé significa-
ción.

Hansen (01'. cit.) sugiere lJuc el c'l1l1lraSle CUSU¡\:1 Ctluivaie a su contraste L (de
1
c)
estabilidad del término deinlersccción) y q~,e el¿~n(r<lsicCUSÜ~1S'o equivale a
su contrastt: LkTt (de cSlabilid;id dela \'ariailzal:

.4.3.6.Un Cout rasl e l\1;ís G cueral ti e J;:rroresd~:r';s(J ~c¡rlc¡l<;iúJ;':",:,>:":¡,,:,:'és:.~t~;ci'.',, "

'~"el"e({J1frÜsic'RESErdc niiiiis.c};.. _,:., ... ,..,-:... ,..... "" .. '. '

RaJnsey argun~e'lIa que los divé~soser~ores de especificación ~lOslr'~d~sen' I;i Sec-

cióq 4.1. '(variables omilidas, [ormi\s fUllci~nales illco¡'rect~s. corrc'lación enlre X y ('
1). originan ltn\'ecloru distinlo (Jecc'io<J. :Por'~o.l:iiÍlo,las hipOI~sis nula); al.lcfllali-
va seráp

H(J:¡~':: N(O./¡2Tj

.' JI,: ti.-N(jI. u2¡)'.'

ji'" O...
El conlrasle de la hipólcsisnula:/In se basa en una.regresión aUl11clliatla

J= Xj1 +Za. + 11 .

Asfpucs, cLcolllrasle de err~r dt; especificacióil es

ú{ui\'\dclltc a probar que a = O,
l'

\
",=";..,.

Rnl11sey sugiere que Z debcríaincitiir las p'olcnci.as de los' ,'I/(ores 11I'¡'(licllOs tltl (11 "11_
fiable ,j~l.le/ldieJl/e. Las potencias 'dc:scg~lI1d'o~lc;'<;e:r y.cUarto g-nHJo nbs dan ...
.' -'. '. ¡ --: ~, • " '.

.' .-?'= lí:z ... joJ J'~]'.

\
,.,
donde;'; XjJ y j.2 = r5'~ 5'i '"
)\~]'.:~lc', Se ~~c1uye la 'jiri;llcra poú:nci;¡. i: por scr una
combinaci(iJl lincal exacla de Ins J:0lumnas dc X, En .CílSOde incluirse: la Jl1alri~ dt:
regresión IX Z¡ no sería una matriz de. rango ple.no:

" ..:,.
'",
-,1"

.O. R~n1sc}'."'-rcsl~ ror SJlccir1cal;~n Er~~r'i~ Classic;I'Linc;lr L~",; S'1I1~;~Si\'ri¡dl'~is':, IIr ll1ún,,;' ,1". (
Sil cié,)" S('(Ít'.r 11, J I.L9(¡;;.)5()~)71. '.\ié,;!S~:Inlllh¡~nJ;II. lt;lIm~y y'l'. Schmi,h, "Snlll~
o)'n/ SI~iiJlic"t
r1hcr:Rcsulls (In Ihe Use (Ir OLS ~Ild IILus RC'Sldll~1S in SJlcci(i~al.I(l1I 'Error TeSIS". ln/ln;,,1 II[ ;';11('(;-
nl' Sitlli,'¡iclI/ J!.ulldniillll, 71,1976. JX9-J911.. .
, !," .•

'",

:(.' .

.~
 4.4 ..
ILUSTRACIÓN NUlvrÉruCA

El siguie':le ejemplo numérico no es ecol1omélricamenlc realisla.' Su' objelivo es

iluslrar de lIl;lnCr;l sl.:ncillalos conlrastes csbozatJoscon anlerioriúatl. Las variables.
son las misnias que las ulilizadasenel C'píIUlol,cSl() es,
}~=: logar~tmo úel gasto re;i1per c;ípil~ en gasolina y petróleo
X2 == logaritlllo del índice del precio r~;¡lde la gasolina y el pelroleb
XJ =: logaritmo del ingreso person'ill real disponible per c;ípila
El prilller gran,shock debid() al.petroleo lUYo lugar en 1973.4, filzón por la cual, y
para csle ejercicio. hemos elegido un periodo Illuestral que lranseurre desde ItJ59.1
!lasla I tJ73.3. periodo en el que la. constancia úc par~lllclros esrazonablc. La r-ig.
<1.2 demueslra la estabiliúad, enel periodo observado. de la tendencia úel consulllo
.'\. )' del ingreso y la tendencia úesccndenle del. precio, c~n un descenso m;Ís acentuado
en la segunda mitad del periodo mueSlra .. Evidentemente, las correlaciones dos a
, ' ..'
"
dos son elevadas, razón pOr la cual resulla difícil co,Ílprendcr las conlribuciones re.
lalivas de ambas v;¡riables' e:\plicaiivas. Para 'Ia eSlimaeión fueron ulilizadas las pri-
mcras 51 obscrvaciones, mientras que las Srestanles se reserv:,ro;l para el contraste
de predicciún de Cho\\'. Se ulilizó una cspe.ciricación sencilla

.. .:...
I
,',
, '
#~.~

\/ J'.
Precio '
• l' ,.... .;;,:"

• \\, ./' #,y ••

;.:-.....-.. ..
.... ':~. /

~. .......
"
.
Il1grc~o'/"""
.... >;.
'I ...
j
;;,;;,j:\.:. 'C ().'

/.
. . / \"\
....
, /'--- /
.,.1

~ . ",
.•.....
"/ -:!
';

,.
. ú~
-J

nGUHA~.2
ConsulI1o de ~a~olina (Y).prccio(X2}c ingreso (X:I).
 ." '¡", ; . t, ,
.;j' ~ 'l ••.
'1"" .\ 1 :',
'J'

CA,'1 n,,-o~, CunlraSles úe Errores de.Especiricaeiónúcla EcuaciÓn Lineal de k .Variablcs,'.Ic\ \

,,'
'",
;;

Y=/ll -+ P2(X2) +P3(X3)+ 1/ : .

, '11'~ . Lo; T~blntl.lm~,eslral~s r~s~,'fta'd'os.:Exisic llnri 'nl~icl~ de birci,ns y '1IJ~'¡rislIolici(Js.

I~especlo;; 'Ias ¡;/lC;,rlS J;.~lici~:i::':nol~,n;C;s''que la espcci ricAción teso Ita ec"onóm ¡C;¡.
rnenles,cnsiblc.:La C1aslidd"~,1 dcl'I)~cc'¡9 csneg'a!iva (':'Ó,66i,"mienlrns qUe laelasti.
. ciclad tlcl 'ingreso, es posiiivh '{iJ,85),'Amb'ós coéfi~icn¡es;~ienen'délerminhtlospor
, .;
eSl;inclare~ col;~cnci,on;;lcs y.
dell1odo'ési)cCliicu'rnr,'C1~5iadis¡¡'eo F ¡'e~hnza la hipó-
.,' lesis nllf:,¡ de C¡lIcel precio y Clin'gr'csoiülualic¡'c;'d¡lIe vetcondconsUnlO. Y ril~S
1
a\i,;~I;; especificación' sllJ';crn con éxito¿f¿o~li';¡Slc'dc Chó,~,yilqtié el eSlaciísliéo F
es sólo' tic'O, iK N(; debcfía,ic:~'lfundirsc las:'predi~dcin:es & un'pas~ 'en adelanledc
101Tabla ti.] 20n lo~ crrorcs('lc'J~r'edicdónuil pasoadcln',ilC discutidos én laseccí'óil
4.2. Es'tós ÚI.li'i10S ticnensu J;,~igcn d,; ,In es.iirúnci6n rcC/lrsiva"del 'niC)delo. L<lSpre.
. dicciones de hlTabla' iLlliei¡(:n 'formiltoy, =:'x,'{J;cJondebcs el veclor tic coeficien-
les eSllm:ldo con I01S51 obsCrv<leioncs .tl1UeslraIes Y' x" el ,y.eClor'.'~e las variables ex-
plic~livas de¡periodoa pre~lceir.E¡' errOr~sl¡~nd¡¡r ele la predicción (ForecaSl SE)
,"", ,
viene dado por.I'.V I .+xr'(X'XJ~lx(,' dómlc. ',,:es clerrur esl~llclnr 'eslimado dc la re.
gresión y X, l~ niatri7.deregresores'd~ los' prir'neros 51 puntos' cÍe la ~~estrn, Esln
p01rte úe la lablapC:J"Il'1ilcverifiear' iliciiviúu~lnlénle'.lotlos' ]osp~'nlos úe la predic-
ción, y ¡10demos 'observ¡¡rcó,i{o'~ el r;¡ngÓde los 'dos'.errores estándar de la predice
ción indllyelotlos y cada uno, de losviltores tic hec!lod¿la v;¡fiable. -dependienle ..
Ve<imosa conlinll:lció~ q~é sll~ede con lasma'¡(Js nOlíci(JJ, La T:lbl~4.1 incluye
ya dos de esas' malasnOlici'ls.'L:lco,llImn.adenon~inilda I"slab incluyc los eslndísti.
cos de Hansen que veriric;¡1l In eSl;¡bilidaddc los.coeficienles intlívidllales. L<l hipó-
lesis tic eSlpbilitl¡¡d re'sll.llil~ech¡i~¡ldn ~riel ea~ode los trescocficienles' y, de ilcuer-
doco,i ello, cJ.c.onlraslc de, e51;¡bi_lidatl <;olljllnlri reeh;¡z<j .Ia hIpótesis nula, <\el;ons-
l~nCiade pilr¡ii11elroslO• U,úl:segunda pieza diseord;¡nlC de inrormación es el
b:ljísimo villor del estildísli,éoclc'"Durbin'\Viltson (DW). En elCilpílUlo 6e.xplicare.
.'"').'1 os,! \l e;.~s t ~;.JJ!Je IH~i ~:ldi qa"i.uf1a,{\ tll()CQrreJa ci.ón ',su si,,!) ci:'1I~Gn.'Cl'JéJ'minO"de.-:,p.e ,1"1\11"'\' ' '
. badó.;, razc'liil)(irl<l éual éxi~leparlc(J¿lo oci:irrido(IUe los re-gtesore~ indJitlosno .
acabail cxplicnndo c6ncclamenl~. AdcJi1;Ís; .Iosvnlores csii,nildos de I y F resultan
O1lleraúos; . .
".,' .: " . ",,-. -~

' .. TAII1.A4.1 .. ', ....•....•". .......•.•.

ItegrcsiúillYICOdc Ysobre X2yX3 ..... '., ., ....

I:'- .• ~~~~~,;~'~.:.':,-~~~, •• u::-V-w;:..~'~~~..&...:_~"": '.;~~_.a~~.ft_'7=_.:.._
•.'?" r..•••
r' ••
_.~ _
Yresenl~nI1Úllc~1959jioI973.3.lcss 8 rorecil.~ls' .
" :.,'f"i~rcc;'~IPi;~joi1:'J97i.'¡lu1913J " .• ,
"'YlI;iat,le. ..... '.Ci;,c'ri¡d~~ú
..:.':; ..' ....
$:ld.E~to..r'.- " '-.:1; ni((e ¡lIslal>
tonsianl ..... ::,,2j47. >0.92"
. ., 'X2. '-4,1454ií 0.92' •
XJ . 14,0'11 0.91"
. . .. :.:. . ....

(T ~l;'(ji)? 118 .' . DW == Ú,3IG

",;

.J
 142 ~IETODÓS DE ECONb~IHIlIA

Yarbnce instalJilil)' lest: 0,12107; jo.inl inslahilil)' lesl: '1,0695* *

.. Anal):sis (JI" unc.sle\! furccasts .. 0.

Dalc Actual Farccas! y:" Y . Furecast S E /.Yalnc

1971.4 -7,65916 -7,1í7531 0,0161520 Ooll2.j'.l711'.l Oolí46624
1972.1 -7,65555 -7,66~62 0,00907682 0,0264099 0,343690
1972.2 -7,65785 -7,6486R -0,00917203 ll,1l27M12 0,3) 1825 .
1972.3 -7,65144 -7,6458'.1 -O,(lU555639 O,02fi))09 -0,211021 .
1972.4 -7,63462 .-7,63C)R'.I . -0,0037:\734 1l.02517lJ7 -0;14:;427'
1973.1 -7,60615 -'7,62,121 ll,Ol80611 (1.025154] 11,711\1111.
1973.2 -7,62518 "'-7,63150 O,OOIíJI6)9 O,02473211 .' 0,255:194
1973.3 -7,62061 -7,625lil . 0,00519761 0,11247990 ll,211lJ590
TesIs OfpilrillllCler conslaney ovcr: 1971.4 10 1973.3
Cho\Y F(8, 48) = 0,18421 [0,9920)

La presencia de grandes errores de especiricuci~l\ ~n una ecuación lan sencilla

como éSla queda demoslrada con mayor facilidrid medianle losconlrasles recursi.
vos. La Figura 4'.3 mueslra los rcsi'duosrecursivosjunlo con las dos bandas de erro ....
res eSlándar. Los cálculos subyacenles a esla figura son los que sc definen en las
ecuaciones (4.27) Y (4.28). Cualquier punlo del gráfico que quedc fuera de las ban.
das.senaladaspor IQs'error~s estándar eqlJiv~le aun ~sladíslico / en la forma '
[;'le:e:(v,>l quespa ~uméric:lmenle!1layorquedos y¡por lo lanlo: indicador'de in- '.
.'..co~slanCia.,dc'los.' padmelrO$:.En.1966cncoillranlOSunodc esos puntos, al igual' '.
'Au~~cn,.vnd05Olf9SrUrl!ossil\lad?Úlllrel968y 1970. .' '..•.........
, ........ .... .•.... .'~
:,.:<:\.~>,:h:;,\F¡Sur¡":¡t~.;. g~ndiid;i.t11.étil;i¡Úc'i)(>G (VI:, es un nH'ldciallernalivodc mos,
";ll:¡¡¡- lainf6irilaCiqn <.lela Tabla.4;3,teneradil medianle. EYiews. EI'conlrasle implí: .'
clió':~~'i;IO'r-ig: 4:3 cSllnaprllcba (, mienlrasqlle cl de la Fig. 4.4 es un ~onlrasle F. El .'
est'adíslico F es el cuadrado del corrcsp0l)dicnle eSladísli~Q l. Sin embargo; siguicli.
do' la ecuación (4.15), el lesl Chow de conslancia de par<Ínú:lros para las primcr"as j
observaciones se basa en ' .
"': RSS¡- RSS¡_I .
F- --~--~- j=JJ' + 1, '.'111 (4.33)
RSSj~ l/U - k :"'1) .,
.1' "
donde 111 cs cl número de observaciones ulilizadas en la rccursión inicial. Bajo la hi~ ',"
'.
o,
. pÓlesis nulá, el eSladíSlica sigue una dislribución F(J,j- k - 1): Dividiendo cl csla.'
dístico F de la. ec~aciÓn (4.33) por el ~ulor crílico del 5% de F( 1, j - k - 1) oblene- .'~
'.
mos la serie trazada en 1:1Figura '4.4. Cllalquiú PUilIO' p~lr encima dc la línca hori. ~:
i'
1.Onlnl de all~¡'~ igual a 1 implica el ¡'CChiIZO del SUpUfSIO de conslanciaen los
~;.
p:lrámclros, mieolrasque cualquici- punlo por debajo n~ ,lo f(;chazar<Í. En Ii! Figura
4.3, exi.sle un rcclluzo en 1966 y una' serie dc rec\Hlzos'enlre 1lJ6~y 1970. ...
.
," '.- . -
,
;),
,.
10 Puede '1ue el eO;lIraslc'de Han~~~ no 'rcs~lle' apr~piauu cn c~le ea~u, )''''IIIC la fil;, 4.2 parece sugerir ."
'variables nO cstaciona1cs. Si~ cillhargo. y con \lila IllUcSlríl mayor. vcriamo~ (I\lerHecio )',COI\5111ll0 dismi.
nu'~en. aur\~lIe el ingreso tienda a descenuer lentamente.'" , , ... ,' .•. , ,o,,', • ','
F
/IV
:rf .
 -.
CAl'ITULO 4, Contrastes do; Errores de Especificacillnlk la ECllaci<Ín Lil'lo;~1eJe k-Variables ~
..... :
143

. O.ll~

-- lk"iuull~r..:cu(~i\"(;s
'.'
O.U!> ••.••.• ! 2 E.E:
~:

(U~I
,. .'

. .

:;'. )
O.IX)
"'-
"

-o.m ...........................................................
\........ ......
-O,ll-l
.......
'

.......

~u.O!>
(,2 (,.1 (,.1 (,5 c.c, (,7 !>S !>? 71) 71
p 7.1
. "ño .
FIGUHA 4.3
~eideJuos recursivos y bandas oc los errores' cst:íno~r p~ra 1:1eCllación eJo;":1solina oc 1'1 Seco
'clón 4.4: " ' ,

.l.J

.1 ::
i
n
" .\
"

::
2.7 ::
:. :,
, ,
" ."
2.4 ::
LL

2.t
l'
,
~
g LX
.'
'-
"
-:>

~
;¡
U
¡~ ¡o :
'...;
~ : : !
;;
-;¡
;.
1.2
n !; ¡ ','

-----,-,-,/\:-",r--\\:----
1).')

O.!>

,.'~
11..1 '-:...
..
: :~~
,',
( )

u .... " } \.: l.. i __ J_._-i :" ...J

11)(1 S , I'ni, 1')).\
,\1111
FIGUHA 4.4

..
"
~
.¿
r ..:;,
jI/
. ,
.J
'''?t.
l-l-l
"',
"

-.
.'
Los lres gr¡jficos de 1.01Fig. <1.5 mueSlran los COeficienles recursivos cSlinl<1dos,
'C'
;':
COIId.os bal1da.s .tk los ,~rrorcs est;írldar. Como ya antieilJaban 1;ls Fig. <l.] Y '1.4, hay
cambIOS dramallcos a linaJes de los (í(J, especialmente en lo que refiere a 1;1cons(;lI1_
""'>.
,t'
te C( 1) Y a'la elasticidad dclpreciu, C(2). Eil la primera Illilad de fa milcslra. laelas-
-, tlcldad del. J~reciu no es significalivalllcntc dislinla a cero)' Ja cstinl<lc;<Ín por punto
de la elaSllcldad del precilles positiva. La elasticidad se vuelve negaliva cuando in-
c1ui~lIos los dalas eJe los 70 .. y lo misnlo ,ocurre con su significilci6'n.' La c/;Islicidad
-, dcill1grcso, C(3). es posiliva)' r:iwl1abl<.;menlcesl,lblc. . "

"

._.-4
- ESlimaeil>1l r~cursi\'a eJe C( I l 'o.X
, ___ o =~ E.E.
Esli'llaci<'l1l reeursi,,:, de ('(2)
,
I
-, o ~2 E.E.
O , O.~ '.-
- '\.s~
:',
,
I :::
'C '-- .. :.. ..• , ;,,,..... .- ""
I CI
,,
t
"::J
0.0 \

-------- 05. \
,,
"., ,
.:: -(¡
" ... ",
,-- ..... ----- .. :~ -OA

[ij
",,----
-s ,, -0.8
'.'
-10
6~ 6.1 6~ (15 {¡(\ 67 (,X 6') 70 71 71 7J -1.2
,\110 62 6.1 (,~ (,5 (,6 67 6H 6') 70 7 J 72 73
A,io
(al
(b)

", 2.5
- ESliniaci,'," reeurs;,'" de C(J) ..
--'; :tH~.E :':,., '.;.
2.0. ~.
, ,
., ,.

1,0
..• ----_ --- ....•.
0.5 ", .. ---_ ..•... ",
-- .•-----------~- _-----
.
.•.

0.0 ,,
'/
• Oj 1 •• "", ' •• , r.,,' , •• 1•• , r." 1,,, L.u.I.LU.1
(,2 (d 6~ 65 6f> 67 (.8 (,o) JO JI n 7.1
";in
(,.)

FIGUHA 4.5 .
Codieiclllcs recursi\'os cSlilllados; (al COnSI;lIl1l:. C( 1): (IJ) l'Iaslieidad dd preci". C(1;; (e)
l:laSlicid;,d del ingreso. COl. ,'. o'. . • • '

(1\
 " ", "

..':" ..•.

~.
~.. .
C""iTIJI.O~o C(;nlpISlcs de J::rrorcs de Esrecific~ción dela 'Ecuaciün Lineal de k Variables t45

- CUS 111.•.,
--~- Signifkln:iclll deL')'):, -- CUSU'I-,(úc cllndrnúos
o 0'---, Siglli(ienci6n úcl 5%
.~ 20
o 1.2
.~
'. ,
] I(J __ ~ _ .~ Il.R ,-,- .'.-.-"'~--
.~ .' .'

-- -- --
'O
,w "

~
..J
W
~, 0,4
--
.- "
,-
o'

V> ::> . -,'

:J
.LJ _It:,:-,~------
~~;: -. ~
.. . '-------,-----,~-,
..
'
-------
, "

13"
v>
0.0
~.... .'
ufu.I." 1,I! 1•. , I,!! l ••• lu.
60 .61 62 (,.1 (H 65 (,(, 67 6~;69 70 JI 72 7J .
,\,io
Añó
(11)

fiGURA <1.1í . " ': "

Conlrasles CUSUM de la cCl.aciún 'dc '¡;asolilia de la Secéi('lI1l\.4.

. Los contrastes CUSUM uc la r-lg.. 4.6 confirman el mensaje uc los grMicos an •.

leriores. Por úllimo,.cI conlmslcRESIiT de RnQlscy, ;utiliznndo únicamenle 5,2,'nos
da' ro ~ 47,2, que CSU;l indicador muy Juertcdel err~uJe cspecificnd6n co'melido.
' El proceso es similnr'nl ex.~men ~Ií.~ico de unpncicnt,e realizndo por unJlabili~
doso m'édic~.Alguno; siglios vilalesse 'siluar;ín en un rnilgo nceptnhlc de vnlO:res,
aunque otn>fpro¡)orcionen Jcctlirits.co~irnriits; El mél.iico debe'rá est~blécer eY~sta.
. do de salud global del pni:ienlc 'y si esne'cesaria algunn lernpia: Y. lo que cs más ¡m.
','. , porlante (.podr:í e1'médico sugerir /.is tcrnpi.~s nd~ci,~~a,~. p~r,.a'JR~.,R.f'o,~J~nl;¡~.,gr.n~.,
• ..•• ';'a- \ •.,-. .•• _••• ~ ~ .~ ..•.
'~ •••..
'Z>.'l'c}.:••>.y.;;L_." .. }I.".
. ',' ",.~".":','Vcs?"EncstC'c.,IS{);''J'l;I(Cc'C:c'vídcn'(é' (j'íJqiíés'cncóil irainO~,riille un pacienle ,en fe rrllO.
"'-,0' "", "',' "

. . '. 'En C"I)ílulosi)()sieri~rcs e~:lJninar~niós Ja'sle~npins disp}inibles.' '. ';, .

'" . , ,::, . "'. .

, ';'
4.5
CONTRASTES DE CA l\'1n IO ESTRUCTUHAL .'
, , .-,. " '.', . '~ ..' . '. ':.

1
~" .
'EI conlra~le de 'predicci!il! JcCho\V 1l0S,coJiÚlrcc.d¿ fo'rmá natural, a'co~l':aslés n'lás
gClleraJcsúcc;í¡l1[}io eSlmctu"rnl. UIl ¿all1bio~sl¡-ucturnl oU,rla fup:lur;¡ cSlruclur"lse
da cuilllúo Jos par.ílllelros dClll1a'.rciación dificl'cn ciÚreconjunlos dc. déltOS. Naturnl-
menle, existen di\iersossubconjun(os de dalos.con la posibilidnd de dlvcrsasrupluras
eslruclurales.De I1)Olllen(o, consideraremos solnnlenledos 5Ubco'njunlos de "1 Y"2
observ;lciones que d;1llun:1 muestm 101~1 de " = ;'1 + '''2 ~bs~rvnci'6nes. Sup~ng;1m6s.,
'por ejcmpl(i: que descarnos invcSlig"j- si cIconsumo'agregndo enun paísdírierecn .
liempos dep;1z.)' en ticmposde gucrrn.y quq posecn)os ,lilsobserv;1ciones de /;¡S V;1.
. ri;¡11Ics.rclc\;hilICStÍc /;1 ;lIiosdc paz Y.';2~licis de gucrr'¡,Pódrí;¡ 1Í1OSrcilliz;¡run con.
Ir"slc de C1w\\':otiliZ;lIHI(; 1;1fl.Jn6rí'll I'~'.i";~,,.,;'"' .:,.....,,_.. ,_ .
 C
146 . :. ~.'~
ta
consumo en tiempos de guerra. Sil~ emba~go, siempre que 112 > k, se utilizaní. de. for- p
ma alternativa la función eSlinpda de tiempos de guerra p,lI:a pn:dccii' cI consumo
en liempos de paz. La elúción no es evidente}' ambos procedimienlos proporciona.
rían rcspueslas distintas. Siempre que los subconjuntos sean lo suficientemente gran-
des, será mejor estimar ambas fun~iones y verificar los parámeiros comunes.

m
4.5.1. Contraste de un Camuio Estructural

El contraste de cúmbioestructural puede llevarse a cabo de tres mallos distintos,

E
aunque equivalentcs.'Supongamos que YI' XI U = .~,2) iildican una parliciólI adecua-
ú
da de lbS datos. formularemos el mouelo no restringido como'
c
.:,•.,\.•'~~'i.,.,.c'-.•.:;.~.~, ..•;.c. L J L L
",'''+Y)' .'21 =,.••.P,\O'1'.:.~:.:.:..¿\'~')2.}fjJJ,;'21
J' ].".~':I'-.I'..:.:~;;:'.':\['1" -i.' \ ..~/I:r :>-.I
;N.i.O ..): ¡:.':",,"" .-,.1'0':"'(4 :34)
.

donde'p 1 Y.P2 soo lós kveCloreS de coeIici~,Úcs para los tlemr~s de paz y guerr¡¡,
resp'cctivam~nle. La hirólesis nula dc inexistencia ue cambio estruclural es
.
(4.35)

El primercn'fotlUe se basa en la aplicación ujrecta~de\'cOl1traste de restriccion~s .lj.

nealcs definido en las ecuaciones (3.2H) y(3.3S). La hipótesis llula define R -= [h -
Id Y r =0. Sustituyc.n'do la ecuación (3.38),6bt~l,emos:nl.l'" r.= 1>1 - b'2• donde' bl y
1>1 son los estin,adores MCO :ue 195 vectorcs'<le ,codicienícs de laecll,,'cióh (4.34). ,:
Ajustal\do la ccuac!ón( 4.34)'obtenel'nos lá 'sci't' del ;'¡ú:>dcfono ~cslrin&ido, ~'c. Los
coeficienles MCO se fOfll\ulan com'o '.' . . . . '. .

, [b'b 1"}', ="LX' 11OX

2

Por lo t:lnto, el modelo no restringido se estim:lp\ disponi~ndode todos los datos,

como en la ecuación (4.34), y realizando de una, vez la estim;\ción MCO, o bien
ájusl:lndo p'ar separ:ldo la ecuación a I,!s dalos. de :tiempos de paz y luc;go a los de
tiempos de guetr:l. En e~te último caso; debe(;\n sum~rsc i'lnlb¡ls SC~. p"r:: obtener
la SCR del modelo no ~estril,gido,'.esdecir, c' é == 'cl'el+ C2'C~. L:.asustitucj6n'en la
ecuación (3.38) permite.contrastar las rest"ricciolies li,neiíles. , '
En el C:lpítulo 3 he'mos vislo que 1:1 yeriTicación!le restriccioncs lineales puede,
formularse también' en términos de, un:l SCRno restringid¡~ y una SCR restringida.
En este caso, 1" hipótesis núlanos da el siguiente moddo restringido

rYI1::::[XI].p+,~1 (4.36)
," b2J X2
Den~minare~~s a lú sun'¡a de:cundr:ldosdelo~residuos, SeR, del modclo qlleaju~ •.
 " .~
Ci\I'ITlIl.ll~: CllnlraSll:s (\1: Errorcs (\1: Espccificaciúnl.k la ECllaciún Lincal uc k Variables t47 \.:.1;:1)

a 1,\ ecuación (4,~~) como.c' .c'"L~,\, verificación llc la hipótcsis nula \'endr:\ dad" .. ,
.~~
por .'
..;......
'--1: )
. (c',c.-c'c)lk •
F=
c'r/(n - 2k)
. - f.'(k.n-2k)
. . .::0
".. ,?
Paralll lcrcer" pnsibilidad. considcr,lI11os una pucsla en cscena allernali,;a d..:',
modelo no reslring,ido. ':,¡1]
'"

[l']., [X ,
)'2
-
. Xl
(4.37 )

En cste caso, \;¡ \'eriricació.n ue !fu es un simple conlraste de significación par" los
últimos k rcgresores. Laclección del procedimiento más adeéuado deljcnderá nnj .
chO del prognima inform,ílico ulilizado.
." ....• ~:.. ,. .' -. ',' '~.,. ,

(i'\
4.5.2 Contrastes acerca de la Pendiente ".

Las ,investigaciones econÓmicas ~lIelen inleresarse por los coen'cientcs que re.
p~csel.ltanla pendiente de la ecuación sin imponcr resll'iccioncs al lérmino uc inler-
seccióil. CO[l objelo de explicar dichos contraslcs p~rliciollOlrclllos las malrice~ X en.
mosigue " , o, J

. . ,\I=[i, Xi1, X2-:;.[il .X21

: liontle ¡l, 12 SOII /11 )' "2 veclores .de'unos y .las X¡ son mal rices ue las .k- 1 variables
regresores. Laparlición de los veetoresfl es . . .
.,'---.,.
fli = [al' jJ¡') "jJi = [al' fln
Ahora la hipólesis nula es
fli =.Pi
El Illodclo no rcslringido es.
-'.,
. al]' . l'

[Y¡J;, ..[i l Xi, () J. el,.

o. .-\'2 ]J~ + 11
(4.JR)
)'2 O
'. . fli .•
Ellllodt:.!o rcslringido es

[;::H;' i~~][;;l +U
I
'"'

La verificación de la hip\Slesis nulá pueck bas:l.rsccn las SCR dc ambas rer.resioncs.

~..
Cier!os programas, inf9rmálicos que re:lliz:l'n la regresión proporcioll"n
. .;-
lt5rlllino
'. -
u;, IU~
,,,",

,....
I
..'

'~
 de intersección de fOl'll1;l "utOIll;ítica(imertando un" columna ue unos en los regre-
sares). Dicho paso uebe cllldirseen el ajuste de las ecuaciones (4.31»)' (-l.JY) .con el
~'i,\ fin uc evilOlr la g.eneración de reg'resores lincnlmentcdependicnles,
Una forl11ul"cic')I1 allcrI1"liv;l dd,úodelo no reslringido es

UI

[)'IJ:=,[~I
y:! '1'
lJ Xi . lJ
Xi ,Xi
J °2""
¡Ji
('(1
+fI (<l,4lJ)

¡Ji - ¡Ji
I
El contrOlsle de significOIción conjunta de los íillimos k - I regresores es unOl prueba
dc 1" hipótesis nul" planteada "nleriormenle. ldéniic" advertl:ncia sobre el lérmino
de intcrsección debe aplic"rse a 1" estil11"ci6n dc 1" ecuación (4.<lO).
'.
"
7, >
4.5.3 Conlraste acerl:" de las Intersecciones
.... -'
I'odría p"rl:ccr qUl: la vcriricaciún Ul: Hu: (tI =.Cl2 vicne dada pUl' la cOll1probaeh'J11
..
del seg.undo I'l.:grcsor de la ecu"ci()n (4.40). Un" verific"ci6n de este lipo tiene, sin
-~. cmb"rgo. poco scntido, La estilll;ición Jc laecuación (<l.'IO) no illlpc;ne rcstricciún
~,
;llgun" " I"s' relidienles y. por lo l~nto, lo qlle cuesti~na lahipólcsis de inlerseccio-
11(':Siguales es si exislen dos supcrficies de regresión dfslillltl.l' que cortan ,,1 eje)' cn
-,•..... el mismo punto. El contr;lslc de inlersecciones distinlas auquiere 111;íssenlido cuan-
.......•... do. el supuesto de pendientes de regresión COllllllles se convierte en una condición.
L" pl'l.:gunl" "hor" es si el plano de regresión est<Í situado m;;s arrib" o 111;isah"jo en
....-
la uirección que 111area la. v"riable dependiente,.EI moddo no restringido para di-
-" CI.l0 conlrastees el .especificado .en .1" ecuación-(tLY.J).quc.ap;.lrq:ía CO)11().111.O\h;10.,
-~', reslringido en el contraste ue las pendientes; El modelo resl,ringido es

, i
[J'I] [~I X;][u]
- ,\'~ _I~
==
.X;')1',+II

\....:.. La cOlllp;lración ue las SCI\ dc\;;s ce~acioncs (4.31)))' (,I.~II) pl'llpon:illna Un;, prue-
,~. b" de la igualdad de las intersecciones cuando las pendicntes son iguales.
Un" forma alternaliva de mostrar elmodc\o no reslringidll cs
'-
\~.,
(.1..12)
\
"
l...

.\ " El contrasle de siglliric~ci{¡1l e1el segundo .ref:;'csor n:rir¡'(;.' 1:, hil"'llc~isl'lllHli(icll;aí

"
dequc los términos de intersección sonigu:,h:s.
e
••.. ,:;0
 CAl'iTlI1.ll~: COI.Úrasles de Errores de Especific;lción de la'Ecuación Lineal"dc kVnriabks' t49
'1 '\

','.

l •.•.•

Los 'tresmodelos guard;l'; en'lre sí un ordenjer<Írquico:

, • I •• ' ! . ~.

, '.
I '

1: [J,'I'J [~I x;Xi, 'J' [ ¡r,;'J +,

.J'2
:=
12
tt, 1/
I
ParfÍ/1I t!1ros, COIII1mes

Térmillosdc illtcrsecciÓII disl,inlos,

,~/eclor de iJclldiclI/cs cOI/l/in'

Xi .'
O ' a('(11 ]
- +
O Xi] ¡Ji ...
[
11 . Térmil/OS
. '¡reloreJ
dc intcrsección
dc ¡JclídieillcJ
dislil//os,
di,Hil/tllJ
'. ¡Ji '.
La aplieacillll lit.: los M ca " caun módelo conducir;í n una SUIll;l de c\JOIurados-de'los
resiuuos, SCR, con gmdos de liberl¡id ;Iso~i<lelos 11 - k, 11 - k - 1 Y n - 2k, respecti.
vamente. Losesladíslieos de verificació'l para distintas hip'ólesis ser<Ín los siguien-
les: .

,11,,: III == (12 Conlraslc de términos lIe inlersección distinlos )

• SCR I - SCR2 ':,

/. := ----- - FU, 1/ - k ,;...1) .
SCR2/(1I - k - 1) ..'

o 11,,:jJ, :=jJ2 Contraste de par<Ímelrosdislii\tos (inlerseccio'nes distinl:>s y

pendientes distinlas) ,
..... ' '.'

. SCR, - SCR1/k ." . '.

F== _. " , ' .,. F(k, ".-2k).'
" _ SCR~/(I/ - 2/.:) . ' ..

Los grados. de .Iibertad tle los numeradores esigual ;11nlímcro dc reslriccioncs im-
" pucslas pord call1l>iil\le modelo no r,eslringiuo.a modelo reslringido. Dieho núme-
"
'1.
ro equivale lal\\bi~l1 ¡r la dir<.:rencia 'en los grados delihertad dé I;¡s SUI11;lSde cuadra-
-.' uos dc los residuos d~1 nUl\\era~lor. .' .
 i" ' .,,'
150 : ' h\l:TODOS DE ECOI'IOMETIIIA .r C,

4.5.5 Ejelllplo Numéricó

, , '

Supongamos q uCl,encmos I~s' tÍatos~iguiel~;lcs:',

1,' 1,~ 5 ,., '112';' 10 k == 2.-

1
3
3
'..' [1 ] 2 [2 '1
5
6,
g
10
y, = 2 '\'1 = 6 )'2 = 6 x2=
12
4 10
,T.
"6" '.i.,."":,, - ~El-
~. • ," '. , , • • r " •

,,'.... ', ".', " ••.• ~,',' • ,-,-<.•• ";" 'H"

c:'íj":'
.... . ... ,.,9 ",:
11

, .',,' ,
" [.r J
X=.
'~'2"
l.
"
y~ [YI J' .",
l'
• 2
' '

La jerúquía cJc'los I(CS.~io<.1¿loSs'cP\ \¡i sig'uicnl~:' "

, '1:R'~grcsiói\ dc)s¿~iirC:i'y:/:', ,-:: ',,~' '
II: l~egresi6n.dC)' sob're d,:d 2 y X"" . r,'

Ill: Regi'~~ión de >' sobr~'dl,.d2' ti' y t'2

La Tabla 4.2. mueSlra las tre,s regresiolies'.Las regresioncs scparadas, particndo de
la lcrcera parlc de ¡¡¡labia, ser;\n '' .- .

"J\= --0,0625;1- 0 ••1375.\'1

.. :'(
.h == 0,4000 -l. 0,5091.1'2 ,
En cada una de'l~s 'regrcsiéll~cs,laSCRvc;l<.1ní dada pcirla e11Ir¡id¡¡ dei;ominada
SlIInal sqitnred resiri,;Pár)o lafílo~.cl <;onlrasle dc ig'ualdird dc .los vecloresjJ es
. ..•. ,;", . '. '••. l. • . '.' • . '. ' •.-. '. •. ~ -~.,:~ • . .' •. • .. ~ ':,'
'. F = (6,5561. -: 3,1602)/2 ~ 5;91 .,
, 3,16021(15 -.4) ,
(-
\
 (~ '
~l -,

,\l'iTlILl)~:Clllllrasli:s lk Errores de Especifit:aeiúlll.k la EClIat:iúl1 tincal ue k Variabks 151 u~

.:~"')
,-'o
T,\III.'\U
.• 1° •.• ,., .•.•.

LS /1 Dt:pl:ndcnl Variahk is Y
VAltlAIlLE COEI:I~ICIL:NT STD.EIUWR -"T-S1',\1'. 2-1'AILSIG.

C -1l,(>'J7X.12 O.3(17X7:\6 -O.IX')(J')61 IUi52.'i

X O.'i2.j.¡()O.j O.1l32'J')17 15.X%733 0.0000
',.).1

o.~5Io74 Mean of lh:pendelÚ \'ar 5.000(JOO " ..•.•

'lt:squarl:U
AujllSlt:d R.squarcd O.').ID10
O.71ll152
S.D. of dt:pt:ntknl \'ar
, Slill\ llf sqllared r<:siu
3.11',m7.l
,(1.5.'i6115
,.,
S:E. of rl:grl:ssion
Lag likdihoou -15.0761l\) F,sl<ltislie ~52.7(J()1
Durbin. \Valsan sial 1,3436X6 Pro\)( f'Slalislic) O.lIIlOOOO'

J ••••.
:: :

VAIUA13LE COEfflCI ENT S1'D.ERROlt T.STAT. 2.TAIL SIG.

. '...,
DI -O.4(15li5~1 0,30.j1l41i) , - Jj2lH )X') 0,152,1
, O.12li4 r~
02 0,55:1651'5 ", 0.33~Il025 ' 1J»31~n
',~
,X' 0,4951220 0,0266345 I:UX~.163 0.0000

R.sqll¡;rcd , 0,97)953 , Me¡1I1of uependelll val' 5.000000

Ailjusleu R-sqllareu " O.l)(¡l)óÜ S.D., of u¡:pendent var 3.09377)
S. E. of rcgrcssillll . (J,53lJ)(Jt) SUI1l ofsqlfar<:dresiu 3.'1<)1l2.j.j
, Log l¡kelihoolJ -IO,J4R49 F's,lalislie 224.3564
D(¡'rbin-Walsull sIal ,. '2,462522 Proh( f-sta t¡-SIic) O.O(X){iOO'

Ls" Dependenl Variahleis Y '-

VARIA[)LECOEFr:ICIENT. STO.ERROR T.STAT, 2.TAIL SIG.

DI -O.062500!i O,41D1417 -0.1293616 O.899.j

D2 O.'IOO(){)OO O,3li61560 , 1.092430.j O.2t)SO
.' 'O,05~n63 ,('"
. ZI O.'137~OUO 7J0062S3 0.0000
,Z2 0,5090909 0.0295057 17.253<)1111 ' 0.0000
, .
R-s'IlIareu O.971í416 , Mean of depcmJc(11 var 5.000000
,r
Aüjllstcd R-sqllarcu (J,Y699H4 S,D.oful:pendcnl val' 3.0t)3773
, ,S.E. of rcgression. 0.535\)98 SUIl\ of squarcd resid 3.160227
Log likclihoou -9,603531 "F:slalistic 151.8074
DlIrhil1- Wals(\11 sial 2;li20099 , ,l'roh(F:staiislie) , O•()()OO()O
.''¿:'"

As'¡ puc's,la hipótesis dc incxislencia de cambio eSlrllclllr~1 rcslllla rechazada en ¿

nivel dc signi(¡cnción dcl 5%; aunquc no al' 1%. El contri\Slc del cambio cn In pen-
'ditnlc dé regresión se basa en ~:' .
F ~ 3,4902 - 3,1602 = 1,15
3,160211 1
. . .... '

con FII.~s(l,II) = 4,H4. Por lo lan,!o, la hipótésis nula de una pl:ndienlc de regresión
 1:i1 ~lt'Il)IJU~ IJEtC:O:"Il,'": Ilti"

cllmün r.:sulla r.:chal.ada. l'odcll\os prolJ;'Ir si los l.;rminos dc inlerscCI.:il')n son co-
nlunes. suponiendo una pcndienle de regre~ión común. El esl;'ldíslieo de prueh;'l
;'I1\cCU;'lUOes

. 6.5:í(í l' - J,4lJ()2

/ .:=------:= 10.54
. 3,4lJ02ll2

con !-jl,'}')( 1.12) := lJ.:)]. por lo que la diferencia de los términos de inlersección es sig-
nificaliv;'l alnivcl del1 %.

T,\ 111.,\ ~..l

. - ••.••._ •.••••..•.
_ •.••.••
~._.~J••,¡. .•..•••• ~_ ••••••.•.: •.•••.••.• _~~ • .,;..-r •••••.••••
_

LS // [)~pendenl Vilri"hle is Y
VARIAnLE COEFnCIENT STD.EI~ROR T-STJ\T. 2-T/\ILSIG.
e -IU)(¡25000 0,'HD1417 -o, I2'.!:lIí1<i O.¡;'JlJ4
02 0.~(¡25000 O,606214(í O,762'J312 O,'I(¡I(,
X 0.4375000 0.05lJI)263 7,JOO<i2l;] 0.0000
Z2 O.0715'JO') O,O(,<i7'J(¡,1 1,1I7I77¡;<i O.JO(,1;
R-sqllined 0.976.11 (¡ . Mean uf dependcnt val' 5,000000
l\djllSlcu R-sqllarcu O,lJ(¡99~'¡ S.D. of depelidenl V;1r 3,093773
-;... S.E. of regression O.:iJ5'J'J~ SUIll of squareu resid 3.160227
Log likelihoud -9,60353 I ¡;-SI;1lislic 151,8074
Ourhin- \ValS'''' S\;ll 2.R200lJl) Proh( r- -51"IiSIic) 0.000000
~•... '

LS // Dcpcnucnl V"rii,hh: is Y
V AIU,\ OLE COEH'lCIENT STO.ERROI~ T-ST¡\T. 2-T¡\IL SIG.

e -O.-Hi5~537 OJO~lW,3 -1.521;151'9 O.152'¡

'-..
02. 1.0195122 0,3 t401 67 . J,2<l(,(jXI5 0,0070
X OAlJ51220 O,02(¡(jJ.15 ¡1;5¡;lJ'I(,J 0,0000
1~.sqU;1rcu 0.973953 i\1c;1n of depcndcnl \';11' 5.000000
-

¡\djllsteJ R-sqll;1reú 0,%9612 S.D, of uependenl \'ar 3.0,)377J

S.E. uf reg.ressilln 0.5J93O'J SlIlIl of sqllared rcsid J.<l')02<l,1
Lug likelihoou -10,J'1¡)-l'J F.stalislie 2201.J5(,.¡
1
DlIrhin-W"lson SIal 2.-162522 I'l'llh( lO-SIalisl iel O,IX)()(XX)
"". ':

..•....• '
\' I

La lahla ijuslr;'l el enfoque ;'I\lernalil'o a los lrcs conlr;'lslcs. La primera p;lrle de \;) .
lahl;1 cs el ajuslc;d modclo dela ecuaciún (4:'ÚJ). La \;erific;,ciún de 1;1siL:nificaci6n
c'lIliunla de las v;lriahlcs segÍin(,I;'! y cU;'lrla prÍicha si l(ls \'Ccl;ncsjJ (inl~rscccil~n y
pcndicnle) son iguales cn ;1mhils subconjunlC>s dc da los. l\ficr(lTSI' (progr;II11Ol pre-
\\'ind(l\\,s dc QU;'lnlil;'llil'c Ivlicro Soft\\,;'Ire) ¿~ cllill(lrCsull;1l11l un eSI;¡t!íSlico ¡: dc
:'.1)1. idénlico;11 oblenido en el p;írr:lfo ;'1111 e ri'l(l'. La 1.11>1amlleslra ;lsimisnlO un con-
Iraslc P;Ir:l \'crific;1r 1;'1igu:lldad de las pcndicl:lq. de n.:¡,rCsil"n qllc implica la verifi- o:
. l \ . ,-
.t
~...
 ('",'ITUI.U~: Cuntr:lstes de Errores de Especific;1ción dc 1;1Ecu;1ción Line;¡\ de k Viui;1bles 153

~~ ..
-'J"
•.••• Jo.
cación de la significación de la cuarla variable. El estauíslico (es 1,0718, c1i1r;'lmenle.
',i no significativo. El cUi1dr;'ldo del esladíslieo ( nos da un valor de F de 1,15, como
antes.
La segunda p;'lrle de 1;'1T;'Ibla 4.3 es el resul!ado del ;'Ijustc de 1;'1ecu;'lción (4.42). L;'I
hipólesis de términos de inlersección equivalenles se verifica examinando la signiri-
c;'lción ue la segunda variable. El estadístico / es ],2467 y su cuadrado, 10,54, como
ante~, por lo que se rechaz;'l la hipólesis nula,
..
..t

4.5.Cí E:dcnsioncs

Los contr;'lstes de ciln;bio eSlruclur;'l1 son susceptibles de dos lipos de cxtensiones.

.. La primera consiste en dividir 1i1n,uestrn en más de dos suheonjuntos. Así podre-
" mos examin;1r la estabilid;'ld de una rel;'lción en ellr;'lnscursode varios subperiodos
(la Segunda Guerril Ivlun'di;'l\, 1;'1gllerr~ friól, 1;'1posguerr;'l frí;'l), en diversos países,
induslrias, grupos sociales, ele. No es Ileces;'lrio c1;'1siricu los subconjunlos en orden
cronológico. ni que los oatos de cada subconjunto sean dalos de series temporales.
Se aplicin;Í la misma jer;'lrqura oe modelos, aunque ahora lendremos p > 2 subvec-
tares en c;'lda columna, L;'I segunda eXlensión tiene quc ver con laveriric<lción de
subconjuntos comunes de parámetros. Los conlmstes ;'Icérca de los términos de in-
lersección comunes y de veclores pendienles comunes conside.rados anteriormcnle
son algunos casos parlicul;'lres. De forma m,ís general.veri[icúe~lO.s cU;'llquier s'ub-
conjunlo dc k par:ímetros, El procedimienlo oc contr;'lsle seguirá los principios r,c-
nerales anlcs eSlablceiuos: ;'Iju~l;'lrelllos el modelo restringido al subconjunto de'co-
eficienles cuya eslabilid;'ld verificamos, lom;'lndo el mism'o 1';'1101'cn cada subconjun-
lo de da los. Los demás codicien les podrán v;'lr,iar. A continuación, ajusl;'lrcmos el
modelo eonjunlo no'reslringiuo. El conlr;'lsle se h;'ls;'l en 1;'1compar,ación de l;'Is dos
sumas de cuadrados de los residuos.
.:~. J •

4.(,
" VAHIABLES FICTICIAS,
: : ;.

,'.
4.G.l In(rodllccilÍn
. '
; .,~:.
. "

Hemos utilizadu Y;'Ivariables ficlici;'ls;'Iunque nol;'ls hemos dcnomin;'ldo ;'Isí h;'lsl;'I el

momcnlo, En efeclo, las üliinws "2 v;'Iriablcs de 1;'1m;'ltriz aumenlada de la ecu;'lción
(4.11) (aman la forma '

:; 1.'/.'
t-;~:.~
,.
"1 .. '-

>
l'

J
 154 . ~1l:TODOS DI: cCONO,\I(TIUA

La matriz O es de orden 1/1 x 112,micnlrasquc l/hes la.matriz de ide,nlidad de orden

1/2' Cada uno de sus veclores column¡i ,de /1 elen;enlosc~nsliluye l1nn,vnriable ficli-
cia con un único' elemento igual n uno y losr~stnnlesl/ ~ 1 elementos igual a cero:
Según la ecuación (4.12), el efecto de las v~rinblcs fiet.icias es excluir 1;ls úllimns Jli
observaciones de la estin¡¡¡ción del vect'Of j1,. Los coefi~ientes de.las variables ficti-
cias son los errores de predicción 'de las úllimasl/2'obscrvacibnes mientras que; en .
esos puntos. los residuos de lai'egresiónson igualesacei'p" . .
A menudo se dCfineu¡la única variable de este lipo r¡jra una observación con-
siderlldn anormal. Por ejemplo: 1973.4 fi;écllrimeslre en que la OPEP (Organiza,
ción de Países l:xp0rladoresde Pelróleo)rc<Ílizóel cmb;¡rgo delcrlldo, Cuando es-
¡irnemos la [unción de demanda de energía, dcfin'irelílO~ una variable ficticia de "n-
'\or'uilO' paraelirimeslre mencionado y cero paralas lrimeslres reslanl~s. El primer ','
gráfico de laFig. 4.7 (dol)'de, parasimpli[icar. asumimos una relación de dos varin-Ji
...,.;.:i.;;""'';l::~~JsE,~~~B_~~.f,.~,5J~m:.A~}.9.!\~~~r;~,JS¡;Iq
Lkll,.H9 ~Q'i!J.c•.ICc-grciióli:,.cSú\ ,~ié:fcl'jlii Il'¡ld ¡¡:POf'/':'~~':?' :;'. "
aquellns observaciones noperlenecie'nles al pedodo 1973.4 y,enese 'punlo. In línen :f:- i
. de reg'rcs'ión c¿unbi') y 'da luga~ al valor de '.I;'ccho' dc: .Ia ~ariabledcpendiente (Fig." \ .
,4:7a), Ca Fi'g.4.7b' muesl~aOr.res variable.s fictiCias. l:llínea de' regresióll básica se es-
..lima a partir üe II''':.~obser~aci,onés, y"prcsentali-es cambios .de ~n'periodo para 10-,'
grar pasar'. por los'trés valóreselegidos.: ", . ',', .
Un segundQ tipó~~ vartablé ficticia esel 'qllc!ienc' el: Cormai(,l ~iglÍiel;te
.' :. .... ~:... . ... .
, .' '. .. '. '. - .'

' .. ,
,.11 .•••
:

.:\
.:'i
com~' en.los m~dclos'dc'c~mbioestniclural. Larig. '4:7cl)ll;estra el erecto ,de :ljus. \:
'tal' \111 modelo ,de'esic tirio a.la .cc'lIaeió,i (4",ij.ExislcJ\' dlls lincasde regresión pa. .,
ralelas y se u.llliza la lblalidad'd¿las observaciones; n'.para estimar lapendielltc co. ' ,~f.
nlún. >.. ......•. ,; . ., ~', . . ~ -.. :',~; I

.'. ~'
.¡.
\ .
J' .)' .•...~
.. ,.'~
: t:
,':.

-..-,
"' ..~".. :.'o'~ r ._~

~.. ~oo.' " ::j'

,,~,o./
:,

"
.;~,~;';f
~.
"

"

'.:~'
'.'
\", ¡ ", .,'.

..
{ x

(a) tb)
:'
 (',\I'jTUI,()~:ContraSIl:S ¡k ErrUll:s tk I~spl:ciril:al:i(indc la Ecuacitin Linl:al d~ k Variables 155

Nuh.e ue Plll1l()~ ue "1 ()bscr\':~ci()l1cs

(11

. "
(1')

FIGUHA 4.7
Rc¡;rcsinncs con variables f'ictici;¡s., ... ~..•.•....
" ..•.:.:~.: ••;_'."".:' ~..... '., :".•__,", :,,' :'0" • '.,'. , .- ~_",.' ',' ' ••

<1.6.2 Variahles Ficlidas Esfadollales

(:"""
Su'p~ngall)oi que trab;¡jamoscondalo's lriniest;'ales y pemlilimos que unn relnciún
su[ra'calúbios estacionales. El gaslo en' vacaciones'dependcr¡í del ingres~. aunque
. pmbianí positiva o neg¡ilivamenle 'en ciei'ios trimestres; Para dio. deberemos espe.
...ciricar variables ficticias trimestrales; tales como,
. .

Qi,= I sil;¡ observación corres ronde allrimeslre i

. '= () en caso"contrario ,
pnl:a i =.1 ti. Lns variablcs'fieliciasde.ios cuntro'tri'meslrcs de cad" al-;o son
c....
. 0IQ2.Q;.Q,I'"
I . .0.0 D
D" IDO
O O 1."0
() O '0 I
rormularnos entonces fa J:clación comd
l/;':: ÚI QI( + .:, + U~Q~I + xifl + /1\ (4,--13)
.
, .
('-
donde x', incluir:í observacioiles de los regresores relevantes y no debed illt:luir
ningún elemento igual a lino, ya que la eolunllúnle unos sería enlonces rerfccta.
mente coline;¡'J con'I;'\s cualro variables ficticias eSlaciol'lalcsv daría 11I!?,ara una m,,-
lrlz ¡le d;ílos' singulnr. La fllJlciún posee 11,\1~lrol~rminos' ,le interse~ci(~n. Una espe.
, cificació~ allcniativa cs.' .. ; '. .., . .

Y,;' al +'(2Q2/ + ;'d!J¡+ '(4Q~1 +.x¡fl+ 11\ (4,4-'1)

Lacon;paración
" ",'
de los cocricicnt~s
•...
de il.'s variablésficticiús
.
de ;¡mbas ecuaciones
_
nos da las siguientes relacl,?nes' ! ,', " • . '.

'(~ = a~ -,('(\
r' .~,.
rr__ .:
1

r. ~
156
<.'

r ...• Por lo t;¡nlo, las "y llliJt.:n los' términos de inlersección direrenci;¡les COn referencia ;¡ .
i a,. Nor1l1;¡lnll:nll:.la hipótesis que nos interesa es .
r"
/ln: 01 = a2 = 0.1,= 'a~

L;¡ v:riricación s.e realizn eSlimando la cc~ación (4.43) y comprobando las n.:slriccio-
ncs IlJ1cales pCrllnenles.' Oc fQrmaallernaliva. expresaremos la hirÓlCsis nula como
"n: "(2 = "()= "Y~
L;~ \'eriri.cación se realiza ;ljl~S(;¡ndo la ecu;¡ción ('1.'1'1) y comprobando la significa-
cl~n ~Onju.nla d.e las tres val'lablcs riclici;¡s trimestrales. El estadíslico de rrueba se
n.l~lnllcne Inv;¡r¡;¡nle se" cual sea la variable ficlicia omilitla al cambi;¡r de la celia-
clun (4.,1]) a la (4.'14). .'.

4.ó.3 Variables Cualitali\':Is

Supongamos que un economista deltrabnjo ddine una función dc gan;¡ncias' como

Ingreso = ¡(género, raza, nivel educativo, ed;¡d)
~;¡s dos p~imeras v¡¡riahles explicalivas son m¡ís cualitativ;¡s que Cu;¡ntil;¡liv;¡s, es de-
cir. ~o SUjel;¡~ a una. n~e~lida cardina!. Sin embargo, puedelí l;¡mbién represenl;¡rse
mediante \'al'lahles rlcllclas. El géncro lo rcpresenlan
.
Jos variables ,
GI = 1 • hombre
= O, en caso conlrario
y
G = 1, mujer'
2
= 0" en caso cOI~tr;¡rio
I\mba~ c;llegori;¡s son lIlutu',lmenle exciu)'entes
. . y ~.".,
;'vll"ll<t'IV~"
..., .•.r~r',, ti'OtO IntIVI(UO
1" I
Ia su ma. dG.C;;T'y-:(h.€s-igul\-I-~~.tttlO':'-S-ttpoTTgnmonllle'de'fi ni mas la ti, Z;¡ meüi ;\11'[(;"tre-i-~,..,.-
c;¡teoOn<lSmllluamentt;
..'"
cxclu)'entes
. ..
y cxll'lllSI'v~s
..... ,
( :. le"
1... por ejemp o, auc;]sl;]n;]. Ncgr;¡ y
Oll.IS). L;¡s entrad;¡s caractensllcas de las variables ricticias S y n, serí,lIl en csle óso
.CI C2 ni f?2 n)
'-..... o 11.. O, o
'.
I
O O; I O
La rrimcra e,nlrad;¡ corresponue a un;i'¡ilIljer c;¡ücasialiay la segunda aunh()l;lllre'
Ill:gro. Las colulllnas R. Slln)an llllO, igual que las colulllnas S.
El nivel cc\uc'alivo es Un lipo distinto de variable. Podría rellrescnl;;rse nUI11~rica-
mente Illedi;¡nle los alias de escolaridad. Oc modoallernativo,puede represenlarse
t'II11.bién en l~rlllinos dc variah!l:s riclÍ::ias;'EJ nivel de cdutaci6n'(1l;c'UC clasific;¡rse
segun. ellll.ayor ni~'el d: e~tudios coilseguido, Csto es, (ílulo universilario ue gr'ado
superior, lllulo unlvcrsllanode grndo Illedio o lílulo dc hachiller. "<¡ucltos imlivi.
duos con lítuló universilario tend.rían una elilr:lda igu;¡l n uno e'n 101v;lri;¡hle ricticia
corrcsrondienle e igll;1! a cero en' las dos rest;\nles. ';\ul;que I;¡~ tres c;¡¡q:ori;ls\'on
 "

C""¡TlII.6~;C(lnlr;'Slcsdc Errores de Especificación de \01 ECllació¡\ Linc;~tdc k V"riau\cs .157

lllutú:ünei)te excluyentes por definición. no son exhaustivas' p&que no existe cate-

goría pAra aquellos'que carecen de titulación. Supong~mos qué: El es la variable ric-
licia correspondiente a aquellos que 'abú,dOliaro¡j' los esludios y E2! EJ Y E4, las va.
ri;¡blcs rj~t¡¿ias correspondientes úl m5x¡'mo¡1ivel de. estUdios conse'guido ..Si mode-
lizamos ci ing'resoúnicamenle en runción dcl nivel educaiívo, lendríamos
, '.'. ' "
.y =:= al~1 + a2E2 +'u)EJ + a4E4 + 1/ (4.45)

Erv;¡lor esperrldo de ingreso; condicionado pOLelnivel educaliv.o, es

E(YIE¡)=o¡ i=1 •... ,4
Eliminando E" I;¡ especiric;¡ción ;¡ltern;¡tiva será
y = al + "Y2E2+ "yjE) + "y~E4 + 11 , (4.46)
Las "Y miden el in~remento marginal ell el ingreso esper;¡do pnrn un individuo con ¡¡-
tlilo en relación a olro <¡ueno lo Po~~;¡, El incremento fn;¡rginnl p;¡r;¡ un titul;¡do uni-
versitario degrnuo medio en rel;¡ción con alguien queuispong;\ solamente d9i lílulo
tle \wc\;i\ler es "Y) -"y, ,'mientrns que el incremento marginal para un b;¡chiller en rela-
ción c~n un tilUiatlo de grado medio es "Y,l .,. "yj. La significacióILCSI;¡t1ística de los in-
crementos m;¡rginn\es se' verificará comprobando la re.strieciónline;¡\ correspqnuien.
te. De forma alternativa, refonnulando Ins. v;¡rinbles ficticias oblendre.moseslimado-
res directos de los incrementos marginales' paso a paso. Supong;¡mos que. I;¡ v;¡ri;¡ble
ficticia tiene valor Uno cu;¡ndo el individuo posee un I¡tulo, Ji/l importar qlle: te:/I[;a 11/10
. n II/{i,~ tíl/llos de /IIa)'or rallgo. Ddinamos tambié,i' El para representar la posesión de
un título .de enseiianzu básica obligatoria, .de mo.do que todo elmundo lehg;¡ una en-
trada igual a \lno en dich;¡ variable. Las vari;¡blesficticias represent;¡tivas del nivel
euucalivo p;¡ra una. persona con Slllo un título de bachiller es [1 I o, O] mienlras que
p;¡ra una persona con tílulo universilario superior es [1 1 1 1J, La ecuación a aju~lar es
.'. .. '.' . - )' = ('1 .4~fl2E2
".... + ~)r::) -1- 1),/£,1-1- 11 ' " (tl.'l7)
-..,.-:. -,-'.-. :-:"-Lo-s. Vii1'or'¿s':c;s'r'er:lth)~::són':"""~'~~:"~-:"'-'-. -.' ;-~~~:''''7''''''''''':'~''''":,,:'',-:,<:,:-'-'~:'''7.
....••.•..
,.~::..~; •..........,.....::-
•.
. . ., .'
E(Y ICllseiinnzaoblJg;¡lOnn) =á,
. E(Y Ilílulobachilter)= 01 + 02':
E(Y I üniversitariogradomedio) = ('(,'+02 :~o) .
f( VI u,niversitario'grado superior) = 'a,+ 02 + Ó]+ &~
. Las '0 prop()rci(JIl;\n'lo~ eSlimadorddirectosdel incremento m;¡rginal de un nivel
respcciodelnivclsllperior siguiente, mientras q'ue los correspondientes errores eso'
t,inda!" ofrccenb posibilidad. de c()nslruir un contraste directo de signific;¡ción.'

. .' .

. A.ó;~r:) os o ¡VIii); COllj linIos .dé Vitriablcs ficÚ,cins,"

Con~ollelnós v.isto, U;l cpnjunlo de ~;¡r¡nblesriclicias"n)utuamenle excluyentes ycx-

hÚIl~liv;¡5 da como rdll1tac:lne/ veelor unid;,d,i".La cSlim;¡ciór~ de unaconslnnlC en
un;¡ rel¡iciúnse Oblicl~c insefl~ntloUIl\;eélOr un:idad "enci conjuf)lodc 'regresores.
 )5~ MÜOOUS OE ECONOMcTllf,i.
C"
• ~: o'

,
Pnr.a evila~u~~lllnlri¡ dednlos singularcu':1ndo, uiilicemosun ~Olljunlocompl~lo de
, La
vnnilbles flcllclas" deberelllos suprimir laconslilnle; o, ~n .casoiJe '1uerecmanlener '.
- ...•
la constanle
. .',: deberemos e"clo'lr
",1 un" d 'l" "bl' f' "', E' , " . ,
" e .'lS vana .es, ICI.lCIaS.,-1 PI'QcCdllnlenlo de ~,

eS:lmaclón SJgu~ fallando en el caso en que deseelllOs ,estimar ~na fclación' e~ la que
eXisten dos. eonJul~lo,s,de.varia,bles ficlicias ¡¡lIl1que suprimnmos J¡j COllSlanle pueslO
que las vannblcs flcllclns son llnealmenle depenuientes (la suma uel primer conjun.
t~ m~nos la suma del segunu,o es igual al veelor cero).Siemprcqllc mantcngamos el
lernllno c~nslanle. en la ecuación delJ:l'elllo's cxchlÍl' UI/;' yafilllJle [iáicill de clIdllllllO
de los CO/lJU/I(~s. Obviamel~[e, eSI~ I~ I:cgla es e'xlcnsiblc>¡,loscasos en los qu~ haya
lres o más cQllJunlosde vana bies flcllclas, "
,L
4.6.5 Ejemplo NlIlIlérico ¡J:,
g
>', ",~ 1 " c
" .""b1.+¡Jtn{'~:'4 /'rimÚír¡¡'llfi.¡dtfd¡jó"t'é ri'~'ri~'8Hí;il~~:¿~(vt~~;;'~Ú~i¿:;l;;':¡~;~:p'~~'~'t~¿ ':;:'~"l
(C) y el nivel de educaCión (~), l)orejemplo,lrc~ personas ue la primera c¡¡legoda, :tJ; , m
lanlO por, g~l~ero como por nIveL de ,educación, poseen ingresos 1), 10 Y 12, respecti. .¡; g
V¡¡n~enlC, Sl,InSerta~os un~, COnslnntc y ,~iJprimimos unn 'vari¡¡ble ficticia en c¡¡da la
conjunto, la ecuación ¡¡,eslimnr loma In fonna,sigUientc',,:', . '.' ,', . ' :,,' " p
y =¡i + ('(2£2 + o.j£):+/J'I£4.
,::.
+ 11.':
;'; .
,'(4.48) ,
, a
c

, .T,\III;A4.4,'
i.I,:U'''''~-.-.-r':.•''''I' ".";~:r. t'" , p
~r,:r __

E, I E2 £)
l'1:; ,
, .~:
.G , H,Ill,I2 12,,14
; .e2
~. l!
5.6 10,12
,211,22 •
,20,24 ";! L,
Lnsv;\riablcs,co.rrespóndienl~s '~p~rc~en en f~rm:id~ col.~mnas lal C'~1lI0sig~e ,',
I • ' ':. .

,':
, .' y £2'" £ C'
" ';',' '",' ',J,' 2
S I O O ~O
10 O O' ~n
,,~ ;-'. '
]2' ,O O ,.'lÍ: .,.... .'

.
'12') 00
,::; 14'" :"1' O: O l.,'

20 O )" ':0'
n. ()\ 1 O,
5 .O' 'O' '1' ,
,6 O O ", lo
]0,1 O' 1
';:~~:,
1'2 1 O 1 ~.:':
.. 20 O 1, ), '.. ,
~',> .
. 24 O 1 J, ••.
-.. :
~:,:' :
':'Y:'¡": ,
, ,'.'

l
"I'ITlJl.O ,: ConlraSles tle Errores de Especiricaciún tic la ECll~cilÍn Lincal tick Variables 15'.J .'-.
~ .. , J

r
a rclación eslilllada es :! ')

, J'

'1'.\111..\ ~,5 '1',\111.,\ H

~.I\"'.''1 •.••~V:'" •••.'t",,~~,'':''''l''' "'-.' ,.,'.":""~ T •• -:" ••

HI £2 R,\ £1 £2 £,\
GI '.J 13 22,5 CI lO 13 21
Gl 7 I1 20.5 Cl 5.5 11 22

La Tabla .'1,5 muestra los ingresos estim¡¡dos medios dc diversas combinaciones de

género y nivel de educación. Caua una de las especificaciones oblig.a ¡¡ los d¡¡tos ¡¡
comport¡¡rse de acuerdo con la relación implícita en la especificación. En, este caso,
¿;;~;;~<.;.,;.,~.
lúesp(;cincacióng07.¡¡ dCUll posibk hecho indeseillilc', Enccfcclo; los 'intreí~ic'nlo's,i," ,,,\

m¡¡rginales dcl ingreso segltn el nivel de educación son I~s mislúos rara touos los
géncros y, recíprocalllcnte,l¡¡s diferenciasen .los ingresos por razón eJeI géne~o son
as misfnas en louos los niveles de educ¡¡ción .. Es preferible \'erificar primcro dicha
posibiliua'u anles que iniponerl¡¡ en I¡¡ esrecifica'ción, El conlr;sle ¡¡UCClI:HJ0en, eSl,e
caso e~'.un Conlraste de los denominados cfcclosdc, ilileraccilín. Lo des¡¡rrollarcmos
'':'o.
aiiadiL:lido a la cspeciric¡lciól1,¡¡nlCrior:dOs nCre\'as \'ariablc~' ficlicias: $L:lrala dc los
produ'~lOS (E2C2) y (£)C2). La es\yeeificación rcformuladaes
, y = J' + Ct2£2+0.)£J :t fhG2'+ "Y2(£iC2) +"y)(L')G2) + 11 ' (.:1.49)
Los valores esrerados son ' ' '
I.::(}' I GI, EI)= JI

£( Y l Gt, £2) = jl'~,a2

E(Y I GI, EJ) =JI +d)
E(Y IC2',,£I) =j; + Jh ' 1,"
•...
£(Y I C2, É2) =!'JI +.Ct2
,:'
+fh +"Y2. ,," oJ..

E( VI C2• £J) =jt + IX] + f12 + "Y)

.1\'

El ajüs(e del¡i .ecuación (tlAl)) d:; como r~suiiadQ ' '"

y= 10 + 3£2 + I1 £i - 4,5~:! + 2,5(£2C2) + 5,5 (£)G2)

La Tabla '1.1í Illueslra los iÍ1greso'~eslima¿¡os ,Ílledios resuÚ;l1ilCS en esta nucl'a cspe-
cificación. LasCnlrad¡¡s de las cell.las SOI1las'medias arÍlmélicas de los uatos dc la
Tabla 4.4: La curiosiuau uel re~ul\ado se ckbc'ados faclorcs, EI1 primcr lugar, tlluoS
los regreso'res SOI1variables ficticins;periJlilirefecl~s deililcraccil~n ¡lOS da ('anlos
, padl~lc~~OS i, estimar,como nÚ'~llero:d,e cC\da'~u~la t:a~la original.'NaIUr¡¡ln.1L:nle. en
la pracllca, In mayona de las cspeclfICaC¡()!leSdndlllran
' " . rcgresorcs numéncos ade-
",' ,

más de v¡iriablcs' riclicias, rau>n por la ¡dal, )' ei1 general. no obserl'arcmos esle
,,' I ••.
efL:clo. \ ..
• ~'¡:'T'

~'.
'~J..
 ,\PÉNlJICC

AI'I~i\'f)ICE
-.:l,1 .
1)~lnnslr;lr \';Ir(d) = Ir~11 +:r 2 ('" y )~i\")
. . . ",! l' ' I~ I " ~

C0l110 \'cí;1Il1OS cn c1lcXlo

:

'. d =;/2 - X2(lJ¡ - Jl) t":

¡\ p;irtir eJe la cCu<lcilÍn (3.23) !JI -.jJ= (X;X¡)-IXjll¡
!
I'or lo 1';11110
d =Í12 -:X2(X;X¡}~IX;1I1
1
LI110111:CS
E(d) =()

, .

'n,.
,

l' I~O B LEI\ I AS

.tI. I~~l~)~~g~'::i,~n,de dos \'ari:lhles s.: ajusla a un conjunto de 20 lIhs~rl'aciolles Illue'slra.

.. l. 1" ,\ " 1 . I..o~dalos Sl: expresan l'lIIIlOsigue' .:' • , '.
-. ,.
--o
- •...
/' <:~:',{~A'~-r~:::':~~'~r~::'
.J'~:~~:;'
r:--'-'.:"I.l' 75 =

Ohlelll:i'l111s¡lila nue\';r llhsL'l'\'acilÍll eon. X': 2 e V -.1 (. 1. '1' '

. 1, r .. '1 '.' .'" ;,".' . -.'. ,1 ~u ,11con eslos dalos eJ.re-
su 1,1{0, (e,UIll'onlrasl.:de C ho\\' di: l'lllisl;lIlci;1 de los p;lr:ínl~li'lIs. . .
-l1 U '...' .' .
'-' Ila regn:slllll .d.: l'Ualnl variahles 'con dalos l'ualrillll'sII"1Jes ti'l .' l. ..
'.' , . l' ' 1)' '.' . . . , . " plTIl1lll lOl1ll'rl:l1dl'
,,'/" 111':11.1 r,': \ .:)~.Y 1\n(l"l~~lOI'l:illn;¡la siguienle.el'uaci(ill cSlil1lada
l' = 2.20 + l).JO.IX~''::' :;:.I1\X,l+ O.JIX,

La sUllla dé cU;ldr;lllos l:xplicada fu".'lo<.Ui. \' '¡;r sur'l1a d~ l'II'lll''''II",' l. l' .1

IS -lS .. . '. .. .".' 1" os.r.: S1( Uos
'. , ..,\1 l:SllIll;lr de nUl:~'li.la .el'uúcitil1"desllt.lesde"lIi'lllir:1 1'. 'r" .:. , ... ,
,'. 1 1" . .., . ". .. '.:.... " ,,' npel'l IGIl'llln tres 1';"
1/011 ~s fICIICI:'S. eS.I;ltlllnaJes,I;\. S.'.Ulli;i:d~c.'I;¡'dl"ldiis'01/1'11"1 l'" .: .. >,:' ..
1 i." :", .,... .". • ....•. ' '.' .l. :-'t.:."h.ll'llll:l1ltJ laslil
1 l-l.¡';. \ "rrrlcar 1;"l'r,:sC!1clall.:-":SI;,tion;¡JidalJ: ' .
,.' •1

Dcspucs se rc;¡Ji~;lrolldós l'cg'..•. :\iOllCS Ill;ís ba';a IlIs SitllJ'l:ri,',:"',~ 11~.~S,1h;ls;a Il)(,s'.¡ ..,
1')6').1 haSln.1 'J7r: -l .. ,; 1, . " '. '. . . )-
'.. ..' ... 1.. COIlsunl".~.{:e CU"d',ltios .de lus fCSldllU' ,le' (le' l) ..\~ Y 7.,1(,. fD¡JCC' ;
11\,1111L11 k , Venr¡C:¡f 1;/cunSI;lilC¡''' .de la r'claci,"nciI ;",,1,,;, ,,,1.'l'l'Iiud,,,,
 ,\,"
.: . ' : " .. ~ ¡r '¡r. '!' ,~, r _'

':::. C",'ITllI.Cl~:Conlmsles ~e Errn¡'e~.dc t.spcc¡fkación:'dc la Ec ~ciúnLiri.c"ldc k ~""ri,,\'¡lcs 161

.- .\' • . .•. . .~...., . '. " •. ,', ",", .,>, ' : • ' .!.j J'; '. o,... ,~~;., ,.,' - '-t:" ~.' .' - t!, 1"., i ' 'o< .' • • <'.

...... 4.3. La siguicllleecuaci.lll~ ~,e ~eg'~c~í~nirepr~s~n'ln.~1 modciode Ins I(cnlns dc g"solin" en.
unmer~adll regional, esti'.llado a panir d~ d:llo~ Iri~lé~trnles:' . . " ,
,<2 =- 7fJ -lÍ,lÍl'P +O,2Y'"" 1';55,: + 3,6Si +4,75J
. .. • ":. '~. I '-.' ,:. ',' .1 l.. '-.' .~' >~'1',. _ .• - ,',. ~

donde Q .'in'dica'las. vi:i\la's, l' 'el' pre~io, Ycl,.ingrdo disponible, Illicnl r:lS c¡u.e I"s dis~,.
iii1iasS¡ r~prese,íla n\'ari~ll~I~~'~i~¡f~¡:lsíri r;d~s: ,;;~~l P,,;a ~i a ~osigu ie~ le ;eespe r'~;n',
:1
. lo's sigui~ntes /' e Y:: . /, , :;':,.' .
":1' •. -,:" 1 " .' ~ ,.:,!. '.' '1 ," • : ," ..

t~.:¡
l' ;'" "

, : ~.':.~~.:.~~~..:<.'. :";~'-)' ;:;~,.;j"~.:~ii""~"~).~".;~h,l~;ti~~I~~~'

.\;.:
!
~ Trimestre: ,: l' "2' 3: i' '4'" '.
j
1 '
1:'
;, p I¡Q" 114.
y .100 lO),

.l. Cale'Ular las v'elitas de gasblilln;cSrCr'¡iU;í~'i1ar;;i~rid~ trii1;C~i;~~~~I;;-~ci," '. ,

Sup,;ngamos que ;ll~n in\'c~tigadór p¡-opolleUlili7.nrlo~niisni~s dnt:os p~ra' eúimar
. "" :'.'! , ':' '1, .:. '. ,l.', \ ,,'\', 1. ',", !J' , , ,~.' ' ',:" ':1 \. I ' '. ,! t •. ~: '1""':' " '~ ", : . ,e , ' .•

unaecu;.\eilill de idénlie.o 'fOrmnlu', ,e~ecp,luando.ln,ulil.ización, u~ Ins varinblcs ncli:

" " I , ; ."" "" ~ ' I \' • ,.:,' " .,' 1

cias, S2 ' SJ y. S~. r-tirmulaf la ecunción twcsc lIesprendc ue eslOS supuestos,'

Finalmente, un ierccri;lV~sliga'd.;lr p~'~pOl;e In supr~si6n :lId término lIe inlersección'
'J uli1izar cuatro variahles fielicias,c:;slllciclOll!cs,rormul:ir los resullndos de su eSlimn-
C¡tlll. ' . '1..,' . .
l..

1 .. 4.4. Elmodeln
';'~)'';''o; ;'~2i~i~"ti; + ,;:
se e~limn medianle M¿P~d';I;d.~' EU EJ son ~,,'ri~bles ficticins que indie"n In perle-
nencia al segundo y tercer nivel 'cducativo, n:spectivnmenlc. Demoslr;n que los esli •
Il1adore's ~'ICOson

")4~r;\.]-.,.~::,;
..' ..2'~-;-::-~-':'~~'''\"'':'"='[~'t1'
~~,_.[, •.".,;r.c;'~i:P :""'.\"""""'/':";~~-~""':'7\,!F,"':"",",,-. -
,. c~ = )2- ) 1 ", ,
.. . cJ', f'., - 91 '0 •

donde Y)¡i!.ltÍicad \';I!.or'Inedia de' y'en~I¡.¿si.monivcÍ~ducnt ¡"o .

.'<l.S.Estimar la~sli.:ciT¡ca~il;lIl.
.)/ o:ü¡Eít q~E2~cr:\E.i+ fJ2Gi'+'u
utiiiz;II11lolos ,datos Je laT;ibla 40'1 );c~limar 10svn'lores medios. resuhnnlCS p"ra In
.Tahla.L5;¿'01np;n:ariosresllhad'os(¡¡)I~I.lídos co¡) lo~ .valciresproporcionndos en el
1910 )' cOlllelÚarios. '. . •, , . .
Hcpi:lir dejer~iéi(I¡1;,ralaesí1eciric~cjÓlh~ .r
r =JI+¿~ltl'Hl)£i;
. .'. . -'. fJ2G;,- +11 " ..'

,1. eí , Tamhién apar,ird.:los dalosdcJa,Tilhl;!:;IA,csii,úar Ulla especificación cualquiera

. que '110tenga ;lúl,llino'cónslali.IC,' "ún~lu.:síin lu)'~ las \,;¡'rinblc~fiClici"s ncccs:lrias
qIICjl.:ril\i,l;111se,.;;I!;;;I;¡ e~i~lel1ci;j~1C <:reCIOS e i'i1er;¡cción. C~lcid"r In \'ersirl1i re.
 162
.. :,' C

subanle de la Tabla 4,6 y con)para;~<in los res'ullados dcllexlo~~

4.7. Los re;istros de 'ug!l mU~~~~~'deI1Jaó:;i,i¡,s ;::05 prÍlI~~'rc;on;I~';o~siguieIlICS ~~;ISU'

mos (Y) ~'i~¡;resris ~X) ~eOl;lI!!II~~:' ..... , : '.' .... , ." ,

,4,
,
y 70 76 ,,91 1,00. J05 ,. 113 -, .In' 120 14(1, 135 .. 147
X SO 95 105 115 125 135' : 145' 1(j5
'. ,<,,;
155
•
175
•
IS5
."
';'-'-

. Las familjasseñala,das,tol!: un~~lcrisco("J:¡-;ían¡(c~f~iron(¡ue sus in~resoscriln mayo.

'res que lós ud afio ~nÜ:tior; Medianl~ulla f~ncionJincalde consumo, verificar si el
co~sumo dé aqueUás r;.iiilias ¡;ueexperinie¡';larollun :incremeillo en sus ingresos di.
, Ji~ri: delJe laUariií'JiasqiJé no lo eXp'erinlcní¡lr~l).': . ,. , .... , .,,'

"'<"'~'é~i,;;;~'~.iJ;S,;~<ii~,ri'~~ie'f~id'ós'tl~;~"~~'~.~l~'ré,J!;~'iÚ;~~~~~~~i~'¡~c;~cl,k¡:'~,J
, Q:_~u.díl~Úce' dd I'Nn de 'EE.UU. en Jlíl;;rc~cill1:~I¡I;~leS " '
;" ';L;.~~¡'~diC~~,~I¡li-p.~lli;;baj~: .i~
, '.' ,'.' K';lin fndice uelinpul capilal.', y: "", '" .}
La 'estilÍ\ai:ió.~ dc. un'a fi;ndóndC't}f~d;',cciÓ'1\ par'alalo'í)¡illaü~.t!~1 perioJo PfO[lÓrd,o ....•..
/)
na los 'résuHa'dos siiúiénle~::,-' ';.' . '. ,.,', . . " ," .',' 'J,
.'
..
..' ' ''ológ
.' .. ..'"- _."
Q::' ~':i.8766;+i,~í 061og1J' + O',416,~llíg':K"
,-.c;. . . ,.' -. .' f • ',. • .' ; ~ : '. '. _.'-,. -
.,' j
.' i'"
, con R2:: 0.,9937 y s:: 0;03'755. : ...
Las regresiones iJar~ 'dos' subperiodos'nps dan" .
J 929:") 948 ',.,' " ".,', ,.:.,,-;. .,:'
, ,locQ _~,'-4,P57~~ 1.6Üil~IÓgf t O¡~J97 !o~k '.
;colin2';",'O,l)7~'i9Y"A':';Ó,04573::_':,' <:-,", >:<. ~'; '., ',-
W49-1967 ' ;" ',;' .. ,
,,'I¿~Q::;-i.;56.ji'o.~j36'log L+1l,66:\1 h')~g" i .,

con R2' ';9.9904~'~';d,o~I;8~:':';:

""";"r;¡~.";.:'", .; ":: .... ' . ./
Verificar la eSlabiliuau (le lafuilciólí U<.:p'roducción en ampóssuhperiodúsf

~~~l~':
,<1.9 •. ~o~luIdm'~s"ci"ni I¡:~i~,
(~:n~i't'~;~!>d :,'Gie;,y '.~' '!~I~~~:~~~{~,~a~'l
~~í6~'~¡lii í rJe'u na
, m~eslra de 2Ó,observ~c~Ón~s,'énu~láre'~ Urbnna y'~ira :dc'IO (lbservac¡-on~;'de un
área rur~I,los d¡¡(?sciue.~~:,p'rcs~nl~n'i!C~.nll¡lÍ;J~¿\ón J~ \u;incra r~sLi;ilidií:" ' ,
Aren I/run/Ia'", .~•. ,,' '.' " '"~O ,.'j '" ." ".'. ".. . ., . '.

, ; ~r'lx;=[2~ ,29J " x.'j;:~.[',I,ÓJ:..... ')",1";;;30'.'

.•.
,
,
I
. ':
","0
'~Q, ' ,'25
~:
,.¡ .'
"'".'20
".",'
.
..
", - ¡ : '.

l~'.
.
'~'J,'
~.',.

. ";
")q]' '" ' ,:~Iy~[
:X~;r~[':Ú)~, ')"y =;14
':', •. '.-lO .."20. . . .....,'.
, :'1
4Ó'.
.. :.
. ," ~
:'. '
CA " 1'1'11LO ~; Contrasles de Errores de Especificación dela EcuacilÍnLineal de k .variables 163

Verificar I;¡ hipótesis de <¡ue lanlo en el ¡¡rea urbana como en la rural se manlicne
iJénlicil relaeitÍn,
, .
,10. Un estudio de ~aslO \'aca~ion~11 reSpeCIO¡tliJigrcso se b¡IS¡' en JUlosexlraíJos de 256
, familias, clasificadas e'n lres grupos según 's;, ni\;~I'Jeingresos,Realit.amos regresio.
nes lineales (con lérmino de inlersección) pa,:a c,ida unúde esos grilposy par; todas
-',\¡is¡;,mili[,s.'con los sigui~ntes resullados:

III¡:rcso PClleliclIle elc V:lriall7.a , I\',ímero de

f,lInili:1r la rcgresiólI residual' familias
In¡;resos bajos 0,02 0.26 102
Ingresos medios 0.09 0,42 \02 1; ;,.\
'{,;

• o•• ~:;:~~:~~se~~~~~~i~~.",g:(~;"""",,:~ª~_
J~;i;Ü'¡;':¡~};'(¡;f{~A7:~~¡fh¡:":';;~:"; ¡"2~~~
' .. :"',d'\' M

Verificar si ¡'a función del gasloesla mislllOlpara' )05 di~'c[sosgrupos de' iligresos,
, ¡,Qué inforniación adicional es necesaria para comprobar si la elaslicidad del'
.. gasto es igual cn los diverséls grupos dc 'i~grc~Ós? . . .
,'-Ottdoqúe lavari;;m,i1 dellogiírilmo ~el ingreso en la IOlalidad de la muestra es
igual a24, verificnr la hipl)lCsisde que laclaslicidau del'gasto en lodns las f~milias es
.0,10, •.
ce'
c';'
,',
'i-,

~,)." :., ~'>..•

(7

:; ~. . .
 CAPÍTULO S"' ,
,"
""
- •.• ~, .•.•.• __ • _ •.•••.••••••.• _ •.• -.. ••• - .:- •.• __ ..: .••..•. - .•..••••.•'1.4•••• _-..1 •••••••. :,

.i¡
"' Máxin1a Verosin1ilitüd (MV),"
Mínünos Cuadrados. Generalizados "

(Me.O) y Estünadores_de Variable

InstruD1ental. (VI) , , .
.,'r.

~..

1.
.. ;

En el C;lpítulo2 inlroducí<lIllOS el principio de l<lIll¡íxillla verosimilitud. H<l llegado

cllllol11cnlO dc lralarlo con Illayor prorundidad.,
.i;

S.!
CSTli\'lADORES DE M/\.XIMA VEROSIMILITUD
.. ~':'..'::.',~-".,:
;"! ,1: .:;.,
En 10s ¡iliiiíos 'nfi'os ha tcnidolugaruli r¡ípido cil;sarrol\o dc nu\:vos contrasles econo-
111':lriclls bas:\doscn los enrocjlresdc \\;;1Idy ele lusn\ulliplicadores de Lagrang,e. D~I
mismonlot1o. h;) ri:sür~id\l'c1 inlerés pOi' el eiifoqucdt: la Ill:íxima'verosimililud.
, SupongiHllOS que -'" = I.l't:"~ '" -",,les un vector de l/valores nl\leslraiesquc de.
pcndc tic linl'cclor tic k par;ílllctI'OSUl:scunocidos,fl' = 1 lit (J~ ••. Hd. r-orllluh.:\~lOS 1;)
densitl;)d conjunta COIllO/(y: O); quciildic;lsu dcpentlcncia dc lí. Dicha dcnsidad es
susceplible de, doblé inkrpretac;ión. Par<l un fl dauo, indica la probabilidad deun
conjunto de resultados Illllestrilles. P(Jditro lado, pUl.:de lalllbién interpretarse COnlO
una rUl1ciún de ()con'dicion;)da por uli conjunto dcresulladoslllucslra\cs. ESI;\ lílti-
,f ;: n\;\ inlerprc¡ariún es 1;\'del1l1nliliatJarl;licióli dc \'crOJilllili(IIr/. La ddinición ronllal es

r-.unCitlll.dc\'crpsil11ililUÜ= L(O;,r) -= /(,r;(}) (5. J)

El orden dc los símholos de laJuÍlci<ínslle\c'invc'rlirsepara dcslac~r c1nuc"o puMu
dc inlerés dc la run¿icin,~'l;lxilllii'.arlar~lncitllldó \'crosiniililud respcclo a Il;signiri.
lid
"
"
~.':a
 '1, '
, l' • . ",.,-". : i ~"
I :;,.' , "i .~
, '
". i) J l ~ 1 , l.. ~ ; ,

1 (,~l'l:~;Ul.b~';'£Slill1;\dorcs,¡"-lV'. MCG y VI
" l'::::' , ," ¡, ."" ," " ',' , , ,

I,r/~n enconli'<lr lInvalorcsp'c~íric(),'rhrt:jelllpl? ~; qucinnximicc 1~'p.rÓ\)abiliu<l? de

"t ..;:: oblcncr los valorcs' Im1Í;slrnlesya observ.htlos: Se dice enlonces que e.s el cst,lIna- e
o "~'d(lr de m:íxima verosimilitud (EMV) dd vector de p<lr:ímclros ?esconocldos. ..
;'}, Lo m;ís sencillo. en c:\si lod;;s las ¡íptic~cion¿s~ es ln<lximi7;ard 10'gnritmo de l<l
" i i:/Iunción dc verosimilitud. Ddinir~in(lselloga¡-¡tlllo de 'Ia:vdosirnililud curno
¡t': .'. ': .' '. ,1,:." ' . , . '

',", 1:::11\ L¡ , .. ,
','.
o,:

. '1,- .•. ;:- Entonccs"

~
': . ,;;1' 1', aL'
¡¡\j-='L"~

;; :• .' ' }' el iJ que'lll:lximicc l. signirica qucl:lrnh'ié'n ;,{<lximiZrrá:l L.' L:l de~!V;l.da ti: I respecc
In a O'sc conocccolllo'd ¡:r:llIiCllle (scorc).~s(O; y): 121 ¡;:'/VIV,O. seobtlenc.lgunlando ,
" dicho gradicntc a c<;:l'O.csto es: h~\lIal1doelvalorüc, ~ qiJe rcsuelv~ln.~cu<l~,ón '1;

" '¡ '.: "':1'(,8; )'Y; :~~"~'o",¡'lo' "'¡. ',' (5:d~~:

.'~ ,
.... La rrccuenle utili~acit>n :Ie eSli;nad'or,es de máxirn<l' verosimilitud se debe principall.
mcntc a la varieuad de propicua~cs:dcse<lblcs tlue poseen yque resumimos en 1" si-
guienle sección. , ;1'
, ;
'''i
.' '.. '. , ", ,,'o

5.1.1 l' rop i~tla;I'~s ti e ¡o~ '~s(fll,~a(I.~rc~' (\,~'~1.:i~!n~:~.V~~~sill;il ii;,d

, ,,' ,.' .

Las propicdatl~s' pri n'cip:i Ics'dé tl~S EM

V SOI~l~s' ~(J¡,;ió(i~~sO de II/l/c.H1'ns grnlldú .•
Se deducen lmjocondicioncs hast:lnlC gCllcrnl.cs; . .

2. NOfllmlidatlasint{lliclI

, ,Esta c~prcsión'illdic;lquela' disIUl)uci.611asinlóti~'a~c,¡j:c~normál;con 'JnFtlia ,fJ. y

un:l varianZ;l oblcnidan partir ,tic I¡¡ ihversa de I(Q};f(Ó) es la iiJalrizdc inrornm;
cilínt\Cfini<1a lic Jósn1:iilCféiS eqtiiv:ilcnlés,. . ".,' ,', ' ,

J( !;):~!(~J(¡:~
)]=-£[.,:;'.: j..
, '
(5.3)

, En I:¡ r)r;lclic:\,I;rsl,;.gllnd~r<')rilhilacs,l1úKlIliJizada puesloquc rC5ulla rilUcho' m:ís

SCllcillá ~leobli:'lléJ;. Sielld,U f!un vteIOrue,k'clCmenlo's .• JII()Oindicn un vcctor'co'
.. ! , 111mll<l dekd¿ riV;il.i;l$r~~rLiaks,t.si Ots. ~'
....•.
""
 166
..,"-
.~

.'

Cada elcmcnto de este vector,des'cores (o gradiente) cs, en sí mismo, una fun-

ción de O, por lo que es ne'cesario diferenciarlos rai~iahnenté respecto a cada uno
de los elementos de O. Por ejen1pló, '
. . '. ",

a¡al/aO] .['. a2¡ a21 :()21 ..]

. 001 ':=éJa¡aOtao~'~' éJO,uOk

il.uJ ¡;ÚX~9.'1~,Jtc:.,li.ei~J\~lq~p.rª_C.I:L~¡rai~c,211;Jh[m
..;:.: ~',,;,',.:;.~,~9nº<:J u1adi¡S,',c¡l1iloúüvec; o~ Ji1a/,.~
Siguiendo el desarrollo, obtenemos la matriz de uerivallas de segundo ordcn, que t
es cuadrada y simétrica, y que rccibe~1 nonlbre de m:úi-iz hessianaó'
5
.:a ¡:a 2 2/, ¡Jil
. -'--. -.--
'uO.'.':, éJO,iJ01,aOléJOk

. iJ2I"iJ2/ a2/ '

iJ oil O' = ,iJ 01 iJ 0\' ~Ol," . '1.

.'
'1, ' " ,,'

.. : . :'.:a2j ";',,' á2t>,' u21

,o;

... hO¡b,~.,'¡)OkiJ O2' , •• ¡¡úf.

:-' ",. . ~ ' ". ",\' ,:. ;' ..

N¿tese 'que rio se;tr~fh 'J~'í';; misnlh ,rilairi{q'u:~'(ulÍeÚ)):(a/laiJ)' (matriz también

':cuadrada'fsimélriCade
(a/luo¡XéJ/laO¡),
• •
,;."""
••.• ,~:, ....•
< .....,',
k'xk).cn'ia

,"... "0',._
que' su~iclcmento:i.: h~sin"iocs el producto

~,_, ¡.: -,~ "~"':,. "... ,;,'.~" .

3. ¡:;ficícncia nsinlólica~ ,Sicr¡do~. el,cstima~orde'lÍláxi.iHl vet'osimililud (l<;un partÍ-
metro tÍnico 8', la propiedad ¡jnleriorsi~.iifi~¡lq~e' .

, ~.
Vn(Ó - B5.!l.'N(O~,~2)
!:',", .
"
.~.: :~

para una ccinstante f¡~jia '0:2.; Si denolllinarilOsC~)(l ii cual,ql)ier otro estimador con~ . 1",;
sistente y asint6ticamente '~o~m¡il d~ o, entonces :Vii0POSI:C pna distribución' nor.:. "}:'
mal límite cUY,a v.a~i~nz~'.es';nay~~ o q~4;a2:El'EMV til,Íle'la mil1iina vil. W igual
l
rianza ,entre, tcida:l~clase
~
de eSliil1addreS~onsislcntes
, .. " '.
y ~sintólicaillente
'.
norma- . . '. '. .'._ . ,_. . • • _ .

.'; .' • o,, " :.: .-.'

"
"
 CAl'iTI:UI~: Estilllauor.:stvl Y. I'vlCG y Y I ICl7
¥

les. El lérmino \'arian/.a asint(¡lica.se refiere a la varianza de una distribución lí-

mite. Por lo tanto, la varianza asinlÓlica de v;,(i es a 2. Sin embargo. también se
uliliia csle mismo término para dcscri,bir la \'aria,iza de una aproximación asinlo- '
tica a la disl ribución muestral finita desconocida. '
Así pues, tcn~mos la ilrirmac'ión e(lui~alenie deque la varianza asintótica de ii es
a 2/JI. Si O es un yeCllir ~Ie'p~r;í'li,etros y U es el EMV, entonces'

Vñ(Ü ~ O) .!!.. N(.O,-li)

para una malri7. positiva definida V. Si ~ indica la l"ilatriz de varianzas de otro cs-
timador cualquiera, consistcnte y asintéticamentc'normal. ji - JI es una malriz

positiva scmidefinida .
... '.,'\.

tI.. ll1variau'l.a. Si U. es ei 'Elv!V de'¡/yi(B)'~;';;;~:~-"i~~~iÓ'I;"~~n;'il~'~; d~' ;:';(g'~~'~~t"

EMV de g(O).

5. Elgr:'dicntc lielle m'celia ccro )' várinnza /(0). Para dellloslrar ¡iue la media cs
igual a cero. deberemos observilf (¡lIela integración de la función dc densidad , ,
conJunla sobre todós IiIS valores posibles de y es igual a Lino, esto es,'

. ".
r ...f f(y l' Y2' ... Y,,: O)dYI.... d.l'"
.
'",r..f
.
1.tI.'.' = I
;::-:.-

Encfecto, uiferenciando ambos lados resreeloae, olitcncrnos .

f "féJL,-'-dy=O
.... .•.•.
(JO . . .
,
)~

Pcro'

. '.' 'J .'f

al
E(s) = ' .. ; -.- Ldy
" MJ',' ~f""'I- ••

,'.
-.:

'f. '.~.J ¡;¡¡d,l' .

iJL ,,,, .

'. ..

=0
~.

; Por lo tan 10. la varianza dé s cs

,,.".- .

. , ',' -'.' [,( íJi')("íJl)"] .

vares) = E(SS')=E~ íJO .. íJO ' = 1('0)
~-

'!' .
. "'" ,1 l
",,,
 ).

5,2
ESTIJ\IAC16N ¡"IV DELi'YIObECÜ' LI~EAL .',.

ESla :ecciún se rcfiert.: a la l:slimación de miÍxima .verosil~liliIUcl del modelo lineal

(qut.: IIlcluye la mayoría de las ;¡pli,caci()lú;st.:coliolllélricas)~ La' ééuación es . ,

y = XJl + /1 con II":'.N(O, 1¡11)

La función lit; densidad normal m~lli\;Minl;le d~ 11 es .' .

. ,'
. t ..'.., . '. .
.. l' f( 11) :': . e-(In.,I)(II'''J
(21Hr2)'''2 ..
La función de dCI}sidad Illulliv;lri;lnle de y, con,dicionad" por X. es

,:
. j(y 1 A) = f(ll) I:;.\ '.
dond~l(all/ ~i)')1ese.1 v;llor absolulodeI ~Ielermin;lnle romiado;l partir d~ la malriz
1/x 1/ dt.: delwadas parciales dclos elementos de /1 respecto a los elementos de )'1.
En esle C;l~O,.I~ malrizes la matriz idt.:Jllidad. Por lo tanlo, la runción del logarilmo
de la "eroslllllhlud es . . .
;::""

{ '. 1/ 1/ 1
= In / (1' I ,\) = In /(11) = - -In 2n- -In 1¡2- - 11"1
2 '. 2 2a 2
1/ : . . 1/1 .
=- -In 2n- -In a 2-- (y - XfJ)'(y - XfJ) (5.4)
2 2 2(¡2 .
El \'eclor dc par¡ímelrOs desconocidos, Ó, licnck + J elemenlos,

O' = fjJ',(2)
..
D ~ s pW.:~JfWiQñiTt"f:(fcñv¡¡U¡\s p¡(rcrilfG"s' o Gléilc,;iot~-....----.. .•....., ... ~-:-.-~.::..-;
. :~. "' ' . "-. :.- . . .
iJf .. -.1 .' .
.:-.-:= -'-. -, (-X')' + X'XfJ)
.rJfJ.. .(T~. .'

"'l/J.
.~ = -~ +-' -'... (y -.\}1)'( l' - XjJ)
da- 2(¡.¡.2a ..1 ..• , '.'"'

IgllalanclQ a cero las dcriv;¡dils [J;I,:ci¡lll:S, los EMV' son

p= (X:Xr
.
1
X'I',"
" : (5:5)

=(y - .i.ft)' ~~'-}}J)/i1

\ .. J
¡j-l
.
~.:
(S.ó)
 :1
'.
,'"
., .', ~
í. ¡

eAl'll'UL05;Eslilllduorcs MV; lvlCGy 169

.. ;,'.," :",
' . , Vi
~~,~.~::-~:,' ¡ ..... ~•.,. ,,':~'I':" l .. ,),~-'"_ .. "... j'

1:".;: El EMV jJ escl cslim<ldor MeO b 'y a2:~se'clll, dóncl~ 'e,= y- Xb es cLvcClor dc re- ,¡'
; :'-::;':siduos fv1C02. Ln teoría dé'lo~mínil1lo~ cJlldrados'cslllbice'e'qu"cE(e'cI(12 - k)) = (12.
;:i,'.::.:Por lo tanlo. £«,2) = cr2 (12 -:k)Ii¡,'y.'dd'csI~m~do:~ésOllí1
. , - • _ ..." _": _ , ,¡. " . ,~.\ ' ': :.. , .••
qucü2 es un eslim<ldor.
l , ' .' .

: .;. sesgado dCl'!. allnqucjJ sen un eSli~la~or.ins~s-glldo d:c'jJ.Las dedv;¡dllS tic segundo
!

1',2/')
.", ._ '. " • ,J,' ,',"/ • '" . .- •

.,
~.:; '..orden son
(12{
.'
x'"r ..C'OI1! -£1-- --'-
. ~,. tI
"11
'v' y
" ,l
I

-- = __ o _' '_' •

'. iljJi!fJ' . a2 ,,' .. afJajJ' ¡-, .a2 t .\

1': .

" ,
'; ,\

,;;:" ~'~ ~' ;ci;, ci(;;:;¥ 'Ói

. .. ~

.....
y~ (llIC t(l/'it) =;'1I¡2,' ' ., ,.. , ,'. {"'!i;'

Ln m.a.lri7. dC¡I,lr~rma~~.o.n,c~" ('~" :):,'~\ .¡"~~:(x'~~)'1

1(0) =, ~'o oo~o o, o o 2~

y su inversa

r'( e,) [",(x'~"~l e o o-

..' Los términos que eSl¡inru~r';l dela di~g()hnldc~s¡ri rnalri7. s~n igJales a cero e ¡mIl,
;:o:70':-:--~llti'¿¡~;:flY' f,2 'se' (iisfi;¡I)uy~ if ii)dcpe~d rt'ñltriíirit'¿:é~~ .. ::,'.::;.~,";";",?;,:,:",.'!,r.':~"S0:, ..".,:!;j:-;;c'T~-" -
Suslituyendo losvalor~sEMY~dc IClse{:Oilcion~s.(5;S)y(S~6)cn}¡¡' fUlidon&\
logilrilmod~ In vcr,o~inlilitud,ec~int¡¿ii (5~4).ydcsl!.acicIldo lucgola l.ransformncióñ '
log"ríllllicnoblcl1clllQs .cJ1n~xinlij deln función de verosin!)lilud: '. .
. . 'L(/j;¡,2r=(2~e)-"h(¿2)~nh .. .'

'='( 2~eT'~(c'e)~r;á~ .,; .(5.7)

":',

"1/)- .
'/=.c{)nsl:m lc' (~Icr"n
. ':;",
uon(]claconslnnle
.. '.
lit) depcnde
". ' .' . "
dcningún()
.. .. " ~.:.. ,',' . -';.
de los., . [JariÍllldrosdel
.'
modeJo,

'.
r
170 ': , M"TODOS DE ECONOMl;1'nf,\

5.3 , . ...'.' '" _ ." '" .

CONTRASTES DE: LA.RAZÓNDE VEROSIMlLITUb'ES,D'EWALú; e
y DE'I\1UL1?IPLICADORÉSDELAGI~ANGE . l.

Ilustraremos todos estos contrastds cn un cO;llexto> tic llipcílesis lincalcs~obre fl. La S

hipótesis lineal general es . n' .
l
p
'. . . . /-lo: nJ) =r' .... (5.8)
d
donde R esuna matriz flx k(fI< k) de constantes conocidas y r, lin vector ~onocido'
q'xLLós contrilstesmás importantes so;~ los de ~V, VI y ML. .

Los EtviY de las eC!Jaciones (5.5) y.(5.ó) nUlxin'lizánla f~nciün 'de vcrosimililú"d sin'
imponer restricción .algunil. ~I.v'alor resul(¡lnle de' L(jJ;fr2 )dela ecuaciÓn (5.?) eS la .
máxima vero.simililudi;o' rt-stúlIgidá y se:exlircsncomoJunciÓll de. la sl/lIln éle CIta. C
tiradoS resi</¡jalllo' ~ú(rjiJgida,' e'e:' El mo<.lelo '~s'susceljiible'asi1llisn'l0 'de e$tinlarse. d
dé Corola rC.l'triiigic1n>nlaximiz;1I1do láycrósiri1ilitudsujelan lasreslricciones; Rfl'=. r.
Los estima'dores result~file,s los simboliinreillos,rilcdinntcfl iT2 • En este caso, la.' . y
m.áxilllaVÚosin)ílit'ud se consigue sustililyerído dich,osvilio'res en la fundón de ve- 5
rosimi,li,llid paia ol:itenef.L(jJ, jj2).' EI.máximbi~stririgidono puedecxcedé'r ,del va-
lor, del' m~xi'mo no resiringido' aunque, s.i las reslficcilllles son v¡ílidas, esperaremos e
que ,e,1máximo fcstríngido, esté n~uy "ccrcano"al má~imo no 'reslringido. Dcfi'limos t
la razónde vcrosiI;n!\i\ud,cscomo:. . .' .' , .' . ..
M
," " .LÜJ,éi2): ,',
..
,'.';.,' ',' " >"='-LÜJ;t,2)'" ..l" ..
,',- .
'. , • "r: ~~' ,-;.
c

~e m~~~ qu~,:' .i¡l;'UiÚv'~~~:n.te: ds~irn're'll~o~';~th"~;z:nr'la hi'pl~l~~i~ nú;a '~ua~'d~ ~>..'es

"pequeño". En algun,!s c:isos,es'posiblé realizar cOlllrnsles par;\ muestras exnCtas 'J ,
finitas para :ve'r¡'Cicar',la "péqucnez,j '(Jé,~:' Sin erilbargo; el conlraste general para ,
//Il1estras grn;,des é¿d~la CorOla:': .. ,' .', ,,' , . , '. .. y', :'s
.. . .' ~ V=.:-2'ln'~:=~,2[ln ~Lcfl,+2) ~,ln~~,q2J.eX2(q) .••. : (5.9)
~".:."t
'1 r

Í-os.'EMV reslring'¡dos ~e.cib~r¿~c~'''~.nrtx'iI~;i~'nnJo.'.

'\ . :,:.":.....
~." . ,",
1, . . . .. ',,', .. : .. ' ,.c..... . • .. ..
.;;;,
'., " ..,~ l'=(~/I',(kJl,":r).' ,,~,' , ,(5.10)
:;'i. 'g
dond~ JI, es u'n' ~cClO/ q 1 x d~
~~UllipJ¡~ado;es"~le" Lngr;~~~;;:;"l cs' el I,ogarilmo de la ':-: .'c
¡;-".
vero~imilill.l:d es'pecificáda cilla' e'coati6n{~A).J3.esullafáciJ demoslrar que jJ es,'
simpléme~le, el veclorb .reslii~gido'oGicnido nnieriornlc'ltc cn el análisis eSl¡\ndar
de mfnimos cu'adrados (véase ecuación' (3A3)1.pic110veclor~alis'face la limitación ',:,;;'i
,,":; ~
Rb.= r. Si fbrmulamos 10s~0~~esp~n(\i~i'Í\esresiduoscdmo" ' .'... ' ::);J.
. .', ~.' l., '. ' ! '. "':'." _. . • • ; t '
•

... ' . .,'

 CAI'iTL'lO~: ESlilllaJurcs 1\.1
V .l\ICG r VI 17)

e, =)'-Xb,
el EMV reslringiuo tic (r~ es ¡j2 = 'e'. t:,/íl~'Y: pór lo tanto

- 1 '. .... _",':"J

LUl,u-)= conSlanlC.' (e~ e.), - (5,1 1)
.. , "

Suslituyenuo las ccu;Jciones (5.7) y (5.11) en la ecuación (5.9). ohtcnemos el eSladís-

lico de prueba I{V como RV = n(ln e'.e, -' In e'e). Con el fin uercfcrenciarnos a él
posteriormenle,apunlamos algunos fornlnlosallernalivns en la ucfinicitÍn del esta-
dístico RV: ('\
, .
LR = 1I(ln e:e.-'In e'e)
!"\

.'=11 111'( 1 +'_e_:e_,_-_e_'

e_.)' . (5,12)
,-."i:
" ".• ,'
.' '.
¡.•. -;.• : •••.••.
,-~-..;.,••.
: •.' .• ',.:
.' . e'e
.. ' ..•; ••... ::., ••••
:•. :. ',',,"." : .•",: .'._:" , '.' ••:.•.• ".t.} , :<..::':''.:~: ;~.)/I.~':'':~~'.

. 1. )
,,;¡, In .•.•. , .
.... ( 1-:-(e,e.-ec)/e.e. .
''lt

Conío j)uedcobervarse, el dlculód~léstadfslico R V r¿quiere ajilslilr lan.lO e'l n](l.

deJo restrillgiddcomo el n'o reslrúlg¡d~. . ' "'.<. ..,' -' .' . . . , '.

5.3.2E1Cniltrnste
Uf- ..•• ~ '." '. ~.' . ',".
de Wald (W) '." ••;

en el procedimicllto de Wald setalcula únicamente el vector j] no reslringiJo, En cs.

tceaso;' el vector (I?fi ...: r) inoicnrd hasla qué pu~ib Jos eslimadores 'n'o reslringidos
("
MV ajuslanla ,hipólesis nula. Cuando el mencionauo vector se "acerque"a tcro. la
hipÓle$is nula lenderá a cumí)li.rse; por otro laJó:.los \ialor'cs"gl:¡inues" [end'er~na'
contrnqccirla. Como flseuislribuycnorm'aCy asintólicninente, c;on'veciornícdia) y
inalriz de varianzas.covarianz;is j~1 (/1). tendrc~nros qu.econ H(¡:(Rfl- r) se di¿lribuye
asinlÓlic¡irilenl~según ulla' nornl~¡'mullivrir!~nfe c'on vecl'or de mcdias igual' a cero \'
malriz ue váriao7.as,covaria'f)zas dndapol' RrIUJ)R'.doridc ¡.IUJ) ~ (J'2(X'X)-I, c;.
010 anteriormenle comcntamos, la malriz ¿le "inforl11nciün parn el modelo de rcgre.
sión lineal es una matriz diagonnl por blo.qucsy, porlo i¡;nto, bastará porellilOmen-
to que nos concenlrcmosCn
• .
lasubmtltriz rél¡j~ionada COíl.jl.'Por cónsiguienle)
~,' ¡ . " • " .' • • ". •

. (llfl- r)'[f?r l
(jJ)n'rl (Rfi - r) .e'x1(ti) (5: t:Ü
I
dOIJ{¡~íies' el número tle' reslriccioli~s'¡n~rüilJ.is';li"R. L~di~lriGI;éi(¡n asil;lóllca si.
guc existiendo cunndo la (r2dé~conocida' el,l J:'(jJ) se re~einplt1~a por'l;n eSlilllatlor
consistenle a 2'; e'e/I/.EI resullado"es'el eSlndfSlicode-Wúl<1, '. . .
. . . ... , •. " '... .
. ,
.,.

i Co,;w yill1O~ end Capitulo J,~' CU:\I;do'l;;s':pe'r1llr.l:aci,;ues'c~i:ill(Jislrihll¡J"s Ill1flilallliclllC. dich" CSI:l.

dislko tiene lllla. diMrihuciónIlHlcsl["I.lillil:'¡ r eXólctól'(qJ ...
"..', . .~." ...
4'.1
'l."
l' .1,.1.-,
;'/ 1

......
'" ,

.' J /2 ~Il, IlJ/lI)S IJI, 1,llJ:-'(¡~Il'. /111.\ •

\V == (Ufl- r)'[ 1\(-\").')-1 R' l( ufl- r) .!!. Xl ((1)

, 1[2, . (5.\.1)

En la ecu;lción (J."¡.j j. demoSlr;íb:lmos que podcmos tamhi.;n roma""r d numera-

dor de laecu;lción (S.I-l) como (e';e.: e'e): Así pues.l;i rúrl11ula ;lIlernalil'a dd esta-
dístico lk.\\'ald p"r" I'crifi.;ar (S.:). ser;i 1"

, , n(e' c; ':'c'~)
\V == ' . " Xl (( )
e'e ' ',. I (.'i.I.'i)
.'

.~ '",

':;.J.JConfraslc de i\'Iulliplii:adores de Lagrange (/VIL)

1,

El lesl r-.'IL. conocido lambién C0l110 cOlllraste. del gnuliellle (.score). sc b;lSal!n d
yeclor dc gr.;\l,lienlcs (scores),

iJ In e ¡¡¡
1:"'-.
s(O)== -'-' '-, == - .
'j.>
¡JO . ¡'O

Ca1culclllOs cn primcr lugar el eslim¡ldor no restringido,j¡, resolviendo s(ÍJ) == n,'don-

de :l(U) indica cl vcclor gradicnle cvalundo cn Ü. En gelieral. cuando ev¡lIuamos cl
... ,~'
I'cclor gradicnte en iJ. el estimador rcslringido scr;í distinto dc cero. Sin cmbargó. cn
el caso de que las n;slrieeiones sean v;ílidas, el m;íxilllo rcslringido. 1(0), debcría scr
similar al m;hinlll no reslringido. l(iJ) y, por lo lanto, cl gradienle anlerior debería
scr lainbi.;n ccrcano a cero: I\ntcriormcnlc arirm¡ibamos quc,e1 vcelor de gradicn-
¡'cs licnc mcdin ccro y malriz varianzas-~ovari¡\I~zas proporcionada [Jor la malriz dc
inrormúción f(O). La forma cuadnílÍCa. s'(O)f.I(O)s'(O). licne una distribución X2~
Eqluando la rúrlllula euadi'¡ítica c'uando 0== O. ohtclll:mos la I'criricaci"JI1 de la hipó-
,..J\ tcsis nula, Bajo 1;.1..I.~J~~~J.:I..0;ll-.c;.LÍ.l;5,\'.LLí.l,d,o~básico~c.s_(iuc, ",
, ',:;:':~i:"-~' ,.... "wlL =='s:'(ilJ;~I(O)~{iJ)~X2((1) .

Desl;lCarCI1l0$ qüc todos !tiscknlcnt'os de la ccuacil'ln (5,1 (I)sC cvaluan cn iI.A dirc~,
rc,;cia ~c 16 que slItédln Ccill:cl.con'li'asledcWald, ahOra linicalllcnte necesital110s
caicul¡ir el cSlilllador restringido. La pl'pularidad dclnsconlrastcs ML sc debe al
Ill:i:ho de quc, cn'lalJlayori;;dc'llls casos, ,'esulta ,lilllCholll:is r;icil c.¡kular el cSlil11a,
dor rcstringido que cl no resll'iilgido,
; " .'
"
'-:;'"
fll'
1';lrlicndo dc los desarrollos inici;idos cn bIS ccuacioncs (5.5) y (5/1). l'l \'celor de
~r;ldienlcs es .
¡¡r

Ni J, ,\"1/
ff-
.I( O) == =
" ;If. . 11 . 11' 11
. "7: 2rÍ~ + 2;,"1
;I(r~ ... o': '.

1 ~.•.•.
1',)'
'l " '1

.~ ,~ . '.
'. ,

y VI
: ~ 1:'~(:~~I,,;:~;.o.\:lcili'{';I~lor~sMV.MCG
,'1"': ,- ',.,:t ,

.':, '" Para evnluar elvcclor'de gl;ncli~ryl!c,sel.l,~t~al?rdel::estima~~r :rC~l(Íngido¡j. SUS~~l,~i:'

:". 'relllos: 1/ por == y-': c. X¡j'y (1"2 pori~2:=j' .•e(II,: E1,¡éC~~rfl 'salISr"ce la condlclOn

,:'.:.njj = r. Por lo 1011110", ":', 1'1 1, ,,' ] '" ".'

. :.>(iI~n~.fri..,'~:~', 1 I

¡ <\

Anlerionnenlc " .,
Illoslralllosel ..lI1yersq
""', ~c,'1 :l¡m.l\IIZ
" ¡: J." (el '.111o~l11a,clOn.
r '. ,! '" Si laevnlualllOS
• , ",
enil,oblcnel11Os ,.r,: ,¡.; .. ',.,:.:,,' ,
., .. ,'.

~~'4,,'], ni:'

•. 11 ,
• ~ : i 'i

. . ~.~~ "".
l. <"-;, ',",\

l'
..
, .)

~• I ',¡

." "
(.
lIe;X(,Y',\')-IX-C:' ,
= ;(5.1.7)
", "
'"¡ ",

~."],,':¥J5.W¥4~1~~~i)~}hS,cV;-?~~~.:g!~,.gt!).%~~Y~;~3~
.:.';~.....,,J.\.~.c.C:!2.i~~';;~~~~;.c~~~~!!~},~~.~~I,C,I:'~~)2.Ll\,.1
J'" 'rlldidi1}; .tolal d'c'.lúr~gl'e,sltJíi'11111\lple,;l,\s.'ru,cs;e}c:slr(I.ISllc.o MLpanJ1~ecunCI9n. '.
:. ~ . (5:17),.es '. . . ", ".... >':, . '., .. , . '.

"ÑIL==II!~2 '.' .
• . .". .;'",,'" . ' \. '.~.: ; l' ,1 _. '. -' ~ .

dOlldc'R2 cs'~ICil;\dr;,do\lclcodicicnlcdc.corrd¡\.éiÓniw:rlliple ele Ii! regresión .'de

'e. sohréX,: Clla'l~lolalncdi;i. Jeé.'csdisli,i'ta.dcécJ().R2 e<¡uivnlea\ R~ na ccnlr:J-
do.Sjncmli:lrg~, rrCCÚCI1ICIl1C,;teodll¡'rc'qU~lm¡ reslricciones se refierenúllicamc~.~
le:l los codidci;lcS rcprcsenl:Jlivosdc 'laspeiidicIlICS,J1i~ fi),' .. ;,fii..., En
esle cnso, e.•
lielle media cero \' cl R2csclésladístico:cCJllra(jo quc :Jp:Ji'cce en los progr:JIl1:lS in~
rorm:íliéos C(;IlVC;lciolialc~ (¡tiC. ~alcui:m Ja(egi:'csi~¡'~.Porlo l~nlo, padcmos !Iev:Jr
a'cabo dconirastcML.clídosj':lsGs;C:llculilfcllwsprimerocl eSlimador resl;'ingi-
do ¡j}'O!jlclldrcll1()sel\,~tl~lr'í;c~idllar¿;~ A'¿oilli,rü:.lció¡í re:llizam.os la regrcsión de
. . -
I ~
'. . . . . . . .. - ~;

," ',;

" P~ró,",iil"i:'l'lkó'r1,'",dd /l.1'~"l1lradlly I.ltlt'\:n""dll"\''''''Ct\pé.'HI.i~c 5.2.'

", "'-, '.' :',' .. ;.; .... . '. ., .

J
 174 ~i(TODOS DE, ECÓNO~IETIIII\

e.sobre X Y comp~rnrcmos.el resuJladodchacer 1I1~2con el~le la distribución

X2(q). Elproc~djmicnloen dDs pasos sucl~')pljcarse ~n aquclloscaslls cnlqsque .
maximi~:Ir b verosim,ililu.~' ~qulvaiC a' nlii;imizar una' ~u,;i;, de cuadrados. Demos- .'
Iramos5 así que la l:cu:lción (5.17) puedcrefoi"illUléirsecomo

lI(e: - e'e)
ML:;:: , . (5.1S)
.~.. e;c •.

II us(rarcrnos~:Ihorala ram'osadesigúalda'd deJos .lres cOl1lr:1s1o:s.eslildísticos paril el

caso de un modelo lineal, eslo es,W 2: n. V 2: ML. AjJlicilndn los primeros dos tér-
minos de la expansión logarílmica In(1 + z) ==z-1I2z2 + ... en la segunda cxpresión
de RVde Inecuación (5.12),oblcnemos .
., '. 2.'

»M."'.~.'-'4.'" ~"""'C~~';::(:':t~::~>,"';'{'::';:~
j ".,'" . . .
, q~e imí51icn RV ~. ",V. De m~dosiniilar,lJlil.izál;do.laleréer;l exi~resión dc' la "ecu~-
ción (5.12), ObIC.nemos .
: ' ." ,. (. ('e'.-'
~LI:~:::-:.1I111.I-.',
e'c')'.'
.' ". ','. " : e ~'e•. ' .

',' lI(e:1: - e'e) "';1"'(

.¡..-
.~:e.-,e.~t:)7..
-.---
. e'.e. ,.2",
.' .' .'
c',e. '", ".:
,
. por io lanlo; R V ,2: ML'y, finalmcnle;W;:-;:' RV~ ML.Los cOl1lraslcsson asinlóti-
. , camen tcequ i,'aknles',auIÚjue, e 11'mucslrüs' fin¡las en t\cdc'rlll,sc 9blel1dnín reslJlla-
dos 'numéricos dislinlos: . . ,. , . .,

EJ Etoirl~O 5.t: Vol\'óln\os"¡; 'íos dn'ió~d'c1 EJ~-~~~19 J:3"i)¡;r¡;v(:ri(¡~a'~'J.I;,:jJ.\=0 rar~ esos

. conlraSlés. "nsinló'licos,l'arii<;nllo.de 1{,'Tabla 3.2, 'v~I;'ÓStl!ue 1'01 rcgresió¡, 110 rCslringi~
da de y sob~e"X2'Y x) dá conlo' res"ullado e'e =.'U; 'i la'regrcs¡ón rcsl(ingida (al ex-
"',' c1uirX~l, da so~or.cs"uh:iJoé'~e'';''2~4, ':;,: .,e ,'. .' . . " .

Susliiu)'endo;'en" c~lc o'rden,J¡lsccliacioilcS' (5,15)', (5.12) Y (5.1 S), obtcnelllbs -

. . .' " ' ',~
-'. . .' ' .. _."
'. .' . '. .,', .. '", . ' ,. .- : . , , "'. .' '. .'

.\V ~ : ;>(2,4' ~ "r.5)/l.5" =~3.00' .,¡ ,"

. :'RV ~'.'5111(2,4/1,5)';2:35

•••. :
ML =5(2,4'~
.: ", ~'"
1:5)12,4= I,S75" ~..
J!' .,.o' "':,.-';"~!" .. "

El5%dc Xl. (1) ~s3,S4 iy;'p6rlo tan 10, ningullo,de 10scuIllraslcs rechnz:lf¡\ lahipóle-
sis nula. ", _ ,_ <"o . '. .

...• ,(
$.Vé~sc Apéndice 53:
~.::':':. '
.... : !,~J
; .1.~ ':"~

• :1~'.. •
tí.','
 c,\i'illJl.ll.\: ESlimaLlofl:s ¡\-IV. :VICG y VI 17.'\ .::)

Oc loLlos moLlos. pUl:as conl:1usiolll:s dl:hl:n c'sJlcrarsc cllanLlo SC uliiizan conlrilstcs

nsinl(¡licos en muestras pequeiias como 1:1empl..:ad:\ 'cn eslc cjcm[110,
Cuando se utiliza la sl:rie residual dé la n:grcsitín rcstringida tic j'sohro: X COIllOla
variabl..: tkpendienlc de una regresión de X2 yX.l' f{2 cqui\'aILlr~ a 0.375 y. so:gún el
\'alor tiC! alllcrior estadístico Uvl,/IU2 = 5(0,375) = I.X75,

,~\
SA r.

ESTIMACIÓN ¡\-IV DEL J\IODELO LINEAL

CON PERTURBACIONES NO ESFÉRICAS

Consideraremos ahora el modelo

".. ' :-.~.-.,~.. '", •. ; ..
' .: :

do,nde n es una malriz' rinitaposiliva de orden IL ESle modc.lose conoce como c.I
caso de perlurbncion,cs no esréricas, opuesto a var(/I) = a!¡, que es cl CasO de per-
turbaciones esréricas. Su[)ondiemos que los clemenlos dc n son conocidos. Por , .• ",\.

'.'ejemplo, cunndo In varianza de la [)erluibnciól1 de lodos los puntos dell mueslra es

pro'porcional ill cuadrado de uno de los iegresores, supongamos .\'2' lcndrc'mos .
var(/;.)::: li~':::Ir2 Xf., '¡ :::..\, 2.... ,11
JI. _1

donde ü2 es unraclor de escala. La 'malriz de \:aria,;zas-co\'ariilnza~ de la~ P~rlurbil- ,•.•...•

cione'S es - .. " "

X~I () O . ",

O X~2 ... O
. ',,-.
var(lI) ;: u2 a2diagIX~, X~2 .... X~,,}
.'
..
O () X2
, 2"

Parliendo dela ecuación (5,19);'vem~sque J¡irunción dc" de.nsidad norl11:11.Illulli"a-

ria'nlepara/l,cs. . ", '.' ~ .,. , ,. .,

". fí(,) (2
u:::.}t
)-"rí,' '~.nI-I!2'.'[
.'. (T-"
1 '(o "l)"-J'J 11.
ex[) - 2. 1/ l!"'. •
,:¡:..

Dado que I (T2 n J =u2"1 ü 1. podemos rerormular la'runcitin de densidad como , •...
f( /1) = (2n)~"I~((T2r"f2Inj-,ll2cxp[ (-lii,i2 )/I'P-' iI ]

Enlt)tices. ellot\arillllo de verosimilitud es .'

1/' ' . './/.'.; l.":'., '1 .. " _1' ,
1=--,-ln(2n)--h\.lr-~~lnlfll--.
"., 2. . 2 ' ,'., , 2' :.
-.,(y-X./])
2(1'- .
n' (y-XjJ)
.
(:l.20)

l. • .

Dirercnc¡'¡lIldorespeclo ajJ y(i2 . óble;lemos

r .•••.
d~

-l~'tl"';1
o

:f';"',.
o'

.>
)
¡.'.'",

t,'-'
~( . u . l. '...
"
,-.-,::.-
-+ -, (y - XI))'n-'(y - XjJ)
"

, "~e
r- 2(r2 2(¡~ ..
,
1t:\Ial;lIldo ., cero hs d ,/,'\'., l.... "1' 1 .
. ' ,. e,. (,IS p.lICI,1 c~. o llcncmos los cSIII11¡,dorcs MV
l.
\

(5.21)
l'

. JI. , •
er- = - (y - XjJ)'W Ll' - XjJ)
(5.22)
U

N"lu.r"lmcl1l~, dichos eSlinwdoressenín ,ínicamcnle operativos si conocemos la

matriZ n. ' . . ,

5.'1.1 i\!ínilllos'Clladrac!os' GeJ1cralizad()~

...•.,. Siendo n
positiva yrinila. su inversri es lambién positiva; Cinita. Podemos por lb
1:t1110.h:lllar un" l11atriz no singularP t;t1 quc ' . . .,

n-' ::/,'j1 (5.23)

Sustituycndo cn 1" ccuación (5.21). obtencmos
.,
jJ = (X'j"PXr'X'p'py = [(PX)'(i'XW'(pX)'(Py)

~~. ~d~1,:.:/~~:i~c:;Y~I~:Té~"l~_'I:-~c-~~-r~-'1~7~~Cf~t;~l¡~\,~~i;¡:a;::~~~~~r~\II~~~~::~~~I~~~~I:'e~¡~:...".

os . nlús,.o.~lglllnks y: ,~..
Conseguimos "sí un punto de visl" "Ilernnlivo del cSlima-
dor de 111,IXII11" vcrosllnJlllud dclmodclo no esférico.
••t~
Si .Illulliplic"mos clmodclo line"I, y = XI) + /1, por una Illatliz no singulnr /'
que S:tllSCilgil 1" ccuación (5.23). obtcndrel11os ~ ' . ,

. y"",X;jJ+/I., , (5.2<1)
uondc \' =
.' .'
P¡,," \' -
''''''.'
l' \' )' ''';
l/.~
r. .11.
1), ... I
allll:n(o(,e
l" I . .,
:Iecu:lclon(.'i.2J);Jl=p-1(/")_'.1
.
Enlonces . . ..

. var(l/.) =:E(PII/I'¡")

=,lr~/Jn/"

= u2/ l"'(I")"I/"
j

. ' .
. = er2/
, ,
 '.;,t,:,.. 1,

\\t •
r,.,
',','I , ,; , , .\
;~)1•. ~~:.

',",1 CAl"I~.GLOS:Es'im,:addr~:sMV.MCGyYl 177

.~ 1-
. 1,'

ASí'pucs:.I"s v"ri"blcs tmllsforri~ad~~~ (k IriécIJ:lción', (5.24) s"lisfnccil I;¡s .condido-

nes h:1j6 Inscnales el estimador'MCO esELlO.EI.'vcélor 'de coeficienles de la re-
gresión MeO dc y~ sobre X.es ~1"csiiln,,(I()¡' d~'míllimos cu"dr~dos' gcner"lizados
(MCG); '; .. ' . :'c':'"'' ', .. " .•.... l.' . '.'

'b:' '-
.' ,QLS.7".~
(Y" .~y.)':"I';rI),
.,~ J ••. " (5.25)

Esle cSlim"dor esequivalenle aleslimild6r,MV defiriido'''~leriormenle en In eeuñ-

ciÓIl (5.21 ).De 1" le(lríade los MCO se sigucinmcdialamenle que"
'~'."aLS)
,v,lI(b ' u 2'",
= (X)'~'.')-1
,.o', .' .•.. }. ,,' . _.: '. '''', .

;" (T:l(X'fr'.x)"'l .o"' I

Esl" expresión es l"mbién l",i,,,lri7.,de vnri"nz"s "sintolierique oblendrí"mos " p"r-

.tir ueull cnfoquc MV. Sin diCieullad "Iguri": obtendremos un estim"dor insesg;l(Jo
de 1" er2 desconocid" de 1" ecuación (5.26)~ ~plicnndoel,MCO ,,1 'modelo lrnnsfor-
mOldo. Eslo es,

:~2= (y. ~ X:bGÚ)'(Y' ""'X.baG)/(". - k) (5.27)

, ~1/'Ü'~'Xb(}~)]'[/'(y;- XbGú)hll-' k)
= (y- Xbr.~~)'h-l (y -XbGLS)/(". - k)
'. ~.

La uifcrencin respeclo 'al eSlim"dor ~esga~~ MV'de In ecunción (5.22) es el ["clor

n/(I/ - k).

finalmenle, Y" que In ecu"ción (5.24) s"lisC"ccl"s ,condiciones p"rn 1" nplicnción de
MCO, un conlr"slc ex"clO (le reslricciones line"les p~r" llIl" mueslra finiln en -In
form".., .

"t
.. T~":'se':::'~;~ne~pa~l~~: .'.:{77~",,'l!u;j!J1 =r ,,', ;.,:,.O:-:~~i''''::''':::-iT''''.'7:'-:::';':':?~rT';?:7;\','~.:;:,~-:T.~
. I I
r: = (r- n;}GLS)'[R(X'n- Xr'nT. (r- Rbcú)/q
(5.28)
'. .... 'J2" '. ;t,.'

qtlcticllc uI,,,dislribuciónF(r;,117 k)bOljO InhipÓicsisnul".siendos2 i" definid" en

1" ecuaciÓn (5.27). Los MCG tienéilni\.illilúd.dé ilplic'1cio,ncs prácticas (pnrliculnr-
nú:nle en locO'ncernicllte a I"s}rc;isdehcicrosced"slicid"d yaul~corrcl;¡ción) que
lral"remnscn elcnpítu!o siguienle. Indicnremos.sin enlbargó. que los procesoscon-
lcrnplados h"st;lclmomenlo>sUp()nCIlel conocimiento. de D. En 1" práclica dicha
condición se ua IllUY rar"l~léille,. dé"hí'j;¡imporlnnci" dedcsarrollOlr cslilll"dores
t:l(:lihles de mínimos C:lla(JradosgeíH~r:¡]i7.a'c1os(~'iCGI'),c~ dondeestim;¡cioncs con-
sislenles reemplacen n los p~lr;í¡'ncirosdesconocidos~ EI¡ el siguiente capítulo pro-
porcion"lrlO.~cjclllrlosdc 100nim['loi'l"nletécnic", ',' . .
Muchas vcce~ resuh;¡ l1,ás WlwcnicnlclltilizOlra- N(O;V), siendo V';;nn mil-
lrizde vnrianz"s'c(w"riimzasposil ivny finila: en VC~ de j¡~N(O, cT2D).En ¿sle ca-
_J
 178
" ' .~. .... : ..

so, las expre;iol;~saílernalivas ~on

. .
. b~LS~(X;I("IXrIX,Cl;~lj;'.' "'>:~:' (5.29)
v~:r(ú~GL~)=(X;i;-;kr:' . ", '.

'. ~
5.5 . .. .,.' . .'. ..... i
If .
ESTIMADORES
. . '.'
DE VARIAllLEINSTRUMENTAL
- -: ,':. '.' -. ~
(VI) ,.' ':. "', " ". :
1,,'
". '
l.
'l'
I3njolos SUpiICSIOsdásic6;,I~s,.cslillln;'lorcs MCO';llnl~l~ lúcjllrcs eSlilllad~rcs linc- :.~.. ~'.'_
. nlcsinscsgad<;>s: Uno dc lbs sUP~cS19s qlicsllslenllln úlchaíeorín ~s quc los rcgrcso- .:(;.;
res. son indcpcndicnl~s'dellérmi~o de p(ÚlUrbnción. Si eslo no'ücurre,lps cSlimado- :.,;.
Ca..
,c.:.' ... ' r,~s'M s~ rán se~sájlps: e iJú;o,n~i~!r:IIJÚ;.J! ~sún rsin~~:. '\";ilOrl),~¡ic.i91l1l1~d.i\llirc 01,11.1''.': \"r~;l; .
.: ..":"~.:"''''s~nCl110.~r~'j;'¡I{ro\lc~.;r'or ..~;í.~¡¡;'í:ífcs
'Cs.~~i.la'~ i~ .•~"'.: oO'; M •••
, ••••••
:.'.: •••••,., ••.• >.." ~- ~•..
. ..

",1.

;.y;' jJ.r '+ II . (5.30).

. donde se prcsci~~e dClld;'ni¡no. ~ollslnnlc' para simplifi'cnr. Hasla' ~itiiolllc.nlo, SUi)o-
nialllos iJllplícila~le;ire'.qucIas \'úinbles '~enicdia~ 'sin. ~rrór, SlipongnplOs. sin.em-
bargo, (¡¡¡c.la variable .observa'da x; se r'eprcscnln 'como \¡\ suma del valor ver~lndcro
X y un error de' i:¡)eíJi~a nre~llorio~v.i:slo es... .' . .. .
. ,.'

..... x ,,'.t+ ¡,
,En esle cnso,lit relil:ci6n
, - ~eríll
',. ".',
, ,";.:
J", •

'.. (5.Jl)
En la 'I)f¡\clica, resutla;¡ni'pOrlanIC cOÍlsidcrnr'cuitlildosalllenll! 1;, ulilizacióndeh;
ecuació¡; (5;30)'0 (5:31)-. Por :ejenlplo: Si'luviéranlOs que analiz.¡ir 'y pi'edcéir ~I com-
. poclamiento.de loscorúercianies del': !11en::udo de.vhlores.qucrespondcil al' liNO
.".publir;:ndo dCl ÓltiillO trimeslre, .ulilizaría'mos .Ia 'Ccl,Jnci6Ii' (5.JO) y no apar.ccerían los' "
prbblcÓ1asq~e ui~c~tire'rn.os en cs'tri secció~ .. '::'. . .' ~. .
Ellinüc;la'S varhiG;esec~:J1Ó;hi~h~:;~;I! ~'alor I;el:dad~j;; 'csun;cOI~eCI)l(l ~ago e in alean-
zable.Casi lodos los'valol'e's' ¿e COilVichcl,'cndefiililivosciJando los cslndislicosde-
jan de revisarlos ..
. '",

~o rcsiJlta nccesari~.~alcillarsepnraqamCnlC c1errorde,y p(;eSIO qilc~ CI; caso de

existir, puéde aliadirsc'¡¡ 1<¡'pcrlurbaci6n(error de la. ccuaci~)n) 11. l.Q~ié;su<;e~esi .
utilizamOs MCO'paril\~slinHir 13 cÚai;Üo' s¿sliróncql!~,la,'espedficación. es .Ii, (:c~la.
c:.ón (5.31), !lunqü¿sólo dispongaillosdex'yno'dcn Ci'i'I)cndieílle MCO es:. .
. .. ;.':1 'o" • '. . •• ' '. .

'.:
': .. ~. " '

b'="2:
.. ' .
. 1 '. ~. •. . ..:.
,\,2
.
; ~
'
 ('''l'i'll,I.O~: ESlilllaJlll'cs ¡\IV. :\.ICG y VI 17')

_ ¿xUJ.i:+ 11) .
- ¿x 2

"

(5.32)

_ . Sc suponc lambién que 1I,.r y \' son ll1ulunll1enl~ indcp:n~iellles, y quc e~isten :llS
momcnlos úe segundo ordcn con sus correspondlcnles Ilmllcs dc probnbillJad. lar'
lo lanlo
..... ,:,;,,>-.' ..... ...•: ,", . .':,,\

. pli'\ll = (.-!....
11
Z XII)'" ='0.
.-

'SUslilu)'entló CIlla ecu"ción (S~32).oblenc:íl.;()S .'.

• . ..
pli'l;l'b ~fJ
.;.'.
'.

..••
( ')'
. 'al' ,-
"a?+
..\
/1-
.V •. '
. (5.3:1)

Asipués, Meo cs sesgndocinconsislenle: con un.límilc dc probnbilidnd num.:rica-

m'cnte infcrior a /J. Por lo lanlo(illdcpendicllleUliC.lllc.ue que /J sea positivo () ncga .
tivo). el ¡imltc de prribabilidnd del'Meo esi~ Il\ñscercano a cero que la aul~ll¡icn
pendienle.' DCllominan;os a cS'lchcchci c6mosc.~J.:lJ tI.e'aicnuat:iún. ESlamos.ant<: un
'cjcmplodc error de especiricació;l: I'leni~'s'siq')uesló que:cl m¡)uc1o adecuado es el
de 1" CC(l:ici6n (5.31) aunC]uc, debidoalo5 dalas. el uliliza'do )laya sido el de la ecua- .r
ciÓn (5.JO). :rcncnlOs, como rÚl!llai.lri, Unl)f:ocedil~ic;lto 'de'estimación imperfeclo.
R~sulta'llt;lllcga(a dicho resull,ido mediantc un procedimicnlo.allcrnativo. Rdllr-
. mularemos ¡;ecuación. (5.31) cómo'

. >'=: fJx +,(11 - fll~)

que demueslra que la.pertu'rbhcióll~lrhn-sror.lllada i;lc'lllyc.un error de medida de.r.

siempre quc y sea fUIlCitlll de.\': poi')o.¡¡inlo': .. '.,':. .' .' ' .. ,.
. . . ,.',.

. _11!I/,~IIl ..).
fJb.- +: .. ¿x 1'"
(5.:;~)
r'
r .:~
:,,",',
. ,.lPi

-
f:nlonl'\:s plil11 - 1 ¿.I'(II-/il)
'" 1'.'
= plim--¿.w- jJ plim --I "'xv = -fllr~
// 11. 11 ¿
1:1 rq~l'l.:snr y 1:1pcrturh;ICil'J11 tr:lnsformada eSI¡ín corn.:i:lcion;ldos. Suslituycndo cn
1;1ccu:lciúlI (5 ..1-1).oblcnCl11os
.. 1

, . . ,.'," "(
. . ,er:.'1 )

plim h = ti.:.. _"_o¡,ro.-'- = Ji ,\

. '. rr~+ lr~ ,r1.,. Ir 2
., I X \'
como ;lllIcs.

Vol\':llI1os, ;iÍmo.ul:!o lincal ~cncr:ll.." = XjJ + ,,. El eSlil11i1uor MCO es

l

qUl' implic:I
" = jJ + (X'Xr X'II
u
~
."

,
l' ",

"
.':' SUIHlnicndo que plim(.\"XIII) = ~.r.l" es una mahiz positiva finila de rango comple-
lo. y quc plim(,\"IIIII) = ~lIi" (J. entonces

(5.:15)
11..: I11l1doque 1:1corrclaci<ln del término eJe perturbación con uno o m;ís de los re-
!!rcsorcs Iiace que la eSlimaeión de los MCO resulte inconsistenle. Como hemos vis-
lo ya, el origen de eslc lipo de correla~iones puede haJlnrse en un error de medida
t¡ en IlllO o m;ís regresores. En el C;ipílUlo ó demoslrarcmos quc la comiJinaci6n de
. ~."
una pcrturiJaci<ln ;llIlocorrelacionada'y tlllu o m,ís valores relardados de la variable
depcndicntc entre' los regresores. puede pro(lllcir lambién correlaciones d..<:=.e~,-c_J.i'.: __ .__.
po, En~,I;:('~Í1trtp-:tp¡: e re 1110S q uClllodCToS'esl rü:C:ilí-i:;tr¿s:J~"ch;;;cTol1es si n1U lr:\'lc;,s
I;lsprigi;j~;ilambi~n, Así pues. resullainrporlanle buscar est.illlado'r~s cOli~istenies,'
- .... .. '

Podemos obtenc~ un estimador consistente. n\ceJiaille las \'ariahles inslrllltlelllalcs,

cllnocid:1Sla,lllbiéll cumo iiislrunltlllos.ScgliirenlOs Irabaj¡lndo con el lllddd6
y = .'íj]'+ 11:con ,":11'(11)'=,i.~/; aU'lqllc'slIponicndo ahora que plilll(X'"III) "O, Suptin-
galllOS que es I)osible Iwll:1run.alllalrizded;¡tos,Z,deordenll x 1(1;:0: k), poseedo-
ra dc dos propieeJadcs vilalc~: ' '. .

1. LIS \'ari;¡hlcs tIC Z (sl:ín correlaciollaci;¡s con las dc X)' elliltlite plim(Z'Xhr) =
= ~ %x. cs Ulla Ill:llriz finita de' ra!lgbColllpleto,. .
1 L:lS v;¡riahlcsinclúid:1s cn lárnalrizZ eSI:ín'incorrclO1cionauas en cllímile COIl.e1
lénilino tic pcrlurh;lCi61l1l. es dccir;pliill(Z;III;r)~ O. ' ,.,.:
. • f .

Jlrcmulliplic;lIlJu 101rc!:fci(íngellcr:d porZ',olilen'emos

Z'y = 7,'.\'jJ+Z'1I COI1: I'aí'(%',,) = ,,2(1.'%) (5.J6)
".1
 ,¡

¡ :.
tRI
...
. Esta, expresiól; sugiere la' uliliz.a~i¿ll,dC f\1~C(~I:eslim~~I!)r,:'esultanie es .

11(;1-'; =fJvl=(X'~(Z':zrlz':rrlx'úz'zrlzl)' '.. . (5.J7)

'. :i (X'I'z'YF"X::f'í')" ,: ',',,'
. !. .,. .

1'1) - Z(Z'Z)-I1.' 1 '11ll'llriz ~Ic va,'ia'ílzas-co\'arió1l1zases

I
tOIlt e % - , ~ ..,- '~: .:' '.l,,:~,';; ~_;':i ' .(5.JR) ,-'
- ~ ,'. ,.1'¡'r(I!VI);=,:~J.-{;,'\. .,P7/~)' .)
. j. 1,. •

y esti'il:'trcllio5co'nsislcntelli~I\IC la\~f¡ri;lnz.i¡dc'li; pcr,iúi'baci~n,ó1 p~rtir ele,

. . .' .. !;2'='¿ ~:Xl;,~I):"0;'~XIJ~1)/1!; , ' (5,.3'9)
.,o' La utilización eJe 1/ -:' k o ~lc.,i~Jen ~, tlivis~r ~~~reée: eJciillP0rló1'.1cia ó1sin.t6Iica: :'e-

u
~~~... ;
relllos :leo;;! inuacitin 1ó1cOI;~isicl.lci~dcl cs.tilllaeJor VI,: ParliendoeJe,
(5.37)
1:l~:l~~CIÓO

" t'

,
.r.;
, ~.
. i, Ahoró1
~)
¡..:
. $ "

5.5.1 Un Caso Especial

Noscnfrcnt;l\llos 'aun taso'csp~~i:lrcl1ó1ndol d: k,¿sYo es~.cu;\lldo Z ticncigu:t1 Illí~.'

niera eJe C()II;úmaSl¡ucX. A'lloi'a X'Z es ex.k )'I\o)singular. El eS.limador <1Cla
ecuación (5::17) <illcda si,;; pllfic¡ido 'en"' '
.. '. 'bVi~(Z'ATIZ'Y, (5.41)

con
'. ,.)": .. , (':,z. n,,-I (,.z 'Z. ).(.",'Z. )"-¡
vii.: (/ J~'J ,~(~-..,,!,,\ ¡" '.J" ':'" ~\ ~
(50"2)

J
 162
, .. '

Destacarcmos, sin cmbargo, que debemos tener COIIIOlIIínilllo lanlosinslrulllenlos

como co!umllnS lengn X. En cnSO de quc la condición no secumpla.la matriz de la
ecuación (5.40) tendría
.'
rnngo"1 < k Y..
por 10lanlo, .. sería singular. . '.. -

'.•
5.5.2 Mínilúo. Cuadrñtic~sen D os Elapas (i\-IC2E) .
.' .
". .

Podemosconlemplar lambiénel estimador V I como' el resuhadó dc una doble apli-.

"
cación dclos lllínimos cuad~ados." . ."
Elapa(i): Realizar la regresión de cada ulúlde lasvariabies delanüllri~'X sobre ....
Z; paraoblcner una mairiz dc valores "j~lslados,i. . '. ,
'x = Z(Z'ZrIZ'X =PzX (5.43)

'.Ela~a:(ii):Rcalizar ¡nrcgrcsióndc)'sobrc X-paraoblcnercl v~clor es'tin~ado jJ

1
'. /J¡;lC2l:::; (,Y'ir (,~I)') (5044)
..', .~':i:(X'PzXrl(X'P'L JI)
. . .. ~ ",

" =bv1
PorlQ tnlito, es posibleobtcIler el estimador Vlmedinpl~ un.proccdil\lielllO de ,\i[.::
nln~'os:cuaJr'¡¡doscn dósctapas. Las ~~uacioncs .(5.38) y (5.3~) múeSI rano respectiv¡Í-
mente., la ~lairizdevariilllZ(\S yel eSlimador de:la varianza de l¡ípcrturbaciqn. . .
.... ;

.. .
. :5:(~:3.~Ii~.~ióil dc:hl~tr.u;lIc'(l~Os'
••.• :.:. ". .£. .,' '. .- :, ;.' '

'''L~'~~e'~;l;n'la áave e~: ¿dónde hal.la'r'lo~ i'nstrumenlos adecuados? A níeliudo; pue.

'Jcns-er~ariab\es dela 'misilla m~id~ X, Podrerilos utilizar en I"malriz Zcualquier'.
variable susceplible de ser exógena e independiente ue la perlurhación. Cumo vere-'
mas en el Capítulo S,las variablcs relardndas pued~n ulilizarsc como instrumenlos'
d~ .valores actltalcs. Cuando Ulilicemos como. instrumcnlo cUitl.quiera tic In,s varia-
bles de X, dividiremos Xy Z del siguienl.e modo
z = [XI Ztl
donde Xl es de orden 11 x ( (1' < k). X2 es 11 x (k - 1') )' ZI es 11 x (/- r). Demostrare:
inos6 que X, la malriz dc rcgresores en la regrcsión dC.la scgunda elapa, cs
(5.'15)

Cás va fiables dé XI son inslrumeillos por sí mismoS,nlienlr:ls que los resl:inles re-
gresores de la scgunda etapa son los valores njusladost<de Xi, obtenidos a partir de
la ~cgresión de X2 sobre el conjunlo ccmlplclO dc insli'ulilentos, Queda lodavía pen.-

4 V~3~e Problema SS.

'• .,
':" ...
...~

L
 CAI'iTIJUI~; EslilllaJores j\.1v. MCG y VI I~G

diente 1;\ cueslión dc cu¡Ínlos inslrumcntos ulilizar. El número mínimo es k,'inclu-

ycnLlo cllOllquicr viII'iahlc que se:l inslrumenlo dc sí misma. La eficiencia asinlólica
aumenlacuando aumcnla el número dc inslrumcnlos; Sin cmb¡irg.o, e! sesgo LIc'la ., ,
. muc,:sll:a .finila aumcnla lamhién cuando aumenla el númcro dc inslrumentos. Dc
.ilccho.se!eccion:lndo 11 inslrumcnlos, resulta [¡ícil demostrar 411e Pz = 1, en cuyo
•. casoCl' cslinü,dor V 1 es MCO, sesgado c'inconsisléilIC. Por 011'0 l¡do.'los 'resúllndos
serán. pobres cuandó utilicemos el mínimo o casid númerO nlíninltl"dC ilislrllmen-
IO's;Sc:demlleslra lambién7 que clmomenlol/l-ésimo de! estimador MC2E exis!C si
"y solo si 111 < 1- k + l. Por lo lanlO, en ci caséid'eq~l~baya exaclamenle lnntos ins-
. . lruillenlos como variables explicativas, el estimador MC2E careeerií de media. Con , )
un inslruincnto miís, hahní media aunque n'o varianza. (así sucesivillnenles.
," 1

5~5A Contrastes de Reslricciolles Lincales

ton frecuencia nos enfrenlalnos anle la necesidad de vcriricar los dislintos ,¡pos d~'
reslriccioncs lincales prescntcs enllna ecunción cstimada con el m~lou(¡ VI (tvl e2l:.).
La v~riricación pucde renliznrse medianle simpks m~lodos de observación. allliqll~
; dcsl~cilremos dos imporlanleS propiedndes a lencr en cuenla. En primer lug.:lr. los
. PI'~ccuimienlos dc veriricilcióll ticnensOlilmenle validez asinlólica: y en seg,undo lu-
gal:. la tl'efiiüció,{ y el dlculo de las sumns de 'cundrndos de residuos quc nl1;)rcccn cn
. losesladíslicos dc veriricación deben considcrnrsccOIl dctnlle. Trilbaj;lremos con el
. ,..modelo line"l norm"I,)' = XjJ + 11 con Hu: RjJ = r. Supondremos que In primer:l eln .
. pa' (lri regresión de X sobre Z) se ha realizado ya, dando como resllllndo In mnlriz de
. . ajustadOS ,y = PzX.
valores ...
El procedimienlo .'de verificación es el siguiente:

1. Renli7.amos la rcgresión de )' sobre ,r., ilJlponiendo las re.l"lr(CciOIIl'S. Dcnomina. :'
,mos b,es al veelor codicientc rcsul!"nle y

..~.
al vcctor UC rcsiduos.
2. Realizamos la regrcsi<in de )' sobre J, sin reslricciones. Denominamos b,w,n itl ...•.
I
vector codicienlc rcsullantc y
(5A7)

,,1 veclor ue residuos.

JT. \V. Killal. "Th~ Exisl~ncc uf 1.•.lumellls of k.Class ESlimalors". t:fOlII"'/I'¡,im"~K. l%O. ~~1.2~~.
K I'a,a ulla hi~lll(ia oe le,((Ir IIc~,ca ,le los pohre~ ,e~ultao(ls de IV cUlIl\du I = k = 1. Y eX;~le haja wrrela.
ci<ill ~III,c el illslrumento )' un~ ú,iica ~lIriahlc c'xpl;cali\'a; véal\~e los ~Io~aniculos oC eR. NelsulI y IL
Slarlz. "The DislrihuliulI 01\ Ihe Il\slnllUelllal Variable ESlimal1l( amI lis I.Hal;" \\'hell lh~ ""lfllllle'1I Is ('r"'"'-'
';
a 1'00' Dile". JII//fI/Il1 (lf IJII.liMH. (,J. 19')0. SI2S:SI40; y "Som~ !'lIflha Ilesults Ul\ lhe Esacl Small $:1111'
pk 1'((II'~rtie~ "f Ihe II\~lrumel\llIl VlI,iable E~lim;lln('. t:(()1I01llI'¡rirll. 5K. 1')')11.%7.')76.

.,
,i,'
~. I¡~
..'~_. ," ... - .... _, .... -- .•.. ---_.- ~-
-r.J
 ;, ¡,

,1, ¡\kdi;1I11t: hll,>re\ ' calcul;lIl1<is el veclOr ,

'c =y -Xb:ll>re: '(5.4~)

dOllde. clI,lug:lr dc los v:dores ajuslados. 1Ililiznl11osIOSv;lh',rcs':lc'lll:llcsúe X.
i El cSladíslico dc verificacil'1I1 para "" cs. cnlolll:es
,.
¡:_ (c',\'; - ;"IlI"Il;J/(/',,'
- -----. F(q,/I'- k) (5.49)
, 'c'cl(/I-k) : , "
I)aviúson y 1\1:Il,Kinnon') pr¡¡l)(lI'~ionanei('lesnrroil~ del;¡lla¡'o de e;tos re~ull:l~los.
.~".

"
<t'~

,\ptNDICE
,,'"

'\PI~Nl)ICE5.1
Camhio lle l';l~iahles el1 I'UI1\:íOIlCS
de de'lIsid:'lf

En el Ap.:ndicc 2.1 consideramos el C:lSOde una 'lll;ic:I variable: EII UII caso,de Illld.
liples variahles. 11 e." indican \'ccllll'CS de. [Jongamos ¡JOrC:lSO./1 variables. L:I ex len-
si'-'n del rcsullado :Ullcrior al caso mullivariablc es ' "

J\."J = /(11) 1;:111

' " "Y
dlllllk 1;'111 ;1,1'1 indica el v:1Im ahslllulO del delerl11inante ronl1:1do a partir de la m;'\-
11';1 dl.',lkrivadas parciaics. ' ~

'"
.•...
,r

;111, ;111,
'Z'
;IY2 ¡) y"
,~ ','

\.:.:'

'('lt,,. ¡¡ 11" iJlI"

;1.'"1 ;1-"2 ¡J .'>'
El \';'\101':1hsolulo,de ,Jicl1o t!cleni{in:lIlle se CO!lOCeComo cljarohi:l/Il1 dc ia hails-
rlll'lll:1ción de 11 en Y: - ,,', ' ',', ,., ,
\.: '

" Itll~~~1I1);l\..id~(1I1~' J;lIll~~ (i. '~_iacKil\lllln. 01'. cil..'21).2J2." Itusscll D;l\'id'flll \" Jalll\,.-'" (j ~lad,il1"llll
"/'. rif.. 21).~J2. .' . .' . . .

\ '
 ,¡

"/ '
, "

185

APÉNDICE 5.2 , ,',.

.
'.¡:
'
¡ ,
•• 1,

n2 celll;:\(lo .r
,
';11 celllr:t'tlo , " '

, , ~ t'~ _ ,'" , .(
Scglill el Capítulu J. putlcnios r;nillular la ~i:gl'c~iI1'11\'(Cd 'F0nlO:
I .:

':I'=Xf¡ +e = Y4:e
Elev'andl; al cuadrado sc lihlicnc
" \':'I":=:j'S;+'c'c'
,,'

,"';.
.", ; "" ¡'.," .r' , . ..
:' .'p 1 .~•• .., \ ".
,J. " ..
. .. '
,'"
ya que ,i'c';' j¡ 'X'e': n.SusÚlllyendob.le,;cl11os'
'

'
"y'):=?'\'(X;,yr1X'y
..... ".',. , ,.' ..... ,
+ .~,~
','
(A 5.1)
';'".:'¡ "';1

/(2 no cClltrado se dcfinc"cOl11o : '",,:

~' ,'¡';":y',\'(,\"~\T~'X'\; .:
U- nUCC;!l.lraúo=; , , ' " , ~, ({\ 5.2)
1 ry
La de IIlim i,;acitÍn"lIll
. " - "', ,_ • < '
ni rad/,;"
1 ..
ce
Iii:;;e
l "
su' r;¡z¿',i '~Ii;se',:
' i" " ~ '. _' ,., •.",
I I~ ,,,'
i dell~n; i1;ildo~.'
"';', ,,' '.
~te 1• ,_'_ '

)';.1' = ¿',' ~ 1 )'¡, que es la vOIriaciónlol:11 dc la v:1ri~ble de[Jcildienle cnlculOld:i"c'ón rcs"

", pecto al origcil; El u2 noccn'lnidoi,idich t'~' proporéión 'de esl;'\ v:iriil~ión 101:1\que
:lcah¡, siendo"cxplicada" poda regresillll: .
Muclws:\plicacionesdeSlaC:\I11:1 il11p~rIOlnci;l de l~v:1rí¡\cióll de 101 v"ri"blc de[Jen.'
diente /'l'.I'IJI'C/II:II.1'11 1Ii1'c/ mcdio. l11:isqlllÍ s\I'variaci()I\ res pecIo acero. La c~nl idad a',
~, .
explicar reslJlta 'enl()IlCes,.¿~ ;;, I(Y¡ ~,y)l ¡:=: '1Y:'"C (¿~~1 Y)2/n:=: )'~)' -: ,(if):)t/II.Si 2,': ;,
rcslalllus en al11ho,slados dc (A 5) la cor,recci61l parOl la l11i:dia. ,(;'y)2/1I. obterí!=~1os
- : ',,', • . - '. ( .• ., 1,.' ~ ~

."'."- (ií.;:)2i/! ,~.f)",X(X'Xr' X')' - (i;j.)2i,,] -\. é.'é

:;~'T1\'rlli'nilirte~~l"a desdJlhp~~i (1 6i~'.t1'e "1¡(..-G¡)l¡¡+élcctirid r:id'8s'l~1'~'fTS''('JTYtt~~~t¿¡Íi~~:!jiii~;>.~

l11édia.en 1:1SlIlI1;\dc cúadrado$ exp)ieadn(SCE) -qucc's el término entre parénlc-
sis-yla slIllIadcclI:lllI'adús,:esidualonoexplicada(SfI,\).Plír lo 1"1'110,a2celllr~-
do l:S " ,. '.' "

y'X(X'X)-IX,'y_, (i'y)2h,l
, .' 1 ' (A -5.3)
y'y- (/'yt/II

El CS!:1tiíslico ni,se ddi,Úa:cpl:1sq:Jacióncs(3.9)y(3.IO). ~unqué l:1corrcs[J~ndcn.

ci:1llll sca.cyid¡;llledeilln1c(Jjalo.', " " , , , ' ,
COIl l: I ríudl: <ic'il6s1 r:n: dicll'a corrc~pondellcia, fwcesi tarelllos ucinoSI 1':1l' 1;\Inb'¡'én
~lIC ser
)'SC~,údinidos clrla écuaci6n(JSl. 591'1.CCS[Jccllvaménle.c1dcnominn.
dlli' )'~ll1llm(:iiltillr li~ laCClI;léión .(As'3). El úchón1ili:1'dor delnecu:1ción (3.10) cs

.. .•.••"y"Y"\J'"J"y- ... Ó(~;!'),"Y'J'-('''')'I''. , ,.

j
r ,
.....
",'

186 . Mt:TODOSD£ ECONm'ETí\!"

que cs el denorninador de la ccuación (A 5.3),£1 SCE dela ecu:idllll (3.9)es b'.- X".
X.b.. .. ':. .' .. ' . .'

Yolvilmo~ Ú laregrcsiÓnMCO: conlos~alosoriginale~conéÍ rinde ohsav'arJa r~.. '

!ación con la ec~ación(A5.1)~. .. , , ' '

. y::Xb+ 'e
PremuliipJica~do por lá malriz A ddinida erili\ccú¡¡ciún (:U)rcsillta ":'

.'Ay ::;'Ü'b + Aé::/L\"b+ e

Elevando al cuadrad6cada lado dela~cl.Ía~ión anlcrior, obic'lcmos

": ",

" ... '. '.' '.' ' .. y'Ay::.D'X'¡\Xb + e'e.,.-

, .,;.. i;"';"'¡!'rÚ;j.6 •..t'jn'(~','txr¡:~'s~,¡~'é~lj~:h~f'$C'c;~;~~~~.\\,~.:.,:.;;:.".;.;.'";,>,.;::;.:;'.
...
,",..;',.""'>:".'",'; .'.• ,...•..

'. SCE ::b'x'iu'b

.' " ':::y'X(X,~-IX'}L\"(X'XrIX;y

.---:
.•.•? Y'X; X';\1-' X;y e >:'.r( X' AT' x { :,U')X(X'-'T' X'y
. '=-jo'X(X'xj-:1 XI)'':' (.i'y)2/¡t .' . .
~
'. .'. . '...,

que es é.) (¡'y)2 'num~r;¡dor de la. ccu:;eión (A 5.3). El último paso de la compraba ..
.' ción sc'?~'s;¡ ~n el hech? de (lue:.y(¿y',\~"~ ¡('E:: i.. '.' . .' .. .' '.':' :'

y aquc." csta prlmcl'it'COllHllllU de X.cl.imjdllclo (.1'.K)'1. scr:íla primcra cohIlHlia.: ',:} .'} .
d~ {k,~'[ultii)l.ié:~ndo .P?f ¿L6.bleiJÍ:l1ló~ ia prin:~ra:éólu.~lln¡\ dc la~llat.riz X, qüc.cs .U/'.~"~~'

" ,'.
.;;. ,'-f
,.'.1',:;
~ !;- ;-
:" .'
,.
APÉ.NDICÉ 5.3. " .¡' .... :". ~ "

DClllos~ración dcc.'X(~,?~:r:x'c' •.=:c.'c~~ e'~ ..

:'.r '>,'
" ••• ' •• • .' o •••• ' ",. ,',

. , ' . l' .', -i 'l' ,,"" ¡', . . '

Consideremos e .e, - c' •.X(~t X). ).: c. ::e. Me •.. ; , :'-'1<,

'~"~~.
Nccesi'l~mos por '1~la'nlo ~e'mosll:ar qLÍe 'c.'.k~;;':=~;e~ lo cual ser;¡ cicl~tJ'si ~:: Me.: .
Tl:ocmos . ",

e.= y-:-Xb.
donde b. es el cSlimad'orreslringldo que salisrac~ Rb.= r. Por IOlíinlo
. . - "'. ~'.' .. .

•. ' '.Me.::My ':' e r' .'"

.:.'_'
\.,'.. ':-~' .~. ,:.'. r" ','

.
ya,ql!~ MK:::;'O,corriplcl:t'ndo la dcmoslraciÓn; . '.:

< ,,- ." "' •. :", ',-. o,'::'!." J .' ," •

- i'" . ~
 (,;\I'/n 'Ul .': ESlim~d()r..:s i\IV. Mee y VI 1:->7

PHOULEI\'1A$

Consideremos la variab!..: binol.lli;;I.I:- qnc aLlqui.cr,e "a Il;'r ccro o UIH!Scgün la Junciún
. 'd":lrCI1Sid¡¡Ú de prnllabililJad (Cdp) . . . .. .... ('\
,.
/(.1')=0"(1-0)(1-,1') Osos.1 y=Il.1

I~or \0 lanlo, la probabilidad dc '''éxito'' (/= 1) "icli.e dad;1 por ji 1) =: I/~.mil'nl r;ls qne
la probabilidad de "fracaSl)~' (y =i O) \'iencdada pOI' f{O) == I • U,:,
Váiricarque £(.1') O )' var(y) = =
O( l. O). Si extraenios, tk esta distribuci,í,i, ulla
mucstra aleatoria de 1/ obscrvaciones: hallar el Ei\'1\' ue () y 1;1varianza de sudistri.
huci,ín mucstra!.
-..•.rvI.I;Jl in IJ le. las d.os.c.x pr.c~s.i.ll.ncs.dcJa./llill l' jz,dc. info r.mólciún. de la 'ce ~ .;¡:iúú'.(:;;:\ )'~~n'ail
a ¡.
la varianza asintólica d.:! estimador E IvlV.

~L' Li, fdp dc la disi rillllciún u.nir,~r;llé vielle d:id •.I' por
,
,,::'~
1
. f(xln)::":; O'¿x<'l.I
. ex . .~
.

l:Iall;,r el EMV de o .

'5.3.' Con I/'pruebas indcpendicntcs ol1lc'n'cmos . .I' éxitlls{sil:ndn la prnhaí'ilidad de ':.\ill1

.¡guill'" IJ), .En cl I'roi)\cnia' 5.1' se tlcmucsl raqud;;. PI:oporci"1I1 lllueSlra!. 1I = .,111, es el
El'v)Vde IJ. COllsi~!..:rai'linesÚ;\l;idor allcrnali\'l" '- .

' . .Í' +\
pt .=: _'. __ '_"
.- 11+ 2 t"'-

"¡'Iallar la mcdia y 1'0, \~'a~i¡iliz;1de p* ciltér;\linCis'de !amcdia y la \'arianza de 1'. ¡,Es 1)'
lln estimador consiste'llle de (f!' .'

5.4 .... Ex'traeml1s una nlllcslraue tres \'alor..:s ..x ='): 2,:1. a partir de la dislrihuci"1I1 exl'P-
I!encial con la siguientc fLlp:' .
"",' ,; ".

.I
'-",:
.,. Ji(x) = ~e e~.IJ'I .. '

. . '. ()btC.IlCr l!1 ('.I'lillllll/Ol' MV de ÍJ y 'eaicular la. /',I'{illlllcitíl/ ,\1\l para 'l'SOS \'alnrcs mucs'
.:1,:;lIcs..

• .. S.S. OC/llO~lrar que.maxiniizar ellogarii,;1O d~.\'crosi/lljli't~,d de la ccuaci(1I1 (:l.IO) da co.

lilO 'rcsullado cl estimador reslringidoMC II.cfiniUo cnla ccu;ll:illn (:1.-1:\),

. 5,6':... Demostrar que.cuando s~ ajusta la ecü¡¡ci6n 'fníni;\locuadr;ítica restringida. los rcsi.

'. ,<Iuos e, no sicmpre .li'cncn"media múcstral ecr()yque dicho. rcsultauo no se cumple
. ~
.' ." 'c\;ai\tl~ la restiicci,ín Sc.;,'plica ljílic~lllcl1tc a los cOcfici'C;;lIes que rcprescl;lan las P~I1' " .

'::'.(.Ii~lltcs}no allérl1li;w' (ie inlcrsc'cción, En cash de no d;\r'cl1n unos resullados ~cl1e.

 . \;
.~.~i\
'. '.

~ail:$, i,ntentar la \'crifit:aciÓII Illédinntc In ceuneióII OC dos \'ari:lhil:s y = lt + jJX + /l.

ImpOlllenJo la resl rieeióII en el ~ocrieieJite rCliresenlali\'ode. 1:1pelldient,e (aunquc
no cn el I.:rnlino de inlci:sec\:ilÍn).y. 'aiternali\'anll.:nte', illlponi.:ndola en cil.:rmino de
intersceei<Ín y no en la pendiente" " '

5.7. Con los datos dclE,ÍL'nlplll .l,.1.. c;i1~ul;'¡rlos eSlaliisliel;s de prueha I~V. \V )' 1\'IL para
"11: JI,1 =-1: Verificar cl e$ladí~lico MLc:,iculnnuoci re,siduo;l liarlir de la rt:gr~silÍn
rcslringida y realizando la !'egresión s~lJJ'e X2}' X,í., .. ':, " , '" '
S,Il. Repetir el Probkl11:i5,:> paJ':l /In: f1! + /1,1 ='0,
5.9. COlllprilhar 1:1afirl11aCiünde 1;I'cctJ:lcilÍn (5.45)

:-".

-..(~
:.

,..
ji
~.
_~li

, .. :1;

_~~:I
"

;'.
'"
~I

"""/
,'~
~~f;
,
x.:..t.

-.:..;:
.1;
\,.,.L,.

fi".
'.!
\,-!'
~I
\;".,

\..1.,'1;
.. ".
(:',1' ." ".

";ljl

¡'C
¡-<'
 :, : ~ \ ~¡ ¡' ;~'
,:)"~f~:,:' ,1'" ., •• '"1, 1 : .

.,¡' '.'t",,:
CAI'ÍTUCo
, ~ ."
(í
' l' ~ •.,í" '. :,'
",:.

"
l'

;,' \ . ", ' ' • .'\'.

.. ,

\~.t.., __ .~'_: :_.::.'.~'~~~:'~~~~ ~~~:,,,~~~~~.~:~:,:{~~,:.:,L~.~f~~~t.'ii¿'~¿b"'''.?=:\~~:J.¿,'.~:'

'¿"" llf d' .;., •• ~'r
1 ; • 1,1:, '1:

1-1eleroscé déi~,t~ci~
j~ly' Aut.~co rrela c~Ó TI "-::
• ; • • :. '. ~. 1; ~, ....' ;.- • ; . 1 \ ;". ,• 1 .' " 1:
'¡
•• ~ ••• L
.... ,.
¡ :

¡
'i - ..•. ,. .. ~ , , .1 (.
",1. ." r,';, 1 ;,,'
;->;:' c."--f:
"'.'
.,l ",'.'
(.. ' :
'I! "', ¡,
',', -'$

"
:; " ¡ '.:! . !:. ,',
;1< .'
"'.' ' ... ¡..•.

La estimación)' eOlilraslcoc rcl:lcioncscon 'pcrlurbricidnCS ~h'clcrosccd;íSlicris ylo

ri\l(lléorrclacillnadassoll'do~ do ;Ias mns, imporlanll~s' riplicncioncs. oc los 'prC!ccoi.
micntos 't1c,m;íxima verosimililud y',mí;limos CUritli;jdos:gencraÚ7.ados dcscritos en
c1Capílulo ,s. Tralarcmos ahora ambos rroblcmas cllcl ordcn cXpueslp. ...
, En casos dc helcrosccdaslicioao,h¡' m:llriz oc varian7.ris't1cÍ l¿rmino de pcrtur.'
Ilrición cs ;,' ..' . " .. '

': .. l. ~O~"""'O 1 " \

• 'O '( '... O

va,r(lI) = 1:'(1111',) ~' ¡'," f", --:-:' !
, ' ' .. O O ..'.., "':':-. 0'"
'. • ¡ ". . "

, . Ahora ha)' ',' + ,k p;1I'óimClrl1:s,ilcs~onocil~os,:n varian7.as}'~_~i~t~.lC~loj,,~~~C9:~~~: .. :.,:,,~ ...,

1rr-"cn. cJvéc l(ir]r1::Sii,\1:\ ¡qriCl\oS'.rjift'í\niCfr6r'tp~r¡í'r"?~.:íj]r:,Jhro.s1_'riii¡Úirtr( ~"5,.;'id'~lf~."."'- ,', .
;'jí: evidenlemenlc illlposihh: a ll1ellosll~qué ill)pongrirnósalgunossuPUC,SIOS. Dichos
;' supuestos aiiridltlossé rdaéionanhabilUrilmcillt¿ón C1proccsOque siguenlns pcr:
Iuru;icion\:s. Lri hClcrOsccdriSlidda(Jsliclc esl:!r :prcscn iC'curindoJrri l~ajrimos .con' un,'
{os dé.col'te Ithjls\'ci'saLPor cjcmplo;cn el~risodc,iJ~ csmd¡6oc~oriclr:lnSVÚSill
p:lra:lnaliza~I:l'.rc¡';lcióll cnlre el g;isloJrilllllii1r~ll'v:iÓ'lC¡6Ii~sy el'ingrcso rrimili:lr~'
esperarí;lI11osqucdgás(o prol/re'dio paraunilivcloé ii\grcsodaoo <:rClCricon el in':
greso. aunque csperaríanios lilll1bién (juch: variación' dd g~slO' prométlioriumclilC
ClIriIlUÚdiligi:cSO :1l1¡úcnl¡I,SiIPQúgMllÓS; peír cjé1llpIo, ~qllé~doplrirnO~ lah ipóiesi~
rorjÜ:llsi~uiCJjk'
. . - .. :..
,.''''' .' ' ~::.:~. ,.,.

, .' .'., .' .&~~!r\2;:¡:~l,2.:;.,,,:

donde (r] ~s un rac(orÚecsdlla')',\'l,iútlic:ll;¡ var:iablc ingrcso. S~;ronélll~s;ror lo
[anln. qu~dingrcsoe~i[aIHlJla variablecxplicrilivadc:la' ecu~ción:cle, gas[Q COIllOel
r:lelorc:llIsa I t1clpnli:csod~Jjcle¡,oscctlri~1 iciCJ:\t1:En,csl~ casó, lá rÍl:llri7: dc \01 rian~
las derVCCI()I'dcl)eÚtll'ha¿innesc~ ., ' . . ."
r
I 1YO

X2i o ... o
var(iJ) = 'E(IIII')=a2
o . X22 ' ~. u
:..
:;: (f2n (6.2)
.'

o ()
X2i,

La especificación (6.2)licne un unicopar;ín1elro tles<:pnocitlo enc~n)paración con'

los JI parámelros desconoéidosde la ecuación (6.1). Sin enlbargo. la ecuación (6.2)
represenla un supueslo muy rcslriclivo'y'cl proceso de heleroscetlaslicidiltl no siem-
pre resulta lan sencillo. Es n1lI); impol'lílnlc; por 16 lanlo, h:rificar I;i ¡'Íosil)1c presen-
ciri tI,c heleroscetlaslicidad.y, ~nc:lsode hallarsc, explorar su estruclura con el fil\ de
oblener los es~imadc>,res MCGfaciibles pnra la ecüaeiólllnil¡ida. LhsSecciones6.2 y
6,3 consideran eslos punlbs., Anlcs~sinembi\rgo, examinaremos las propiedades de:' . 'ir
.... .' ....loscslimtld()rcs MeOaplic~dqs.a ..uilri 4s\>c<;ihcll<:ióJ1.'co.)perlÚrbaciollcsl\oesféricas.:.
'.. ;..,",', ..,.'' ;'.'.', ,,:,,,,c:"'.< ,.•• i':'::;';:., ..,.,,:, •.,~...;.~.,,':,~;.,.: ',,:,'.1. ':,i-i' .¡,.:.•......,;,:.:,....,.. <, ""'.' .,'~' .• c, ._.:~,....~.:'.;:•..:....,/, ,.•.....
-'0 •••• ~t
\¡\~.
".',."," :.¿.... ,r'.', '.,' '''-:'-'.:.. ' ...-:''''''';'\'''''': .. '~"
""
,"
~.1- .' i~ r
:~~:.'
PROPlEDADt:SDE . LOS
-. ÉSTIMADORES
. . .. MeO :;..... f.

:', t ;::.
Considerel.nos la ecuación '.~

:y'=XJ!'~ 11 y . E(III1') :;: ;T2 n

Cuando X es noeslo~aslica; ~blenemos los.sigl;ienlcs resuÚauos:
1. El es'tirlHI~'o~:MeO es in~esgadi.:l Y~9nsislenlc. . .
A pani.r'dé, la, eC~lación(J,23r ..'
p=Jl + (X'N)'-IX';I
con(:l~íll\¡)S "C'OI!'l~C£0))= jJ lo ~;~e 'conf¡~ma, por lo ['anlO, la I~rop¡~dad"ue in-
.•,sesgadez. La COI1SiSlcn<:iaen Illcdia.cuuoráiicasc"sigüedeinmcdialo del hecho
:.que. (como veremos C':I el Pünlo 3)Ia l\1'alriz'uc "'ariúnzas y eovari;\I12as, var(b),'
,posee Iírnilc '9.c probabilidad igual,a'cero.' .
2., El eSlimador MeO,es Incficienle. "" .. '.
, La ecuaCión (5,25) ,demo~lrab~ q~e'el ~~limadorMeG',es decir, el eSlimador.
, 'resullanle de réaliZar u;la regresiól~ éJclvcclor IrmujomulI/o )' sobre b: matriz:
lralls[ofl/lada X, propprdonu ell1Jejorcslímaoor 'lineal insesgado. Por lo lanlo,
MCO (que e'sür\.1alós parámetros de una.regresión cOli vari¡lblCs /lO In;lI.Ijorl/la,.:i
das) 'p'ro'PQrCiOlla,.eslimadores lineales inscsgados úunque no se Irala oe estima- ' ,; '!t
dores devarianzn nlínin1,I; . ".. '>~
3. Los er~orcs esúlódard'e los éoeJiCicIIICsM'CO' cOJl\;el~Ciollalcs son incorreclos 'y'.. '.
aquCllos esta'díslicos de'iJ,~ueG.•i iJasádóse;, ellos'caiccer;ín de validez. ; :'~ '.
. La malrlzde varianzas y covar,ianzascorreclamc'nle' calculauú p.ara el veclor de::
,. coeficic!llCS ~CO es "., ." . " ,
.' ~ar(b) :; E[b':..jJ)(b ~jJ)'J' ,':"

=E[ (X'X)-I"\>.ú'X(X'X)-1 J "; . j i~~

.J
1;,'.'

'," '~~'~i.
.;~ !'}::.:"~
L_.
 CAl'iI IJI.()I,: '.kl.:rosc.:dasliciJad y ¡\ulocorr':\:ll:iún 1'J1

:;:l1~[X'X)-l X'flX(X'X)-'J (6.3)

C"

Larórmula convencional calcula 112(X'X}-I'.es'ueeir.sólouiú¡ parle de lil ccua . , "

ci()n (6.3), que es la correCla.Por lo lantQ, los eSladíslicos de prueba "coll\iencio.

na les carecen de validez. l'ouelilOs también expr~sar la malriz de \'arianz;ls v
. \
covarianzas como ". . ,'.. .
. var(b) :;: (12
/1
[.!.. (X'X)]-I.[.!-
JI 1/
(X'flX)] [.!.. (X'X)]-'
11
(6"1) ,. \
1
-'
1
¡\

El Iímile de probahilidao del primer lérmino de la ecuación (<í.'l) es cero, En ca.

So de regreso res eSlacionarios, el Iímile de pr~babilioad del segundo término ó
una matriz finila. Por lo lanlo, parn que e~isla consisleneiaserá necesario qlh':.,
el límite dc probabilidad de X'OXII/ sea también una rnalriz finila, lo cUales
" ,CiC.J.lo>CI,lgeneral.si losclel.llcnlos son Jini(os.Cuaut\oden In~n¡¡lriz.X inclu'~'c
"""'""'<""'~í~O'O';11¡¡s,;:cí:irdos: de
b.'~;;r¡¡;'bi~
¡i~rc;ld'i~"n le'.-~I"~'sti;~,;~d¡~d\'[ ~~~~;;do c6s~~;i
.en el caso de mueslras finilas; ,sin embargo. tal como sucedía enla ccuación
((i:1), seguir¡í sicndo'c;:o'~sislcnle sicnlpre que 1; sea, uiagonaL'Eri la Sección (í.S
.. "
disculireillos por qué las perturbaciones aUloco,:relacionaüas provocan que los
lérminos situados fuer:a di.:.'la uiagonal se¡¡n.CJistinlos de cero, La consistencia ,"-..
I
desnparece cuand~ la aUlocorrelaeián, se' cOlú1)ína con el hecho de que llllO o
m;ís re~resores sean relaruo's tle' la v'arii1ble dependienle.
I
...,•
. . ' Incluso sospechando' la existenci'a dc.:h~lerOSCeuaSlicidad. prekrirelll~s traba-
. j~r'co;l. Meo a pesar 'ue, pouerincurr¡r',en;'je.~gos de incf.iciencias. Sin' embargo. ra.
.fa rC;lliiarínrcrcnciasc.orrCl:laS, es' preciso lr¡¡bajitr'co;l la ecuacion(6.3).c()nlT~!l :;:
d..lag l'"
IT-I:' {f.2 2"'" (T-"'lE", -sllmar., a-Q parece. . una larca 'imposible. pueslo que í.:sla <.:x.
jlresiónconliene /1 pariÍ.mClros 'y lenClllps sólo 11 observac,iones. WhilC dCl\lut:stra .
. cn un lInículo d.e amplia influencia, queafrol1ty'rcl problema b;ijo eSle,punlo dt:'vis- ,,...:
la resulla equivocndo, Selrala. de oblcner ..un eSlimador .satisfactorio de X'a2!!.\'
que ~ea una ni~lriz cuadrada ue órdeil ( siendo k (el ~(I'mero de r~gresores) l;na
cOÍ)slanle, indepen~iente dC! laniaño.~cl." muesira '1,,1 Resulta sencillo comprobar
la naturaleza del cSlima¡jor de WI1ile.rcforn]ulnnuo X'IT2n X, Denotemos con ."/ la :.,
(-ésillla observación de la val i¡¡ble .dependienle )' con xii = [1 . x;, xbJ la fila I.ési- Oo.

-ma de la malriz X. Enlonces .

,

,~l Iq
'0
()

IT~ .
, ....
,0),
( j r:.. "~1
... x'l
.1", ...

X'' ' 'X=['' x2

. ,
O
..
.. H
:1

(r;.._
:'
. .r~,
.,

...
•.

" 2,xlx',
=2:
,; 1
IT

l'lióllllerl \Vllile. ",\ llclcrncc<1ó1~licil);'('I;n~isl.:ne CU\'ó1r1ance ~ióltrix Esiil\\óllur :lIld ,,'Di'''CI Tesl fuI" k,
l~rucedól~iiCiI>,,'. fC""IJ11I1'lric". 4H•. Il)xii. 1i17-iux. .'

~.:,~.
.t~~. ,.>

~. "~
 .. . '

El estimador tk \Vhitc recmplaza alv~lor ,a 2, desconocido (1 = l. 2....• 11) por c,2,

dondt: e, indica el residuo 1\'¡CO.)', - .\:',1J (f.,= 1,2, ....•/1). Se obtiene de esie modo. un
t:slil11ador consiSlt:ntt: dt: la !llalri~ de v~l1:i':lIizas)' covarianzas para el vector de coc-
ricie:nlcs MCO. lo cual resulla p"nicul"rl11eille (¡lil po~' no requerir supuesto alguno
sohre: el formato tk la helerosccdaslicid.id. Así pues, la pucsla cn pr:íelica de la
cClIacit'lIl ((1 . .1) C~lIlSislc en calcul:l1: .' ,
tSl.var(lJ) = (X',\1-1 X'1T2ÚX(X'X)-'

(6.6)
LIS raíces cu"dradasdelos e)emelitos de la diagonal princip.lI tic eSl.var(b) son los
errores eSl;lndar t:slil11ados de lilscodicit:nles MCO. conocidos Ilormalmente bajo
c.:Inombre tle ,CI'rores eSl;ind"r.he'H~r'osced:í;licamente consistt:nles (EEHC's). 'En
".
e:sle caso. las, prueb"s 1)' ¡:'resullar:ín \'~Iidas' (¡n iC:1111l:n
le a ¡,ivel asinlótico. Las hi-
pótesis lineales,generalessc veriric'anín mcdiante el ~sladislico de W"ld,
W =(RIJ - r)' ,
IR [est. ,"i,r(lJ)JU'I-"(flb- r)'! x2(ri) (6.7)
Aparecen aliora dos pn:gunlas c1a,'e: .
l.' ;,Cu,i¡ e~ la diferencia' cnlre,el eSlimador convencion,,! y el estimador correclo
ddos errores esl:índar de los cocficieli\es MCO?
2. ¿.CU¡Ú es la 'diferencia entre los errores esl;indar MCO correclos )' los errores
'. eSliintiar MCG?
J)a\'idson y wlacKi,inon'proporcionan evidencias par¡¡ ambas pregunlas a partir de
los resullados de eSludios de Monte Cario. Su modelo es el siguienle:
.", = I + x, + ", ", - ,V(O. sr;)
con/l ="¡OO; x,dislribuido unirormemente enlre O)' I,siendo U lln par,ínH:lro que
10l11a Jisiinlos valores. P"rlientlo de JOO obser\'aciones. oblienen 20.000 mueslras
pa rá~ ry,dh~;t,~~'(f~To-;;'-;;16;¿~'~I'~' rcÜ:lri~16~"~~i'i;l1';,Ú()r¿s/1'VICO'yM cG ti~"i;;'.¡ i;:~-"'"'.'.
ti-);:~C;
"
'le'r~ección y la pendiente. L"s des\'iaciones est:íntlarde' dichos esti1l1adores propor-
,
,l'
" ~ion;\Ii los errores cst;íntlar (coi'rcClos)~ICO, yMCG. La Tabla (i.I.~ n1\lesl ra U11"
selección tic 'dichos reslIll;,dos. En t:!caso del lérmino tle intersección: los errores
est<Ílidar oblenitlos por tvlCO incorreclosson illa)'lHcs 'quc los' ti\: M ca correcla-
1l1~nt~ calculados. Poco' direr~ncia e~isle entre l,os crrores es\;intlar de la pentlicnte
correclos e incorrecl'os,esccplllando el caso del mayor valor de tl. La ineficiencia
de los ¡viCO se dC1l1UeSlra mediallle el conlrñste cl;lre los errores csi;indar1\'ICO
correctos y los errores es\;intl¡irMCG. La in'eficicncia air1l1t:nta dc forma stlStanci¡¡[
con ll. N"lllrall11cnlc. se lratade rcsullados meral11enle illlstr;lli,'os qllc dependen
tlt: la especificación del'c:\p~ri1l1ento reatil.¡ldo, '

~ l'ul,li(;ll!:l (0111:1 ;lUIUrii',:!l:illl1'd't: It.lI~scn David'\o" (;~ ~i;H:.~íllnlll1.I.,("""t,:~"

y J:lllh:S..... ",,,(-'n/l"f""'.' in
l:'f'''W",t<,t';n. O\foru Ullin:r~ily I'rcss. IIJI).'. 550,

1 ,1.
 1
.
,"",' ,'o
",,; l'

-, , : .. '
.,
'

,,
1

'. é:,\I'f'¡-~;_bf.: HClerosi:cdasliciLl¡~L1)1Autocorrc1aci6n 193

! .~r .' . . .
" •••... j,.
"1":\111,'\(,.1 .~. -, ::' _"j,l. 'f"

/, Errur'cs csl:índar cnrrcclnsc jl\c~;r'CCI0S

L-l_ •.••••••
~ ••".,~_ •••.•_¿tIoU . ....,_ •• _.I~.~ ••••..
!I •.:L~ ""_;__ ,,:,,"••~••~ •.•.:~ ..,.~.~.:a:,,lh
••• •.•.•.• ~.;.:a,uW.4ft.-...~
'," MeO ""':.""'''-- ".. MCO"
liÚcrseci:il\r\"', '",,,, " "1 ' ,Pendicnle' ,
MCG -~-"-,-o--- MCG
u Incorrectos, Correclo~ Inlersección 'Incorreclos Corre~los Pendienlc
O.S 0,164 o.1J4 0,110 l'" }
0,285 0,277 0.2'13 '
1.0 O,lt\2' 0,1111 '0.0t\8' , I
' 0.246 . "0,247 0.173 '
2,0. O,lló 0.074<', 0.0073:, ',0,200 ;.0,220 ' .0,109 i, •••

3.0 ' 0,100" 0.1)64 0.0013 " ',Oil73 ,0.206 ,0,056

¡ . El p~occdimicr;'l() t1'c'\Vhilelielie\'alidczcncl e~sodeiillieslrasgrhndcs y no
funciOna 'niu)' Iiicn en eú':ihlJti 'stlr;ila' ueihlltst ras fihilas. Exisle' cíerl,! evidencia de
que elcOnlporlamicnttl cn"mUe~\r:-;sfil':iia~'rllejo,l;a)' corrigicndoc;2; Uria (le eS;1S co-
rrcccio,~es consis¡~ CIiSlIsíiluir rrl'l-¡r'jlr,2IUí~k);'Uni,'correeci6il 'mejor aúnconsis-
le eri utili;,.arc,2l( I"~'",); dónde", :;'.\"rC,Y'Xrr.\,,: \Aconlinuncit5n demoslramos el
porqué tle \;11 suslirueilÍn. Pani~emostlc la e~,uación (3.17) 'donde '
• ' ¡ , ~.

,,' .""" e= My
tlonde tU = 't - X(X'X)-I X': qlre esUll,a nl:llriz simélrica e 'idcmpOlen\e eon las pro-
piedades MX = O )' Me "" c. Si'roniendola cxistcncia de honioscedaslicidad. la ma-
\riz de varianzas }' ~()\'arianzas dd vce:lor de r~sid~os MeO es
E(cc') = E(MIIII'tU) = a 2M
El elemento I-ésimo ue la diago'nal priilcipal de l:is ninlrices de la ceuilción (G.8)'llOS da
, f;((',2) = (1'2 (1 - xi,(X'X)-1 x,)

/'01' lo laillo-.c1()i"ol'úcdiotlc losresiiJuos ni cúittlrado subeslima $2. lo que sugiere 1;,

:;';:;;:;')scglrntl:I'~.C::-O'I:recci ~irr:-.lrrtcS'"lHCrfnró:n,l\U1\?"E I'J~i'llii1i.(j:';Jr¡':t:~,'o ¡;"7"éJ,i1il eve'l'crrt'Cl) ró':d~/I'r"". -,",'\'.;'
: " 'diagonal' de' X(X'A'11'X',bieha'lilaírizrtcil;¿\.:í'i16,illl>~c'de'l1ln¡~i7. soiilorc;o :(Iinl),
Esl" ma\riz'pr'cl\1uliiplicaalvcétóry pa~n olÍtc;icrlosvillorcsr¡reJichos')o =Xb ,¿'
"(1';"):.1 ,.\1"1"",'
,,\ _1\'\ ~ •..
." .' '.' . .

6.2"
.' .CONTHASTES ..D EII El:-ÉHOSCE6ASTICIDAb
J'
'

. ,

La incficiel;ci¡i dc los MG() resulla ullserio problenia. Por ello resulta de-
seable verificúlaprc'scncia dchelcrosccdn~licitlad: Ln prescll!e secci6nrep:ls;J eu,,-
lro impOrlanles conlrastes: el contrasle de Whil.c.el conlra'sle de 'Oreusch-
PaganlGodfrey.el cOntraste de Goldfeld.Qualldt y un conlr:lste uera7.ón tic verosi.
ll1ilillldespara dalos agrupados.' I ,',"
" ..••

. .

,ll)a\'i"~I¡lI )'1\'I;ocRi'¡",,". ¡hid:. ~5,L

 19~ f':. ,

6.2.1£1 Coiilraslcdc Wliilc'l .

J<\~UO
::\. '"
J'

. . ,~. ~.t~..
ESle conlrasleasilllólico,para
car las variables'que
uelerminai'la.hclerosceuaslieidad
la provocan. Sell'ala,seil~illamenlc,
no preCisa especifi-
de calcular una regresión.
auxiliar Ú los cuad'rados de los rcsidLiosMCÓ s'qbre'una constalllc y lodas las va- .
rf L::
1 •

d
v
r¡¡¡bles no re<Jund¡¡nleS del i:o,;junto'de' r~'gicsores, sus cuadrados)' sus. productos' l.;.: n
cruzados. Suponga/llos, porejelilplo, que, '. .._ , .;'" r. ;:.

x'¡h l1X2i'xJ,I' . y <

. .C" " . ••... . ' .. /.". si

.~ ' ..•.
En principio, hay nueve posibles variables, pcrocl cuaurado de les l'yel produclo '" "
. ,;;"..' ;:,.'.: s
cruzado'de.l. con cada .r, reprodu.,cela' Inisma variable x. P.or lo' lalllO. clconjunlo de ¡ "'
~.~ ; : ..d
variables lloredundnnles induyel1do regresores, cuadrados,.)' producloS cru7.ados, es '.n.' ,1
. _ ' . ~. ..,. . .' '.. o'É (>::.
..... -. "., •• ~.<o'" "'-' ••..•:.:.:--- ••• : ••.• ' •... , •••• :: '-"I-)'-~\"2?";\'5/'x2i, ~2:i;"'~2~\'j;1"':.''~""~ :" ,'•. ,....•... ,j .•. '.jf. ~.!.:~;:..; ,:
El cOlljunlo ,il;du').c ÍJI1~.c(¡nsianle t1~nlllUo (llIeta regr~siúlI ;luxili:;r:ser;íla ue el ~ '.
sobre 'tos seis regr~soTc's ..l:.a hipólcSJsde honlos'cedasticitlalTsupone que nR2sedis- ,1
lribu)'e asirH'ÓlicnmenleCOl1l0UlTa ~2(5). Los grados' de libertad son igual al número 'f.!
de varinblesincluidas en \;i'regres.ión'ülIxiliar(excluyendo Inconslanle). En gel1cral, ,. U l
" 3
bajob hipÓlcsis'm~la dchomosccdaslicidad;, ',' .' )¡ , ,
_ .'" ni ~;.¿1.( fJ) . ::~ :.T
donde fJ es el, número.de v.a'rjablt~smé~os uno' tle la regresióiHlUxiliar. En caso de que .. 1. ".
la homosccdaSlicida<1 resulle reclia1.ada. 110ex[s\c indic~ción alguna de ,Ia.fornla de la . .i~j ::.~.
hel.~r9sc~uasticidnd y.p()~ consiguie;l¡e,;no:,e~islCllingünag~ía qll~ s~iiale cll;í1es, ~I :.;} .';'.,
[ eSllm.auor MCG a.üe~uado.De lodos mod()s. cuan~o se trabaja con M~O. resulla ut,1 . ',¡\
calcular 1.65 crrores.cstánd~¡'d¡: \Vhile~'.Ün problcm;\ adicionaldcf c()lllrhsle de \.yhile ,,
es qoc elllUlúcro üe,grad~OS,dé'J.ilJei'laddexi, puedc resu'l.lar b:islanleclcvado. lo cual ::~'•.'E
lien,c,kil reduCir la POlcllciad~1 <;t;>I1'lr'1sic'.
Por ejcrnrl~, cll.ilndola reIaciónori'ginal po: n '<,'o
scck: r~grcsqres, inc!uyend,o una conslaílle,'el;villorde q scr,í; en gener;il,¡k(k +. I)n] :.:?,,:rc
- 1. ,COI) k= 10..1-1='5,4.Cua'nd,o los •.~gres~l:es induyenvúri;¡bles fiClicia:¡, el número :'~;.;Io
de g'rados de libe'riad s~el~. sc'r algo n~enor. vccés,~c rcaliziul, re<!ucCiOneSfl(/ hocen
l
A . "; l
q illcluyendo los. clindrndosüe los rc.~iesoresy e.xclliyendó lospr.oduclns cr\lindos.
,'/.' . .+Jj' •. .', .....
'<',~
..
' ;..
6.2.2 El COI\:I~ilsl~<lc nrell'~éh~Pagl\i;ic'o(irr~y5.\:':',-
" .
:' ~
Este contrasle es unéjcmplo de conlrastc ~I~, El :Ap~n<licc 6.1' proporCitHHi'losde:' :!
úllles técnicos. Formulemos In'rcl:icióil lineal general :~. .
. '.' 'YI~x~lfJt:UI" "'C~l,2> .. ~1I(6:9)
't'
~, , '. , . - .
" ~'"
¡ ~

• H~ibcrt Whilc. O/'.cil. .' "'," :t'> ~

) T.S. Urcusch y '(\.R,l'asari. "A Sil\1p'~ TcslCor 1\~leróc~llilsli~ily,¡;n<l.ltamlql1l Cll~lfidcnlVilrialion., ' .:, ';:.~<'S
. Eco!lOfIlc/,icn.47. 1979. 1287.129:1; ')' L GoJCrcy, "Te'sl¡;;¡; 'Cor Mnli¡plic¡llh'e Ilclcr;;cell¡i~licii>,,', ¡"limnC .. :r~ ';:~¡ H
o{ Eco./Io;/I,,;;cs .. ll. 19711. P7-236:.. . ,', . '. . ,
:~~ .,~1~
".
 (,"I'IH'U)lo. IlclcrosccdasliciJad ~.AUlucurrclilcilÍl\ 195

OndeX', ;" [1 .l"2'X;;:" X~,1. SUI~~nga/ll()s que la IH.:tero~ced;lslicid;iu toma la forma

. . '. . .. .
. .. '. ..'

. [", = O, V/ .
. 'ci! = [j'7 =h(¡', (~) . (6.10) ""'\.
.... . •

donde z', =.[1 Z2, <",les un veclor de variables ¿oíH.ici'Ja~.

oo' [t~I Cl2 ::. up]cs un a~ ("o.
veclor de coeficientes desconocidos y Ir(.) es unafunciólln'o':cspecific;{da (¡'ue única-
:
nien le ;d t.: be roí tomar valores POSilivos. La hi ¡:iólesis ;llIla de homoscedasl icidad es
. //1):. a2 =.'ClJ = .:. =. al' = O'. '-
y, por lo tanlO, (T12 = "(al) = conslante. El modelo res/ringido.bajo la hipótesis nula.
iem.pre <¡ue se as.uI11'a<¡ue las pérturbaciones sedislribuyen normalmenle. se,eslima
senclllamenle aplicando MCO a la ecuación (6.9); El alraclivo del cOnlr¡lsle I'vlL ra-
'
dica precisnmel1le en su sencillez. El procediillicnlo s.ení el siguienle:
1 E' .'
'Sllmar por MCO la relación original,ecuación(6.9): oblcner los rcsiduos _'
:'.,.MCO;.Ci ..= .Yr- .r'i" ')'~uli;¡'V¡lri~ilz~C5Ú:ñ\a(¡n'd¡{'lri'fif;'rúi;b¡ici(Sir'¡¡i6\l1!;i1.;'~~~'~f;'. "
2
tr = ~1:,2/I/, .. . . . :. :.'. . '. . '. :. : .. , ..
Ileil!¡Z¡lr, IllcUlnnle MCO, laregresióll de e,2/ü2 sobre ¿,)' calcularla suma de
r~'
'cu;~drados explicada (SCE). '
3. naJ,a .'-Iu; "~

. +SC:E~'X?(jJ'.,.I) •
Pórlo lanlO, la homoscedaslkidad 'se' r~chaia cu~ndo. SCEi2 es .mayor que el
valor crílico preseleccionado en. la dislrib\ldpn X~, .
Como se den)UeSlra en el Apéndice 6.1, exislé UI~ p.ro~17dimicnlo más sencillo y
~sinlólicamclllc equivalenle que cOlisislecn.-r~a!.iznr I.a.r.e,grcsión de el sobre z"
EnIOI)Ces,,,lU de dicha regi'csióll eSI~ 'asi.illl)licnmCi1ledistribuido bajo 1;\hipó- ,;So'
.. lesis nula como X2(p :"1). . . . "

E:¡l.c,conlraslcrcqllierc conocer Ins 1: \;i\J:iabíeS'Cllle o~iginan la "\l:lerosccdaSliciJatl,

nunq~le no In. {ormafuncionnl' de la hc.teros~ciJnslicidad. Conoce~ las 'variúblcs no
csultn I'nll evidenle. En In pr¡íclica.lns'varinbles.c<)nclidnl,assll'::lcnscruno o'másde'
os regresares <'¡ueya npnrecenen,el vcciar ~I',>E;l'eSI~ caso;' ~J cOlitrasle es csciicinJ.
l11enl¡; equivnlenlc a una versió'/1 nrl !loc del éonlraslc de Whilc:

~.2,3
.
El Conlrasle. de Goltlfcld~Quandl6

~sle. cOlllraste es muy se~cillo y~c ¡jrli~a' ~~r;l/1~;íestras finil¡IS '~l,an~lo se supone
!Iue un:l únit;a vilriilble (típicamente
uno dClosre.i~resores) provoca la helcrosccdas-

~------ . .

~.S.M: Gol<l(c111 y ItE. OU:II\lll: "Sume T~m C~,rH Ull11lCCiillSIici 1):", 10ll';';'¡ "ll/:C';\lIIc',;nlll .\',,;/;.•;;<'11/ A,.
SIl<:int;0~I,6n.JCJ(¡S,S)I).S,I7; u S,M. CiohJCclú y R.E, QÜlIllllt..N,!"/;,"'''' M,.,h,,'¡, ¡II !:'nJIIOlllr";c.I'. Nonh .
¡
Hullallll',AIIl~lc,tJ;lIl1, I 'J12, Capillllo J.para ulla lIiscusi~n <le Cllr;iclcr ~ellcrill. ,.' . .-

~ " ,'.
(
r'.:::-
.' ~,..
•.::1.,
~i

l
1')(,
""l'l

ticidad. Supongnmos, pór iejt:nirlu, que sospecl;amos'clue ~2 st:orelncionn rOSiliv~-

mcnle con el i-ésimo rcgrcsof, Xi' EI¡')I'ocesode ~bntrnsiación es cl siguicnte:
1. Ordenar dc'llllev() las observaciones' següli los valores de Xi'
2. Omilir las e observaciones centrales. .. .. .
:l. Eslimar'I)~lr MCO dos regrcsionesseparndas utilizando, respcctivamcnte, las
prilll'cr;ls r.lillimas (H -: c)/2observaciones sic!llpre que, naturalmcllle, (ÍI- c)/2
sea m;')'or qlic el número de par:í';lclros d~.I;l relaci\)n.
.1. ~(J~I)' ~CR2'simboliza'n las sumas de' los cuadrados dclos residuos de amhas
regresir;nes, COn el'subíndice 1 indi~nndo ([UC se ulilizaron los "'¡de menor valo,r
y 2 10'5 dc mnyor \':llo,,'. Enll1nCes." . . .
". R = SCR2
~CRI

, terH.Jr~, s~lponiendo homoscednslicidad, una distribución F con [(H- C -2k)/2,

J' (1/ - c' - 2k)/2] grndos dc libertac.1.ilajoIn hipótesis allernaliv;¡, F lender:i nscr.
>
m:lyor. Así pues, si R F.'15. rechazaremOs el supucsto de homoscednSlicidad al
nivel del 5%. . ..' .

La potencin del contraste dependerá, entre o~rns cosas, del número de observ¡lI:io-
ncs ccntrn1cs excluidns. Tcndr:í poca poténcin cuando c sca demasindo grande y,
por lot;¡nlci, SCR1 y SCR~ tengnn pocos grndos de libertad. Sin embargo, si e es de-
masiado pequelio, la polencia ser:í lnmbién eSC<lsa,Y<lque se reducen hs direrenclas
exislcntes e;llre SCR1 )' SCI~2' CúnlO guín.práctic;¡, e suele eslnblecerse a¡iroxi';ln-
d;¡menle en I//J. .

G.2A Exlensiones del C()nlr:I.~le de Goldfeld-Qu:lndl

Si e 11;111] n .Q():I,nu~~tfaI7.c.s:h~-Sl,~:icl~I~.le~nlcl~le-gr;11)de;:rcslllla.•'rosiI11e .agni pn,-l o5-.'tla~'-"",

i

los eu','{u'a(rO.cincci o m~s grupos Clloase,\.(lI1 variable que :lclllC como indicador,
como sucedín cn' el ejemplo anterior con Xi, y derivar luego un conlrns.le de razón
de \'erosimilil.ud ncerc;¡ de I~ conslnnciadela vari;¡nza dc la rerlurbi\cióna lrnvés
dc lacomp;¡rnción d.e los 'residllOsdelos dislinlos grui)os. Supongal1los g grupos,
il conll¡ obscrvnciollesenel ¡.ésimogrupo y II=L~ = I "i como .1:1I11;¡jiolotnl de In
'-J'"
muestra. El modelo es
"

"L!., )'1
.1'2
jJ+ (6.12)

1/);

o. lkmodo .
Ill;ís compaclO,
. .

'y.=XjJflll
\¡ "
 " ,1'" . ":,', ...

(',\I'lruLO r,:HClcr¡lsCCÚ;¡sliciúaú y AUlocorrcl~ción 197

..... ;"

a p~ueba es In naturaleza del~eel'ordtperlurb~ciOll~S. L:,I,hipó,lesisnula d~ homos-

CCd:1sticid.ad es '. 2'1 2 ,'2
'',' ;
; No: (1,1:: .0),=, .•••. ::. ~,& = V .
! \.:r,' •
,1,:

'. o.E(tin')~ JI = u 1;; 2 , ' . o',; (6.14)

, . .... . ,.,., ..• ,'o I
L;; hipólesis allernali\~a dehclcrosced~slicidal! e'S' .
(121 " :: o; "; o
j •. ,. I 111,.. f i 12 I .' " 'I~.¡.l' r, ,,' "o

E(ún')'= V::: '. o, ."' (T 2/i'l; . o (6.15)

,! "
, /. ,r., ":'1:"" ':,"j" :\.1,=.: ''"l
, "¡'.-

o,' '; o t.'O •• "".;

. '(J'. 1" .
,':, i,.;

. 1. b J:

Ln verosimilitlld. reslringi'cln '~~b~s:l,e~l"loi 'eslimn:dorcsd~ ii;~xin;n'v~r~simililud de

los r;lr~mel rosuc las eCl;ndon~i; (i5:J3) 'y (6,14'): cs'de'~ir,fl)' ul. Üvcrosimllitud no
reslringi'da sé bns:) caí'los cSlinindO~cs de: ri,ixirn~"veros¡m¡¡ii\ld de 1:\$. ecun~iones
(6.13) )' ((i.l5), es dcCir.JJ,)'~~, (Ti. ~:.:
i~~El'~pélidicc 6.2 dCtnlln los p~sos: ~q'úíd;¡-
.mo~ sólo un breve ~resllmen: ' ., c.

. ~'
Ellognrilllloue la vC'rosimililud es . e,' . '1" ';
, " .,.: '1, .; ...1; . ..
(= -'--lil(2n)-,-lnl Vl- - /1'1'-1 11 (6.16)
" .' 2 .' .2, ,2' ..

Maximiznndo la ecuación (6.16)coll V. Inl y co;"o loespecificnba 'In ec\,úlción (6.14),

obtenemos el moddo linenl esi:índarn'l\nlizado <lnteriqrtncnte eild C~prlul0 5. Los'
EMV reslringidos son los proporciollúdüS'eh I;¡s ecu,doncs (5.5)'y (5.6),'0 sea,.,.
. . b= (X'X)-I X')' . . y " :'Q- 2 = ~ ';":Xb)'()"-X'b)/,,' ,::'
Sustituyendo los EMV's en laecu:icióil (6.16) oblendrfnmos e! logndtmo de veros- .
,;,,,:,:,,,,,,ll.liliW.d.,,,,,_~'.. '.:". ,"-~~7T;':~ ~"'.'"
>.: <'i;T'77.G,?,~j';:;:.-!-;i',.~T0;,:'~,!:;:::~::';":'~":7';,;;:""'::.r'."!;':;:r?,:,.---:
•..-.-
. "~o "'; . . . Con elfin dcoht,cne(eIJogaritmo de l:lvcrosjnrilitu~',\O reslringidn; 'mnximizri<
. mUs. 1" ccundóri(6: I (j) con el V que,ei;peCi(jcabalaCcll'acion(6.f5~: Comomostraoa-
In ccunción (S,29};el eSliin;¡dorMY (lambiénMCG) dcjJbnjó Jnecuncióh (6.1 :Sres
(X'I'-I X)-i. X'licfy.' El pr~blcln;¡:lh61::i~slrib::itn que ¡¡lriclu)'elns gvnrian7.:ls déS~
conocidas. LosCsliilladorc$dc/ní~xinlilvcrosimililud dee~¡¡svnrinnzns nos llevarían'
nuna malriz .
V: '".
y oblcndrínl11os un
.
estimador'
r....
denl<Íxim<iv~r~simililud,jl,
:,:
iJ pnnir de
.....•..
J1 :::(XjV-i,\')~1Xil;~1y'. (6.17)
P;¡ra obtencrlos.es!itH:)doresde l11<Íximavcrosi;ililillld de'lns varinnzns de la pcrlur-
bnción. indicarenlosqlJc; balriflaecu:ici6il ((í.l5),eI.log~ri!mode In verosimilitud ~s .
. 11'. .... n 1: . ....,,¡;.t' 1&:1
.: . '.' . . -; .... '.
( ::: - ,.....In(2n) '- ~liilri ..•;.;"- ~ Inr,':" -",\,; -.. (y'. -;x,jJ)'(y.- x.jJ)
2' '.' .2 .... . .......2 : &. 2, jlT} . "."'.' ,
(6.18) f='
. . .: ." '-"'''':';:' .. -:':.'.:, ,'; .. '

Las rcrlurba'ciones' ErvlVnsí llhfenida:s: sbn .

:: '.~";~¿::'
. ~..
• "'!"
'.' tr?=(\';-X:fJ)'lI" -'X/J)ill.
, , • I " l.', .' '. ., (6:19)

J
 .' .[•...
~....
~.1,;I
dando y==., . '. (6.20)
.' ' O'

Vcmos quefl de la ecuaciÓn (6.17) depr;nded'e v.

:que,a'su ,;i:z. ue;)tndedc¡1.Así
pucs, oblendrcmos los EMV dcla verosimililudr~slringi<la ikrand0.las ecuaciones
(6.17) y (6.20). La ilcración podría iriicií\rse eslimandoen cadaunodel()sgn!pos el
vector!J, oblcniendoflj ==(.\";,\';)-1 X,¡),;'p"arai=='I. 2 .. :~:.~: SU~liiuyendoelliaecua.
ción (6.19). 'obtenemosun li ~nla ectiaciÓn(6.20) que. sustituido h su vez en la
ecuación (6.17) nos da, ~n único vecfor /J, q'ue debenísuslituirse en las ecuaciones
(6.19) y (6.20) para producir unnuevo \~ El pr~ceso cÓ~lil1\l:t ue esta misma forma
hasla alcanzar un' nivel de convergencia satisfaCíorío. En caso de recursos de cálculo .
. limitados, i:lprciccso podría finalizar en el primer paso'descrito. es decir,en la aplie ;'.:f
. . . ,c;iciónsencllla dclc()ntr~sledc:G()ldfeld.Qu:ú;di:Sulilituyend() los .eslimadores MV .:~; '< .
.'...;'.,,~,.(t().ti'Cc'lí'att'6i1" (6',18) u tltc'riéi' r<:'i\\,oS" ~{+6t:,áilintr:a c,:4~ro"5i¡¡inhlid ';'iÚ;"rc~'i¡'ingi d ri:::~.,~.;d<{
C;:uando los 10garilm()S de verosimilitud reslringida y Ilo restringida se suslinlyen en ?
.Iú:ll.ón dc vc~.osin;ili[udes ..l~nemos el ~iguicnlecontl'as!e: . .' .
.: '. .' ,.' '.', g':' .
.. ' . ~R==II.l.~aL'~ 1(.,ln~p.xí(g-.I),. ..(6.21)
,
, '. .
.L
1" I .
, .
Losvalore~' ;il~)'Ores dcIeslái.líslico de pru~b~'ll~va~nOr'ediazar lahipólcsis 'lula de'
hoi:nosc'etlasticiJád: " :,',' . . ,

6.3. ., .. ..' '. ..

. ESTIMACIÓN nAJO IIETEItOSCEDASTICIDAD
,; :.
:: t

Cua~d6uno o 'm~s'd~ ..los.conlras'les .ll1enciónatlo~ cilla se~ció,i anl~ri~r rechazan .la

h6inoscéd~~liCí(ja(L~xistert dofformasl~~sibles dc cSlin)~r;c1 vl,:clor !J. La primer~ .
consisle'ei, ést'iníarjJinedianlé MCO y calc.vlar'lí1liültrizde .covarianz:ls:de While.
de la ecuaci~~11l{6"6r.' ,'.; ... ':':. .' .':.' '. : .... . .

Dicho mélodo prt)por~iona estimadoréscbnsi~le;lles de los erroresesl<Índar MCO y

I)~rn~¡t~.adeni¡\s:.comó sue,;~~í¡\e;l ln~cl,a~i¿),~'(6.7), r~ali~ar conlrnstes de reslriccioc
nes lin~ales de Wald. Su 'simplicidad .h¡lCCde' élun procedimienloalrnctivo;sin erll:
bargo,
. . c1esliniador '.
resultaine'ficien're
;
'¡úi,i apcsú
.
de ser
-,
i¡lsesgado
.:. '
y consistenle:
,

El segundo método CQI~SiSI~.en c;llcular U'I'lCSli~11 .•1dorMCG Jaclibie conel fin de.
lnllar. de captar la en~ienciaclel MCG;Paraéjecular di~.ho mélodo resulla impres-
¡;indible c'oriocer'lafomiaestruCluralde
, '.....
\n'helcrosCl;d~s(icidnd.léi cunl no sielilpre
'.' l.'

es posible; .. !

.i:;dus~encáso descdOoI)~!~c~'p~edc:ise'g.ur~rsc 'In g.ananciarOl~nci¡\1 en In efici~l1cia

q\,lc .se .'.c()nseguir¡\.débido
'. . " .
a I.a falta de'precisióridelproccsqdeeslimación
.'. . ~ '. ,,- , ..
seguido.
" . .
'
o.

._.' '.J~
r.
"~

'--'., ...
 ('''''¡'lUl.O (o: Ih:tcrusct:úasliciúaú y ¡\ulut:Orrci¡icilÍn ll)') J
"- .
•J

6.3.1 E~(il\lación ton Dalos Agrupados ~'

;-..\

El ci1SOmás sencillo de cSlimaciónM.Cq esel relac!Ollildocon .dalos agrupauos y , .)

•...
que se consideró al disculir el contrns!ede razón ¿¡~\'erosilllililUJ. Dicho conlrasle
.)
propol'cionaba estimadores cOllsisteliles de las perturbaCiones cicla ecuaciúil(6.19) ~.

y del veclor!J de la ecuilción (6.17). La malriz de varianzas y cóvarianzas ulilizntla J'~ ,

••...
parnláinreren.ciiles. en este cas,o. iguala .. ;'
..... .' . . varU1) == (X'\~-I -\'\-1
'J
(i: 2))
<l. _

6:3.2 EslÍlnaci(lIl de la Reladó,i de Ileleroscedaslicidad

Dejando aparle el caso dc dalaS agrupndos. los contrasles de la sección anlcrinr no .

.'.dallpisl:i1.a~gll,~la cerca dc la ,forma func¡o,~¡d delp ..IH:IHro?.c~lla;st.icjdi1d",~lIP9'lga;i;,;,.;
'nlos:'si,ú:ii1bargo,(IUcTOrli11IliliÍloSTasígú'ic'ofc'Tiil)oll::iis' ..,. - . '.''' ..~ . .

./=1.2 ..... 11 (6.23)

donde ,es .~.na única variable .(posiblemente uncide losrcgresores). qu~ scsupone ......•
debe delerminnr In heleroscednslicidad. La csp.ccificació,i mostrará homoscedaslici-
dnd cuando Ctl ,,:,'0 ySieúdo li}=oll(> O). SiCtI).== q y Ct.~ := 1. in varian7.ac1c la I)er.
0

lurb¿!c.ítin es.proporcion;l1a'" conlüocu'rría"eL1 la .ecuación ((l:2).Si Ctu= O YCt~=.2.la

. varian'zad.e laperlurbaci6il es p'roporcional illcuadraüo'dcl;i variable dClci'minanle
oe la heleroscedaslicidad. En la práctica' s~,elen~üponerse 'al~unos de eslos dos ca.
sos especiales. Enlonces. MCG qlreda'redllcitlo a la simple 'aplicación de Illínilll;ls
cuadrados pondcrados~ Supo'ng:)illos.por' eje'lip1o. que' u'~ ==Ct\ z(' P~'r lo lanlo
. '. . '. . .

• [
rr ¡
2 .
. O ]
.' [ z¡ Ir]..'. ; "

V == ¡ " ==01 r. :'.;"~I f1

. 2
O (T".. ,O Z"

Si obsc~í;alllóslos cOlllpon~l1lesdclcslil;lador 'MCG. VCIllOSque'

. . ' . ". . '. ." ... '.

.:..]
O..
.x. n-' J' " [',' ' ... .
I
.z¡
.:.
~ [~;;] == 2" (\.).1'
-'.( l'
I.~ I 1.,' . '
Q' .)"
'. .. " :Z,,'
Del inisn\o modo, veremos qlle
l~

: .
X' f1'-1' v~
¿ - ./\.,

'.
,

k (1)
11.,

.,-

.=l.' Z,..
",
",

1- .••\.0.'l.
 ";[
[" ..
. ;~

,,' ".

.f~r 200 ~II~IODOS I>EI'co~mII'TJli,\

r "
'" '.~

["¿ x,x', 1<.,.]-,[,,'¿ x,y/z, ]

.~ y. por lo tanto
r
"1"
r.
~~' .. {¡~I~"(i =
. ,= I ,= I

i\lultiplicaneJo y;,
y todos los e1cmcntos dc .t., por la r¡,íz cuaeJnld:l del recíproco de' <-"la
(
•.i'
,
", aplieaciónd<: i\'ICO a <:sas \'ariahles tr'ansformadas nos eJar;i c1estimador bMC<i' Si su.

poncmos que <T,~ = tll '-,~ . el factor eJc pomleracilÍn es, en este caso, el recíproco de z,.

,\nl<:S de sup(incr casos especiales de In ecuaeilÍn (6.23), es mej(lr eSlimarlós,direc-'

(;1I11<:ntc,Los residuos MeO (', ='.1', ~'X',jJ son eslimadores consistentes de 11" por lo
cu;d eSlimaremos la ecuaci<Ín (6.2:') mcdiante la regresilÍn no lineal

,"' ,
,
ci =
,
O'jj
.,.
+(TIZ," 2
..
+ 1',

Los estimadores de lilS \'arianzas de la .perlTlrbacilll; sOli

, , . " .
<Ti.= 00 + 0,<-,"2 1'= 1,2, ... ,11 (6.2,1)
?".
suponiendo que los tres parámelrosson signincali\'os. Los eslimadores dan lugar a
/ ... la matriz ('y permilen disponer de un procedimiento de MCG factibles. ES(1ecifica.'
ciones con m;l)'or 11I'lIl1CrOde variahle~ qlll:'e1 de, la ecuaci,'lIl (6.23) se üalarfan lIe
modo equivalen le. . .' , .
r,.

EJE.\II'LO (,.1.CO¡\,T1L\STES !lE 111':TEIl OSCEI)'\STICI IlA 11. El fichero de datos crsxx del
disquete inclll)'e una muestra illealoria de IOOOolJser\'ilciones obtenidas a partir de la
.~
..... EnCUeSI¡¡Gener;i1 ill¡¡ l'ohl¡¡ción(Cllrrcl/l I'O/JIIlfllioll ,)111'1'(')')de IlJXR.EXlrajimlls las
primeras 100 obser";,ciones dcl, fichero para eSI ima r IIn;, cCllaeit'ln I¡pica.de. il,I£.r.cS(~~,._
",', ,ba;-:r~f)¡;¡(¡.inílrc~II;-i~~cS;;llildd~;¡~/;~~:;;r~í:;l~ll~ljc;idi~nic ~s el 10garilll1o dés;;fi¡,"i,,,
. :," ;'ió '(LN\V ';\G E), G I~¡\D E indica los .¡"jos de esc'olaridad. POTEXI' )' EX 1'2 indican,
rl:specti\,¡¡l11enle, los ;"jos de experiencia y SIlS cuadrados, mienlras qlle UNION es
).:.
IIn¡¡ \'ari¡¡blc (ieticia cero/lino 'qllciildica la afiliacilÍn sindical. Los rcslI!lados cst;ín 'dc
ilclleruo con I¡¡s.cxpectativas, La escol¡¡rid;,d líene IIn cfeclo positivo significati",), la
expericncia IIn declo cuadr¡ílicn)' I¡¡\'¡¡ri;~hlc (¡clicia n:presenl;lIiva de la pertenencia,
o nO.a un sinuicalO pr'cscnta UIl coeficienlcp0siti\'o, illlllqlle no significali\'o,' .

Para ¡¡plicar el conlraste (\e heleroscedasUci{lad de \Vhile a la r.:laci"1I1anicrior,nece.

sital110s ¡¡nte lodo elc\';ir ¡¡I cuadr;¡do los n;sidllCls dc la n:grcsiún, Sn~ES imlical;¡ se.
rie resll!l¡¡nle. 1\ conlinuación. dehclllOs realil.ar la rq:r.:si('1Il de SCl~ES sohre losre.
gresorcs originillcs, SIISclI~dr;l(los )' SIlS prodlll.:tos nll~ados. Teniendo en Cllcnl;¡ J;,
/ \. ... n;llUr;"oa \.1<:esos regh:sm.:s resllllan,en C(llH:rt'IO,ocho IIl1l'\'OSre!~resorl's entre 'Ios
que merece I¡¡ p.cnadcsti1car el hecho de qll': el cuadra"" ,k 1;1 \'ariable ficlicia de la
¡¡filiación si,ic1ic¡¡1reproduce la \'ari¡¡ÍJle' ricili.t:ia oril~inal. La' nlle\';IS \';lri¡lhlcs son I~s
si"guiJ.:l1lCS:

r i
 TA liLA ('.2

Ecu:lcilÍn lípil.:a de ingresos

. (',\l'i-'¡-lJl~O
;,:Heler~sced¡¡sliddady

,
A uloeoúe!¡¡eión

.'.
201 l
••• IO._ •• _ .•• ,J,-"'J. __ .•.•.• _~ _'''~.'''_A''''-'''''~_. __''':-~~~..:.6.oo&''''''''''~~'-''''
LS 1/ Dependelll Variable is LN\VI\GE
Sal11ple: I lOO
Included ohservalions: lOO
Variahle
e
C\le f1ii::ienI
05lJS tnCi
.
" Sld. Error;, .
O,21;:14l;5
",Slalislic. '
2,0992~8
I'rob,
0,0384
.ti RI\ DE O,OXJS~3; O,02009~., ,~;4,1578-11 0,0001
I'OTÓ~ l' O.O:i027~, ,.' 0,0 i41J7 , 3,55Ci214 O,OOOCi
EXI'2, -O,O(}{):'i
(,2 ,O,OO{)28S . ~l,951412 O,05'¡O
UNION 0.1(,Sl)2lJ 'n,12-145'1 "¡',3i12~S 0,1856
Ir.sqllared n,:l717% .' Meiln dependcnl v¡¡r 2,35<)213
t\djllsled R.sqllared 0,:1453'1 S.D, uepcndcnl\'ilr 0,5809'¡1
S.E. ofregressipnO,47Íl04J, ' Akaikt info crilerion -1 ,;ICiI 15J
. 5\1111 sqllil~cd rcsi' 20.9Nl)3' \ : 'Sch\v~'rl!# c-~itcrion . -1,330895.
Log lik'c1ihllod .,Ií:l,RJ('IS; ¡:-.statíslic 1;I.OSCi20"', ,1-',"

Durhi'l Walslln sIal ".' 2¡1CiI7J5;, , I'lot~((,Sl~lislier, '," ... '., O,(J()()(~O{), .

GltADE2;", GRÁOE¿"" EXP4=EXP2"2

'" .
EXPJ =.POTEXP * 1;>;1'2. ¡ : .dx '; (;'RAbE
.,,' \ .
••POTEXP
-..,'.:
'GX2 =GItADE *EXP2 GU = GRADE,. UNtON

XU =.I'OTEXP •. UNION xui= Exr2 * UNJON

La Tabla CJ.J ;llllesira la regrcsitín.dc Wilile. El esti1díslico de pruebats IlR2 ~'lO,79,

Y X2 (12) = 21,03 y, por Inti1nlq, no ,~ercehi1zi1 lahil?Ólesis de homoseec]i1Slicidhd.

_",_" Para aplicar el contrasle de I1reusch-l':lgan/Godfrey deberemos especifici1r la
¡illTc~;¡1 ri ;iTilFsTi¡I(!~scdc2'fir(¡'\ioci1;¡:Ta he lerosfC-cl:l'sTiCla
~e.\:;~"-Vil¡:i ~,(J:;c'Sr's'é1ct2'iiSii:'Íhj:¡;.{'" .
. GRAÓE, I'OTEXP y UNION C(lIllÓ I;OsiblcS e:lndid;1lns, oblenémos.laregrr.sión
que nHleslra la Tahli1 6,4. Partiendo de' ésnlablay corrigiendo el fnctor de 'escala ü2
= O.2(J1)()de I:lT.¡[1!a6.2 . . ' .','

.I .
.(0,0<l28)06:541'0)= 5 3'5.
SCE
i .2(0,9572)(0,2099)2' ....

El v:llm crflicon:le\li1nIC esX2(J) =7,!n5y:pol'I~tanIÓ.no sercclli17:l la hOnlosee-

d;lSI icidad,'Elcsi"dislieo'(.Ii.:;p:ru~bai1IICrn¡¡li"o
c;,l ivo, .'. • . ....., .'.
es
.
'1R2=q
. '.'
,2( que resulta
. . .
no ,signiri~

Iluslraremus: finalmenle, cI~OIH¡-aSlc'¿leGoldfe.ld~Qui1ndL C1i1sifiei1mos los

(I¡¡Ios s~g(IIlI'OTEX P y tOlllanloslas I)rilile~ns )'\íIi in1i1s35o.~se rVi1c;ones. L<I ri1,:.<~il
de la seglil1da~CltrcsPCCI(.) nI;) pritíleraSCRcs R = 7.50?9J7.25 17= 1,06, que re-.
sulta no ~i!!l1ificali\~n pol'quc F05(30;30) =1,8'1. .
. .

__ J
 Mll()IlOS DE ECU;'U~IU IlL\

TABLA (..]
I{egresión :llIxili:lr de While GA
~-'''''''-~'';'¡''~~~ ••.•.
,u.a.::~J.:::ar_''''''.~.~.'';-''''''r~t-J'''oJo •.•.•~-•••t~ ..,ro ••. '.'~ ..•......•••.• :aW\
••.r.:"'r.C'\
•• , , •.
',;', ,.: PEl
LS // Dependen! Variable is' SCi~ES
Sarnplc: 1 100 .
'.; La 1
, lncludcd observalions: .100
ro s
Variable. Cocflicienl Sld. Error T,Slalislic Prob, nula
C -0.077672 . 0.985804. ~0.078790 0.9374 ,'cuand
GRADE' -0.012200 0.125021-:0,097586. 0.9225 .. mas
POTE.XP 0.077838 0.071880 1.082882 0.211 19
. EXl'2 -0.003990 0.004095 -0.974433 0,3325 \ '

UNJON 0.6-18787 0.861596 0.733006 0,4535 ~.Cua

GRADE2 0.002196 0.004247 0.516939 0.6065
. .
EXP4. "':'3.34E.07 .. '1,5IE,06.'. -0,220995 0.8256. . .
.::;:;; ;"f,,,-,-:,,,",,.,,,~.r~, '>':"':','f":'.,.6,:l.7..1::;05:.,>.,,0;000 1~.:L<;':', ",'();4 )4.796--/. ",.0.6648 <c .•• >..,.•..•.'.::( .•..• ,0. " ~, ., .., ~,',,'~1.S.
GX' . -0.003752 0.004942 -0,759234 .' 0.4498 .: . , la e
GX2 0.000 117 0.000 1JI 1,052392. 0,2955 . " inde
GU, -0.05L374"0.04;13(l4 ....:.I.i595.9Ó ... 0)494
XU .0;001933"0.060614." 0.031885 '0.9746
. :'I.'ls
XU2, ; . "':'q.OOO2220,OOJ259 .-0.q62'2) .0.8605

R.sc¡uared 0,10788.1, Meandepc~denl'yar' '0,209894

Adjusled' R.square.d -0.015170 S'.D. -dCrc nde 111 yar .' . 0.333630
'.SE o(regressióil, .' '0.336151 Akaikeinfo' erilerion .,.2,059652 EI\
Surn squarcd rcsid 9.830776'.' Sehw;rtz..crjlúion. -1.720980
Ulg likclihood' ""'.25.91123' F'slalislic 0,876722.
. DUlbin.Walson sl~i 1.89.7900 'Pio'b(F.s¡alisli~) . 0,573082

".' . ",
, "

Con
..... ,",
"'AsiI
• '1'" el .••• " ... _'
i..,., .
~:,\\II;,i.c..4.\ ..... ,,' '.' .. , .....
. .cOlltTastc d'C.~rcush-Pag:.Í1iIGodfre)' \. ",,:' ,
..,.....,..,.rrcrr-v-_W~~:1.~t_.~;r......r.""""'.........-.c..,~... I.V'~.~.lII':"rrp.\Al""" •••.•.~.'lIo •••••. --:-

LS "DcPcndcnly.l~iable ISSc'n.ES
Samplc:: 1 100 .
Includedobservations: 100
. V~riabk. .' CocCficienl ,:. 'Std.Error' Probo .
¡ J;. '1 ". ..
. 'Car
C -0;068446~Ú;l99232 "C::0~3'1355'1 . 0.73 19 "'(lue
GRADE '.0.020768, 0,013507 "1,53'7566", 0,1274.
~lIc
PQTEXP, .0.002089' o.00i77(i 0.7:542Í-i' '0.4526
de
UNION. ":0.122248': 0.08)188 -'1.469547, O,i450. ,

R'Sq~Mcd ." .. 0,042797 . Mean dependenl \'ar 0.209894.

Adjuslcu R.sc¡iJarcd . 0.0) 2884 S.D. dCPC;ldcIll v~r: .' 0.))3630'
S.E. of [cgr<:ssion ' . 0)31474 ." Akaike irifocrii~rioil ; -2,169236.
SUIn sc¡u;lred r~~iu '10,54798 ; '.' 'SehlVart¡c~ilériof; , ":2,065029'
.!.-oglikCllhood . -29,4j206, r:statislic' . ,.' '1.4307)0
Dürbill'V{~lson Sial' . 1..791593'. Pr~b(F.siatistie) '. ' 0.238598

. ", ..
"',.
l .•.
 •..•..•. -.
,'1'" J
ow;,

('.\I'llt'l ",, I ktcf"sl'cdaSlicidad~' ;\ulllcllrreiacilÍll

..~
el)

<.1)
lnUIU3ACIONES AUTOCOIU{ELACIONADAS -.-.C1
1l(;lc;'osceuastieiuaJ "kCl,'" !lIS ekllH:nlos dcla üi"gunal pril;cip,,1 de v,n(u). pe.'
.0
sigue SUIJoni..:ndose que I"s perlurbacioncs tienen' covúianzas a 'pares que son ' :

as, es decir que L(/lI' /1,1\) = (l. par;l lodo I Y.I'* (l. El sllpuesloes insoslenible
do las perturbaciones cSl;ín aUlocorrelaciúnadas (correlacionadas con sí mis.
s),' Las aullll:Ul'ariall'l.as a pares' se ddinen COlllO
=: (l. .. ,:)
ando s=(l.
,

la ecuación
"Y., = C(I/I l/l'..)
(6.25) se convierte
.1'

en
:t 1. :t 2. ~.. (lí.25)
--
. 'Yo = f(1I2¡) =, (T\ . (6,26) . .
.!i;;;.l,!P~)j\G'IPorJl)
la nI o ,.qlleJ;¡$[1erlurbaci OJ1CS,50.n.11oino.'icedásticas. eua mIo, s:~ ~O,(.r.:,(.' "
ecuación (6.25) mueslra cómo las aUiocovarianzas son simétricas en el r~lardo J e
ependiel1les lid li~lllp(), 1. Se l"nl;\ d~ UI1s~ncillo paso d'~ las aUlocovarianzas a
autócoi:rc1aeio;les, Elcocficielile dc aU,locorrcladón para el rctardo J cs

Caso dehóllloscedaslicidad,la fórmula sc rcduce n

'Y .'
fI - ---oL (lí,27) { I'~
{-. 'Yo '...!..

n una,nllre'slra de /1 PUlllÓS, e~isll:n 11'.- '¡;li'.lo~ovafiaiizas'y' ¡lÚlOCllr~elaciolies,

"-.
I;~CS":-
'1 fll '. ... pn_l]
fll". 1 ..... r~,,-2 (6.2i;)
'..... ,
:
• -•.-#"-

fln-'I' Pn-l' 1

rq:ie;ldo dc Ill;ís. información, el prob!clllíl dé'eslimación resldtainlratable por:

eXistcn il+'k rar;ímelros'descono~idos)' sólo II'¡Úml()S obser.vados. Igualquc.
cedÍ¡i enel caso de la hClcrosceJas[ieida~d,l;i solución rc(juic(c sllponcr algún lipo
eSlructura;\ la aUlocorrclacióndelléi'minú de PCrlúrl);jción. .
, - .' ... ..

,r"
":.1,1

,..
'f'

....¡'.•
Al
..•....,,'~.
••. 1

"...
1.'
;.;

"
..c"" ~o.¡

.,:'r
11, = <pIl,_1 + E,'
r' (6.29)
donde IE,l es un proceso dc ruidq blanco .. El proceso AR(I) sc eslutli6 en la Sección
r f'
(~.5). La coi,diciún ncccsaria y suficicntc para la existcncia dc un proceso tic pertur-
hación cSlacionaria es . ; ' ...
'('
l¡pl <: 1
t:. l.;' cspcr¡1I1za dc lll/ll's una conslanll'
. (6.JO)

f CCII,) = O pnra loclo

(6.3 1)
(: y. d:lda laccuación (6.30). la vnrianza l:lmbit:n es una constante

, CT'
v'lr(1I ) = (T~ = __ -E_ (6.32)
1"'-. . " "1 - <pl
l11il'nlrns qUl' los todicicntcs de :llI(oCorrélación son

fl\ = <ps S=o, 1,2,... (6.33)

Los eoeficienles de aUlocorrclación cmpieznn en (Jo = l Y disminuyen exponencinl-
mente a partir de esc punto. aunque nunea clesnparecen del lodo. La pcrturb¡lción
aClll<l111, es la suma ponderada dcl sll.ock aClual)' los shocks anleriores. o illnovacio-
ncs. E" E,_I. E'_l' .... Los shocks más lejanos en elliel)lpO reciben, sin embargo, pesos
m¡is reducidos si cabe. tal como lo mueslra j" siguiente expresión, equiv;llen(e a la
»r" ccua~iún (6.29).

1/, = E, + ~E,_, + <plE'_2 + '.. (6.34)

1);ld;1 la ecuaci\Ín «(1.21). 1;1matriz de vari;mzas)' cOVnri¡lnZnS del vector ele pertur:
baciones es
~~il
l.
•1
~J'

":',- .. , ,(0: );5); ':";;

Tenen'lOS ahora lInicamcnte k. + 2 pnr~mclros a cstiÍ11nr y, Como vercmos cn la ?ec-

cióIlÓ.7. exislen proccdimientos ¡vrCG faclibIcspara ello.
.J.
El proceso de medias móviles lVlA( 1) dcpriillcr (¡rden sc ddinc como

II,=E, +OE'cl ((1.36)

dondc (E,l es ruido blnnco. Los pnr~n1C!rosh¡ísicos dcl proccso SIJiI
c¡2" = (T~(I+ (2)

fll= 0/(1 + (J2)

.'\ fll = O i =2.:l. ... (6.37)

~. A clircrenci" del proceso autorregn.:sivo, cl proceso 1\1..\ .1ic'nl' nlcnloria cml;¡ )' fini:
tn. v sc hnlln 1IIliCnliH.:n'lcafccladoporclvalor aClual y aJllcli'lfc~ de~.
. Los procesos autorregresivos y de mcdias IllI'JI'iks dc m;lyor ordcn sc definen
r¡icilmcntc. Las cOl1lbinacioncsde proccsos !\I{y 1\-1/\ Ilc-pn;¡ dl"clibir COIléxilo el
 C",'ITULO (~:Hc.t.crosccdasl.icidad y A ulocorrclaci6n
205

compOrlamienlo tic series (empoi'ales complic¡lI.l:ls. El Capítulo 7 cxnmin<l en dCla.

lIe ellen;n. L'o que nos 'preocÜpa en cI' eonlexto aet'u,,1 es C1eomporlnmienlo clellér.
mino de perturb;icilÍll deseoliocido. No sielhpre es fácil conocer a priori dicho com-
portamientci y In pníctiCa convencional consiste en especificnr formas sencilJOIs de
las pcrlurh:lciones au(ocorrCl;tcioniltlas. '. '.

6.tl.2 Ra7.0nes(lara la Existen'tia'de Pcrrti¡'¡Jaciones AlItocorrélacioll:llla:~

Siempre se espera que l:l especificnción)' = XfJ + 11, 'incluY:l lodas l:ls v:lriables rele-
vnn(es dc la,m:ltriz X. Sicndo.csle 'el e:lSO, esper:lríamosque l:ls perlurbnciones se
hallaran no corrclacion:ldas serialnle.nle. Por lo (nl]lo, l:ls perlurbnciones significnti-
V:lmcn(e au(ocorrelncionndns indicnrínn U1;n especificn~'ión no' adecund:l. Supong:l-
mos. por ejcmplo, que In relnción renlsea . ".

y, =fll-t- fl2X,+ fl:,¡)',_,;. 11, r.

sielldo ", ulln serie ruido hlnnco.~1 iilVes(i¡;ndor espcciricn ,
.)', =f1, +fJ'1.X,+ v,
Ln pseudoperlurhaciÓíl es, encsie enso~v, ='j1JY,~, +11" que está aulocorrel<lcionnd<l
porquc la especiric<lción "correcta"'h<lee que y eslé <lu(ocorrelncionndn. Cunndo es-
pecifiquelnos 1<1rel:lci6n origin<ll.cs mejor peC<lr de generosidad quc de pn rsimoni:l
con el fin de evitar aquella siluac,i6n. Sin emhnrgo, nuncn snbrcl1los con segurid:ld
cu;íles son l:ls variahles que impor(:ln renlmeilte :ll delermin:lr y. Por esln r:lzón, al.
gunns vnriables quedar¡ín necesnrinllleill'C excJuidns de. In ecuación. Resulta, por lo
,. (nn(o, il"port<ln(e verific:lr J:lau(ocorrelnción y h:lllnr procesos de eSlimnción nde.
;;''':.'~.~?:'J.::S.u,~~ú.?~,.~~~.U~l),illC!ll?~.pI.i.~p~I:O;:f¡j~l~b~rgtJ/ep.r~slltl
~'(]W{lt7u¡:lllzi'lFMe9:~t:""':;""'>':":":'",

6.5 .
1\'1COy PERTURBACIOf'ms AUTOCORRELAtIONADAS

Las consccuencias dcla:1JJ11cación de MeO"

1II1nrclnción"conuna X noestoeáslica
y pCrlllrb;lcioncs :llIlocorrelacionndas.sOI) idénticas :llnsmencionadasenln Seccior:!
6.1 pnra el casodc. heteroscedaslicidad. eslo es, estimación insesgacfn, consislenle
nunqlle indicicn(cy;'por loian(o,ptoecdiIÚie~(05de inferencia queno son v:ílitlos.
Sin emhargo,cu:lndoapar<;cen'en Xciertos"i-elardó~ del:l v:lriablc dependienle, los
resultados sonradicaJmentc di~tinlos,corilO ililslrOlremos cnun senCillo ejemrlo.
Supongamos 1:1relacicili ' l
.)', ,;, fJ )'1_1.+11, Ifll< 1
'. li;== tpll'_1 + E, , ¡<pI <1
(6.38)
E(E) =0 Y E(H')= (T2, r
 206
.-réi,lcsis
ESlilllanuojJ portvÚ::O. obl~nemos : ía¡lloc1
: cSlúndar
ir ,;,L .I',)';~I,:;f1+L)"~lli,
'Siilluicam
. . L )'2,-1, . ¿ ."2'_1 cnllli1ce
0,5. la v
.plim .\lI.y'~III,\
1/ . : .gencral:
Por lo l¡¡nlo. plimb=jJ + -'_'~'~--'--- llIino u
. plim (~I )'2,_1.)' . ra pron
término
La consislencíá de b depe;1de de pdm(L)"_III/1I ).P,1I~li~i1dO de la ecuación (Cl.38) M

.' '. = II'~I'+jJII'_2 +fjili,~.\ + ';..

)',_1 .
;',r.1¡¡d,a _yün \\.peÚ'u r\l a ci ón
.....:(¡\Sí.pil~S, ..\..~.;,~;J1lJ)jl)¡)~jQ.IJ:ggJU1'l:~:~ t ;¡).Rt~.Y1.:I~~.,}~~t~.;l\~~~~~
aUlocorrcl"clonaó¡¡ hace que M CO resulte inconsislc'iiíc': ti; 1;,rc¡,:~():'i~ü'(ld)ti¡iins'--
'1
utilizar MeO. sino .los eslim"t1ores allúnalivos que consióerarelllo"s en la Sección '.
6.7. . . .. ' " ..' .....
Cu:lndo ülili'l.¡¡mosMCO '~Of) reg~'e~úres n.o C~lodslico~;lp;I;'ecei1 problcnlas
similares.a los queatlalizalilosell,elcllso dc lahe.lcrlísl:eu.aslicitlad. ¿Cuúles el ses-
go en los criores cSlúndar tvlCOconvenciollales (incorrccios)y ~uán incfic.ieille reo.
sull¡¡n .losI\1CO. comp;Hildos con 1"oscslimadorq tYlCG fa~libles? 'Anlerioi'menlc. Exclu
hemos cx.¡¡.min¡¡do an)bos 'l)r9~lemas:bi1s{uidcinosen un ~lOde!o muy se;1cillo," . . , exprc
. " '.'

j'; = fJ~, + J,,'

. .. . . 11,= <P",_I + ~i l<pl< I ". <.6.3~)
siendo {e,l uria serie de ruido 'blai;co:'La difcrcn¿ia; fül1c.lamenlill enlr~ "las ecui,cio-' .' si: p
ncs(6.38) y (G.3~) eSlrlba. 'cn quee'¡ (érii-iino:cs!ocl\slic'ci YH cn 'h;' iHilüe.rüecl;acióll :.; 'míni
se suslilUY~ por X" que es noCslod~lico . .E1:ésliil'iadót'MCO dcf}cn laccuación ..Si"i-
(6.39) eS b.'" ¿',' ;'1 )', x, IL','= ¡,'xr. 'Lavil'rialV.iln.111csúaléo'rrC~I;\para' d'ichocócfi¿cn- .la .l
,lesc6blí~ ..nc:\parlirde.; ' ..•. ' , , . . réri.
".lran
': var(b) ='0"7, (X'X)'-I X'nX(,~'X)-I,
:'natl
En eSlc~aso, para un proccsd AR( 1). X,.= {'(I' x1":~'~1I1
.. ,~.;ii:l\lras.q\leÚ ~icnc dado' .de
por la ecuación ((J.35rSusiilü~éndo, o.bicúcmos" . . .. . los
.... .

0"7, .
var(b) ::O'f,' = \ .{ ,.
,.- 6:6
. ':.CO
xl L.~ 2lp'¿"I=,?~,X'~I+~<p."~,¿,,'= 1X,XI~z'/ .. : *;;~I ,.x,\.,;,,). (ClAO) . ' . ,. AU
.. \ '... '2:, = ¡.Y7: .." '2:': = 1 .x1 .,' . " ¿',' ~I sr
El 'priiner lérmino,uellad~ dc(ed\O~e. la e~uacióri(6.~()eS la expresión col~~cncio- Su
nal; aunque aquí incorrecla,.de 'var(/J). EI.léimin'o'cl1lfC parénlesis liene que ver :csq
con las -pOlencias de; lp y lasaulocorrelac.lol'ies l11ueslralcs (Jcl regresor. Cuando la
vari"blc regresorn~ eslá aUlocorrelacionad}i,dcscarlarCnH)scl lérmino enlre pa-
 207
("Mi 1,"0 1,: I k\CfllSCcuas\iciuad Y 1\ ulUcurrc!acióll

o
)' la varian/.aconvcnciLlnal nll cSlarú gravcillenlc sesgada. Sincmbarg . si
regresor como la pcrturbación sc aulocorre\acionlll1 posilivamci1lc,'cl error
...• )

r convencionallCndL:rii a subcstimar scriamcnlc el aUlénlico crror .eslúnuar.

mos el coeficicnlc ue aUllicorrelación muestr;¡\Jc primer ordenmedianlc r.
es la suma de los uos primcros lérminos cnlre parénlcsises'l + 2lfr. Si Ifr =
varianza convencional ser:i aproximadamcnle la milau del valor corrc'clO. En ~)~
:li\ combinacióI1 dc reg.resores aUlocorrelacionados púsitivamenle y un tér- '<:"1
ue perturbación posilivamcnlc aulowrrelacionadll. liendc a scsgaruc Illanc.
nunciada los errorcs cSliíndar calculados bajo el supueslo de cxislencia de un
o de pcrturbación uc ruido blanco.' .
MCO provoca asimismo suslanciales incfiCie'ncias. ?USlituyendo en
var(lJGLs) = U7, (X'n-1X)-1

'_ ,', ~,., .•. i_ •.••. " o', "••• '."-, ".y ••.••• "•• ~'~.:' • •••• -,'.> ..... '•...... o,'. 01,- . .' .,';.~' . o".. ~" ",4 .

.'"",
\ ..
.xl. _. (6,'11)
11 I~I<p2.L.-2
•••• .2 .. 2'." .2)
\ 1 ~ <p2 2<p L, =2,\,'\,-IIL,.= \ .1,.4> (,,\.\ +.\ )ILt= \ .\!

u)'cnóo los iéf,ninos nccesariqs cn'las cCli,icioncs (Cl>W) \' (6..JI) oblenemos lina
csiQn úproxi11lada uc la eficiencia 'uc' MeO: .' . .. .
'var(iicl.s) \'-:- <p2
~0. =. (1 +.<p2 - 2\1'r) (1.+ 21ft)

por C]Clllplo.'<p2 = 0.5 = <pr,.fa ra1.ón' cs. igual' '1 un IllCt\i"O.ESlO cs. el coci"icienle'
imo 'cuadrático posee una varia;,za nHl~slral equiv'.llenle al d{)ble de la ue MCG. ':.'
e
-cn~ba,'~o. lJlia c~lilllación MCG .fáclibl no lrciw POI:qu.:- ¡ICCesa:ri;\I)lCnlCcaplar
lolillitlad dela eficiencia. ya qúc. óesco,íoq:mos':
. ,- . la,
. cstrucluril ':'vcróadcra"
. 'ue \a
.urbación y tkbemos'CSlimarla. 'A' pesar uc qlie cstos rtsu!l;¡elos CSI)ccíficos ilus-
n un modelo mliy scncillo.sospechai1iosque las 'pér'turh'acio;les aulocorrelacio-
las ~ozan ele un problcma i)OICncialm~nlc muy ~ra\'e yquc. pói' lolanlo. rcsullll
suma impor,lancia verificar la existencia óe a'ulotOl'rclación y hid';,r procedimien- .J

MCG faclibles. . .

6
ONTRASTACIÓN DE I;EIÜUltBACIONES .
UTO COlUU';LÁCI ONADÁS.

ui)ong¡inWscllllódelll y =XjJ + 1; )' que s()spccha'Ill(~s quc la';)c'rturhación sigue llll

qucmaAR'(l). ..'

,~.
~:-. - .
 2(J~ ~1t:rOI>OS DE Lt-Ü:-;o~\ETllj,\

La hip6tesis nula de autocorreladón cero ,es,

110: <P = 0,
y la hipótesis alternativa
1I1:<p*0
\ i'
La hipólesis se refiere a las 11 qlle son no observables. Trataremos, por fo'tanto. de
r:.
((lnkc~ionar un conlraste que' utilice los residuos del veClor t\'ICO, e"; )' - Xh.- ESle
r cnfoque no est¡í exento de cierlas dificultades. En ei Capítulo J vimos'que c = MI/,
donde ¡\f = / .:...X(X,.\'),) X' es simétrica e idempoten(e de r¡lIlgo ;, 7 k. I\sí pues. la
m;-¡triz varianzas y covarianzas de las c resulta igual a
var (e) = E(c'e)'= (T~ M
Por lo (anlo. cuando la hiplÍtcsis nula es cierl'a.los residuos tvlCO de E(ul/') = lT~/
mostrar~n cierta aUlocorrelación porque los términos fuera de la diagon;¡l de M no
,. desaparecen. Y m~s imp0rl;¡nle si cabe, ,\./ es funcil)n dc los valores muestr;¡les de la
vari;¡ble explicativa, que variar¡ín de formOl no predecible de un estudio a otro. Tal
v;¡ri;¡ción hace que resulte imposible derivar de I;¡s e un eontr;¡sle exacto p¡lr;\ miles.
tras finitas que sea válido para cualquier malriz X.

(dí.1 El Con t rasle !le D urhin. Watson

Los problem;¡s anles mencionados recibieron tral;¡mienlo en \ln par de ;¡rtíclllos in.
novadores en su tiempo y convertidos ya en cliísicos1. El contraste de Durbin.\V;¡t.
son se c;¡lcllla a p;¡rlir del veclor de residuos MCO, e =)' - Xh. Suele rderirse como
ti o DW y se ddiile como

La Figur;¡ 6.1 indic;¡ p(H qué se debe esperar que d niida el a!c;¡nce de la alllocoáe-
I;¡ción de primer orden. La media de los residuos es cero, por lo tanto, los residuos
se dislribuyen alredeelor elel eje horizonlal. Cuando las e se aulocorrelacion;¡n posi.
tivamente.los sucesivos valores de.las e lender¡ín a estarnúlY p'níxim~)s, por arriba y
ror debajo, del eje horizontal. miélllras que las primcra~ dikrencias lender;ín a ser
nl1méricamcnte ma~'nres que los residuos. Por lo lal1lo. rI lt.:nder:í a scr ;'pequeli~"
cu;¡ndo las e se ;\utocorrelacionan positivamenle y "grandc" cuando lo hacen neg;¡.
tiv;¡mcnte. Cu;¡ndo las (' son aleatorias, tenemos una situación a mitad de camino
cntre I;\s dos ;\nleriormcnte descritas .. No esperaremos que aparezcan tcndenci;¡s;
por cncima y debajo del eje y cnlonces ¡/ tomad un v;;lor inlt.:;'medi(!.
.•.....
r:.
El esladístico dc Dmbin-Willson se relaciona eslrci:h:lI11cl1lt.: con el codicicnle de
autocorrel;\ción mUCslr;¡1 de primer' orden L1elas r. ,\n'lpli;11ldo la ccuaci(¡n (ó.'12),

¡J. Durhin y (j.S. \"aIStlll .... '.•...slil1[!. (or Serial Cnrrl:'alilll1 in' 1.-,,';1\1 SqU.lfl"' Hq',ll""illll". 1I;'''''I'lrik". Jt
PiSO. ~(¡'i-~~S: 3X. )'JS 1. IS').11S.
 rAl'iTUI.O 1" I-Ictcroscedaslicid~d y Aulocorrcl~ción 209

obtenemos
d = "'''
¿I:~ cl2 + ","
¿,=2 - e,_1
2 - 2"'''
¿t=2 c'Ct_1

2:;'= I el

(11)

l'

" .'
.
(b)
l.-
", '"

; .
FIGURA Cí.l
Motiel{)s de ilulocorrcl;\cióll: (il) aulocorrelación positiv;\, (b) ,Iutocorrelación
neg;\liv;\.

CU¡l1;dü ;,cs ~r;\ntie. I'os diferen'tes -r;\ngos de sum<llorio del numerador y el dcnomi .•
n;\dor ti~ne'n ~in efecl~.amo;'ligu;\éJor y ,. ;
I ::.
ti =2( I - (r)
. ~'~i~:
.,
 210 "':, . :..>
, •.......
dado
.donde.~ = Le,c'':112A~i es el coeficienle de la regres'ióntvlCOde(', 5o~.rc l:¡_I.Si ig- tÍcu
noralllos las'disCrel)<Ínci;is de:l~üft ima'observación . .p 'es iúld;j'm¡Ís qi.le el caefi. no yam
cic;llcde corrdacióll simplecnlr¿ )'!i'~I' Pór.lolanlo,la e,
ecuasion(lí043) deni'ucs- tant
lra heuríslicamente' que el r.111g0 dc ~/ nscilaenlre O {4: aUL:'nl;ísdé que: ncs
'el < 2 cuantlo lase seaulocorrelacion<ln rOsili~,itnic'nie , les
d >',2 cuan'do las.ese aUlocórrClacionall Ilcg;ltivanlenle
do
ti = 2 cuando laaulocorielaciÓn.d¿ la~ r,es cero.
pr;í
L; hipÓlcsi~ a vc~iricilr se relaciona. ;,¡;illrillmcn,le.co,; 1,,5 jHtlpiedades de lasil ton
'no observables. que llorepr09\ICiníneXacli,inenle los residuos .tvIC:O.:sin eillbargo,
lar
sigue sicntl'o v;í¡ido af;núarqUclos.inJiCildbl;esl;"L:Ce~lclllespresénlarán.valorcs' de. Su
d que' tienden a
scer me'llores (mayores) que2 par~au¡ocorrélaéiopes positivas (ne-
sor
galivas)' dc'las 11. P;¡r;uina,sc'rie alealoria :/(,elv;,ipresp~ratlo de des ~c : 101
,
,.>o¿~.,;:~iL,":':""),;'c' ,: •.•;;,.; .• , ,:".;.,,~, :,.,~,::L'};':1~(dj'-é:'2~;:i:Z,(It,;J,), >:~;;;;';"v::.:",,,.,->,,\;,. ", " ,J,:,'..
¿.,,~•. ..:.. ~~'<:;r:
. '. .
11 - , k ..
. do
donde k es el, n tÍIlH;ro de coeiiCIC')lc's:Ú,e la regrcsión:' , . , ~e~
Yaqtié cua1qui~rvalor'calctllado de eldepcndé tlc l.a.lI1'airiz aS,ociada X, resulla ¡;,b
illll~osible 'labular vaiorcs ¡;rílic6séx;tCl9s<!e el p:ir;¡~;;alquie~al)iicack~i.:ll1p(rica. .

OlÍrbin y \Vaisoll eSlal>tecit;rOlf los valores de 'loslílllile~ s:uperior (dü)' e inferior

(d¡J. tle lJsvrilorcs. crílicós::Eslos límiii.:s'(Íer'cndens6Iodel lall1aii~' de,la ,iwéslra' y
del n'~lInCró dc'
I'cgrésorú: Sé 'uliliza" iJata verificar 'la hipólesis de no aUl.ocorrcla- .
ciónCOnlr¡¡'r;.\ hipólésisa'ltcrnaliva de aul'~~or.rcl~cióri p~:~i(¡I¡I' tie primer orden. El \V
procei.lillli~nlodcc6nlraslac'ión es el siguienle:. . . . . .' '~I
l. Si ¡I.< tiL, se rech;'1.a.la hipÓ\c~is. L1e/1 no ~,uto<;:orl'l:lacinn!,da cn Cavo'r do la hi-. flc
pÓlcsis de aUlqcorrclaci.on: POsi:livade primer or(ll,:n.
2. '.Si d> d.J. l)osercchaza'la ..l\i¡i.Ólcs,is I1lll;;.;".:
.CO
.3... Sid¡;..<d.:<; du~el'~bl.llr¡~sn; nOcsdefi;üt'ivp." . ", j., ' . . , ".
~. ..:,Du
.Si ~1'v.¡i1Órd'~d e~ n:¡'ayor, (¡.u~ 2,es.¡;bslblequ~. de.~~~illOsyc'rifica •..I¡.,hipótesis nula.
..¡
contra .Ia aiic~n~li.v.it de:uúa.autocor-rcjitci¿,; I)~g(j(iv{/ de. ilrilllcr orden. P¡iril Ikvár a . . .":.
cubo el cc;nlrasle,. taleuj:irc'mos4 -' ~/.y co;npilrare¡';losestc' csiadí~lico con los v.tlO"
res críticos t¡!biJlados. iguál que si fU~rrí¡jws a' xerificar la aulocorrelación posiliva.' . :', • do
LIs tablas origina'les DW sirven,paracascisd~qllnaflOs mueslralcsdcl 15 aIH)O. con :J:. ,.. fe J.

un nún1ero máximo de 5'regresorcs. Savin'y Whil,C han publicado lab!'asm;ís ex len' . : ap

s;is para 6s" S 200 Y hasla 1.0regreso res!;. El Apélidiée D reproduce los límiles
deI5ydell%LielaSlabl¡¡sdeSavin-Wh'ilc. " '. - '. /1
. tl.conlrasle de D'urbin- \válSOl! exige d()s inl'l;OrlanleS rGquisilos:En primer lu- ....•
. ca
gar,.es~e~esario inciuiren'linel1resi6n unlél:m,ilib consla.!)le> En segundo lugar, el : /tl
"111
conlrasl~ es eSlrictamenle ,•••á¡ido sól~ con'i.üül malriz X lioesloC<Íslicil. Porló lillllQ.
, ,iu
el cÜ;ll'rasle 110 resulla ~plicabl<~.cuand6'cl~Úre' los regresares ap;lrcCCli valores rela~-
.• • :r: '.,~ ".r.'
o .....• .~~'¡ 'o'. ......
• ~;.' ••~.
.. ; Ú
...• : .n
..•• ".IJ
• N.E. Savj~ >: KJ, WI;ilc.':Th~'[)I:,rbi:l'W;'ls~:lT:~If~r'S~ri¡\i;~,"';cla'li~:Il\\'ilh;;Xlr~;n~Silll\l;l<:Si~.ó'nf-
. ,"lr
t-!nny Rcsrcssors". ECOIIUIII('(nca. ~5. 1977:1%9-19%.
- ~.',
~ .,. .""
,.' , ':,' :.1
 '-1'
".'q;7¡
-...;-.
c,\I'i IIILlI, lo 11~ICf(lsccd;'SI ícidau y !\ tllcicoÜl:laciún 211
.d~:~
,. .•_..¡
''-J
os tic la v;;riahle dercl\llicnlC. De hedltl. pucdcdcnltlslrarscquc la combinación I;,

....,;.,,J
•

ulia variable relardada.Y y un lérmino de perlurbaciól) ilulocoJ[elacionado pbsili- rn

.ji
menlc pr()~luce. l;n'scsg,o por exceso el cstadísli~o de purbin.W,llsony. que. por lo
. ,'--
tn. l.'onducc a il\llicacioncs cnl!.;lIiosas'J. Inclu.so l'uanuOSc saiisfacenlas conuicio- ..J .;íl
de validez del conlrasle de D~lrbin-\V¡¡ISon. el rang.l) tle rl'sullatios nO concluyen- .j7;)
del il1isnlO no dcj;t ue ser aparenlemcnte un gravc problema. especialmenle cuan-
trabajamos con un número pequeíio de grados de liberlad. Un procedimicnlo jb
.("~',
íclico de liro conser\'ador cons!slecn ulili/.ar dI: como si fuera llli \':llor crílico
.jel
nvcncional y rech"zar la hipúlesis nulac.uando d < du. Las consccuenciils ue acep-'
/lo cuando exisle correlación son nl;ís graves que las c(lIlsectlcncias de presumir
presencia de forma incorrecla.'Sc ha demOSlra'do asimismoque cuando los regre-
res son series que cambian len lamente (caso. de Illuchas ser.ics económicas). el va-
1'crílico verdadero se ¡¡proximarií allímitc supcrior tle Durbin-\Valso'n1o• . '..~,'.,./

" ..',,'. ";:.i¡:"i'::\

::ifír¡1Itc's'ú,)áio-rde 'la:~¡¡IGI;ii;'cÓli'\/crlCidij;\Ic~"ücbntb'iil'~\V¿li'sOirs'ig'li~\;idiJi)'\.fdf"';;"":'" '.;.'.... ....;,'
cuandll la rcgrcsión no incluye lél'l1iino de .iillcrscccion. Sin embargo. resull,l nc- ;:) .
~ariosusliluir~llíl11ile infei'ior' por di\lrl. En'un articulo de F¡¡rebrolhcr aparccen .:-':-:'1
bl.as p;)I:alo~' valores, al s 'Yo yal I 'Yo. dc dM. . . ',-" '
. . ¡'~
.->:i.
. :1~')'
'-'"
, .... '
.;;-:"",
'-"".
Va1Iissubra)'a 'q.ue muchos eSllidi(ls'uliliZ;ind¡~lOS lrilile~li'ales y (¡u'é. el1 lall,:s casos. "''":-1
I¡érm¡'no Je perlurl)ación il.••.:luir¡í aulocoHelaciones de C/ll/rfll r)rtl(,I/I~, La cspeci- :J
'lrr\
cacillll apnll)iatla para cslc ,caso es '-,
'/1, = 'P4'lIi--l + E¡ c,
...,1"
OIl el Gnde\'erif.icar la hipútesisnula, '1I():'f'4.;" O,\\'a\lis pr'opone un estadíslico tic
. <"
ul'bin~WalSon Illoüificatlu. .
~í"
'.'
( . " )" 1"
-,o
./ L', =:'\ (',.- (',--1 -
:14 = .~" ,'" (6.'14)
- .~\
. LI.'=.I c¡ . I
-...) .
onde' bis'(' son los resiLluos 'MeO húllilualCs ..Wa\lis obtienc límiles superiores ~ in'- .
ei'io;'es para el4 bajo c1supueslo' de un;\ malriz X no eslociísliCa; Los pu'nlos' del5% , .-.-"
parecen la'lHila¡'os en el l~péndice D. La primera. labia se uliliz<lrá pma regresio-

1.1. N~rl<l\:e~'K.F. \\'"lIis. "lJs~ of II<C'OIIlI;i'l.\VilISOIl

SI:l\j~li\:.ill)li"Pl'r"l'i"I~.sílll:,"i"lls",1:<'11"""'1";;' .:~
'..;,.;',',
a. :\4. I %('. 2.~.'i.2.1X.. .",
11:TI;~~lr A.L N;,g<lr."T~Slill¡:Ihc iIllJcj'cndi:nccof Itcg.¡;;ssiollj)i~llIrh"Il'~cs".)"'''1/(;/ "f ,/",,I",a;. . '7'
. ,
.....••
1' SlrIli.I,il'll/A\.wá,,/iulI. 5<'. 1')(11.7'.1).:;06:
')' ['.,j, 1I:IIInany'ILÜ. T;;•.•.c11. :'Teslin¡: ror S~rial ClHrcla~. -....•.
un a(ICfLe;,sl'S'IUar~sIl~grcssion". [cU/l(;/I("lrÍ(~II.::i~. I'.JClX.IJJ'150" '. . .•••:>,'
Ú'lt.W.farcl1roiher. "Thc,DlIrbin-WalsunTésl r;,r.Súial.Címcl:I/i'"n WhcllThcre b No .lnl~rCel'lin rhe '. !i"'
nccr~ssion':"fn;lIi';lIrtri,". ~ll, I'JXO.155).1.~(¡): . '. .'.' '. " " '.. 0'
K.I:: \\;~Ii'is":'T~sli~¡:for Fourlh OnlcrAlIlocorr<:lali,¡jl:i,\Oll"(I~r1ynegrés~~llll1:'1ualillns".F.•.• ,,""'Il'. . ,"'7>
riC(l,~II..I'J7~:(II.7.(Í).b. . . .. ---"
r 112 ,\In (JlJOS DE ECO\"O,IETllí"
, "

!les con -ténllino dc, intersección "il\1I1quc siil variables trill1cstr'alcs ricliciélS. L,l se.. ..'
~lInda l"bl" se uliliz"ní P:lr:l aquellas' regresioncs que incorporen variables lrim~s',
" \raks ric\icias, Giks y King proporcionan aúnlll:ís punlos crílic'os ['):11'.1 nivcl¿s del
r, ~
25, I.OyO.5 ',:.1... " , ", . ,
;.

(,,(, . .1 Contrasles de Dmbin parallna Regrcsi<Ín Indn)'endo Vari:lhles Hel:Ii'<Ia.'

d:ls de la Variable Dependicntc,' . '
/.,~.

,,--. Como hemos señalado anleriormcnte. cl contr"s[c dc Durbin,W"lson sc basah" en

,
,
. . la presencia de una Illalriz X no eslocáslic". supuesto que no se cumple cuando enlrc
los I'l:gresores existen v¡dores relardados de la vari"ble dependienle. Para el caso ge-
neral. Durhin h" dcs~rrollado un" prueba (asinlólica) para mueslras grandesl~.Si"
gue siendo IIn conlrasle contra la ;1l1,locorrelaci6n de primer orden yen el qlle es ne. ,
cesario es'necific"r el conjunto complelo de regresares, Consideremos la relaciÓn' '
.", = JI 1."'-1 + ... fJrY,-r + f1r,+ 1.1'1' + oo. + ¡'r, ,X" + 11, (6.45)
con 11, = <fOII,_1 + ", 1<fOI < I Y E - N((l. rr~1)
El resull"do b;ísico ohtenido por Durbin es que bajo la hipótesis nulil "u: 'P =0. el
csladísl ico
11
h=<p 1 - n . vilr(hl) N(!J. 1) ((¡.46)

t111ndc 11 = tamaño mucslr:t1

v"r(/J¡) = varianza Illueslral eSlimadil del eoeficienle de )',.1 en el ;ljusle MCO
r,
I oc liI ecuaci6n (6.45)
\'

.¡; = 'i;': 2 e, 1"_I/'i;'~ 2 1';.1' clcslill1i1e1or ele 'P obtenid~ iI partirdc la regrc:
. _ Si_~l.(~e_("_.~t.:.!~:~Y!=l.~.s!.:~~~1 l.as e.I,(~sr~s!.dllos de la regresión fvl(Q.rJ£ __.• _
", la ecuaci(in ((1.45). ' '

El procedimienlo de conlr<1stación es el siguiente: ,

1. Ajustar la regr,esiún ~vICO de la ecuación ((¡AS)')' obtener var(/JI).
2. I'arliendo de los residuils. caicul<1r 'P o.en caso de haher calculado el csladíslico
de [)lII'bin-Watson. utilizar la aproximación 'P= l-d/2 .
.'. Calcular h. yo si lt :> l.ú..J5. n:cll;ll.a,: la llip\llesis nula alni"cl del 5% en favor de,
).,,') la ,hir9,lesis d~ aUloc(Jrrdaci~I,1 de primer orden [')osiliva. . ' .
"
," ' <1 Cuando ¡, es neg¡lli\'a pncde re,liizarse un conlraste similar para aulocorrel<l.,'
"'"'-" ..
-" ción negativa,

1,' 1),[',\, Uik, y \I.l:. King, 'TOllrlh.OrtiCl",\lIlocorrcio'líoil : ",,"hc, Si¡:nific:tIICC I'oinls for Ihc \V:t1lis '
.1l~,t".1"""'01 of t:COIIOIII('frin", S. l'J7x. :!55;25lJ. .

<" .. "J, Durhin. "Tcsting'fnr

,\ rt: I.a~~t:d I)q)l'11l1~llt VarÍ;,hle:"
Ser;:,1 ¿'orrciolion'in
o,, f:"nHllmu,,,,.;ctl.
Leasl Sqllarc Itegrl'ssiun
JX. 197ft. -11().4:! 1.
\\'!ten Son,e uf Ihe 'ltcgrcs5nrs

,
,...•...:1
I
'.
 .,)!

(,AI'iTl;L~ 6: I-ieicros~etli\sticiuad y AUlocorrclación 213

' 'El, 'colllra~l,eJailí1

'si f1.\'¡ir(f¡)~ 1. Durb'in delllostró~nrrocedimienlo asinlótico
,cq;,i\'alenle,:' ,
.- l. Estimar 'la regresión MCO (,Eb~"ción (6.45)] y obleller los residuos c.
2: Eslimar la n:gresilin MCO de
e,' sobre e,_l. )"-I •...•.\"-r .\'1" ...• \'5'

3: ',Si el coeficiente de 1"_1' en esla regresiÓn es signific"li\i:lJl1enle dislinlo í1 cero.

utilizando el contrasle Ih<1bilutll;se rechaza la hipólesis nula /lo: 'P = O. '
. Dú'rbin indica que este úHimo procedimicrilo puede utilizarse lillnbién'para verifi-
car 1111"[')erturb<1ción A R(p) en lugar de ulilizar cl proceso A R( 1). Se trjl<1 de aña-
dir v:lIores retardados de las e a la segunda regresión yveriricar'la significaci611 COII'
jllllla de los codicienles de los residuos rClard"dos, El esquema AR(p) es
11, = 1Il11l'_1 + 1Il211,-2 + ... :l- 'PI,lIr-l, + e( (6.47)
En este caso. 1<1hipótesis nul<1será
" Hu: 'PI = ljl2 ::= ... = 'Pr ~O ,', _
Elcontrilsle resldtanle se expresa mejor en forma m<1lricial. con la vCnl<1ja adjcional
de poner en evidencia ~u relaci(;ncon el conlmstc de I3rcusch-God'rrey que cx,plica:
rem'os a condnuaci{lIl. .
Se" l la malriz 11 x (1' +.1') de d"'lcis lilueslr"les en lodos los regresore/el'e I~
ecllación ((¡.45) y e = )' - Z(Z'Z)-I l')' el vedor 11 xl dc los residuos rcsull"nles del
ajusle por MCO de la ecu"ción (6AS): Derin<1inos
....
O O .0 O
el O O O
" e2 CI O O
) O
e) C2 cl
'; ;:" F. = lel e2 e,,] = (Ií.<lR)
_,::
'.',',

L~ rcgresi<Ín de la segunda elapa e~ ,

, e=[~~ll [%] 4; l'

donde a esel,vee.torde c(1dicielllescslill1;ldos de los residuos ret;lrtl¡,dos yc el ,"ec-

.tor de codicicnteseslimadosdclasy y'xrclarJadas. Durbin s(¡giere~'erificarl;i sig-
niricación conjunta de las variahlestlc E, En c1C;",ílulo J, vi'lilOS qué se Iral" de
't1na,vel'iricaciún sencilla qucse l:ealizac;liclllando,unesl"üíslicoFb:lsado en'/:l dife'
'rcncia dclaslIllladcclladradosl!e los n;siduos ,de una rcgrcsión reslringid;, y olra
no restringid;l, L:aregresiún r~si~ingida relev;lIltc esla de(,sl;hreZ. ~U)';l SG:=O y
SCJZ '~ e'e. pueslo qUe. dela ccu;ición(6.lI5).~e(lcspr'cn'di: que Z'e = O. La rq:fl:si(\n
no reslringida csliICk e sohre 1 E l].La, S<;::Ede dic,ha regres'~ón es
, . SCE = e' [£ l]'[ E'E, éz ]~I[E'l': .. '
Z'E 'Z'Z' Z' C
 ='[e'E 01[' E'E '.E."'zl-l[l~."c.,J
Z'E .Z'Z . ().
e (6.50)

=,;'E [E;E ~E;Z(Z;Z)~'Z'EI-IE'c

La llleJi;, lk e es O y, pUI'lu ta;11u,nu cs nccesririo¿oi .•.egi'r!;l. C
PUrlieJlJü <.lela ecuaeiól\ (3042), OblCl\einos un cs!;,díSlico j: quc scrvir<Í para r
vcri ricar la sign ificación conj unla uelos eocri~icntcs dc lo.s r~siuuosrc la ruados: u

F =c'É [éE-:-E'Z(Z 'Z)-IZ'jn-1E'dp

.... . I"I'/[II~ (p+r +s)]' ....
(6.51 )

Sin c;nbargo:Jicho cSladíslic~'cal~ccc dcvali'JczqaclaCnl11ucslras,rinilHs porque

la malriz 'ue regresorcsdela ecuación (6.<l9)c~ estoCiÍsticil,Cuando n~oo,p. liel)' r: d
.de a distribuirscconioUliax2(p) 1). ,Por.lo\aIiIO, olncncl110s un conlraste usinlótico
~,',,:,~<op.i~\W,3l,H~.£~,C!,qSJJ}Sl9-D, s.n.l~\s":p,~r.l~rlj 1.1f¡l,'li.I.:.ilJl~{;)¡I.ijy ~\...d ~':lImi, .aulo!:prré; .~..'.
¡.~£j~~,ú:\:~';C,Q.! .., ••c;,.~
laciÓn de orden p, calculando rcomo en la ecuación (6.S 1) Y rdiriendo p. F.H una
~2 '. .
'\ 1"

J.~
.?
"

Ambo.s aU.lore"S,lmJepenJienremenlc,'lrahaj,;!'on' s<;>bl:ec"col;t'~áSlC d~ Durbili' desa.'

rrollai1<.lo prucb.a'~ M L conl'r:, los.j)roccsos de ,a~ulorrcprcsi'Óngcneralcs o dc pcrlur; .:~ \ .. '

bacioJles dc' medias lil6\'i!cs: Iiustral'enlos' su des¡ir'rol1u 111cdialilcu;1 sCl1cill~ ejeni. • ".' u
pi?: Supongamos la ecu¡\ción' ,'. '. . "" ,., .' .', .'
.. 'p
. ' ". ');,=/11 +jJ.2,\:, ~'UI (6.52) . ,p
con /1,= fh(;'-I +E, '(6:53) ,
¡:
JOllllc's,: s(¡po,n~ fluC IjJ,) I <: y, que I:IS E S()h variables normaksil1lkpcndil:nl<.:s.c
i4~nlicanl¿nk ,distri~u.iqaS,có'll media'~cro y v,irí,anZ¡;IT,/. Slislilu)'endo la e,cuación
(6.53) ~n la ccua.ció;d6.52), oblclic;nos' ,
\ . ". " ,. . " . :' :

)'/~/11(l. -Ih) ,+ Ih\ TP)')',';'I -IhIJ)x,-:I'H,. (6:54)

Querenios ~'crif¡'car lahipótcsi~ fJj= 0: L,i ecuación 'e~ '!lOlin~al cn las p' ?incm,bar. ¡!

go, se rcoucea tá ~cuaciói; (6,52) en cuanlo inlpollGn'Hls bl'rcslriécióilsol;rc JlJ"Di~.

, " " d
ch¡¡ c'cuación esiillcalell las fJ.y 'cs. p'o;' e.llo qUc el eontrasle ML rcsulla' menos
¡lll'activo,," "":o:c.. . . • ,

En la funl:ión dclClgarilmod~ \,'~rosimil.iiud oc la ccuacilin (6,54),' el lér.lnillo

de l;lsuma d'c Iqs cuadrúdos es: ,d
c
d
I
I1Vl.!ascApé~lJ¡c..:13' ... , ,:
,- .' .. ., .. "
,.
-".
".~".""'~ ~..
" . \
'
'.
~
.
." .... !
T,S., ll¡cusch¡ :'Tcsling fpr AU1otorr'claii\>n in O)'-na,pk Lillc"r ~llldcls", ,1//.\'I,."lil/lI i:.'nmilllli<: ¡'''I',''(.I,'.
16,

17,11)78, 334':J55: y L.G. Godrrcy:-"'Tcsling' n'g"inSl Ce;H;r,,1 AUloicgrcsivc ';,n(\ Movingi\vcra¡:c Error' J
M~JcIS W\f(II'lhc Rcg~cssors induue ~nggc!l Dcpcudc'nl V~"ri"blc~", ECtIlIl;'"."lri('ll,'46, 1'J7K,I,2'JJ.I)Il2 .. .~
"
 ",\1'111'11/,,1 kl<:ro~n:dllSlicidau y l'\ulUcorrclaciún

JI

Como villlos cn el CapílUlo), la millri(. de inforlllacil')Jl pill'a l:SIc lipo dc mod;;lo d<: ,~.
.,
rcgrcsión es rJiilgon,i1 <:n bloqu<:s, por lo t,lnlo. los pilr,ímetros JI = l/ji /J2 fI.1J' po-
ur¡íll IralMSC separaualllcnlcdel parámetro ,r¡ . El \'c<.:lor graJienlc es

¡,I' J 2:" ¡lE, I JI

,
sUJ) = --:--.= -. - E, --:-- =~ ~E, )1;, "

dfJ lJ2 dJ1 iJ- 1..- '....;'

( 1 = I ( ,= I

donde 11', = - DE,lilfJ. l.a matriz dc inrormación es

IUl) = E1s(fJ)s'Ul)]
~....••.. :' ••.• :~ /-_<x.:.> ..•._.,,::.~ ',,"':.' .... "." .. ' :~.' . '..' ...•... :'"•.•.-. : ,'~~_," .... ..........•
". l

• .1

"= -el
. L.-
I (2:'
-.-:..
l'.
E-II'
I I '".
" ,',
I.+
, <r..'. '.

uonJ'chi (i1lin;" '.Iínca es rcsul\¡,dll lklos,' sUi;l,~sl'ui(rcali~,rJ(;s sobre las. E. pajo el. '-
pUlllO uc. vista asintótico, no existe' ui rcrencin' ~lgu;H1 '~i ,i'eeml'Ílazamos. '£o.:u',II",)
pOr ¿ .I,I',!!' ',. -Así
. pucs, el eSlildíslico.1v! L.dc-i,úcuaeión
. , .
(5: lúj sé
.
convierle en' -.'1 1

ML = -' (~-
ti2 L,E,H',
):'(.:¿JI',H
' '0 ~ _,)~I (::\'_ ,_,').
. 1
t ~. 4ft'Ht"
,', \

. ( " .
,
. ür
. :;:_1_,tll/(I'I/II')-I'li>;E
.:,' ' (6.)))
, '

donde
:' y
'-~.¡:~'j
E -
..
•
": . ,~

. En .

dld('lIldl: ras tilrJcs inuican que t.ouos losclcmel{l~1~'ue 1;,'écu¡Ícilin ((1.55) se c\'alú;lIl .1,
, ' ""
c}il'os.valorcs tic los estimnuorcs' reslringidos~.fi."T -; (= ,E' E'ln). La ecuac¡'ón(6 ..'i:'i)
';,'"
dClllul:straquc ML = ,,1?2, J(lIi~lc R2 es eícuadrado dcl coeficiente de correlación
IlllHlij)k de la regresión dc E, sobl:c ;j\~.' .
. ." "

!'a,rticndu de la ccuación (6,~4): ~~sulla evidelilt: qucimpl1ncr la restricción JI, = ()

Ja COl110resultadu E,= )',,'-,-PI ':"'lh.l'" qlie cc¡yjjv'ale'.al ¡'csidul1 de aplicarivlCOa la
~c\lación(ó,52),Y nds atin, "
 21Cl

,'1 •.•

1~
-"

Si O, :-.:() V si ~u'stituinios JlI yJl~ por sus estimaciones bajo el SUI)Uest¡) de hip<')lesis
nllla. obtenemos" .. ." " ,

",l'.

'¡'•• [:, ]
E,_I '

Por I(~tanto. vcril'icalllos JI.\ = [J' medi:lnle un' proceso en dos ctap:1s. En primer lu-
gar. <lplicanHls ¡"'ICO a 1<1ecutlción (6.52) con el fin de obtcncr los residuos 1; (, a,los
quc solcmos denomin<lr (',. EnlOllces C'rectu<lmos 1<1regresi<Ín dc e, 'sobre 1 I x, c;_d
p:lra caleul<lr I?~. l3ajl,)la hip61esis nul<l,,,R2 se dislribu)¡e ¡lsinl<Ític;lnll:nle como un<l
X~( 1). LI segunda r~gresión. o regresión <luxiliar, es exaetan)entc igu¡d ;, la rcgre-
sil"n lil:1 procedimicnlo de f)urbili. La Ílnica diferencia estriba en el procedimiento
-' dc conlrasle. J)(lrbill sugiere observar la significación del codicien le de c'_I' La fór-
mula de Brcusch-Ciodrrey nos da nl?2 como estadístico de prueba con \U1<ldislribu-
ciún <1sintólica X~. ,
El procedimicnto es cxtensible a 1;; verific<1ción dc órdenes m<lyores dc aUloco-
"

" rn:I:lci<Í11. Se tr¡lla. simpkmente. de <1iiadir a la segunda regresión m;ís residuos re-
lardados K'ICO. tal y como Illostraba la, regresión de DUlbin !eCU:lCilín (ó.<19)]. Un
punto dest<1cabk ,del conlr;lsle de Urell~ch-Godrrey es que veriricl también la hiplí-
TIC'.TITI1ii'i3ccs'o:T\íTAvi)'.-¡'ii'ifa:rii'11E¡'ííii'[,¡iEiIYíi::--'""'C'::""
I t;S is, ¡111.tf,I;llil.ti:í1';í ,. ",..." •. :,~'::- -"?: 1

'Ifin¡;i;';~'lí;e: debemos resallarque los procedimicntos de DlIIbin y de Dreusch- J

Godrrcy son <1SinlÓlic<1mCnle equivalentes. En lérminos generales, la matriz '¡'dc la

ecuación (6.5.'i) cquiv:1Ie a la malriz lE l]dc In ecuncié>n((l.'llJ) \' E es c. flor lo 1:11110
utilizandola cClI<1ción(ó..'iO). Icndrcmds que el esl;,<Iistico i\.1L de'la ecuilción (('.55) e;
'. i\IL. = r'E1E'£' -E'Z(Z'Z)-I 7.'1;'1-1 ¡':'l:
• ,1

(:'d" '

",, La liniciI diferencia entre el eSI~ldísticó de Dudlin de la .ccuaciún ((,.51) Y <:1eSI:ldís.

.\( ~.. lico dc Breusch-G(1dfrc~; de la,'ccuación(6.5ó) CS¡i-ih:1 cn 10$ térll1inos de 1<1\"ari'anza
que ilp<1reCCIl en losdcillllI1inadores.l3rellsth dcmucslra qllc líichos lérlllir'lOs
poseen Iímité de proh¡lbilid:IÚ .idélllico y que. p(;r lo 1:1I1l0'. ;II11I",s I'Jol'cdilllienlos
sl)n ;\Sinlúlicalllcnle 'equil'aknlesl7.

1: T. ll,eiJseh. ¡hid ...•:'i.I.

 ~J
\
. ,¡ I .t ., '." I .' : ., "

l
, 2 \7
, ,
'\ '(

6.6.5 EI'I~sladísfico ele Box.I~i~rcc-L.i\lIlg,

. " , . '~'"

, "

Él cS\i1d ísl ico de 13ox: I'ierce-,Í_hlllg ~e',bn~<1,en los ~ui1(1 r~do's 'dcJos rri merps l' ene (i-
cien tes de i1uloeorrelaci,ISn,de los resi¡i~lOl.MCÓlk. El e~l<1díslico dcCinccomo," ~e'
.. " /' "
. ~, . '

Q' ~ '/; '\' ,.2', (6.57)

"'-1" ¡.,..",,¡4i,.J; .., 1,1" .••. ':i ,q.. i 'j' ••

, '.
."1

'::::¿",,:el e,.I-)
donde' ;¡:. l' ¡ . " " ',::= 1.+,1 ,,,. ,
r ..:'::. i '1 ,~. .¡'. • "

,,'t ., '., .' J , ; ti .;,.' . ,.

, ,,' ." 'k/:{, ,,";; .,' . ,

La dis\riblición Iínlik de, Q se\)bilivo,b:iji:ÚI slli)uCSIO de'que los i'l~sidllO~ proceden
de un esquc;nnA R <llllllrrcgi-'csi\'.o 'o:,' e',i 'Iérllllnós' nl¡)s~ gen'crnles, de "un c'squemn
t\lÜvl A ;llilorregri:siv(, y (le medi;\ mÓ"il njuslado n nlgllnn lIiHinble y. l3<1jo I~ hipó-
tesis de r~sid Úl;S"lil~:ll1t (;Correlnéioll<1dos,Q' leild rn 'tintl di:;l ribu~ióll n~inlÓI ica x2
elJll i.ui ÍlÍlnlero' dc gr;\dos dc libcrt<ld cquiv<1lCnle a /J' menos el nÚhlcro de r;ir;ím~-
tros eslil'l1iltltls al ajust;lr el'llOdi.:lo ARMA. Eleslndíslico re'visnClo de Ljllllg:13pxl'l
proporcionn mejores resullados euandpse tr,Ú<1 de ml!'esll:rispequeñ<lS, .. '
. .,: I '_ 'fJ'. : l

:'
'. Q' =//(,;
..',' '.',""}:
+'2)2: ,.il(/, + i) :. I /' " ' . ,.
(ó.5R)'
,
A veces, eSl<~sesla~lístieo~ s~ udli~a~ p;Íú\~CriCicat pei'llltbneitlneS<111tóeorrel~cio-
nadas en el lil~O de eCll<leión d~ r~gresi¿;, qllC hemos vcnido~onsider¡úido.Sc\;:;ÍI¡),
sin emb<lrgo, de ~na aplic<1ción crronea; y<1que ecu<leiones como 1<1(6.5'1) no 'son'es-
quem;is A R puros, sino que posee'n mlcníás v<1ri<1bles cxóge~¡)s x. El efedo de ¿stc
hccho sobre 1<1dislribución de Q o Q' es ,desconocido~n.

6.7 '
ESTlf\.lACIÓN DE ImLACIONESCON .'
. I'ErrrUlwActONES AUJ()corúiELACIONADAS

,\ Igllnosdclos 'tests anlcríonnentc desci'ilos sl1gerr<1n pertur'[):icioneSi1l1locortclacio' .

Il:lllns. i.Ouéhncerenesosc;lSOS? Unaposibilid<1d es l<1derenliz<1r una :c.'pccificflción
UJlljWl/1I de 1" rcl;iciúi,:y =);fJ+ II.'Y ¡)'sociar lIIi¡¡ esi¡-lIdur~dc<1l1lbCOrrclación,
E(EE') =:: aF (6.59)

l' (;.E,I',JI;,\)"Da;:id A.I'iÚ,éc.~ :'Disldlll1iilln oi i~csidn,Ii;\1I10CÓ;rCl:'lillnsill Anlorcg,mi\'c.lnlc¡;,"lcd

,~li'\';,,!: iI\'cI"ge 'r¡nk,Serics,Mndcls ", JO/lráar,;frli(~I'(Ii:rir;III'SI{/li,,;c{/1 {\j,l"'ciáliOl,~r.5. 1')70. 1,509.1526.
I'!(;,~(I.jl'lli:)' 1;,U'; Ilox. "()i,;i"'I~"si"e'ol'Lnék ór i'ilinTime S~rics Modcls:,IJ;oll/~"ikll. (,5,1978 .
. 2'17.)0.\. '." ,.' ,',." ,', "

.,~' Ib'he,í., nalii'"hlo~"Thell\a¡'r,(,p¡;I1C U'se of Sc,inl'Cor;cl:'iin;; Tesis in D)'n~l1l¡c Li;,CO' ~¡odcl;'~,'

,1hc /I,'I';n •. ;'¡ 1-:""',I"'III;n ",id .\';/IIh,;o:, I;XXU, ,1')90, 126.t32. . '
 ."::",

211\ ~11:TODas DE ECO¡;()~IETlll"

donul.! ¡'cs una ma triz no' singu la r l/X ./' que 'se espera que 'dl.:Pl-= nti;l' de un núm(; ro,
P. pequcí\o de p:lf,ímétrosdescc:nociuás; EII)aSosigllitni'e' C(;nSiSleéil"a ~still1a~ión
conjunta dc todos los (k+ p + I) pariínictrOs, Un scguntioprOcedimienlo, ¡ilejor
q uc el an lcriar.consistc en em pcza r tomprol'¡;uulosi 'láa 1IlocorrelacióIl putliáa ser
una seíial LIt cí<.:rlOSerrores ¿~l.:spel.:ificación<.:nlan:l¡¡dón originaL Naturalmcnte,
jamás sabremos eu,íl es la rclación "vcrdadcra" (i "correcw", Pr<.:sumibll.:mcnte, la
mayoría de los datos se gencran a partir deprocCsos cxtrc;nad;\Incntc complejos
quc prccisan cspecificacioncs cxactas y cstilllati(i.lr<::s adécuat!;ís: EI'ohjelivo consistc
cn' oblencr la mcjor aproximación posiblc a esa,~oll1p\(;jidau dcscollocida, Ser¡í cn-
tonces cuando podamos aj11iéar a dicha "prüximaeión l..:rminos 1¡\I1¡imbiguos como
;'vcrdaLlcra", o "correcta". Cuando hi ¡'clación pllsee en'o'r.csa'ulocor¡.daeionauos, es
que cxiste un comportamienlo sist¿111lílico que 'no ha sido consiucr,;do eíl elmodclo .
'., .. Y que se relaciona con 'el té.nnino dep<.:rlllrbación.J~odcscahll.:s<.:rípobtenl.:r un ..',:: k.
li" -",¡.; ;!'
.,~" "'';;'''ltí'Üd~T6i::0'l11Pfé 1Iclis'ivú'dc-16~':C'r¿c'th~'~is t'e:írí;\-lid){"y'crftlé¡t-r~ ;1Ci~';~í:f(ií:i:s"'i'¡[T~'d ~i'¡¡ k

,cuucidos a crrores dCllipo ruido bromco, Con.C¡úiÍclcr mer,lI11e';te ilustrativo, su-

pOllg.lIil0S que la relaciÓI; "é.ÓI'rccta~: es ., .. .

. " '.
y, = 11 +"Y2xi+:"Y:ix;~I.+
'.'
"Y'¡Y'_I+E,
.
. (6:60) .
dOll(re l;]s[(/1 son .ruido blanco. Sin embargo, podell1'os enconlrarnos co.n Un invcsli-
. gador uc teoria 'cc'o;lómica. qllc soslienc qUe )', ~st¡íinnuü.la llnic¡in1Clilc por 'X,.. No
Cs sorpIcn(knle'que. al aj\l~wr clmo(,!Clo a lbs datos, la corrc!,\ciún signífil.:ati\ia s.c.
Cllcueitlre en los error<':,s.~A.concinuación . .con.i:I objClivo.lll.:,lenq en cucnta esa co- :.
rreiació.nal l.:slinl;lr la ~cración, el iii vcstigildorcspeci r¡'ta." ..
'y/=p\'+fIt,\:;'I'II, ,y ... ii,'~'I'II,~,.I~(, (6.01)
Y p;6C~uC¡1 d~cl\lar la eslin~aeiórl ¡iOr'.MCe: ElnlOdc!ocorreclo ucla. ecuación
(tí.6(l.) incluy~ cineó par~melros, .es uecir.Clí,úr~',cod'¡cientes )' una varianza,"lllicn-'
lr~s (juc ,~ucsúoinvestigado( t;ablasól,! d~ cllúlro p¡irií.i11elros: Así l)\les, el i"lVl.:stiga-'
.. doriú'ponl.: a l(lspi\r~llllclr6s dcl,illodclovércJ;ld.c¡'(; iina posible resri'il.:ei(ín (Iut;' no es
v¡llid<l. V~rcll1cisla 'naluralei,í de tal rc-siriéi:ión rcfoÍ'lÍlulando')¡j ecuai:illn(6.<íI): . -,

:
. ':)', ~'flIÚ-.pJ
~- . '. ..." .:. +'ft2':r;':' <¡>fh ,.Xi::;'-f:~
..'.. , " , :. ,
~;_I:~'E,
", , .
. '.
(ó.ó2j
"

La comparación dc lóS parálúc1tos Je ras ccuaciones (6,60), Y' (6-.62) (kmuestraquc

.Ia restr,.icció!l illlplica~!<t es, "'. . '. -
''Y.\ '+ -y 2"Y4 = () ( (¡JI])
'.
Esta cond'ÍCióli reci.~celncimbre d~restl:ieci{¡n d~~¡¡ci()j- c(!n;líill~I.¡;:j oí:igcn dcltér-
. '.
mino Sé' cnti~nd~ ref6rmulanclo'lasccuacibpc~(6:(¡O) y {ó.(2) ulilizando el ¡¡¡1crador
~etllrd¡¡do22. L()ec.uación (6.62) s.c Iransfo(ma en .
(L~.4' .L)y,'=fJ)i '-4'H fJ2( í-'I'2qX¡ + 1:,
:,.,' ': .~..
".

n;,ís.~xl.cñsa:' 1'~;lsc~1 M ':11 11,,¡ \i~-I>coi'v(V~;~i(;>l.

?l l'ara'lIna <JiSCIISi61\ ik')1I1gCli í\. p(lllrnik y David
" .F.11én<Jl)', rmlilul~ oi Economics :ind Slalislics. UUII;crsit'y.~( Ú,x((lril. tiK.I~iJ2 ..
.'
.21 :::1operador rCI~rdado se ocScribc clnt Capílulo 7.,

t•. f":.
'..,
.
~ ..
. !'
".' ..
 ...
~¡r',\
(',ll'ill:l.llfo.I It:lcrosccli¡¡slicili¡¡u y ¡\U!oco!Tc!acióll 21')
-1''' 1

."./

que demul.:Slra quc y, y XI til.:ncn UII ¡'aclPr comlln l.:n el orl.:r~dor retardado, 'La
ccuación (6.60) pcrmite cscrihir quc
(1 - "y~L) .1'1 ==)', + ("'(2 -/- "y,\I.)x, ,j,(,

(1 - "Y~'-) y, =="YI +"Y2 (1 + "Y, L)x, + El

)'2 .' .

Para que dicha ecuación Icnga un faelor comlln, las "Y debcriÍn obedeccr la reslric.
ción especificada en la ecuaciún (6.6:l). Por lo tanlo. debcríamos buscar cspcciric¡¡.
ciones COII residuos de ruido blanco similarcs a la ecuación (6.60). La vcrificación
de la cxistencia ue f,lctorl.:s comunes muestra cnloncl.:s la cOlw<.:niéncia de redul.:ir
taks cspccificaciones a olras m,is parcas como, por ejcmplo. I¡¡ que aparece cn la
ecuación (6.61). ,...•~\
".,,"
SupOllg~lll11S,~h~~I:¡l.(lu<:)a..cspe.c.ifiS¡I,ció!l..;.,,¡,,\jJ'+<;'/I.:cS-Ía
" '. .E~'ri~n{/ción. /\1 c(;.
ilú-:jiiYillié'soiúos capaces'd~ ()hll.:lier a'unque. de todos l1lodos. dl.:bamos pl.:nllilir
una cstructura uc aUlocorrl.:!aeión conio la de la ccuación' (6jl). Deberemos supo-
, ner ~In forma concrcta de auiocorrl.:!aci()il; Lo lil,íshabilual es tr¡¡bajar con \111pro.'
.. l.:CSÓAI~.cI). Para este C,\SO, 1011 COIllO,:imos ell la ccuacillll((;.J5). la malriz de 1'01'
rianzas y cOl'ariallzas rara 11 cs

l'
(,
'1' 'f,,-I
I <fH-2

<¡:5',-1 . <p"-2
,.,."-
= (r~ n

'1'
¡J()/Hle n ==_1' ,[ J
I - 'P'
>
<p,,-l. lf!"-~
.-
Li matriz inl'crsa~ lal como pucde vcriritúrs~ l;aciclld(] las ol')Craeioncs perlillCllles. es
-'1' .0 () .() ()
-<p .1+ .()
~2' '.-<P . O () .,
O -'1' 1 -/- '1''2'. () () ()
!l-l ==
.: . : (6.66)
() O' ()
-<p I + ''f2
,..
-'f "
() O O. () -<p 1 ,..
.
, ~
,~

___ .J
 220 ~11~TülJ(JS IJE.lT():<O~IF.lld.,
J
Por lo que la malri~
\/1':' <p2 n, O [J n
.7. tp . I [J () [J
fJ= [J -<P I O [J (6.lí7)

[J' O [J

sal iS[¡lCCla' condición dc 101 ecuacirín (5.23), eslo es, W = pI/'. En c;)SOde conocer (p,
exislen dos formas equivalentes de oblen~r los estimadores tvlCG tlel vectorf3u. L;)
primera consisleen ,sustiluir <Pen,la ecllación:(ó.66) y 'e¡dcular direcl;¡mente bGLS ='
(X' 11'" X):I y. La [órma alternativa consisle 'elltrans[orlll;)r los datos prelT1ul.
liplic;lncln por 101 matriz J' y re;¡lizando la estim;)ción MCO de y. (= l'y) sobre
X. (= JJX), Esta trans[ornl;)ción trala el primer dalo de modo dislinlo ;) los delll;ís,

plic;)lil';).los (bIOS transfOlmados serían

\'. =::
(\/1 _<¡:2) , .1'1
.1'2 -:-'-P.1', 4
.

.\'. =
l
Si, par;¡ simpliri~ar,I;¡ matriz X incluyera un veclor de unos y una tlllic;) variable ex'

\/1 - tp2
I- lj>
(VI - <p2), XI
.1'2 - 'pX¡
((díS)

,~'H - 'P.I'H-I I - <P XH - <P .I'i,_1

\' los eslimadores ¡vICC] se ohtendrí;¡n re;¡lizando 101 regresión de y. sobre X., cui.
;!¡lndo de allul;¡r la c()llslanl~ en el programa in[orm¡ílito antes de realiz;¡r la re-
grcsi('l1l. Sin embargo, cuando se desecha la' prim<:r;) fila de J', 1" regresión enlre va.
ri¡lhles Ir;¡ns[ornl;ldas sería simpl<:melltcla tic (y, - <P'Y'-I) sobre una conslanle y
(x, - <P.1"'1) p;)r;l los punlos nllleslr;¡les ( = 2,3.",,1': Evidenlemcnte, esla t.llillla re.
l!'resi<Ín no es plen;)menlc MCG )' eliminar la primcr;) ohservaci6n en casos de
;" ",,, "" P"I ""''" p""Ie ''"'' "" """"d" ",,'" '00," el "" do, n,i,,,,, "'; "'''
aunque eso tenga. escaSa~)Orl,~s~a a~Ü!!9_ljsi .__- b-: - h '.' :.':-_.:" -",,"1'
Enl;¡IWrGli~i,~;;¡;'''cs lInlJ;\J';íílielrodés'có{,'oci(\oqliC Jebe estimarse junio al res- 'SCR
...:, .. lO de p~r;íi,iclr;ó~ del modelo, Ulilizaremos elmotlelo de la ecuacilÍn (óJ11) con el
ohjetivo de propOrCiOIl;)r la cxpliC¡iciói, m;ís sencill¡l posible a los diversos procedi-
mi<:nt'os de estimacilÍn, Como .¡Icabamosd<: moslrar, <:1,modelo se rdmmul¡, cn la
'.1

ecuacióll(Ií.(12) como
'\ .. .. ' y, = JI 1 (1- <P ) .'.fh x, -<P ¡J2 .1"_1 -1 <P .",.1' E,
\laja el SU~liésl'O de la ecuacilÍn (ó,59); el veclOr penúrb;,lcioncs E de est.a rdación se
'-.. "comport;) bieil" y minimizar E'E nospn)pclrcion¡lr¡í eslnl1adores ¡vICC, SII)eIOSa 1;)
misma ¡ldvertencia que ;¡nlesrcaliz¡íbamos enrderenéia ¡d tral¡1I11iellI0 de la prime.
ra observ(lción. Sin embargo, la ecuación ((¡,62) es //(1 fillc,,1 en los tres par;íml'lros.
Por lo t;)nlo, son necesarios 'níniiilOs ..l'lIadr:1l1os illi lineales (:-'ICNL),.:-'ICNL eSI;ín
.•...

'. '
 ,1",' : •. ¡'.'

"

~~I'iT\JL~(,;HcICro;ced~sticitlad y AUlo!=~rreiación
" " " ",o' .' : l'
221

disponibles en cualquier. pr~gr;)'n;;¡' ir~~q;n~,~\~i~o 'y,' ~~~~lJo:~eberí~n u\iliz~r~c p;)r;¡

esl e ciso. . . ..... ' " . ." , .
. . ¡\nliguall.l~.lte,c'uando lil in[orI115i.ic~1n'o é~laba l;¡,n.(lvanzad;), se nrcSl;¡b;¡ I11U.'
ch¡l m¡ís-atcllcilÍll alas di;;tilllns ,r~mi,a<dc esli11\rirun;¡ rc!ad?n C0l110la moslrada en
101 ecuaci6n (6 'f12}. El. ¡);¡SOb¡ísic.qéra.~ní~'1(ler.:que la ecuación :(6,62) puede .verse
bajo dospunlosde vista.'como
(y,-
" .. 1
<jl y,~I) = JI I (1-:<p ) + fh (x, - <p .1""1) + El (6,69(1)
¡
1
1
o bien, C0l110 1, _,
I
, .; " . , "-' , ¡,.
,(y, ~11¡~lh.~,) =.g> (Y'~I:: f3) -fl2.,',-,I)';' .E, "(6.6%¿
Conociendo <pen 1;, ecu;¡ció'n (6,69(1),1015/1 ~~d;'f~;,"eslimi1rse direclamente,por
MCO, De modo simil;¡r,col;ociendo I;¡sj] de la ccu;¡ci6n (6,69b), podriámos eslim;)r
<p mediaIÍle.un;\. regresión ~1COs¡n IÚm,iná; dei,nicrseFei6n, El, dosumenlo de
Cochrane y Oreull sugerí;¡, unJ1,roccllimicni().dc .esfimación ilC~aliyo b<ls<ld,oen es le
p<lr de relac'iones2,1, Empecenios COllun eSlim<ldo~, o un vnl,?r,sUpUeslo, 'p(l) del p.~....
r¡ímetro de aUlot:OiTelaciány, ülilic;emos este v;,lór;.pnrn ,cnlcul~rl ••s cuasi Uiferen.
ci;)s ()',.:. <j>(I))',.¡})' (x, -:-.<j>Pl'x,_I):I,-<Isv<lriilbles tr.<Insformndas seuliliz;¡n:enlonces
en la regresión MCO.I(c¡;uación(ó,69rr)J .que' d;¡ lug;¡ra los coeficienles eslilllildos
h,(l)y h2(ll. A su vez, estos ,:;¡Iores seuliliz;¡n p;¡r;¡ c;¡lcular bsv;¡ri;¡bles de 1•• eclt;¡.
ción (6,6%); Y la regresión MCO nos conduce 01 \In nuevo eSlil1l;¡dor <j> (2)dcl p<1r¡\.
,ilelro de ailtoc;mel ••ción,[~<1s ile;ncipnes,prosiguen. hasl'n';¡IC;¡~z,tr'u~gr;¡do de .
con;vcrgellF'ias~l¡st¡\clori?EII)r,oc~dipliC~1~ (lcC:p,ch'r~,;,e.Or2ul,l(~.O) se aplic~. a .
1= 2, 3, "" //; lo que,equlv;¡le 01 anul;¡r la.pumera [lIa de 1<1m;¡tnz l. Fn1;¡ eC\l;)Clon
(6,ó7),Prais y Winslen indicaron que debraillilizarse la mnlri.z P en su lotalidnd, de
modo que la j)rimera obsen'aeiónreciba \In Ir ••lamienlo explíeil025. El problema dc
los proccdimientos ilemtivos'müiea en q\le pueden converger;) un mínimo loe;¡! y
no necesari;lIl1enle a UI1 niínimo 'glohal. Como precaución, se rccomielltl;¡ ;¡juSI;)r

;"".-
"",,6 """ 1"", ' ' ' ' "
,,,,,ii6,, (6.690)
.':~U,TTjéjr'Cj~i11jjlctuew~.':'oJri\iísffio:9';c,:iia:¡¡?
11,", voI6", ", • 'on p"o'.", ...
e¡'¡o'¡j¿~~.1T:¿¡;gYesi6Ir7¿óit'i6r~KI6d~''.".
,"i,,, "'; .-'.~'~"'''.

m;ís p~ql¡Clicis. Idéntico problcili~;iP;¡icccc6nrVICNL,:C¡lIe'h;¡céuSo lilmbien

de la ileraciÓli;l'ari, vcr. s.i 1~,c:on\'ergellcialiel1clllgú C'1 el l1,iSI11O'veclor, result;)
ac()nsejahl~ il1iciartlprocedillli.e;ltOMCNL;co.y~¡arios~',::cloi'es dtcocricielllesdis-
.
tl.n.los. ,.... '.' .
, Los procedimientos tvlCG ,ilinimiz;\Il'€'E; Siil'emb<irgo;.i1p 11r()Porcioll;¡n eSlí-
ll);ldores I\:IV,'illc!tlsolralaÍ1d() d<Úqrinaespc<;i;¡lln Ijr¡'me¡-tl:o.bserv~ci¿n. El motivo
loeilll;ntlemOs'ill ~~[eridlo~';;IIOg';;ril'l'Odcvcrosi,i,ililuclde'I;)epi~ción (6,16),eslo

. - . .. - . " , .. ., .. " .

:. 11. C"c!lI""CY .G.ILO,cllll,",\pplicarinil ofLc,asISqll~(c~.ltcgtessions.lo Rclalinliships Coni:iini"l:

Alllon1lrd¡'lcdb'¡IIT~rlns":.J"u~;"""flilcá",crit'i"tl.Uf}d(l';("i,4,1'.J.I<}.32./iI,. ' ..
)\ SJ .. I'r;1i\ ;'C;II;\\'in,icn::"Trc,," E~lif1ú;lti(s ~ildSÚi:í1c'll~;cl"d;in.,C"I\'ICJ C'J"'¡IIi"i,,¡. Di.IC/'J,i,,,,
/'nl' •.•. NoJS.1, ChicalIO,.)i)5"L.' ..' . " , . . '. .
:"\'~;~,\...I'''\l1ikm:t.'f,:t,~, ' ".' '."~
..
 222 ~lfTOlJO~ DE ECO":O~II:T1li"

cs,
11 .1' 1 .'
1==..., -ln(2n) - :-:-lnIVl..,~'u'JI~III
'. 2 ... '2; .' 2 '.
Particndo(k las rclacionesya lldinidas ellias cC,tlaCio;lcS(6.:ílJ)~(6.6~) )' (6.67), lC-
ncnlo~ que26', ,",...

IV] :::: (Ji';liu;=iTi" {1.,.<p2)-" . (6.70)

. '. "jl l. I , .
(6.71 )
y
'.it - 1/'=-.10
(rr E

. " '. "1'" ..... 1,' '. , I J'

Por lo tanto, 1= - - In(2n)- '"":ln(u~) +'~ In( 1-'-<p2) -'--, Ú (6.72),
.. 2 '. ", 2 ,2,... (JE ji
<
L" maximización dcllógarilmo dcverosimililudlieneen cuenta cl lérmino In( 1 - <p2), f
'...' ..•. que ignora el pro~edimienlo tVl,CG. 13each y. NI?~Kinnonreclanlanl.a al;nción sobre .. : \
,".,-,;,.?--e.s1'C"p'u l\liy)".l).~('íf'.O;iien".üH hZri'f''li n"lj rot'2él iil1iC'iiÚF¡¡1[(!''rll¡j lí'\'n"¡}'iita"iíi':úifli iZüY''Iri,..{'d;h,~
••.: •••.•.c;•..••.

ecuación (6,72)27. El procedimienlo esl¡í disponible en divcrsos programas inform¡í- ,:.

'licos. Su \'Cnlaja radka en quc t:I eSlin)¡\(Jol"(.lc~~ se li;mita I\ecesarianicnle al inlcr- ,
. való,de la unid¡id.y¡i'que In(I-<p2)~é api'oxin\a a mCI.iús infinilo cUjl.ndo <pse apro- ,.
. xi~l¡í a:tl: Cuando.MCG da C0l110'rcsulladounpaní;nelrofuera del intervalo uni- ,,;
!,ladola especificacíón' debería de~c¡irlarse y cspecificar' de nlievo eliiJouclo. ./
. ". ~
. Es'r~s¡vkcspc:cific~r 'CS,ll'u,elU\nSnl¡ís com;)Iicndas de I/..como proce$'os AR d.c'~\.-. " \
'den mayor;prüccsos l\'ll\.ola combinación. Ul: anibus ,bajo e~qul:nias .1\ I~M 1\. E.n.I¡\'~
pr¡\clica,sin c'(}lüargo,lp no~mai esqtit; exi,sla es~asainfor~ili'<.:ión ,rel<lliva a lú '~Sl)e-.. . .:\
cifictlción; por: esla rúón. aconsejanl'Os desarróll¡ü' lIna' eSI}ecifit;¡\ción rica \:n vúria-
'bles'¡¡ parli'f:'dé la rdal:j~'ln (;ri~il;ai'.' wnl)bjl:'lo.d~ e.\;il;II'.la.lléC(;sidú<ldl: 'r¿li:t.¡;t.e!i"
I~e'cificaciones con;I;lcjils'dcl ¡érmino de' pcr'lúrbación ... ' ". . .
", .. ' "'. .', ,', "," : .. ',' . ,,' ," ' .'

.'¡

6.8 ' . '" .-

, .i,

.. PREDICCIÓN CONPERTURÚA:CIONES
. AUI'OCORRELACION.:\.DAS . . '.

,"L¡i. Scc'ció'll '3-.5'~xplic,iGn c6rn'ó r~l\l.iz'hY i)~~c'd¡c~~ión.cs~

p'~'{ PlÜllo )' púr inÚ:rval~s 'Ii'a~a. :~.!
el m'ouelo 'lineal búsi<;~ cua;ldola~ p~'ntif~l.l\ici6ilCS'esl¡ín bien COIHIHlrlildas. Vert:-,
. mos ahoj',a eÓm~,des;rrolla'r eslos m'étotlos,par¡;'c.1modcl()'lille¡i! COI)perlllrbacio-'
nes aUlocorrclacion'adas, CO.lsidcrarcnws cÓmo :illistración ~I ca~o' u~ pel'lurbacio- ,
nes AR(¡). La especi.fi~ación es. .
YI.= x;J1+ 1/1 "1 = .1,2, ':,;.n' (6.7j)

~. . ", = <pHI_I'+\. 'con' ',1<p1<1 y. [(lOE') = u¡1 (6,74} .

.;.:¡

. ',., .~
,_: .', , .,.. ... '. ',' . ,: i':, -' ,-." . " .' - . .... . . . _ . .'
-' C.M. Ocaclt ¡..J.G. "'I;~cKi')Il"Il .."A Ma~"Ill"i\'l:.ikc1ilt()bJ'l'r()cóJ"rc for Ilc¡!rcssillll ,,¡lit AlIlllCllricla •. '
. ,1':<1 L:rrors". E.~(J(lOlli.clrica.46. 197a. SI.SS:' .. ". : , .

.. ),:
~
 ,"

(' ..\1'11.'11.<11,.1 klcrosccuaSlicíd¡td y f\uiocl1rrclaci()1l 223

La combinación dcambas rclitciones d" como resldl;ltlll

.1".1 =.1",.,11 + "1 (6Ti)

donde )".1 = y, - 'P y, _ I )' .1".1 = x, - <P' XI _ l' La rclaciún salisface I~,scoiHliciunes es.
el
l¡índar Ul: MCO. Aplicarcmos ,\-ICO a los da'los lransformados. sir, dcscuidilr el lra-
l"mil:nlü adccuado uc 1" jHimera ollsl:rvacióll. )' oblendlt:mos h~IUJ' Partiendo de
los resullados ue 1;1 Sección 3.5, la predicción por punlo óplima de )"." I es i

)\" i I = x",,, i lb~IC(j (6.76)

que puedc'
-. .
rcformularse en l~rnlilills de la-. va;'iablc o;'illinal
~ CO;l11~. ,)
(6.77) •

~: .,.¡c..,.. ql.~:pll:(lo tél:ln.ill?d~ Ji,'. p~c~i~ci.ó,~.e~lJ[lt:~l¡IÚ¡I<),qrd~.la .espefi!.'l(:J .<;0l1t1ic;I0I1<11

de
/(" iJ ya que, según las ecuaciones (6.73) y (6.74).

£(/(" + I 111,.) = <P/("= <pel'" -,x:,f1)

.
. y dicho término se eSlj¡'na mediante lfÍ fy" -: x:,b~lC(j)' De lluevo según I¡ISección :\.5 .
.'la v."rial1za de predíccit1l1 'cs' . '. •.
~

donde
7 . . '.' . . ,." . . .
.~¡,;(j.. ..,X.b~1C(j)'(.1":'" X.b~.I'G(¡)/(II- k) . (6.71))
cilnH\ (;'n 101 eCllilciún (\27).',

El pr(;blema ra'dieaell qll.c hémo~' \;cl;i'do ;lsumiendo <¡l'IC conocemos el \'¡¡JoJ'

~e <P.),esle no sUl:lcscr el. caso.. Elf1;\¡j)r';íc1(ca, b y 'f deben eslimar~e conjllnlilmen,
- .le. Entonces, la predícción factible es' '.

(¡.SO)
. En 'esle caso. ya no conoccl1Ius.e.i;aclamcnle las~propié'd'ades ue la predicción ni !----
existe modo concrelo de exprésar la varianza del prediclor. La \'arial1za en la ccua-
ci.ón (6.7X) es condicional en 'P)'no liene ~n cuenla la incerlidumbre ,,1 cSlimar ése
p;¡r¡ímelro.

I\lglll1llS programas ¡nrorm;ílicos práj)()rcion;'ln simpicmenle si. la \'¡¡rían'za dd pre-

. diclor, lo cu¡d no representa un CITOI' demasiado grave cuand~l la varianza de la pér,
lurbaeión es mucho ma)'or que ia val'janza del eSlimadol:'

La ecuación «Í:7X) es suricien'le ¡i efeclostic cálcúlo en cst~ caso pUeSI{}que trala de

~ .cubrir casi loda la varianza de/coCficienle.Un'a llliimü'posibilidad estriba en ulili .
zarlécnic:l.~, ¡fe iJoohlrappillg para cSlablei:;e/' uiSlribuciunes nlllcslralcs.' El Capitulo :.,'':''''"
11 discule esle liro de técnicas. .
:'
'-
~.:.'
 "(1 (1IlOS 1)1' U', 1:\(J\II, 11{j,\

UUlI'1.0 (,.~.E.lEHClClO 1)).:'\UTOCOHJtt-:t.'\O()N. El prcscnlc ejercicio se bolsa elllla.

los al'lii'ici;l1es.para elpc'riodo compn:i,ldido cnlrc IlJSI )' IlJl)(). l.;, \'ariablé X se ge.
ncra mcdian.le la i'úrl11ula
X= IO+S"NRND
con un \';l1or inicial deS en.llJ:'iO. NIÜ~P ¡lIdiea una variable distribuida ;i1ealmia.
mente C0l110 tilia normal cSI;ind;,1'. La \'ari;,ble )' sc gcncra.medianlc la i'órmul;,
y = 2+ 2' X,..O.~ *.X(-I),+0.7 * Y(- 1) +.5" NI"l.ND
La Tah\;, (1,) l11ue.slrala eSlil11aeit)n ~v1CO de dichaespcciric;lción. El cslaciislico DW
no r.:chaz;i la hil)lllCsis de no aulocorrc\;rcióndc los rcsiduos. La prucha. sin cmhar.
¡!o. no <:s.t!l.'Ji¡l(porqllc la \'ariabledcpendicntc rl.'lard;,d.;1 sc halla prcsenle l.'ntrclos
'"., r<:¡!r~sor<:s.' Ca Tahla .(,J) l11u<:slra dos cstadíslicos dc,prucha 'dc la ;llIlocorrel;1Cic'lIrdc
I,,'ima ordell jtlnltÍ COIl la regrcsitÍn en la qllc eSI;ill basadm.

El cstadístico F quc aparece ;11'principio' dc ¡¡; Tahla (d,. ~s d lesl de Durbinde la

ecuaci('lIl ((1.51). Dehido ;, quc CSI;1I110Sllllical11enle \'l.'rii'ica11do aUlocorrelacioncs dc
primer ordcn. cl estadíslico Fcs es el cuadrado,del cstadíslico I rcl,l(:ion;rdo C011I~E.
SI D(- 1) de la regresil"ll: y los \'alon:s de proh;;hilid;ld 'de ios~stadislico 1: )' I son
id~l1licos. naturall11-:nle.

',1 olrl1 csladist.ico. IiU:. es el cSI'adísiicn'¡"IL de I3n:llsch-Ciodrrc)' definido Cilla

ecu;1Cil;n (h.sil).i'inguno de I'os estadísticos rechaza \;;hipÚI~sis de alllocorrl:!aei,;n
de primer ordcn igll,lia ccro encllérmin\l de pCrllll'haci,')n.

1\

1".\IIL\ 1,:5
::t111,",;;!!~'lI:~(T(}iJ~2lÍi.Tc¡:¡;¡¡¡:¡ i: illi:-E'jl c¡:j"líé i¡iT:¡--.~ "~'~C' •.. •.

.. '~' ,,~" - ..
LS I1 [kpendcllt Variable is Y .
Sali\ple: 1951-19lJO
II\c1uded obscr\';Il;Ol\s: -10
Variable Cod"licicl\t 'Sll\. Error T.Slaiislic I'rob.

C -1.6.160~(' 3,1991)35 -(J,.19X~OS 0.(,110

X 1.0~-1356 (J,163530 12,0.1187 O,OO()()
X(-I) -0.355027 0.216876 -1,(,3700,\ 0.110)
Y( --1) 0.7 317.\9 0,066595 IO,lJRXO) O,O(X)O

R.squarcd O.S93"(,5 ¡"Ieal\.dcpcndenll';u 52.5X35lJ

,\djl"icd R-sqliarcu 0.08-1587 S.D. {kpcnucrill'ar 15,91%0
".' 5.4011291 ,\k;¡ike ií,i'u cril~r;l1n ),.t7050('
S.E. nI' regress';ull
~.' S,OI1lsquarcrJ resid 1052,.986. Schwar/. crilcrián 3.63939,1
Log likclihood . "':122,i677 (siaiis\IC IllO.{¡)H7
Durbin-Walson S\;l\ 2, \81299 l'rub(F,slalíslic) ., 0,000000

\\~ í'

'.
'{

, .. ' 22S
'.

(,.ro
T'\ 111.'\
Conlrnslc ele nlllocorrc\:;ci(ín(lcIHilllc"r orden
_. _ ." • ,_~ •. ,,~ •• .t •••••••••• _ •••. ;" <:_ •• .:.-: .•.•• ;... _~ ; ".' ":'.u ..•..-'_ ~:_0._ ~.:..•. ~.~..

Dre;lsh;aodtrey Seriaí'
.
CorrClation\.M
. ¡
Tés,.: .
F.Slatisiic .- 0,599158 ,PlobabililY . 0,444097
Obs' R-squ:rred '0:673227 ,.. I'roba~ility 0,411929.
Test [quation:
LS 1I Dependenl Variableis RESiD r
" r • ,,1;

Variable Codlicieni Sld ..Error ,T.Slalislic ". Probo 1,

C -0,836639 <1,490048
'" ..'.

CO,239721 0,811?
!
X '0,016228 :,0.170768 . 0,095032' 0.9248:
X(-I) . -O,O'\9().15 0,227329 -0,218386 0,8284
.. Y(-I) . . 0,022~89 0.0730511., ..... ,. O,~P9217 .0.7590;.
. RESID{.,.I) -:0,1,11878 . O.! ~3292, . ;::O,?74053 9,4441
R-sqllarcd 0,016831 Meandcpcnde;llvar' -4,87E-15
Adjllsled R.sr¡uared ~0;095532 S.D. dcpcnd~nl v~r 5.196118
SE 01'regrcssion . 5.438654' Akalkc'ir;fo crilerio~ 3,50)5)2.
SIIIl1sl)lInredre.sitl, , 1035, 263 ,S~I1\'iarz cr'ilerion~ . 3,7146-12
Log likclihood '.. '':'12 Ú282 .." r:sl~¡islic' "',' O,W)790
burb!n:Walson stal ',\'90'14 '1'5' " T'rob{r-sla,!slic) 0,961856
lO,'

. T,\ 1\ 1.'\ (,.7 " '

Una rclad¡";nll1ali:s'p~ci(¡'C:1l1:;
•••••• '~' •• ~' ..•••.•. _.~ •..•..• :•••.• .:.L..l.:....-•• _ •. _._._. _' ._~--"~. ._ .•.. _.• --L.••

LS I1 Depcndenl Variable is Y
Sample: 1951-1990
Includcd ohscrvalilllls: ",O
::""':'7!':'~';':"':"'7:';'"{;;;-;:¡7;blc'~T:¿¿rh¿i.~~;;.j?,J;iü::fE'1r;¡~:n'T:slrilTsT¡K\:,.,,7?f'r~'b'rí('(".!;:::.';'Y'~.:'.~',\'Y":"';"'<'~"\0;.':;::
'..;;;c~'

e 33.79141 .1,2'';411) 7,961948 '0;0000

x' 1.861224 'OJ7.18i3 5;005674 . 0,0000
lrSr¡lIarell 0.:197368: '. Mean derCI\d~nIVar .52.53359
AdjllsledR-sqliarcü . 0.381510 S.D. tlcpendenl~ar 15,91960
S.E ..or rcgressiul1 . 12,5198<1.. Akaikc ¡l1focrilcriOli .5,10)335
Sorn sr¡uared rcsid . 5956.360 Schwarzerilcrion 5,187779
Log likelihood -156,8242 F,slnlislie .' 2.5.05677
Dorbir1-\Valson stal 0,446163 Prob(r-:statislic) 0,000013

... : -.
' .. . ._,:
CII:llltiiíseespccifica' crróncalll(:nlC Y s610COJilO rtÍnción dt:"I;\ X ~ctual. obten.
tlrcl11,;slús ,,'csUIt;ltillS ,illls¡'¡-:itloscll la Tahli. 6.7.Elcstarlístico D\V indica un~ ;]ulo.
cOl'.re!aci,;n :t!lalllcillcsignificativ;];DicI10I'CSlIll;]t\O ;]collsej;]lItilizarel método de
cSlitllaci<'lndc C(lcl1r:1I1c~OrCUl\qlle ofrecc los resultados q\le mllCslr;] la Tahla 6.R.'
R! parece 111I1Cho,mcjor ahora)' cxisle evidcnci;] ';¡parenl.e dc pert urhaciol1es :ll1tOCO:
 226 ~IÉTO[)OS lll: ECO"'U~IETi¡IA

rn:lacionaJas. Sin cinbargo. lal ca 1110explicanllis el1 el desarrollo qlle cOI\\:III)'ó el1
la ecu;¡ción (6.63), lacspecifieacióli de, Cuchrapc.;O/CIIIl illlplic;I\~JI;~.lestri:ci.1l11 ~!.oli-
.neal en los pariÍlIlclros de la~relación que liene X.X(- 1) Y Y(- 1) COlllll regresl1n:s.
L¡l resiricción debe ,:i:rificarsc con 1;; re~resiólilh: la T;lbla (¡.5. La T,lhl<l lí.!) in'ue'slra
'.. :..
.Ios rcsullados. Tal S'como se .esperaG",'reclla1.a;)His la. reslTic..:illnsinninguna Juda.'

T,\ 11L.\ 6.H '

Estilllación !le' Codiranc.Orcult
•••~---.-.~~.~.--.. -=- ..••...... - •.......
•...,...~.•.••:"'t •.~ •.

LS IIDcpcnllcni Yarial)lc is Y
'Sanipk: 1\151-1990
,lncludcdobscrvalitins:40
Convcrgcncc achk\'cJ afler 7ilcralions
'.\ .. '.... ;"'~ .•;.,.,;i.":.\,~. d';V;¡ii1Í1Jli~,.:.'tHifffilú;;I'-"';';'~td:-trfot;-""" ;"¡;"SI:;,Ú¡.ic' ,,',,~: 1,+{J1I:"~; ..... ~i.,.;'", '•.. ~.'

C .10.09970 . 5,276770 7,599289 . 0.0000

0,212262 7.379250 0,0000 ...~
X ;1.566337
.::
..;-.R(I) 0.744'100 0,093639 7.949678 0.0000

R-squarcll . 0.783307 t-,'!eandepcnucnl va[ 52,58359

AJjuslcd R.squarcd 0.77159.1 S.D. depcllllcll\ \';tr 15.91960
S.E. of icgression 7.608265 Akaikc info criler,ion 4.130509
S~lInsquared rcsid '2141.771 Schwarzciitcrion 4.257175
Log likclihood . -136.3677 f--slalislic 66.R74'12
DUlbill- W~lson Sial 1.696.59.1 . r;ob(F-sl~lislic) .0.000000
.I'Il\'crtc'd AI~ Itools ..

. ~ l •
T,\ Il LA (,.9
Un contraste de I;fespecilicacilíll de Cuchrane- ," •. 1••
.'
Orcult. .' . ....
~~ •.•.•.•..•..••.
_ ....•.
.-':_
•• ~._"','l"'"

.Wald Tesi:

.. N;,II Hypolhcsis: .. C(3) -1-C(2-)'C(<l). ';'0 .

F-Slalislic . 36,60186 Probabifily 0,000001
Chi-squarc . 36.60186. Probabi1ilY O.O(XJOOO

6.9
HETEROSCEDASTICIDAD AUTORREGRESIV¡\ CONDICIONAL
(AReH)
'..... <r • • ' '.
'. ~
:~~ü¡<;ibll,.dnienle, io'~ económclras.lianvepido alertando "ce re" de la posible exis-
:e;1cia de perlurbacio~es heleros~edáslic"s en los an'~lisis con dalos de corte lraús.

'.f
 L'ITII!I.11I,: I klcrosc<:daSli<:idau y AlllOcorrelación 227 l. ¡ ~)""-

versa!.)' de perlurbacioncs aUloeorrelacionallas e!l eS,ludios cOllserics ICl1lporales.

En el primer caso suponcmos que lodos los pares ¿le aUlocolrelaciones son iguales a
. cero, y cn el lillilllo SUPOIlClllllS la exislenciaue llomosccd"sliciuau. Ellglc sugerí;1 " "

en úna arliclilo scminal que 1;1hClerosc(;d;lsticidad puclk darse tambiéll ell conlcx-
. los dc series lemporales2~. Los invesligadores dcdieados a 1" predicción destacan
. qw,:, p;lrlieularmenle en mercados cspeculalivos lales comO los de lipos de camhio \'
los de rendimientos de acciones, los pequei'los y grandes errores liendcn a ,lp"recc'r ;~i 1
agrupados. Engle formuló la noción de que el pasauoJCCiellle debería proporcionar
. infornlacióll acerca de la I'arianza cOllllicional de la per.lllrbacióll. Posluló la SI-
guiente relación: .
') .' ., 1

" lTi=Clll-l-ClI/l;~I+ ... +Cl/,/l'i~¡1 (6.31)

L" v;¡rianz;¡ condiciollal de 1" perturbación es la varianza ue 11,. condicionada a la
'::.,\.•,,.jj\fl}nHaciól1dispul.lihll:cl1 el. pc.riodo ../.7 ..1.:.yJa cxpres;\fl:nws.como, .". _.. ,': .... ' '.': ;'?'
Ir; ='var(II/II'_I' .... 11,_1')
.,,"1

"= £(117;11,_1 •..... 11,_ ¡J'

= E,_ I(un ((l.~Q)
.. d?nde L:,.I indica lomar una esperanza condieion"I." (OUí) 1;1info,:mación haSla el [i-
..nal del' periouo / - l. Por ló (anlo. las 'perturbaciones m<Ís' rccicnlcs infJu\'<.:n en la
varian7:a de .la perturbacilili "elual, 'iguillgue cl.lcrremolll de 'ayer implic:, un eon-
júnlo ¡Je movimlcnlos hoy. Una varianza .como la U<.:1;1ecuación (6.H 1) j)llede \.:Slal
nriginaua'il partir ¡J<.:lIna pu(urba<.:ilÍn definida como
111 = E, 0.0 + u)lIi_
11",.... ,
l
1+ .:. + U/,II;_'/' '- ((l.X.l)
donde IÉ,I'<.:s ulla sel'ie deTuiuo blanco con varíanza igu,,1 \1 la unid"d~'J. Se Iral;1 dc
lJn.I)f(,iceSll A 1~C1:1(p). '. ." - .

'.. ;:-y.'. 'caso m,ís sencillo es un rroccso A ~CH( 1). H, = E, [0.0 -1-ClI 117 _ I 11/2 . Sus propi..:-
. dí!des •.que d<.:sarrollanlOS en el Apéndice 6.3. son las siguientcs:
. .

':..L i.."S'lI/lienen mcdia cero. .

2.' L'j, varianza condiciónal viene 'uad,; por Ir7= ¡Yo+ lYlllf_l' quc es un caso panicll-
'., .1:.1.1'd<.: la ecuación ((¡.Xl). .' ... -. '. .
'.~. '..Lavil ri"nza incondicional.csy2 = u(!( 1 - á¡ ):que Slíli) existe si ~ () y
l~1I ICl11< 1.
'..4~.:f_as all'tocOvilrian7.as sonigualcs a ccro)o. .

,P '. '.~ '.

" .
.l~({ljh~'l F. El\gk. "¡\lllorcg(c,si\'<: ('ol\di';ol\al 1';<:leroc<:dasliciIY\\';Ih Eslimal<:' of Ih<:\';lIi:IIl(~ of Ul\i.
.le."~il\bdotll Il\n;iliol\"; 1:('(1;"""('1';<'11. 511.l j¡¡Z. %7-.1()()~.
l

". '-,}? ~i_,~c

_ ilsll.mc ulla vari.al1za unitaria ,es jlor simplil;id;ld. ClI:,IIc.¡uil.'r t\lr;l \'ari:\I1%:l pouria 'tralls(orlllílfSL" a )"
"..l:I¡',id¡Hl ajusl;lIldo ;u.1ccll;\l!amclÍle In~ paf;'lInClr~)S restantes,-
.. '1 U,r.c,,,lIado es faClihlc para i\llCH{ 1j. pe n)' no lo es I',;,a Illoecs"s<.k ';1;"'(11 órd~lI. Véase. sin <:ml"".
~u. d i\l'é'Hlicc (d. ' . .

,~
1,
-._Alf
 f.) .•......
~.
\

~.

, 1ooot.

~J'
\II.'I(JlH)S DI. r'('(J\II\lLlld,\

Co,,'raJlflciÓII dI' Il//){/e/u;" ,\/lC'l1, La ecu~lciún' (6,1)1) implica la siguiellll: CO;I-

lraslacil'lll: .. ' . , .

l. ¡\jusl;l'r y. a X,medi;llllI: i\1l'Oy oiJtc,llcr' los residuos le'!:

, 1 C;i1eularl;1 re!!resiúll i\ICO,I'~'=c\:f'I'H"I('~ 1+ +c\:l' I'~t -1' .1. "IT(II',
... '... - ,,_'"
.'. Verificar la sit-Iliric:lci,',n L'Onjl'lIl1adc úl' el", oo"
•...

Si e:stos c\ldicieli\(:s SO!I'sigliiricativamente distirllOS de cer(;. n.:chazaremos el su-

ti
P"L'SIO de perlurhacionl.:s' condici(lnah~H.:ille 'IHJI;;Osced;íslic;ls en fal'or de perúlrh;l-
c¡olles ,\ I~CII y el resultado d<: f:¡ conlraslaciói\ indic;lr;í de forma lentativa ell'alOl:
de: /J. SiJlemhilrg\l, deheríamos rccordarque dil'ersos errores de espeeiricacie)n en la
rel;lciúil original pueden condllcirnosa erroi'<:s cn las perl urhaciones A I~CJ-I,
E.I'rilll{(citÍll de lIIoddo.\' AnCl!, Un posiblenlélodo de eSlimaci<Ín es el de
i\ICc.; faclihks, UlilíZ;1I110S1:1regresillll de la 'etapa 2 para ohlcncr cstimacioncs de
las \'ari;lIlI;IS dc la pcrturhaciein en cada punto mueslral)' eSlimamos dc nuevo la re-
laci,inorig.in;d me:di;1I1te cl proceso de mínimos cuadrádos' pond~rados para corregir
1;1helerosccdaslicidad, El procedimiento pucdc.fnllnr si e1níé.todo de eslinl;1ciún en
•.••_'.1
la el;lpa 2 da lug;lI' a \;arianzas igu;llcs a cero o ncg;;livas, Sin emhargo, 1:1imposi-
cie'ln d<: reslricciones adcclI;HI;lscn el paránielro t~ minimiza el riesgo dc aparici(¡n
de (sic tipo de f;dlos. Algllnosirl\'eSligndores imponen a las perlUrb;lciones al cua-
drad'l rel;lrdadas 1111cOlljun\(l de pesos lincalmente de(('ccicnt<:s, Si, por cjcmplo, cl
;'0-. ~.
I'alm dc /J fuera -1,la regresi(Í1l de I;i elapa 2 es
c;=
('11 + (<(0,-1 e¡_1 + 0,1 (';-2 + 0,2 el_)
+ 0,1 e¡_~i) + error
I .a l',ormu Ia G,1\ I)C'II'
,-. '.'
1 . , .'.
proporclolla ulla especificación I11cnos rcslríclivé\ dc la ectin-
ci(ill de pcrturh:lciól1.'l3olkr~lel'sugicresústituirla ccuaci6n (Ií,XI) por'y;,~,\~;fl.
(r¡ = (VII + (\ 1"7 .. I + ... + IX,,"~ _" + "VIIr? _ I + .. , -1- "V"Ir; _ " «(¡,Xii)
,.. Ie Io recl'1lC c I 1l011111'e
I (eI mOlle '1 o GARC¡I(/i,f/),
.
:slc 11101 Exprcsa la l'ari:lnZ;1 condi-
cioll;i1 C0l110 rUllci6n lineal dc: /J perlurhaciones al cuadrado rClar(\ada's y q varianzas " _
con di ci1)na I~~;1:~;I~1:9~ld a?~t;;r' ~SriíTI;Yc-ró-ii-ri}sfiTI
¡¡-'-UifíCiI '¡iii¡'il-CU;\ Ii¡' ÍI¡eré (¡il)lIúTo"¿re""'~""~:~ ,--
valeires que'¡'\(; l..:';ílí'l'alnresj)e:qllciios de fI yr/, En la pr;ícliC;I, la aplicaci6n m:ís fre- '.~
cuenlc es cll~1tldc!oG,\I~C1I{I.I), .
'-o , ,
"i:: ero + ul"i_ I ~'"VI",-_ I

SIl~lilll\'L'Il\I\l sllL"L'si\anle:nlL' e:1lcll;idú derecho -la p<.:'rl11

rh;¡ci('lI\ relard;¡da. obtcne:'
I
\...:1 m\ lS
,
\c.'

\ _1, ..

\.:_~~! ~ITim "nll\..r.~k\:.";(jt.:n~rali~\.'d';, ÚIClr.~.grl's;i\'~.c'úl,diliol1;~1111...tt.';tl(nLI'.111I'~"'. 1,",,,;,,1 ,,/I:'I"I'O,mU"fin,

-' 1. 1(I~(,.. 1117.-,~7.
\..;"
 ,- ('"pi I:UI.Oro: i-Ictcrosccú:1Slicit1;al y /\ulocorrcl~cil>11
, ' ,'. . " :
, ., . .
La vari;¡IJZ;\ <lcllI;il depcnde de'lo¡lns:las'pe~tul:baeiones a;llériores elevad<ls ;¡I ~II;¡-;
drado:")', dado que g¡cs una fr;¡ccióíl'j10siliv;¡,los'pesosdisíninilyel\de form;¡expo-
n<:ncial. ,~, , •

l:
11","
El eslililador asinlúlicodicienlecs' el (le máxi;lla verosimilitud, C]ue da lug;lr a ccua-'
cioncs 110 litleal~s que nccc~ltaiílr;;;:\I;lleillo;it~r;;li~o:l1o cntraremos ;¡quí por el
'1

.. ,
mon'lcnlo en m;I)'lires dclalles-'~. La liler;rl;lr;¡ ha sufrido una auténtica explosión de
nllldelos'/\ ¡~C1'L lino de los m;ís import;¡nles c'S cicle A RCH cn M ED 1A o.modelo
A RC! I-f\~,i\ La ,c;lraclqíslica principal'de eslc mollelo esC]ue, én ecuaciones pnra
.: , ,~.;
l11udclos.financieros, inclu)'cla yarianz;¡ éondicionalcomo regresor y" por lo lanlo, l'
permite que el rie.sgo esperado '(le un biel1 quede'reflejaclo en su precio. Ln versión
de EViews de IlJ1J6 inclu)'e un amplio conjunto 'de procediniienlos de estimnción )'
COllli'aSlacilÍll,(1e cSletipll de modcI()~,' ' , .
,;", '1. '." .1"

: "

APÉNDICE

A l'í~NJ)ICE (íJ
.; j.

Con,lr;lslel\'lL dehc(er()scc(i';¡Slitid:;~'(I11I;lfiplica'li\'a)4" "

Considercmos el modelo
+ 11,'

dóm!c.l'; = (1 .r~, .\'.\, .., .r~,). En lu~ar del suplleslo h;¡hit ua I de homosccd:1SI icidnd'slI-
1)()llllr"lll(lS.',CII
~ "~sI"~
~ ~ "as(,)'
~ (lllC
_, E/i, = () 'I~ar;¡ lodo,'
-;¡¡;-;:" 7'-'=~-~'-"--'-'~,-, - ...~. 7..
,.. ~~- •••.•. ; ;'.l)'{~::Ej,1:';;'J?':"".,':.,r'?"<;"7.:'"'S,:';'!;':~:,':T::~:>~'~::\:;,(':'.?"/)::,'
dOlidc z; = (1 <-2,Z-"",Z"i)CS ún vec,lordc variahlcscOIiocid';¡s que posihlcmelllcin-
c1uye aigllna tic Ias\iarihhlcs de ..r o filllCíOl1cS t1etiicllas,variilblci;, y síemln IX =

'.'1 Vl::1Sl', pu, l'jell1l'hi.' HtI"'~;l.i1 D;~"id~ony Jan;cs ú. lvJ¡,.cK.in;'OI\. ~./:".t';"'f";~mmul ¡"f'fclln.";" 1:"cIII"""r-
"in". O,xl",J lJlii\'erS¡I)"l're~s, 1.'J'l,1.55(,,5(,0::0 \\lilllam 11. Grecne,'''t:CfIll/,¡,,,''rir ,\""l",;,", 2"J ed ..
M:lC/o.lill:ml'I'Jl.41X.4,12 \' 5(,X-577.' . "" .'" ,
,'~ I¡"herl .':, FI;~Ic: Da\'i,j'I;\, Lilien )' Itussdl ¡',JÍilhin.;; "i,slim:;dng Til1l~ Varrin¡: I¡bk I',emia in the
TermSlruelure: Tite ,'I¡('II.M l\1tider~, "ro",,,;,;"';':;,', 55,'I')X7::I'II-.107,
JI 1.:1presenl,:Secci"'nse hasi,en 1.. (i"d(rc)',"Teslin¡:lor 1vIuhipliC:lI¡"e'llelerored:,qiciIY", .1";"",,, ;,¡
r'"",¡"ú,,'ui,'.'.'X:' 1'J7.X,2~J.2.lr\::r,s, ,Ilre."sdr -)' A,H:I'aMn.'; A .Siinplc Test 1m Ilclernced"'licily ~!HJ
'1\:;,;'\1.,,'•• C"dricii:iú Va,iali';",",.':'",''''''''''''''''''I;, 47. lt¡:7'J.'li'¡O'12'>.t, mueslra c,\,";,ies'e mi,mo plllceso de •..
\'cri.ric:~ri~-~n ~c ~(I~lil"nc",I~';p:a ~';lll"t1r.il"'~Il"iI~,~c~ '1~I;i~:gcl1cr:.II~~ t1c ..hcic~oscClla~licid;ll.fqu\= c.1 ct)~ls~t.fcr;tdo en
c~I;,C:l."c(i"H1.
í 230 MÉTODOS DE É'CONOMETIlI,\

(o: I a2 .... al') un veélor 'de parámetros desconocidos. En esle caso,-'a hil)óte~is l\llla.
dc hOl11oscedaSlicidad lendréÍ la forma .0 ••

110: ce2 ;" ... = al'

en cuyo caso. (J~ = ca,. es una conslante. Si 'suponemos perlurb;l(iones dislribuidas
:i
no rm aIme nle.

ji( ", ). = I "C-U;

'1' ,
.•••• ;

V211UT

El logarilmo de verosimilitud delmodClo es

.1
.
=- 11
-ln211-
2
-I
2.
2: In<Ij-
J
-1
2'
2: -II~
Ir2
.. .'
La malril de información 1(jJ, (X ) es una malriz diagonal en bl()4ue~. Necesilamos,
por lo lanlo, concentrilfllos únicamente cn ul/ua y en la submalriz

1",,;' -E(iI2/i<lexiJu')

Para obtener i)1/()cxnetesila'mos varios resullados intenlledios:

c1u ¡ 2 .t '
--o = u, Z,
. ¡¡ex

. élllúr2 .' .
...._..-'.-.-'.'-'.=.z,"
. ,la .

Entonces

ul I ,(";' .)
-=-
c1('( , 2 2: --1
u; ... , 1

'.~ .

¡ -;:;;:<.:100 espc'ranz.as, escribimos

L
 .
.' i.
(}~
oc...-
.~
DI ' ..
:" ••.J.

'un == -1.: ( -,-'_.iJ~/) == -

I '\'
¿ ~,z.;
-.
dudu 2

pueslo que ¡:; II~ = (J~, pMa lodo 1. Rcformul¡ln:mos'iJl/iln comu

iJ/' l' '.

..
-= -2: f¡z.,.
il.ex . 2 i!'.'
.. .,1

íl~ •
f, = !J, - I = )' - I ,. 1
(Jj

.. 1

Entonces

El estadíslico miue la mitad de la suma de cuaurauus explicada (SCE) cn la regre.

sión de f, sobre l,.
Para obtener el estadíslico de prueba !VILdeberemus e\'aluM la expresiún anleri'lI'
en c1valor de los estimadores restringidos. En este caso
'J
t:"
J,'=j';-I=..-!..-I
2
l.••• , _

u,

donue e, es el residuo de 1;1regn.:sión MeO Lle)', sohre x, )' (j-2¿ d /11. Comol )' ,Q se
diferencian tan Slílo por una conSlanle. la SCE de la rcgre~:lon de ,~sobre ;: ser;\"
igual a la SCE de la regresión de I sobre z.
Esta úllima regresión es el eontrasle de Godfre)' de hcieroscedasticidad mulliplica.
liva. A continuación sc realiza la regresión del cuadrado de lus residuos IvlCO divi.
didos por la vari:lll7.a eSlimada, snhi'"e ¡;;'s vari:,hles ~; hajola /-Iu: 1;, ll1ita'd de lá SCE
.....•
I'l:sullalllt.: st.:distri!Juir¡í asilllólit.:amenle como ullaX~(fl- 1).

Para ohlt.:ncr un eSladisticu de prueba asilllólicamt.:1l1e equivalenl':. rt.:lomanHlS la

rcgr~sillll d0:.1 sobre z,. La variable Ilielle medí;, cer.o .. l'or ¡ll li1n10. SCE = 1?.~2.l¡.'!

e; )~ =,-"'Ll'.I
1
__2 ,
2:¡-='\'
,1 ( C'\
--1 '\'(,~+ 1/
, ,¿ -2
lT I
,'.
.
-~
lT
,1 -,,¿
rr

~.
~--------
"",

",'
, 'j
.\II~T()Il()SIJI, lCo:", nIErHf,\
,: 1

Dividicndo por" vcmos que

~', \

I ~J" 2 //l,1 .'

-¿ ,= -, -2+ I
" , . "11/
2 .
dondc 11/2 y II/~ il.ldican el segundo y' cuarlo momcntos l11ucstralcs con rcspcclo dc la
mcdla t.k lus rcslduos ¡viCO. Para UIWvarihblc dislribuida normall11cnlc, los eurres-
pondlcntcs mOl1lcntos pohlacionaics obcdcccnlarcl<lción 1'., = 3/1; . Rccmplazando
los .mol1lcntos nlllcslralcs por sus equivalcnlcs poblaciunaics oblc'ncl11os L J2 '" 2".
,\SI pucs . I

LM = 1SCE = "fU
Finalmcnte. sc,i;~I;lr~l1los quc el proceso' dc l11ulliplicar la ~ariablc depcndiente por
una constante, anacilr una constantc a la vnriable depcndienle, o ambas cosas, no nl-
lera. el R2 de la regresión. Parlo lánlb, elR2 dcl eSladíslico tv1Lpuedc obtencrse "i
r:;lilzancJo la rcgrc~i~'lI1tic l!¡2 sobrc las variables ;:. Otcusch )' Pagan demueslran que
SI la helcro:cc~asllcldnd cs susliluida por la formulación m<Ís gener,d (T~ = h(z;a),
dondc h( ) ,~cli.c;l un" form;l funcional no cspccificada, pucde sc~uirsc ulili1.;lI1do el
n~lsmo estadlsllCO jvlL y. en consccucnci", sc' Iral" dc un;1 prucba dc hetcrosccdasli-
cldad muy gcncral. .'
:¡
. :'~

APÉNDICE ó,2
Contrasle HV para'liol1losccdasticiclad (llIr:l daros :lgrupacios

[lllpeZ;lrcmus con cllo~arillllo dc verosil1lilitud dc la ccuación ((¡.I(l),

'l.

•. •.• :,'" ,' •.'i ..) 1: ' ...• '....:.:.: •...•. 1.,..'., .... 'c. ..• ,"':""',' :.: .. : .....' .......•.. '., "j",'.

1=' - -.ln(2;i)-" ,:"":"liii VI':' -11' V-'"

l' . 2 2
.'
.. ,ir'

'l,!.>'
CU;l1ldo' ji;'" (J2J.sC lJ'j¡nsfor;l~a en

" " .".'. 1"

/=- -ln{2n)- -lnli2 - --"',,
..2 '. . 2' 2(r2

Com'o 'sc de mos!.ra b,;' cn,Ja SCCCi{lI'l'5.2,l11a:-;im[zando oh'icnc mus

\.J
I~;CSI = L(¡J. Ir2) ;, (b,:)"n/2(1Í2)-n/2

dóndc 1Í2 ~ (y- ~fl)'(y':' ~fi)h~..

Sc lrilla é1~ la vc.rosinlililnd /('.\Iringidll porql'~ supo, .~
ncmos \'Mlanzas Igu;dcs. I olll:lndologaritnúlS rcsull;," . . ..
~I .
.(

"
.
 C~I'I:;uLi) 1"l.iclcrosécd~sliciJady AUloc~rrélaeíól\" 233
'! '
.,; ~~ • .~,;. '~;:") lO"

.r . ..,' ,l.: .' • .. .; \ .' "'1....•.•. ~ ',. !I':', ,~:" \" \ ",.:'" ",' ¡,,' _ " , :, • ,

.~ En caso de. hc,lcrosccdaSI,ici(J¡',d:"qlg.~.uÓ~\ ~l~

~a,I?S, ,c(Jlnp)alcedía. en¡ la e~\taclon
- «(1.15), dlogarilml1 dc vcrosimílilu~ es, . '-
, < • -1, , • j' 1 I / , .~

"
',,'>' \. '2
" 1 ~-:~ln(2n)
.
~
"'.:¡:;
f"lIii~;,;dq
I 2; '~,:,\~~i,
~i '\(j'i ~:XijJ)'(Y~::-
(r'j '"',',',, "
X,jJ)
c' ' .,

Lus Ety1)/dc .las varianzas son"

(t; =
.2.,,;.(y ¡-A i 'jJ'")'/'"
Vi; ~ •.~\';
" jJ")f":
, I~; . i =:. 1,,2, ... ,g .
."

'-, " ¡ .: l 'j ~ ,c'

:' SuSliluycndo~ obtenemos ' ¡

¡ ..¡
,,'. , " ,.,',', ,'" '2"",' 1.,. r. .'.' .; '1¡
u< -2.'L/';
'.

'..,. L.1~'7"ln. In(5; !

, . i= I .

que bajo 1;1hipólesis nlllas~ disl~ibuye asin'íólic~n~e~le C0l110unax2 (g - 1).

Espcci ficlllnos e1procéso com~

" . l" , . 2 ]In
. ' ... !/( = E, txo+.'o:,"¡~ I .
con lE,! iid(O,I). tJd~sarrol1orÚluie¡'ela UI.ili7.nci6n'lanlodelaesperanú condicio:
nal cuinodc hno cnlldic.ionnl.E, _'1('I¡}.inclica la espernnza de ", condieion"d<l¡:ior
la información disppnihlc.en¿lpúiodo de lié¡HPO:1-1.
Para c1rroccsn(\c pri11lerorden,eslllexpre~i'ÓlléquiyaleaE(",IIt, - 1)' Ln esperanz<l
~
'.~' no contlicí(¡;lal sl:obticneton1anJorél)~lidnmCI~IC éspcJantaséondicionnles periodo.
.l. \1
'lraspcritldo, OhsciYillHio'lllS illcJias:tphdkionh'ie~Jd proceso, podemos escrihir'
tj.
(.

.'. .'.' ...•. '2 lI2£.. ()' o'

E,:. 1("') =[00 +0:-11//:.\1';.:..\ E,= '.
" ~
.,.'.
.; "

..
 Por lo t;¡nto, £::/'2[£"1 (",)1 £/.2(0)= =
(J, Y así sucesivamente p;lra los pcriudos anl~-
riores. De este modo, la IHcdia Ilocondicional es E(II/) = (J. .,
Volviend'o a la varianza,lénelll(is y~
-".',

. 11 [O 2 j'
/lj=.Ej °0+°1"'_1
;~. ':

Por lo tanto, £.,- I (112)

, -lJ2[(,
- 1'0 .'-
r (','1
,
2 /'_11:: (ti) + (.11/12'_1
_ '.:.'

De mudo similar, E, _ 2 £,- 1(1~7) = E, _ 2[ tlu + ni"; _ ¡J

= (Xo + ni E,_ 2(11;)

= 0u + tl,(oo+ l(I";_2) .¡
".j.

'= (1) -1-aUal + "1"7 _ 2)

.,., •1'1"0c.ede re Illos'.asíli <lS-la;.ver,'que.''',' ..... ::- ..•./

£u ... £¡_2L"_I("7) = (10(1 + tll +."1 + o •• + (('1- 1) + a't"l

Como lall < 1, podemos tomar límilescua'nc!o I'~ 00 Y la varianza no condicional

es ,
~
. tll)
. var(u,) = lJ2 = -. --
. .' .' . I - (11

que c~ posil'ivu' puesto qlÍe (tu > O. s~ Irala, en consecucncia, .de un proceso ho;i10S-
c~d;islico. .. y
La aulllCllvarianza cOIH.Jicional de primer'ordenes

£'_1("''''_1) ="'_1£/_1("') =ll

Itesull<l iumedialú concluir que lodaslas aUlocov.arianzas de ordcn mayor son tan}-
bién igualc;s ccro ..

"Resulta evidente que, en el c;~so del proceso (.k p.t:simo orden, sigue sosteniéndose .
la condición de l1ledia cero. La va(ianza no condicional es una funci(\n ll1;ís cOl1lple-'
ja de los parámelros (l. L-a c'óndición 1::,.,
(11,"'.1) = () se manliene cualquiera que sea .
el orden del proceso)', por lo tanto, para cualquier proceso 1\ ItCI-I las aulOCllva- , .i

Jianz;.,s 501.1igll;\lcs a ccrp ..

PROBLEI\'lAS

. -;.:.. D¡¡tlas cinco observa~iones mueslrales ..

X' 4 I 5 S 2
r.
Y 63 12 15 4
I
!¡
j
l
i.,"
 SuplIn.:f 1111 mOlklll lin<.:al con lielel'\is(cdaSlicidad de la forma C1¡ = C1~ X¡ . Calcular
los eSlimadllrcs ¡vICC de II y jJ y los colreslíondi~nlcs errores cSI;ínl'iar.

6.1. Aplicando MCO a los dalos descritos a conlinu¡,(iún .. ún in\'csligador eSlill1a una rc-
lación line;d y sus crrorcs eSI:lndar asociados .
:
.. .....•. .. '. "'~."•.... ~.,.....
." ' ; ",'

x 2 J 1 ) ')
Y .1 7 J l) 17 .. ,
Sc le.:iI1flll'lll;¡ asilllislllo dc que 1;, ll1alrizde varianzas dc las pcrturbaciolH:s cs
1';11(11) =,,~. diag/O.IO: 0.0.'): (J.](J: O..,(J: (J.I:il
, j
Utilizar dicha inforll1aciún para cakular los errores eSI;indar correClOS para los eSI.i.-'
madores MeO y cUllIpararlos con los o\l.lc;nidos p;llliendo~de .la.rürlllld;!'l:q!~\1,:!lCi(). ,
n;¡l" .' " ' -

Id, Esbozar el procedimienlo MCe faclible.: para estimar ,

.,.

.1', = x;¡J + /1,

'. í
donde la I'arianz.a ue es
/1,

, .(1;.= eCl:j
,
¡"!fa llna variable escalar conocida ,-,.'.
,:,
liA, Extraer de CPS¡;¡; un,l mueslra de lOO ubsc'rl'acioiles y dcsarrollar los pJ'llceSUS de
contrastaeión ilustrados ell el Ejeniplo 6.L

Ii.S. Utiliz¡II1do POlexp como I'ariable.:, dil'idir las I(JOOohsCi'l'a(iones'li<: CI'S:-;:-;e'-) cualro -'.
grupos y lIel'ar a cabo el contraste dc hOll1osceuaslicidad cn gru'pos ddinid" por la , ..."
ecuación (6.21).
"

¡Nola: Como sc explic;¡ en el epígrafe anlerior a la ecuaciún (11.21 l. sed suficienlc <.:s. ~,
tjlllar ell'cclorj1 en cada grup.o por separado y. púr lo lanlll ..no r<:sulta nccesario rc-
alizar la ilcraci,in cOll1pleta l. . .,
'"'\
('.Ii. Desarrollar ellogarilnlO de I'erosilllilitudde la ecu:lciún (1).72).
'"

.6.7. Partir del modelo del Apt:ndice Ií.l suponiendu.que la hCI<.:rosc~dastil'idad ticlI<': la
fOfllla siglliente: ,-...•.

'"""

i)esarJ'llllar el conlrastc IvlL para probar 111;: «1 = ... = «/' = O Y comp;rrarlo con cI -,
Cll.nlrasle dcl Ap~ndice 6.1.
~
G.l!. Probar la afirmación del Apéndice 6.1 que afirma que e', proceso de mulliplicar la V;¡- r--
riable depcndii.:nle por una conslante, aiiadir una constante a la \';IIi:,"le dcpcnuien-
-
----------- ~II:TOIJOS DI' IT():-;"~IUHí,1
.

le. u ¡lIllb¡IS cosas. Ilo.¡ri\(;r.l el tU'de 1;1regn:siól1. (Nul;r: Ddil1irz ~,c/y + 'c!; dOl1de
las e SOI1 cOllslan\(;s ;Irbilrarias e; es una 'COIUIllIl;'lde UI1(;s. Tr;rbaj;lr luego con ];¡s
,Jesl'iaeiones para dl:I11()Slranlue N~' ,'':; ti! ', ..)" ,
.' ,.1 =','
C..9. Desarrollar los n:slill.ldos de las ecuaciol1es ((l.]]) y ((>.33) par;r el proccso 1\ It( 1)
111edi;1111eel IIlClolill de ilcraeilÍll de 1;1~sper.lllza l11atcl11.ílica iluSlr;¡du el1 el l\p':lldi.
ce ("J, '

, ,¡
(,.\[1. Gel1erar sus propios dóll(;S y cxperil11..:nlar 'Ios procetiel11iell\os Je aUlocorn:l;lci(ill ex.
plic'ad\lS ell el Ejemplo (l.~.

"

-,
~ ...

--.;,

'1

.'"

.•... ,:
,,',~ .. ' i,

'i
CA!',lTUL07 ,,', 1,',,' "1- ••. ¡ .,

1,
'. i ,.'... ,., ..,.:., ,,' . ,'; ~!'. . .1 •• ,1

l.•.•.• _~h ..;..:;' ..••.•.1"._":'_~""#LI..•...•,-: •• ,¡._.i:"~_'''1'7~'''''~-''';'.':'.~-.i

••.'~'L•.•..•.•.•.
~~'~~~~~,:-"'I~~..J.:,.: "1'" - '.''''l''''IJ..l1

Modelos 'Univáriai1tes,tle Series

. ",. -'". . ., " - . . _.. '. ¡.- .I '. " •.' r : ."'.~ ',:" ',.',' ", .' '. .. I •. •

:;,. , . '. ~
Telnporales',
"t

...• ',o

,1

" ,

" '

" ", •. '¡

:",' , ,,,."

'",1" ,,-:','_""<_,":.
" .......• !.""'.:',~: .':.:."",.",'~" ... >•. ',:~,.~:;'
¡~,_I'~' '!,'"

ESle C:lpílUlo ,lr:lln, exclusivamCI.lIC,dela ,niot1c\Í7.acií'll dc,scrics lcmpora,lcs.én c,l

C<lSOde u lla ..lÍ[lka v;l~i<l.hIc, 1;' sericsc,niodcli7.hSólo clllérminos dc susvalorcs p¡¡-
,s;IcJos y ;I!gtlll<l pcrl'u,rh<lci6n,.:!-a r(Hn~lJla,gel1cr;¡1 cs , " '
"'x,~'f('~'_I,XI'-2"".,li,), (7.1)
P:lra que la cetlacilÍn (7.1) rcs;ullC, oI?,cr<jliv;'l, debe~os;.csrcciric:l( lrcseoshs:la for-
Illa fUllciona\fO. e"J,lllílilcro d~r~l¡lrdos 'yl<)cslrUciur¡¡ dell~ri1linodc pei'lurbación',
Si, po~ejemp¡o~sc" csr~cifi~<):u'la'i\lI)ci'Óil,nne~l'cón>:lnJetn,r~~ y' una perlurbaeiÓn
del l¡portlido blnllco. oblclld,rcmos comorcsull<)do <:1 ,dcnominndo proceso aulorrc-
gresivode primer ordC;l 1\ Ji( 1) 'dO;llb por ¡'il7.0llcS de simplicidad, hCI'l)05 elimina-
do lilll' el momenlo c1lérmino uc inlCl'secciOtl.' ," '

.
"x,
\ ',' ~.,
~
, ' .:
0,1';':1 +,,;
." .' . "I .
, (7.2)

, ,'" 'xl=nlX;~r:Hli-~:'_2+;;.,;'¡:d/~\"_I;+ 1('1, ',' ,', (1.3)

Cu andolal)~rllirb<lcil)II,1 ¡cllei",', (0111pOl'I~1l1,ienfe: c'ol1lo'ün 'pro~eso' ~Icf I (1)0,' ¡'úitlo I
biallco, 't1ccim(}~ q\l~,laecuacióll (73)csun lirocúoI\R(p)iJl~':o: Dicho proceso es ,1
'sus,ceptiblc uc eolliplcl;lI'Sesi suponGm05 qucdlÚmiho de perlurbáción liene una
¡
eSlrlJúur<l ',mis ,colllpltj<l. Encaso t1equc SUI)Ongnmó~ quclaperturbac¡6ny'a no si-
gue iln esqlicin;,' rilidohl~nco,i<l especi(¡encióil aIlCrnnliv:lm;ís uliliz¡¡(]<1 cda de un 1
proceso en IafürmaUenolilillad;t dc incdiciln(!"it M A( r¡ j,

E,::,,/11El ~ ~:fJrl, -'1

'
(7.4)
¡
,

dl1údet',CSlIll pl:(lcbo,niid(lhfanm.La~cüaCi6n(7A)
11, :::

especirica
,:..: •.

un proceso M A(r¡)
¡,
¡ntrrí.. La cOlllhinnci(ín de 1<15 cCli;rCioiics(73) y (7A)tJa'lugnnllJn proceso/lli.\'¡n .
1,
;tUlnrregrtsivny dc 11l~di:Th,('Jvil,ARMA(p,q)::.:' "" , ,
, .r,:::O¡X¡'.I+,:,+U¡rÍ'r_',.+:Et-fJIE¡C-1 ~;.'. :j3qEI_q' (7.5)
d
:¡
2:11
238

7.1. '. '.' ." , _, ,' ..

UN RAZONAMIENTO SOBRE. EL ANA
'. LISIS UNIVARIANTE

En una primcraaproximac!ól~' a.1Icnu), 'pareceríaqu~ los ccolHlIni;il'a~ no l~v.iel~an .'

~!
quc moslrarse muy sensibles al al)álisi~ l!nivarianle. Al finy al cabo, la leoría econó-
mica es ricaen sugerenciás que liene~ q~e vex con las rclaciones e/llrl: va'riables, El' ;,i!
in lento de explicar y predecir una s~rie COil la única ayuda dc ía infori'Ílaciól; (j¡s'pb~
nible so~re la propia serie, ignorando por lo tanlo toua la información que pOleJi~
cialmenle prop,orcionan olras seriesrc1acionatlas,con, aq'uélla. po¿lríay'arcccr un en-
foque ineficiente. Existen.do~ razonamienlos posibles. El p~imero es que la i'nfor-
mación a priori acerca de las posibles rclaciones entre s~r1es p'ucde no estar bien
fundamentada. En lal caso, el inodelo puramente estadíslico que relaciona los valo-
res actuales d~ una variable 'con 'sus valorés precedeúles constituye una herramienla
úlil de resumen de la irifotmacióíl' y puedc empICarse para generar pn:t1icciones fia-
bles a COrlO plazo. Alternalivamente, si las especul¡\ciones teóricas sobre la estruc-
IUJa ecoI1ómica poseen una base fundada, se puede demoslrar que una manifesla-
ción ele dicha estructura conduce a la especificación de ecuaciones similares a la '
ecuación (7.5) para cada variable endógena de la eslructura. El modelo macroeco-
nómico nJ;\s sencillo q~fe, encollLramos en cu'alqüier libro de texto básico sirve para
ilustrar eslt: punto:

(7.6)
YSiC+/
. . ' ,,', ;.' .

t10nue C,l e Y indican, resl)(;Clivamenle, .consumo, inversión e ingreso nacional. El

Consumase relaciona lilicalmenic con el ingrcso actual y con el consumo del perio-
do anlerior, adel\l¡\s de illguna perturbación. La segunda ecuacil'ln es la idenlidad
del.ingi'esonacional. Matemáticamente, éste sistema de dos ecuaciones con ,tres va- .
riablt;s "explica" cualquiera de las dos viiri,ibles'ei1 términos lle la lerCera variable.
Tradicionalmente, en economía, conlemplamos e e Y como aquellas variables cu-
yas varia'ciones quedan d~lerminatlas' po'r las variaciones de 1y la' perlúrbación alea'
toria. Denominamos a las variables C e Y variables endógenas t1elmotlclo, mientras
que decimos que la variable 1 es una variabl~ exógena. Susliluyendo la segunda
ecuación en la primera, lenemos

a2 . ao al ~2
C,-'-' _.-' C¡'_l =.--+-. -.-1/+--11, (7.711)
1 -.a 1 I - al. 1 -.exI I -!.XI
•...
l.
Mediante algunos cálculos 'algeb'raicos, obtenemos'

I s~Irala de relardor un periodo ladas las variables que aparecen en 1;1idenlidad del ¡,igreso. multiplicar
ror o¡/(t - od ambos miembros de \¡¡ igualdad y. finalmenle. reSlar el pruduclu lllllenid(ld~ la iJenlidad
o~¡¡;i"a!.

,
:.
,
 ('''I'í IlJI.Cll.l\IOlkllls LJ"i\'ari;Il11":sti..: S..:rió T":l1Ipor;t1..:s 2,W

I (X2 nO 1 I
) ---Y,_I =---.1 --(l,.,._(l2/'~I)+--II, (7.7h)
1-0:1 l-ul,I-('(I', 1-('(1

Por lo tilnto, lanto C como Y poseen un componenle ¡\ R( 1) con idénlico coeficien- 4, ,'l

-r
le en ellérmino relardado. El lado derecho de cada una de las ..
ecuaciones
.
cs un lér-
I~.'
. IÍlino de perturbación omnibus cuyas propiedades dcricndcn ud componamienlo
de l. En caso de quc 1 fuera una serie de ruido blanco: el consumo s~guiría un pro-
6eso puro A R( J), micnl r,is que el ingreso seguiría un proccso ¡\R¡vIA (1.1),
La clasificación de las variables entre endógenas y exógenas no se realiza a li-
bre albedrío Sil.lOque depende de los objeli'vos de quien eSlablece el modelo: Su- (1
pongamos que ampliamos el modelo lnacroeconómico de modo que incluya lam-
bién una ecuaci'ón p,ara l. La nueva especificación es
, C,=('(o+cxIY,+a2C,_¡+II,

1, = fJo' + ]3, (Y,_I - Y,_'~) -1- \', (7,~)

C, + 1, + C, }/, Si

La función consumo permanece igual, pero la inversión depende de un camhio re-

lardado en los niveles de ingreso. Los gastos gubern<lmclllales. C, constiluyen 1:1
nueva variable exógena del modelo. La suslitucióil algebraica resulla tediosa y por
ello cambiaremos a partir de aquí a la rOfllllilación malricial e introduciremos. ade.
más, el operador de relardo.

7.1.1 El Operador de Ilctardo

Cuando situarnos el operador de retardo. L, delante de cualquiér variable con suhín-

dice de tiempo, obtenemos los valores precedentes de la propia serie2, Por lo lanlo.
l.(",) = ",_ ,
1.2(.\) =L[I.:.(",)1 = L(.I',_I) =",_2
(7.9)
1:'""
(1 - L)", =",-",_1 = 6,,,,
L(] - L)",;" ",_1 -",_ 2 = 6.1',_1
. donde 6 es el operador de la primera dircrencia. Es frecuenle que muchas manipu- """,,

laciones algebr<licas lralen ni operador de retardo como si fuera un escalar, Una de

_ las operaciones miÍs imporlantes es tomar la inversa de una cxpr.:silín, en {.. .PUl'
cjemplo, supongamos'que /\(L) = 1,- ('(L indica lli-l pulinomio dc primer orden en
L COI,lsic1eremos el produclo
(1 - ('(L) (1 + a L + cx2 [) + ('(3 L J + ... + nI' tI') ,,; 1 _ u/' • 1 L" 1 I

2. En lileralllra de scric< Icmporale<. reslllla comíln encontrar el operador dcnominad" IJ (oper;;dllr de

T camhio' i1lllcrior). Utilizaremos t porque eS J1uís COlHllO clltr~ la lih:ralUri.l l'C(lIlOIll~lrica.

,
 [nI;¡ Illedida que p -:-' :1.:, \1".+ 1/." .¡ I .:-, O, da'Uo.«(uc Icil < J, Podelllos ;1S;l11isllllles-
crihir el in\'Clso, o retíproclJ, dc/\(I.) ~nlllo .. ' .

l' l .
1\- (l.) = . == 1+ nL .f.¿,,2L) + llJl) + .. , (7.10)
"f (1 ~ nL)

\ llilizandll c1llpcr;ldor. dc rCI;lriJlJ, rdllrnllll;lI11oS clmódelo dc la cl:uaciÚ,i (7.X) 'en

" 1:, I"r.ma '

[ e,] . [ClPoO
(l-n2L) (J
(J, ,,1
, -ClI .:..L) ]
-/111.(1 4} 1,= (7.11 )
'~I -1 I Y" O

dOIllJc /), es una \'ariahlC i'iclicia que 10m;1'v;1lor uno para incluir el lérmino de in.
lerseccióil en el modelo, ('miemos escribir ahora el Sisl~;lla anlerior en forllla 111<llri.
cial C0l110 " ,
.
,1(L)x,=;lJz,+II', (7,12)
donde las corresponden'cias SlJn evidcntes, ,\(L) csla matriz:l x 3 cu)'oselel11entos
son'polinomil1s (algunos de gr;1c1o cero) del 'operador de relardo. Su inversa se cs- '
crihc como .
, . '1' .'. .
'; , II-I(L) = --C(L) (7.1:1)
. 1i\(L)I, . '

dondc 1... 1(1.)1 es el determinanlc }' C(L) cs la ni<llriz de COf;1clores. Combinando las : .:
ccu;lciones (7.12)}' (7.13); oblenenlOs ; :
I '
1,\ (1.)1.1', = C(I.)llz, + C(I_) 11', (7,1,1)
; j.;
'1,.
La propiedad h;ísica dc la ccuaeión (7.14) es que (oda v;lri<lble endógen<l del veetor '.\ ':,.
~," (10c d a 111
.1',
opcr<ldl)r'de ¡,41;íi¡'do':"Paj';ldicIl0 m<Ítlelo' ',.
c';'(jTie'é's ,oh~ fin ti j¡ oh lió e sc;11;\ti.lCl
~,!Jlj I~ljfil~ ~;po r'C1:-O)fsnl~r'c1 cTéTifijTi,ITm
.
~-o-~l, \~:,"-.

'1 ;é
(7.15) ':1 ;:
-:'.0"
,\sí pues, tod~s las va¡oi;¡blcs endógc¡i<iS dcllllooelo poseen el l1Iismo componcnte :r¡I;~.
'l.
aUlllrrcgrcsivo de tercer orden. L<I)l<lIUr;lIeza"(Jel término dI: I)ei'llllb<lciún tic la
l:cu;lciónA R dependei';¡ de las variahles exógen¡ls del !ad<i derecho de la eCir;¡ción ;~"
(7.1,1), En caso dequc nOicsullara:ldceuadoelmanl'cnimiell\odelsupucs\O tic rui.
do blanco para el término de perlui'bación, dehería enlollces ajuslarse Ufl rúndelo
gcner;lIARlvIt\ parecido'al del;\ ccuaci(ín (7,5). . .

7.J.21\Indclizaciqn AIli\lA

Para claborar un modelo I\¡{lvl/" cJchi.:mosseguir tres clapas:

•.•...,"
 (
" .
'.' ,
{l
!
('Mil ULO 1: Modelos Univ~ri;1I1Ies de Series Temporales 241

., . \
!
:~.l. Verificar In csl<leionaried<ld
, .~. • .'
dei;; ~eri~ y, en C<lSOncces;]rio: efectuar tr;¡nsforllla-
4;.' .' .'~ '.. 1> • ~ • ¡ . • ." .' . - . o.

ciones cli la sene hasta eo.nscgm,r un<l serie esl<lcJOn<ln;;¡:. .'

',2. p<lniel;do de las rprOI)¡cdaJcs,~<~lI'loco~r~'I~ciólídel~sfrietl:<I:llsform<lda, elegir ,
algtll;as cSp~cif¡caci(lIlcs)\ RMA "Jara [;\ estiníación y ,~ontr<lslc: con objeto de al. , .
ca n'za'r una' esp'cci fic<lcián' concrct'acuyo,s i.'esiduosseail: ruidob(anco. '
'.:J. Cdcul<lr'prediceioncs para ílll horizontc leml~oí'<ll relcv<lnte' de acucrdo ,COil la ' .
es¡)cciTicñti6n c1cgidil, ' . ., "~ 'r . '"
;'. L' ~ ' • ';' ' ! ~

Vamos <lcenlrarnos cnla Cl;i¡~;í:2'dcj:tndodcl;idopor ahor.<I la etapa 1. La ¡den

': es desarrollar los COlllporlamicntós ,dc\os modelos. de aulocorr¿ltición asociados , ,
.' • .• ¡;. 1'. I •. • ~Ir
."," ..'
. '< . -. .: , ",,' ° • .'.' .• ~ • ; ;- , o, .'

con diversos esquem<ls AR,MA yA,RMA de ort1cnb<lJo.' ". '. . .

., Después COlllpar<lrelllos estos COI)lp0rltlrnicntos de los modelos teoricos con
'.', íos de los 11100CIo empíricos, calclll<ld o:s''<1b,anirde'¡<ls'scrics';llwlizad<ls, con' objc(o
de sllgerirllritl o ni;\s cspecifíc<lCiones '\'RMÁqucsi.:rVir¡ln l'<lrarealiz<lr cstim;'1c,io-
>::.: 'nes y conir:1sle's. ,,' ."
~.~ ~~
,,
7.2. ,'o . .. '. ... .
,{ PHOPIEDADESPE LOS pn:O~Esq~ AH, MÁ Y ARMA
'.,
;",

" . 7.2.1 Proceso Ano)

' ';
~~
En primcrlugar, des<lrroll;HeJllOS las prOpiedades del proc'eso AR(l). En la Sección
2.5 obtcníamos los resu1iados más uestacilllos;<lhor<l los c1esnrroll<lrcmosde nuevo
mediante un lllé.lodo,dislinloCjue pcrn;ilirá múltiples itplicacio~cs posteriores. 1.<1
;' exprcsión formal es '
.,;. ", )', ¿ /11 + (1)',~ \ + E¡' ' .. ' . • (7.16) '. 1

.:C.:. ..\i7ih..¿.ó.....
,.>~T'(io"'~.\~i~.7'.~':~.~'?:;';i~'l~'b.'~¿;.~.','J'~f(il')~r,[IT~IT .'''''.-,Ii2f.~~.~;'
... "Jj.
r.'c.~T,;.~.i~.".'.s,'
... :;\,;ft.'ff... r..ct.\.{;;.Ef.íS:l,f\'.1'.n.~.I,f.i1,,:W!t.:,'r.'.i.,','::" ' ';' ,~:.,.:,:: .. , .
do él operador de re lardo
.' "" ,(1 - ~~J_)'I:~Hr+~,
.'.o l' .' ". • . Oí 2 ,.' ".,. f
queda y;=(I+ÚL :~c!L +".)(I1I+e;)

La cómt;¡llIC;/1 liellc idénlicovalbrentodosl()~pcriodosY.'J)dr 10 tanto, <lpliear el

operador de retardo las vec~sque se<l 1l0h;lCC ni¡ísqtle seguir rér'r~<1ucienoo l<lmis.
111;\cOnsl<lnte;PodcnHlsrefl~rníUl<lr la ecuación anterior ~lilaform<l '

y, ==.(1 + (Y +(l2 -~ .. ,)ní+~(E,+ C1E'_I.+Ú2 E,_ 2+ ... )

("<lndo I ú.l < 1, Qhll:n'~rilO~: . ~.

:,.:-.','
.
;_. . . .' ,11;""
.E(YI)=.~=JI (7 :17)
., 1- (l', ',' ,
 2~2

es c.kcir que In varinble ytienc unamedia noccÍJidici(Jlial que es lina const;\nlc y,

por lo lanlo. es independicnle dcllicmpo. Como moslramoscn laSecciún 2.5, In
misma condición aplicada sobí.c ex da lugar a una varianza incollllicional conSlante
para la variable y. es ucdr'

(7.18)

La varianza puede c.Iesarrollarsede lllodoallern;lliviJ para facilitar la obtención

de aUlocovarianzas. Rcforlllularcmos la ecuación (7.16}mcc.liantc!la ecuación (7.17)
.como.
'x, = CU,_ 1+ E, (7.19)
Ue x, .~',y(-:!( E,I,~~,~,~r~?,::!;~~~~E~9.8,,,:~
'~.?1,1 ~1.1~,~~,I.~,9R.\~.~'}
.9.:S~.l}I'E.i~j,ll.(}'"IY););,\()]!lJ)ll~,,".. ;;;
. :,~.;":,:'.
"U:'(](fc'si)\~lilíiZ":\s~'vellúJs que
.'~
E(x~) = ('(2E(xf'I)+ E((¡)~2~d::(.~'~IE/) , );

['\ úÚin~~ 'lérillino delládo dcrc'c'h~ dc'sripal:e;;~ I~O;:t¡~iC '.1:; _ I d~penuc eXclllsiv¡Ullen. ':.'
le de E.,_ \' E,~ 2 ••.. y, adem¡\s.:'E¡CSlá incorri::laciqnad; ~on ,todos slIsvnlores pi'eee. '. ' ¡.
dcnl~s debido a' qlle hcnlOs SllPÚCSIOqué'se lralil ¡,]elln.ruid() lil¡\ncQ.,:CU¡~"n"c.I.()'q sa~,' .. ' .'
lisf;;¡cc la conJic:i(ln uc. csiacio'n,{ric¿¡¡,d. f ('( '1 <']., ¡;'illonc:cs ", " ',~:.
. . • -. . \ '. -'. :.' " • " ',' ': ' , , ¡.~.

'.. ' ,i_ ;;,(,.2'):" £'(1.2, )''.-' ',:

':,' U):-L."._ ',',~'I - ....

y 1;I,ccll¡lciÓJl¡II;l~rio['s~ tl:"ns'forma el!

. "'. ' .
.' 2 " " '2' ".-
,U)" = U.~UI' + !T;:

';I'lICrcconf¡r.llla la ecy:¡ción (-7,18). '. . .' '" , . , ' .,' "

, El' ¡;toceso iJcm~.llipl.ic,,'[ "l11bos h,~os.dc. l"ecuúcióll{7, 19) PO[X,- ;¡y.tólllar. '
éSP,C("1¡;'a~á".'lug¡'f a:.. ... '",¡ '... ' ", " . "
.' i(,':rl:;'_,)~\~E(.\.-i,'_¡) +E(xi_IE,)
'! ,.' ,t, ,.-,' ""; '" "
l.,

Simbqiii.arcinos'fos c{leficielll'~s de aliloco\'arianzanlcc.liiIllIC"ys = E(xrl',_.r)' La Últi.

'l1la ecuación s~rá puc~' , '", "

',"YI = Ü"Yu

donde "Yoc~ un for;1~a alternativa ¿Ic simt}olizar Oc (orJi1a parccida.n;lllliplican. u;' ",
do la ccunción (7 .19) pO~X;;- 2 X tomando eSficr¡ínzas. ohlCncnl()s
/:'

Y. 13:'1 g~nefal. k= 1,2 •... (7.20) ,

 , I
(',\1'iTlJI.O J: rvlolldos Ulli";¡ria,nll:s dcScrics TClllpura!<:s 2.13 ,-" , I

.g
'¡¡
1.0 •
.g U.X
,-
.~ I\){ Ú~ pal:illll.:lrn -0.7
~ O.x
c. ~ O.~
g::l
y

~U ..•
(UI

!~ IJ.U .~jJ.o.ou~
l"
;', -.)

I~ ')
e
y
2
;g 11.2 .g -nA
u <=
O
U 0.0 ~
1(cla,J" U -O.X
H lO 12 L-L..-l-L_. l~l'lafJ\1
lo 111 I!
rIGUHA 7.1 .
Correlogralllils de series ¡\ R( 1) esiacionarias

, - :.:. ',:.;-: ,". " ,_~' :' 'o •• ' ,,01,:: .-.,~' " 1

Los coeficienles de anfocorrelacilín para series eSlacionarias se definen C0l110

. E(Xrl"_k) ... , "Yk

P k = r::::;¡;:¡ '" = ..-- .
:' \vnr(:I',) Vvnr(x"~J.)-YII,'

, 'Los tó¡;Jicicnles de ,t1Ultlcol'ariilll%¡l y ;)lIl~cÓI'l'~iacil);; Sl)ILsi,i1é.lricllS con respccto

.
üclrc.lar.doc'cro. C(ill observar I,os'~oefié'ienlcs para rl:l¡irdos.pusilivos cs suficiente.
Losc:oeficiei1lcs de aUlocorn:I,~e¡ón de ló~pro¡:csos'AR( I ).scin
'Pk";npk_:¡='ok k=L.2.:.. (7.22) ,'"
La'c:xpresión anleriorproporci,ona lodas'la's coeficientes de ;lllloc:o'rrciacicín. ESln
'[orl11u!;\c:iúnrecibc clnol11bre dc 'ril;lcjiln dca.iJf(icofrcJadl;n,de la serie '(abrcviilda
,C0l110file (IIC/)) y su reprcsenlaci,6n gl'<Ífi~a se conoce conl(i,co]'],(,/O¿{],lIIlIn.La Figura
'7. J I11Ueslra ¿los correlogral11as Ij~nl series' A R(!) qtncioJwl:ias. .
.' -. ,... . ".

1''''
i2.2Frocescrs An(2)

• E'J proceso ¡-\ R(2) s~ define COI110'

(7.2:\ )
I~a l11c'dia 110 condici(;liai (suponicndo eSlacilllia,:'icd;ILÍ) c-SI-l'" !n1( I _ Cl I -: Cl~ ). Oc.
flnaJnos, Como :Inlcs, x, =: y, - p, y rdon\lulel11os 1;1ec:uaCil)~l (.7.23) cOl'no
'Xi = t~IXI_1 ;. (~2xl_2'+ É',..
(7.2.1)
Multiplicando illllbos ,lados por i, y tOl11anüo.c~flc'rnn;j\s; o\¡jcncl11ós
' , ''Yo=,'al"YJ+¿~"Y2+E(.\.>,,) "
La ccuación (7:24) del11uestra qtic.i::CI',E¡)= uZ!'y.'por.'¡) [,U'\lo'.
."Vi,.= ('(I'YI + ,C'r.i""'2 -{- (r; (7,25)
9------------
¡{¡' •
¡Y

"1';) ~I(TOI)OS IlE ITO:-:()~r1,llli ..'

ivlulliplicando la ecuación '(7,2,1) por x, _ I )' .1',_ 2 Y tonl<1ndo esperanzas del Illodü
l1abilu;d, Vl:1ll0Sque
1'1'= ({ll'o + ('21'1
(7.2ó)
1'1 = all'l + U11'o
Susliluycndo 1;1ccuaciún (7,2(') cn,1;I (7,i5) y simplificando, ll:ncmos
,,'

_, (1":('(2)(1;
"Yo - '
(1 +(2)(1 - al - ('2)(1 + ul,- fl2)
rn caso de eSl~sionaril:u;ld, la vflrianZfl deberá serunfl constflnll: POsilivfl. CUflndo
ludus lus lérmlnos enlrc parénlesis son POSili,;os, obtenemos
fl2 + al <, 1
t<2-al<1 (7.27)

b21 < 1
Se Iratfl de las condicioncs de l:slflcionarieuau para el proceso AR(2).
Las relaciones entre las aUlocovarianzas ue. la 'ecuaeilÍn(7.26) pueden exprc-
sarse también cn términos de los coeficientcs de autocorrdación, "
,

(7.28)
r2=U¡PI+U2
Se (rala de las denominadas ecuaciunesYllle-Walkl:r para el proceso AR(2). La re- t
, suluciún de eSl<lSecuacioncs para los uos primeros eoeficicntes dc au(ocorrelación
,~

, (1;)como resultado
, ti,
~ ,..: P,=-- (7.29)
" , 1 - ul
- ..;'
';'1
". . ': J""""¡":_'f~~J~/~;~'~.~;':":~~'''''''~':_~''':.':,,'~',.::: ...•:."..• "
La laé'C;i'~fJ:ddlkóc.esu t\R(2) es' , ,
~,
f',,=nIPk_l+fllP"_2 1(= 3,,1.... , (7.30)
[sla es una ecu;,ción eil diferencias de segundo orucn. con 105dos primeros valorcs
dados cn la ecuación (7.2l));f',.l¡ís aún. los cneficicnles de la ecuación el) diferencias
son los del proceso t\ I~(:n,Por lo tanto. ,I;,s condicioncs (Ic cst;lcion:,rie(I;,~1 ase!'.".
ran que la rac desaparece cU;lIldoaumenla el número de rclardos. La faclien~ la
forma dc un:l función dccn:cicnlc c,xponenciallllcnle o. cuando las raíces de la CCU;l-
c¡(in (7,3D) son complejas, 1;\ ro'¡'m¡J d(; .uiüs'iI1l1.~oiü;il ;1I1ltliligllaüa.
.•.• ~,.

Haír(;s del poilnolllio :en (;1()p~Tador de n:l:trdn

Un moclo :lllernali\'odc Ci)lisidcmr e¡' p,oc~so 1\1~(2) es idornilll;indolo en
funci(in del operado;' lIe relardo. ;[scrili;lI11i)sl;¡
. cCll:lci,',n (7.2,1) COll\() '

, il (/.)1', = f.,

donde ,/1(/.)=...
, - ,
1- tll/.
;
~,n,I.2
~
 ---n
.
. "

' "1
', .. '

, C,\l'Ji'ULO 1: Modelos' Ullivarialll~sc1l: S(;ri~s Tcmroraló

Expresemos est,a forma ClIadr¡ílica cOllloel produ,clO, ele uos f:lcl~rcS;

II(L)=:, l-a,L- ~2L2 =(1:" hIL)(l -h2/.;,)
La relación enl~e In';; par;ílll,elros a y h,es
hl'+h2'"('() y ,hlh2=;-a2 1- (7.31)
L:ls h deben considelarsc C(líliti1:ls ¡';ikes de h2'~tiIX: - 0'2,"0, que es la eClIaci6n
caracleríslica del proceso üe scgllllUO oi;deli. 511S rMces son ' ,
aJ:!: \/a~+ 4('(2' ,
hl' h2 = ,,' ,
, ,.', ¡ " 2 , l.

que salisfacénl:i eÚI¡¡CiÓ¡1(1.31j.~odcmos 6XI)rCSa~'el ih'vers~;~IC'eSliI ~xpresi6npo-'

linomial, /I-I(L), con1<; ,.' '
I, , e , .• ',{! '
¡\-I(I,) , ' " =' ---' '1-''''''-'--
". " ,(I-h,L)(\ -h2L) , \-\Il~ ¡!.,h2L',

donde e = -h I f(>!-'2:.. X,), y tl= hJ l(h2 - ,h ;).En'lonce~ ' :,.." '

...
.:
Demanerap"recid:l a los resultaUosobleniuos parfl el proeeso AR(I),la eSlacionil-
riedad del proceso AH(2) requiere ',. r : ';.:'
<lh)I<ly IX21<;\ (7.32)
t ,!
Rdorlllulando las condiciones en.t~ni1illos,(k los p;1r¡\n~clros ~. obtenemos l:ls eon-
~ : diciones de eslacionariedad ucsatroll;das anlcdorl{,enle eli la e~u¡¡ción (7.27). '
.• ;
El C:lSO'A R(2) :ldmite l:l posibilidadtk un pnrUe rriícés complcjils que tendrán
lugar si ('(~+ ., [(2 < O. Las raíces pueden escribirse como. ,
, h ,"h = Ir :!: \'i.. ' , .
i'''dg:~~,~'¡;~)~':'.i~~~~'t:ir;{~r;;;~:i¿~~:;gi;rS:i::í;:!~1:á:'7D;:T{\ID{'~
r':1'~,4:;S':'T~:í'ri't;~~~'~6":'¡';~~;;:""'::,":'~"
ginarioi = \,e¡. siendo;2 = -i. LbS cócricienles Ue:;iulOcórrclación reOej¡H,ín:lhor:l>
flucluaciones sinusciidalcsqllelentlc'r~na cctosiemprcC]t1e l:lsraíees complej:ls len-
~an 1I1Ú(/¡r/O mcnorlluc la 'unidad. El' vi,lor o,bsolú10 omódllló de cad:l üna de las
míces cOlllplej:,ses , " , , ) >

,
Ix,I=Vj,2+v~=~o';
1"" '
j=l,2
,
sienUoO <: -('(2 <1.la <:ondLción p:lra q(lc ~lc6rrdogtama posca Un:l formasinúsoi-
dal :inlOrliguada; "" "
La condiciondceslacioli\'.ri.~d:ld pnrÚ:líces reales o complejas es que el mríuu-
Jode las raíces sc;¡ .mcnor (luCtli\o; O (¡u'e !asraíces sesituelÍ cn él inferior dd (:¡rclllo
Hllidod. Un:l condición o,I1ernalivaesqt;¿I:lsr:lícesds/\(z)=1 -a,' - fl2Z2, cstén
, sillwdas [Hcnulel círcH/~1 /ln;lIud. Lasr:líccs(lcÁ(i:) sonaqúcllos v:lloresde ,(¡UC
r(;slleh;cnla eCllación ",
 2~6 ~ltTOUOS ut: I,CONU.\IUldA

EviJcnlcl11cnlC, las raíccs Son <¡= l/'A¡ U = 1.2) por lo quc, cuando las 'A sc silúan
enel interior de! círcuio uniuad, lasz se sitúan [llera, del mjsll1o. LI lilcralurasude
hablar dc condición de eSlaci'onaricu¡td cU¡\Ildolas raíces del polillomfo ell el opcra'
dordc relardo se silúan fllcra dd cirt'lIlu lIi/filad.La figura 7.2 miles!ra uos corrclo-
gramas p;¡ra scricsAH.(2) qlacionarias.

~ 0.9 RI.U
oc. UY;ac(-l) .,tl.f,'oc(-2)

i O,X
);11.:\
.~.".'
"E 11.1. -
'.:'~.
, 'l
J~ O) ~ ¡
;,
~ II,~,

,'~ 11.2 ,.

~~::,::~:l:~~Z'~~::,::",:,,,;..,
.., 0,6
l! '.• :' .

'"".,' "",.,:~.,:~.",\l;5,~.:',: ¡,;.,~ !..1 "~~_~< ..

Ü 0:1
2 6 H ,IU 12, 2, .1, h S lO 12

FIGuitA 7.2
Corrclo¡;ranias oc series ÁR(2) cSI¡¡ciónarias

f¡lI¡ción de alli'ocorr~hlción p;lrcial (facp n.pacf)"

Rcs~ll~ a mcnud~ c.lifíc'ildislinguir entre 'p'ro~'~sos: AR dedistililns órd'cllcS si
1l0S liasa';1os lÍniCal]lenli: cn' la oÍJser,va'ciün uc los',cllrrclogralllas. ,Es j1\lsililc, sin
embargo, rc'a'lizar una dlscrilllinació.;l 'm¡ís 'dráslica a parLlrde la observació;l ~lc',los
coefii:icntcsdc corr~lación parcial. Éilcl'caso'dcull proceso AI~(2).cl pariÍlllclro
Cl2 es .Ia corrc'lacióll parcial cnt'rc XI )'X, _ 2' p.ermallcn2¡cI1l1o .\:, _ 1 comlilllle. para
comprobarlo,rccordemos 'l~ dcfiriición d~coeficiclloIC' dc correlacioll p<1rcial e;¡el
casodc tres vlÍriablcs dada por la .eCu¡~ción(3.15),'.,' , .
. . .. . . . .' -

;. o::.., "1" '

. r',' = .. 13 1223
13.2 ,~'~
. v 1 ~rh\ 1-.r2J

Dicl;QS coeficientes dé cor:rclaci6n' adqiiicrc,n' r~rma csrcci;ll.cuando se ir;lla de se-

, "

rics eSla2ion¡lii<1s. Los subíridiccs '1.2:y 3 silnbolizan, rcspectiV¡¡menl~.la vari;lblc x

en cl pcrio~o corficnlc, así COI!10 su valor retUl:uado uno y dos periodos, EI1ll1nccs
"'12 ;"corr(XI'X1_1)= cor~(.rl_I'X;¿2) =(2) = PI
, 13= corr(xl, XI - 2) =, p~.. ,'
S'J~¡i¡uye;iuo eli la[9rmula aíllerio;', " ,
O" ,"2
.' ,_,PZ-: PI.
/ 13,2 ~'-1-'-2-'
. '
. . :ePI'
"",':-,
 --
:J

(.\1'1'1'1 (,; I\llld.:llls LJni"arianl<:s Je Serics Tcmporaks 2~7 "

., -

Volvicndo a las ccuacioncs Yule- "':,Ikcrdc la ccuac¡llll (7.2¡')) Y buscando la solu-

ción para 112'oblenclllos ..
1
P! - PI r
lll=---=I'I" ¡./.
- I - (11 .'-
Las ccuacioncs Yulc-Walkcr ¡)araun l)roC(;SO Al{(3) •
X
I
= III \"
. I -
+Cl
I.
r
~.I _ ~
+ ('(-1'
y
_ +
I _ .'
El' sOn J'

,I

(n:l)
p) = nlP~ + (l~PI + 0.-;
El par;ímclro ti) cs la corrclación p;¡rcia! cntrc XI)' XI_J. man!l:l;ien't1o conslanlt:.slas

.,i,-ú,~,;~~;::::'(~';;i)~"j:,,:',':~%k'
~'r:':,::::,~:Ó~,~:~
':'~p,~;,~oA~lnJ;IJ",.
,1 d, ,1,

Sil:úil'U)'CIlUO CIl,I;¡ lcrcera eCU;¡CiÓllYule:W;¡'lkei-. Icnemos que 0:1 = (J. Sc oblicncn

':'\
¡'csullildos similares cuando sc suponc,; inéorreCI;¡mcntc esqucm;ls de ordcn supc- "\

riol'. De cstc modo, I;¡-fa'cp (I)ad) dC"un proce~o A R(2) 'ucsararecc después dd se-
gundo reJ.árdo. An;í1ogamcnle, la facr de,una sC'rie AR(3) dcsapareccr;í dcspu<:s del
,7\
lercCr.rCI;¡'nJo. Subr¡l)'cnlos, sill embMg(), que dicliosr..:sullados SOIl I'Úlidos CU;llldo
iratilmos dc los p;¡r;\Illi:lros'/}()lJlllcivl/úlcJ,'!-Iabiluallllcn!l: dispoílcmos de corrt:i;¡-
ciones' mllcsl rales q uc, SOil'esli macioncs .¡n!pe r,reclas de 'Ias,córrespondic n lcs corrc-
laciollcs poblacionalcs. Eli ,cu;¡lquiér c~~o, 'csperamos.quc la f;¡c cmpírica de ulla se- .'
riceslacionaria AH, lieiltia';¡,cerii)' quc"', fa!,:p sea aproximai!alllcnrc ccro l11ií~;dLí
dcl orden dcl proccso" ' ' .

1--:"
7.2,3 l)ruces()s Mi\.
,.-.;
,
Podemos invcrlir el proceso I~R(I) eI.c1<1c~uación (7.19)y ohlen.er
, ,.1'/'= E,,:+ ClEi_., + c{2EI_1 + .•...

'Sc Irala'tlc un rrocesotvlAde orden infilli.IO: ivl~\(~). El proccso ¡\IA puro cxpresa
una variable [Inic;f)' exclusivamcnlc en t~rminos dc I()s'valnrc~ aCluales y'prccedl'n-
lcs de una' perlurbacióndc lipo ruido bl'ancCJ,:Eli Illllníclica. lo (¡nico que imp0rla
son J;is'propiedadcs dc los proccsos MA dc orderi rcdll~ido,EI proccso ,'\'IA( 1) cs
XI = E/ - Ji I E, _ I

Se dCl11ucslra Lícill11cnlc que la~'a'ulocovari~l;zass()n'

"Yo =. (1+ jJ1 )á!
.. .•
",
2•
"'''YI' . =,-fJ . 1'c.r~ (7.34) " --
 , ..:.~~;
;i
.
SII:H)I){JS DE LC()~()SII: I !ti.-s
'.

'\.,.

.',, -/1,
PI =-.-,'
1 - Pi .
(7.Yi)
¡. P2 ~. P.1 = . oo ~ ()

"
"
o-
l'Olknllls illl'nlir d proces,; 1\1,\( 1))' ol1l<.:nel' El COIllOuna.serie inJ'inita enlénninos
"fl
., de .r,. x".' , ....
"'.
'T: ., ( 136)
~,
'tI'
,.. .t

"

.:.,,~ Sc lralacle un;] serie AR(:r..). por lo quelas~ulocorrelaciones Ij"rcia!cs no des"pa-

" reccn'. sino 'quc tiendcn <'1cero. PCI:O.COIllO~cab¡lIl1Os 'devCr, después de I;i priniel:"
, autocol'lel"ción las dcnúís son ig:u¡iIcs. a cero. Lilspropiedades de un prbceso MA'
.•. ;, puro son. por lotanlo, las COlitr;\I:ias Ú I;,s ele' un proces,) A R puro.' La' rae de IIn pro"
" J, ceso /\'11\ des;¡parece dcspues dcl rclar,lo indici\c1.o por el orden del proceso mien-
Iras qu'e la facp tie.nve á cero.
./
.....1 La ecu;¡ción (7.36) liene senlidoslÍlo.si 1/1,1< 1. De ¡lO ser así, las implic;lciones
'.
., quc se derivarían se lr;,duccn enel hecho de que son las .1' l1l¡ís ;¡!cjadas las que tic-
.¡
. '-
nen 11l;IY0ro.:srepercusiones suhre el s'¡t16r'¡IClual'de.l'. La ctJndicilÍnljJ ,1 < I recibe el
~l.j " nOl11bre dc CIlII<iicic)1Ide inHrlihili<iacl. Essil1lilat ;, la condición'de eslacion;¡ried;,d
de la serie JvIA(I) no exige <i'jJ, con-
•""fU;
'. de unascrie AI«I),aunque la estacionariedad
dici,íll algun;1, P"ra el proceso /\'IA(2).1 seoblicnen desarrollos con resullados simio .
.•..~ ,~
lares. En gener¡l!. p;¡ra un. proceso esl;lcionario /,,11\(1/), los primeros 1/ codicientes
de aUlocol'lelacióil son distintos de cero, Illientras que el resto de codicicnles dc
JI'
aUlocorrelacilín soi\ igualcs a ceró; los codicicntes de ';¡ulocorrelacicín p;¡rcial,por
,,;~' Sil parl<.:, tiellde aceroa Illedida que ¡\lllllenla el valor del retardo. .

-.).o'
11
.'
;~':\'?;:/\:?i,;:.'.,.,'
;,'
.,i t¡
/'
'-¡!' 7,2..:1 Procescls.i\íU\IA.
.! '
"-.'J'fl
i
El procesoge11cral¡\Riv.IA(ji,i¡) es
1
-...'
,H

j
A (l.)x, =1J( /.)E¡ (7.:17)'
"'-'"
..ji donde
, (7.:11))
~~!,I
'IJ(I.) :=. 1"- JI ,l. - hU - oo.- /1,/'1
"..,1>l La l'stacionariecl;-¡d requiere que las r;rícesde ,\(L) sc silúen rlll:r;¡ del circulo unidad;
,,1 por su p;lI'le, 1;1invcnilii.lid;¡d .i:xigeidénlicas cOIHliei\lIleS sohre las l;,ír<.:s de /1(1.).'

.,,, ji,

\./1
\' :J,
 /'

i; ..
"¡"i,'
,
•. 1,.,

,
II
1
J
,.:',
.J.
C',\I'h¡';1.0
••
7: Ivlude"os
';"'~'.
U 11i,'a ri~IH~S de Scri~s T e lil¡ior:;'¡ Ics
:

'._"1" .'"
• • :

~'.,
"1 .;'.

'"'.,~¡~~~ .. l'
;' ",
. 2~!J . ¡
¡
," , .•..• ' ' •• ~ '. -••• ' '0". '1, :,~ .. :.' • r;'._:: .' ¡: '
,',
'-l:' Dad<]s lal~s concliciC?I1~S• .cI proceso ARM,A(ji,q),podr:\ expresarsc bicll como un Tiro.
ceso' A Itpul'o de ~rdeninnl~itp'; \iLcl1'coii~o ullj1r.otesoMA pürcl de orden irlnnilo:.,
.,' '. "., '.',' ., , 'l." " ." " '/""- > '1 , ,'. '¡ _< :\ J: "!., _" 1

.
1J-1(l,)tI(L):,',
:' :.
;'E¡ :' o x,.=A~'(L)fl(l.:k'
'\ . ¡.
-=1.'31
El prócl:so mix 1(l dl:ll1cllor orde;l es'e1 'A IU"I A (1.1 ). . I .

r::lcvandi¡ (7.'llJ)all:uadra(Jo
x, =lY.l'i.'¡ +
;

y IOl11alJdocsper<ll1zaS; vel11o~qllG'
'. '" "
Él -IIE'~.l
. 1'.
"
.'!
(7AO)
I
I

~l:;yéi~~:"?2,;\::.:. .- ".~ ' '

, .. \

.. (7.41).
!
I
...•. ~" ., . I
l\''';ltiplicando la,ecuación (7.4dh' IOl11al1do espeTallt;s,: l. ..
.; . " , ~ , " ;
.:."'-
. '. ,'. (ll-:-fl)(I-#J)': 2 ,l'

1, ;= "'YU - /J(l~ =:='. " fT{ . ,1 . (7."12)

. 'i, . .,1- ty2 , ".
. . . :,,', ""

Las cov:Irianz:lsdc m:l)'or .ordcilViel1cl1 daJ;¡s por' :

-t{ =O,'Yk _1 ',k='2, 3.,;", (7.43)

Por lo «1I110,1;¡ rlll1ciúl1 de aUloc6rrcla~iól1 del p~occso '0~RMA;((.I) es ,

" (ti - /1)(1- afJ),.

p, =. '.
'. l

.
. '1-20:13+ (\2, ,
(7.!.IA)
i
, . ~' ..
I
k:=2; J. oo.' " .
"...... '/, '1'

,,:'.,

T,\III .•~7.1 J.. i

¡< :;¡.",¡?¡¡'.¡)'7"'~~~!f:!.~~'é'2::t;f'::':l&?';¡{2"'?;¡'"')''''' ",,).¡¡"P',C', '! '

1\ It(/1) Infinita;cllllvcrgl; '. '),illi¡~;d~s¡¡rarcéi: I
' i1cs¡)llésdelr':I~1tdop
. MI\((/)Finila;&~apai'c~e, .

~.
¡lcs¡il1~sddrClardo
.
.',' "
IJ 'llliiliil:i;con\'crgc"

1\ Rr--'IA' Illfillil;l; con\'crgé

Elpii111er codicienl¿clependclaiítodc lospa rámclros de .1<1p;;l-le A H,'canlO de los

dela p¡irlc MA. Ijiscodicientesoblcnidosdisnlinúidncxponcntiall1lel1tcy la I:\s;¡
dedeelCc::il1liento~'enclr;1. dad'JiJoi:c1 p;'\diilel roAR.$i n CIl1U;lrgo, ;¡.di fe ,:cnciade
UIl prpccso ARpuro,klstndieicl\li:s ¡le ;lúlOCQrrel;\ci6'1 p;¡'rcial'nodesap;¡recer~11
sinoquc'sl: alel1l'l:In. Laecll:lciÓn (]:3Y)déj¡lcnt;'everdiCllO rCSUII;¡ÓOde ,forma. in-
tui IiV;iy rilllestra ccíl11011l!los IO$I)r(jcc\osll. IUvlA sOllé,q uiva1clí 1cs ;¡rrocesos AR
de oidell illji;'illJ.' .. '. . , .. , I
:
 250 hIIo'TODOS DE ECO,''¡O~tU IdA

,
t:'

.p >

..~..
.'

7.3 .. . .:\
;.~
CONTRAS1'ACIÓt'lDE LA És;r~\ClbNf\RlEDI\D.
,

'. .' ~
La St:cción 7.2 d~rillía 'Ia meelia,' variallza, aUloéovarian7.ils. yaulocorrt:laciones de :~

......~.•i";, ..c ;..;\i\;~~~{,i,d f~;~~tJ,.~.~;~~;,;~

~.~~:.~-~;;~ .-.'."' ' .~'!
ttt;~£~~~J~i~~~.~[~I~~~.;;;~;.I~~'~~;'~¡~'~i:;\:
cocfic'ienles para cúalquic'r serie, debt:mos vcr.ificar si úichascrie t:s t:staci()naria5.
. ',..
La Figura' 2.9 ;noslraba un proceso AR ciíl'aéiollarioyunpascoait:¡úorio con lIcri~. :' I
','
va. CalcLilar la lúedia d~ úna scrle ele raseoalealorio.con deriva 'p:l1'a v¡¡riossubcoll-
jUlúos de d~tlOSno tiene sentidp: Los rc'suÍl.:ldos v¡¡ría'n según cU{I.1sea <;1.conjl[lIto de
elatos ut.ili~aúo. E.sle prGble1i1a .es. c!erlQ (l foi'rior;'para la.st:ric explosiva moslrada ' ..;,,
. en I¡(i::igura' i 10. CU¡\llelo' unA :s.éri,c lemporal es 'Iío esl'aeit)naria. es plúi.so .buse:ir 'O¡,

. aquell~'s Irans(or'maeíones quelaconvi~f.Ülnen ~siaciOliaria: En, estas circUI1stancias .'1*

.esposiblé {ljustar)Jn.nloelelo Ai~MA~ la,scric:transfol'll1<lel¡¡. ". '. .

.. Ex.istcn Josforn~;ls dc dCtectar.lit nqcst¡¡cionarietlil~l: .
l.' Obsc;var d gráfic~ ~lcla'seri~icl;lpt)¡,Üly .sus' corn:Úlgra.mas y dcci.di r el! canse-
cllen¿ia.... . . ". ' . .'
2.. Aplicar co'ntraslescs1¡ÍdíSlicosrorma~CSp¡i~a.pl:obarla
• > ' • .',. ,"'
t:xislt:ncia de raíces uni-
' • • •

tarias.
' .. *
7,3.1'Iríspccsión Gdll(,:~ .'
..
. ,~,
~t.
.'v~iv'iim:o's :'I.laS'I'rcs:s61:;es.(Íc'la~' Figu;;,~'i.lJy~. ¡O: l:nduso'ulili.z¡;IHJ~'J pm:as ol1sc;'\.a-
cioncsdél~einlÍ16s la rorinii cxpldsiva dé la serie, ro 'lúe es típico dt:lJll moddo A R( 1)
con un páránielro 's~pcfior a '.la uilidad, un párárnclrd igual a I.OS t:n c1easllque nos
ocupa. L¡¡s dos series ies'l¡int~s,col1 p¡ír:\¡lletros de O,lJ;)y 1,00, son muy similares en
ciertos intervalos de liClIlPO muydislintasen y 'Olros. Un';'esull¡ido relalivamt:nle ob.
vio es que, si nos bá~a¡nos úniCan)enle en la inspección:de los grMicos de las series, nO
rt:sulta f¡í¡:;iljuzgar si 0na serie es estacionaria y la olr¡¡ no; El corrclllgrallla re¡\liza
mejor la. .funCión de delceciónde 1'\ no eSlncionai'ie(l'i'd. Hemos cl.ll1sirllido cinco se.
. .~
"

'V~~~e Plolilcnú 7.3. ,

J :"J :Scccióí, :¿.~udinia la c~lacionaricuad.
 ('¡"'lll;llJ) ,\lolklos Univarianles de Series Telllpor¡Jlcs
1"
. ¿
ries artifici¡¡\t;s que nos aYlldar¡íll a iluslrar 1¡lIlto la ulilizaciún.del correlograma como
la ¡¡plicaciún tle los COlllraslt:s de raíz unilaria. SUI1Iilssigu.icnles:
-r. --"?' .•:-r; •••••••
"''''':__ .' ••••.••••...•••
__ ••••..•..••.
~•.•..•••.. __
.•..•.•.•••• , ..••••.••...•. l. I

Valorcs dc los par:illlcll'lls

1)Clllllllill:lri,ilt J)clilliriün de la scric 111 .; ñu Tipo
,1
1'1 (1 - 1".).1', = /JI + E, O.lJ5 '. [sl~ci()naria
1'2 1.00 No eSlacillll:lria
1'3
.
~~
1'4
1.0:; [splosiva
..'
'J
O.I)() ,.10 O.:i No eSI;lcionaria
~ 1'5 1.00 lO O.) . No eS!:ICillll:ú'ia
~
.Las series se han generado COIIlos yalores de los par:ímclros indicados y. exceplo
~'
pnraY5, a partir de un conjunlo común de 200 nllmt:~os akalorios t)isir'ibUi~lqs;¡~ll"
~~~:p~~~e~~~~:
:~!i':;
!. .,..jHallllenle. '1' 1 eSUIií\ serie -cstacióllafi{¡"i\ Rtl'):'1'2'n'I¡'Pf;s~()'al;5'¡'¡,tiMif'¡?(;'I\¡~a~~i\:¡I'c
1'3 una serie explosiva AH.(I). 1'5 es Olro ejemplo de p:lseo alea lurio con deriva : i

aunque gelleradoa p:lrlir tle un eOlljunlo distinto dCIILIm<:rus alc¡llorios. EII c:lda
una ele las series henios.dcscartatlo 1i1SIOOprimcras observaciones y hemos uliliza.
do las' 100 úllimas par:i calcul¡¡r los codiciclites 'úe liJs funciones f¡¡c y facp; Las au, : -'\
lDéóri'claciones IIIl/eSlm/e.\' se hall' cidcula,úo a pLirlir de'lafúl'illui¡¡
,
. 2',' =k ;'1(-",- .\')(.1', _ k ~f)
* I'k = . ,.,," 11 .' ."_' ,. • • •

". '. 2., ;'.1(.1',- .rl~ .

donde.\' = '2.;' = 1\/1/ .. Par;¡ una.serie del' tipo ruitlo blanco eS"los c¡ldicielltes tienell
aproxirna(Jamenic una vai'.ializa igll'aL a 1/1/. 'Las>ulocorrd'a~i(lncs parciaks 1/1//('.\'
.lmlc.r SOlf los ti/lililí).\' 'cOdicienlt:s de la .sec'l~elicia de CSqUi!llI:ISf\ R de un orden su:
per¡oi' a lós ajustados a las series. . . . .
. L¡¡ T¡¡bla 7.2 presclIla el corr'clogr.ama dc yl'. l'v!ueslra los palroncs cl<ísicos tic
un.a serie eSI¡¡cionaria t\R( 1), COII'aUlocor'rcf¡icIOi1es 'quc.~.Iisrninuyen progresiva, .. "
níenicy con llliico coeficienle si'glrific'¡¡lj\;O enl¡¡'runciól,1 de aUlocorrelación parcial
., que cs prccis:lln'ci1te el cóéficielrle.de jJl'irner orden. Exisle. sill emb,lrgo. una in~-
. . porl aiHe di rere ncia en ire t:I cíll'rt:logr.lnia le{)r'iCli de tilla' serie. i\ I{( 1) C:)(l poIr;íllll:'
11'0 positivo, COII)Oel cfe '\;1 Figura 7.1,yel 'con'clog,.ama illlicSlr¡" ¡)ara y I de la Ta-
~bla '7.2. L¡¡ lol¡¡lid;¡dde los codici.ellles dd',)ri.mc'l:ll sl;n jmsilivos, mienlras que d :,--:- ....
,
.l"limo nluestra algunas aUlocoi ..relacio'lI'e'sllegali~;as ;\lInqlle 110 son si~.\1ific¡lli'vas..
Kelldall y Ord{¡ explican eSle (enómello. Ci1an ulI'articulo de ¡\lIdersoll qllt: de-
mue'slr¡¡ que, para c/IItitlti;('/' serie, '1;1sunla d~ todas' sus posibles 'aulocorrelilciunes
cs ig\la).a-0,57. Por lo tanlD. el prome(iió r 're~~llial.igcrall\ell'te negativo. incluso pa.
1';1 lin proceso' A R( I )con paj-¡¡li1elroposílivo ..' . ..

.bSir ~-J:¡uric~'Kcud:dl)' J. K~ilhO;d. "Ti/l/l' .~l'ri~S:'. Y,I'~dili¡'n: I,d\\';rrd ;\'nll,ld. ('j'Jo. K~.K., .
. )óp. ¡\,ilic'rsll';. "Serial ()c'l'cnuclll'e. 1'1O;,c;tk; 0[. Lincar I'roccsscs":j""n¡,,¡ ,,{ ,11,' ()",'rll/io/l/¡J Un •.'
";1'11 Sori"' .•:. 1')RO. JI. 00S'.') 17 . .. .' .
~.';/
--------------
"1'.\ 111.'\ 7.2

),"
Cllrrelllgr:\Il1a de Y I
~lll':Slra: J()I-~()()
_
...................... ..•...•.•..•.......•..... ~ ,....•

., Ot"L'f\';'L'illll':S illdllid;¡~~: I ()O

" 1l11ll"lIrrc1:ol"ilill ,\ 1l11ll"lIrrcl:ll'jlill'l'arri:i1 AC. ACI' (J.sl;¡1 1'~1l1t.

r ~ r

r
0.882 . 0,.882 80,153 0,000
I 2 0,781 0.015 14),67 0,000
I ') 0,706 0,062 196,04 0:000 .
1 4 0,59) -0,196 2)).45 0.000
'~''/,' ; I 5 0.5)5 0.177 26-1.21 0,000
I 6 0,,174 -0,070 288,58 0.000
I 7 0,415 O.Q.17 )07 ;49
b I
0,000
I tJ ~ 0,)61 -0,100 )21.9) O,{)()()
I 9 0.296 -O.OI? )) 1,7) 0.000

l
I 10 0,256 'O.(}ol) 3)9,18 0,000
I 11. 0,185 -O.If>6 )4),10 0.000
I I
I n 0,092 -'0,1.15 ),1.1,08 0,000
I 13 0,021 -0,0-18
\ I 1 )44.1 ) 0.000
.1 14 -0,055
I 1 -0,022 .)4.1,49 0,000
I 15 . -0.146
I -0,186 )47.05 0,000
I '16 . ~iJ.l 85 0,1)0
.•...:.
8 1
I
1
1
17
18
-0,194
-0.20;1
0,089
0,(4)
)51,21
)55,81
)60.97
0.000
0.000
0,000
l.a lilh.';l tr ;1/.l1S di."(\ltl,lilllll
'r1ir;lll.11
\ .••. rq'h,,'srl1Ia
l\, lhlS \'\.'f\.'''i •• l!l:l:,h:d(l( dI: (cn •. Cll'(rtl( csl;illd;lr dt: 1.,'5 c:-.lil1lirdl)fl:~.
tI....;ullocnrrL'1aCitlll: ,\CP: ,Co\..r¡(i~lIIC de Oltl1t)(ilrh:!:.'cil'lll P:Irl.:i:ll; ,O..stal: Esl:HIí!\lico de llox.I'icrrc-
,\C; Cot.'rilil'l1lt.;
1ju,,~ (1:q. ((I.:'~)I: "fob.: ""/,,,../' p:,ra b hipl'lli:si~ '<1..:(llI": lod:lS-'oS (udit:i ••..llh:s l"h:autot:urrd'ad'.1II ~Ull i!=.\Iak.••;~,:ero. "

Podemos calcul;n las ;llIlocorrcliiciones y los codicicnles de corrdación parcial

~:-. 1/1/lI'.I'lm/es de s'cries no eSlacionariasinC!uso careciendo de sils hon;ólogos /}(){¡/(lciri-
I/o/c.i .. Las aUlocorrclaciones del pasco alc;llorio con deriva de la '1";1I,la7.Jdisminll-
-L".' ' ••.
ye 11. a 1I11q
' .
Ull,.nl! .dc.~l\1)";iTcc61 Tfii)\ll
. " _J,.t.,~ " ....
iílijCílTé';SiiY'cYiíliiii'ii¡i/)'':'üdll(i¡):¡íi¡llcl;;-
" '. b
s~i'i;;'¿'~':
l:,ci()nrii'ia.í.íl:ll~' lÍ'1\par;imc(ro mil)' cercaí,o:l la lll1idad. el palr<Ín no es mil)' dislinto
al oÍ1scl'\'ado par:l 1'1: Las ~lIlocorrclacioncs de la serie csplosiva de la Tabla 7.4
son casi id~nlicas a las dcl pasco ;1Iealorio; sin embargo, ningllna de Ii,s correlacio.
-."'_ .. ncs parci;1Ies, Cscclilllandn la primera, cs signiricativanH:ntc dislinla dc ccro,
DI' indica las primcr;isdil'crcncias de y, Como vemos cn la -Libia 75, 1;1serie
UY2 cs del (ipo ruidú'bl;¡'llco. La prim~ra difcr'encia de la serie explosiva licnc un
_~,.l
corre1og'rama, que aparecc cn la Tabla7.1i ..que eS.llarecidn al d~ la serie explnsiva
original. Incl'uso Il).man~lo la primera diferencia de la primera dikrenc,i;', e! correlo-
¡'.rama se¡'.uiría sin preSCnl;¡r una forma de decrecimicnto. ,\sí plles.,la scric 1'2. eti.
qUclada como no ~slacional:ia, y la YJ. etiquelada tomo esplosi\"a, son dislintas. Di-
cha dikrc:ncia radic;¡'cn quc 1;1 scricno est<lCillliari;¡ cs s\lsceplihl~ dc Iransformarse
nlcdianle la aplicación. lIi1;lllV;ldas veces, de IIn rillro consistente cn realizarla
operación de é;ílculod~ las dircrüncias'slI'cesil'as; para (iar 1\I~ar a 'tllla s~rie ~:~Iaci().
l1ari;l. ESla serie'lranSrortii:ldasc¡';í'l11odc"liz:"(!;1 luci~ll CtlllllJ tln proccso ,\IU.,.fA. lo
ctlalllO es posihle p¡¡ra la scrieesJ,losiva.
-.~,r~~~
. .,
CM,'!I'UI.O 7: Mouelos Ullivarialllcs dc ScHcs Tcmporalcs 253
:"
"1',\ 11 LA 7.3.'
, , '. . ': . , ~. . "í '.'. J : 1 " !.
Cllrn:logr:lIl1a de "1'2' .. ,..., " '. ' ',:
, o',

'-:1..l.A.~ .•-.:.. __ .J~.~~'_~'~-J_~~_~,~"'A~~""""N __ 'I-.u-iuJ~. _"'! .C_~ ~~.'~._' _

/vlucslr;,:.IOI-2()()
Ohsnl'aeiolll;s'incluidas: íno
A IItfll:Orrcl:'I:hi1l AlIlllcorrc1acion I'úri,il' ÁC ACl' Q-sial . l'roh. .
1 0,958 0,958 94,492 0,000
1 2 0,918 . 1).011 182.22 O.lXX1
\ 3 0,886 0,068 2(>4,71 0.000
1 iÚ41
J "5 0,806
'-0.16)'.
',0,094.
))9,84
409.52
0.000
0.000
1 6 0.770 -O,Q.12 47),90 0,000
1 :1 0,729 -0,058 5)2,14 0,000
I 8 0,685 -<¡,084 584,19 0,000
I 9 0.631 ,-0,078 . (¡29,70 0,000
1 10 0,5% 0,057 669,90 O.OQO
J
11 0:5~,1 -0,0)5 705,07 0.000<'
1
1
12' 0:5,i -O,O:!4 7)5.)) 0,000
1') 0,474. O,dl! Ú.t,61
I 0.000
1,1 7ilJ,~,i O,poo
1
: 0,428' -P,19"
l' 15. : 0;)79 -0.05(, 800.61 .O,{)()()
16 0,))8 0,014 '814.45 '.0.000
I
.17 O,2?'J 0,0)4 H25"II O.O\JO
1 JJ
18 0.264. 0.0111 8)4,06 0;lXX1
.(.
L, lin.:", \'crlic;ll en lr:lI.U:S di\cnnlinun,;'r..:prcscnt:" tJos,,'ccc.s: illrcdcdnr t.lc.cc"ro. cI.utor ..c!l"~ntJ;u tlc.lofcMimOl(~o.'~5"
¡\C: CCl\.'fidcntc tic :l111l'CctrrL'!a(Ítll1: A('I); Codicicnlc ti.: iHlluCprrcl;¡ción. p.,r~i:ll; O~~1;iI: E~1:lt1ísli(o Oox:P¡"'tcc.' oc
Ljlln~ (E'I. (l..SS»: 1'11)1\.: \JII/ur./'I':1i':1 1.;1h~p(~tc~is tle'lJue' hH'I;1~ íos coc{}ticnic~ de "uc~ortclilci.~n 5~n ~(!ual.cs" c~t:ro.
" .
TAIII.A7A" ".'¡,¡""
.~
. ~, Correlogr:lm:l de y) ..\ ,' .
•••....:a....u; •. .&-.;,."' •.:'••• u •••••
,l ••••••••••••••• .¡...•• _'" ..••:.,; .•.~-::---'.'-- __ •• '"•.•.•.•.•.•.•.••.•••
-•.••••.•.•.•.,_ ••.. _" .••.•...• \ooL..M;_.,_ •• --.. •._~

Mucsli'a: IOI-2()O
Ohser\'uciones illcluidas: .100 .,., ..
AII(ncnrrc1al'Í,in
T':-~'!T~'7~7::'~'~'~'I
::-:;'?':,~;;:'.':')'.:': .. :':~~~:~'~,. > ...
." nlnl'nrrl'lal'Í,ín 1':lrl'Í;l1 ._'~_¡\
~e~¡~:':.::.ó:.~~¿
... ~ACr~.;..,
, ....~~'
..;;~.,....
,,~.;;. .Q:~l:il. ,,,,,I'n)!).,_.,,,, ...'"
c';' .. , .},:;:--

l. I '20,894 -0,006. 175,50 0,000

i 1 ) 0,845 '-0:006150.58 0.000
ti 4 0,798 ~O,OO6 JI8,18 0,000
I I 5 0,7.52 :-0,006 )78.92 0,000
.'1 1 6'0,709 -,0,007 ,1)):41 0.000
11 . 7 0,667 '"0.007 482.17 O;()(Xi
1 .1 8 0:627 '~0,OÓ7. 5'25,72 0,000
I 1'9 .0,588 -0,007' 564,51 0,000
1 .. / 10 0:551 -0,007 598,960,000
I I 11 . 0;516 '"0,007 629.46 0,000
1 I 12 . 0.482:-0,008 656.38 0,000
1 ,l. i) .0;449,:'0,008 680.0) 0.000
'(.'j ..•.
, 'l4 0;418 ,..0,008 7QO,7) 0.000 '
i ;1" ,15 0,)88 -0.008 7/8.75 :0.000
., I 16'0,)58 .-0,008 7J4,J6 0,000
l. In 0,)51 -();008 747,79 0,000
1 I 1~ O.)Q.l. "'0.008 759,26 0,000

Ldíl~é:1_\.",'í.¡e;11~I\ 1t';t'II.;~"lii,s("1l1:úilúl;1~ i•... \"~.rcs. ;,Ircdcdor

pr..:!'~nl;',lIC}S' cJc:c"i:~ro._el ~rror'c'~I~nü:H.,.Ie'105 cslÍm;ldorcs .•
~C: C'od'i6cnl•...~'I..:'iltllf,)(nrrd:l~'illn: ~'~IJ: t~fitiClltC. tic: óWlncorrC,lticidn 'P"~Ciíll:- .o~s~~i:, EJ':i(Ii~lico d~ nox~l'icr("..:.'
I ;j""ilg.(Eq. Ú.5X))~,f'¡'III~.: "'¡;dllt .;' par;~ la hip~h:S¡S dc ~IUC 1.(,\I;lS h',~ c,-)..:lici"~~II:S (Ic .;lI¡l~orrcl;lció;, ~nn iguaks :a ct:r~:
:-'. ", '.' '.- .'.
254, ~11irouús UIi t:COI'O~IE mi,\ '. "

T,\IIL,\ 1.5.
Corrdogr:ull:lde '[)Y2
~_"-~~*~,,,_~,,-","".,n".l:~~_~"" ...'''I~'".,,..-~. ~-:.,~......•
-;-., •
'.~
M ucst r~; 101-200
Ouscrv,acioncs incluidas: lOO '. '.
.~

A litucorreh,ción Proh.

"

..•.-;--:- ..•..... '--." ..~......•.. ,

.~

t\"IUCSlr;i;10!-2oo' . ,
()[¡sel\'ario.n~s.induidas:lllO,. ' .. '

Aulocórrclacióil P:lici:ll I\"C ACP Q-sI:it Prub:'

I ,1 0.946 0.946 92.223, 0.000 .
1 i, :l ' 0.894 -'-0.006 115.49 .0.000
l. • 1 3 ,': 0.845 . -0.005 , 250.58 0.000
1 I 4 0.198 -0.008 318.11 0.000.
,
I i
1,
5
6
O.J52
0.109
-0.001
-0.006
318.90
4)).311
0.000'
0.000
1 .1- . 7" 0.661 . "

-'O.Ó08 482.14 ,0.000 ,

1 l' ::8 0.627 "0.006 525.68 0.000

'1 ',1 :,' .'
9. 0.588 -;0.007 564..41 0.000
,.': .
'1
"I
.'1.<
,lO 0.551
. 11' " '0.516'
, 12 0.482'"
'-0.001,
-0.007
:~0.007
5~i8.92,
629,4,2
0.000
0.000
(,56.33 ',0.000
,1 1 ' J,) 0.'1'19',' -'-O.lX17 .679.99 - 0.000
I I 14, 0.418 ":0.008 700.70 ' 0.000
1- I 15,', ¡Ú88' -0.008 718.74 0.000
1 1 16 0.359 ~0.O(J8 7)4.)6 0.000
1 I 17 0.))1 -0.009 747.80 0.000
1 I 18 O.)IH -0.?O8 ' 75').29 0,000

L:tl;nco ,:erlícol en ¡rilW' uisco"i¡:'"(1s repre,en;" uos véccs,lI'redeu~r de c~ru. e1e'rr", esl,indar uel", es(¡mildo"".
AC: Cocracic,nlc' <J~ aUlocorrclnción:' ACP; CUCCí.(¡CIÚ~.UC,autocunclaci(lI1' parcial: O-Sial: E~t:"djst~co de llo.(.'pII:rc:c-
"Lj~ng (,Eq.- (ó.SM)j; Plob~:''\I(lID'_~P'P'¡H;I:'I" ,I~jpótcsis' de' t)UC Ind~\ .I~iscodidentcs uc ¡~\.lIucurrdaciün "son if.ualcs ;¡ CCf().~,
. .." - .- - ~ . . . ": ", .. . .'.' ~
" .

',.'.
f-,

,
.
"
"
 ('AI'III:I.I)l, j'"llldeIIISUni\'¡1Ii¡llltes de Serii:s Temporales

,J
7.3.2 Se.ries In legradas

Los primeros Irab;¡jos sobre series lemporales denomin;ibancl lipo de series que no-
.~ !
.
sOlros hemos etiquetado de no eSlacionari¡ls como se,:i~s llli,estacionarias homogé,
I\casx. Laliler;¡lura n¡;Ís rt.:cienle las califica co,úo series inlc¡;'r:idas. Elordcu de iule- /", 1
grat.:itÍu es el J\lllllero mínimo dt.: veces que es necesario ¡'<.:alizar In Ir¡insforma¿ilÍn de
primera diferenci;¡ para Ikg;¡r a una serie que se;¡t.:slacionaria: Por lo lanlo. Y2 es iu-
legrada de ordcu llllO )' esla siluación la simbolizamos medi;lI11e I( 1). Una serie esta.
cionaria se dict.: entol\ces que es una serie integrada de orden cero. I(ll). DdlenlOS
observar que realizando la primera diferencia tic una serit.: I(U) obtenemos una Illle.
vii serie que es lambién 1(0). Por ejemplo, una serie de ruido bl;¡nco es el ejemplo
m¡ís sencillo de serie J(O); su primt.:rn diferenciaes unn serie eSlaciun;¡ria ,¡'"IA( 1): ,
. ., ,
, .. :.;. -. ",: ....•.. ~.:.. ' ..' .. " \" .. ':, ." ..~'.:.;: . -;.•.....•w_.;./ __..; ..'P ...•• :' .•. \i,.•.. :-"••.~;~:.o;r.'I'- :.<'t..•./;~;,;<i.l..~:"
7.3.3 Serit.:s deTendencia Estacionaria (T5) y de Diferencia Estacionaria (DS)
. ,
'Y4 es uilsencillo ejerilplo de serie ,de lenllencia t.:?'lacionaria. Pod~m(is forml1l;,r1a 'J',

como
1:.\

y, = o¡j + 51(+ 11" . 'Ii', ='~Ú;'~'I' ~ El (L 'j -~J, +~ (b-I) !4~_,)1

o, y,=i[oll(l-ú)+ao¡]+.5¡(I'.,-tt)I+l'(I'r
" , T
• .IH,',
t-I. (7 . .))):!J
dende E,:'en nut.:sl ro. ejt.:';iplo l1límérici;, es una s~i-:i~('!!.a~,ssi,;na)' <lt.:l'ui(l<f bl,lllCO \'
IUI' <;'LSi;; es ellogari!'I1~odeulla variable,.I~ ~cua~iói~Ó.45)'IH;ss~iial;¡ ¡¡ue la ,;;.
ri¡dll~' sdlalla sujc ia a u"!i1lendc í)(~ia"dt.:'creé'i,íjllci1l\J ',<;Dilsialilt: {¡[ut: las desviarío .
,¡iesdet:súr tendcncia 'siguen lÍli'j)J"()ceso t:s\acicil1ari~l A R( 1). La 17igurú 7.3 mut:slra
el g'r;\rico tle Y4.La leildcl1ciúlineal.~uby'acCl)lc:JO+-O ..5i. 'esl,í represenlada pUl' la
lí'lea Y4Hf\'1'; y los valcircsobservadbs'qllclüan alrededo¡: de, éSla. lendencia sin que ,-7'\:.
"
sea evidenle qut: la ¡1I11plillld dé las f1ucluaciones ¡¡umelit.e b tlism;nuya.' Por ello d'::.
.'7!'-
no.inin;¡mos la serie, c'Oilio de ,lcn!lcnciaesiacionaria ('1'$). El incremcnto cl;ntinllad¡l
.<lelnivcl de medio ele la serie nosrcrrúit'c';¡firma,rquese IFa.la de una serie 110t.:sla~ ,:,-.. '

ciol1ari;¡::Sin cmliargo',la rrimcrn dil'cJ'enc,ia, dc la seri.c t.:~eSlacionaria. De la eclia.

,.""
ción(7.4S) (Jodcmos escribir "
IiYi =,0, + /:J.'I, (7.,ló)
'donde lill; es eSlaeion;¡ria; ya qltc.'-If, e';',~'s't<;CiO¡Úl~ia'). Supo.ilell1os que 11 es
1
,A: R MA( 1,()) y, pór lo tal1lo .. lil;, := (1'-;- tlL j-f (1 -:-L )E;,e~;'tII1ProC<:SO A }{,\I t\ ( 1.1 ):
, '<;ÍllJiiIUC110invenihlc y;i'que~1 po!in(1I11io' M~ poSeeUil¡l.r,líl.liú¡'larin.
, Ctía,ído el par'¡imt:lró'lX de la eCliac,ióp(7A5), c~~iitial ¡, I;~ ul1idad y, pm lo lall-
lo, la' parle aÚloi-rcgrcsiva de la rel;l~ip~l posc'c"lIlla raíl. 1l.llilaria. ob.lenl:Il111S 1;1serie,
~. ( ..

~ V~i1SC G,E.P. '.\','ric:.r

no.\: y G.Iv!: JI.:l1ki'ns, .'~{¡J1~~~ /\'¡,,;":.\ir. (~(-;;'''(''tI.\~illt:
,;",/ ('~oJlI;'(II. (c\'i:,cd el! .. J 11IId\.'l)
Day,ltJ76. . ~ ," .~"~- ~ < • •

!~ "
:' Véas"l'rohlcl\1a 7.4.,

(
 '. ,

:".,

YS Illostrnda t;lI11bién en la Figura 7,3. Es!a serie l'Iuelú;, tic fon;,a similar a Y4, aUI;'
que apal tánd.ose .~e ~a le,nden.cia.lineal; La prim:ra dircreneia es
, '. .. 6y, = 01 + E, (7.<17)
Por lo tanto .• 6)" es e~l;lc~on;lriQ, ';t;e'stb.queSe!rata de una constante más unil s~'ric
tk ruiJo hlanco .. La variahk J' reciht:; por ~.st:1razón, el nombre de diferencia esla-
riol1:tria (DS). . ..• "

~IKI

,c'ríc I)S' • :'-.

.. ':,'

". ,',
>':'. ,,"
. \ ::.: ,~ .

150 -
~ \ A~ ,l.

:,r",
", )1
:;
( \I [Vi' \" ':,:'\1,.1\/ V "

fJ \ ',.1 . ~'\,'.¡ , \: "

::...,,/\t\,/~ \;,r \; .', .." ,'

..,...r~
(iXI -
.' \.: 'i\!,\/
.'
:~ o"

" ,

50 .• ¡V:.f
_ •• ",f"

- -~)
o
'--'.' Y4
--- Y~IfAT
•.•...• Y5
l.
q,
...•.... '
.".~
-50
,"

......,,;'
~ ", ..¡
'" FIGUHA7.3 .
Series de 1~llcle,iti¡¡cSIÚeinnaria (TS))' de diferencia cSlacio"iari;¡ (I)S). .0;

i\ primera :vist~, las eCUaCiOlleS(7.'16) y (7';I7)p;lrecen pr:iclic:llllentc idénticas.

~,.j¡
y surge lapregull'ta acc¡-(:a'dc d6ndcn:side I;(diferencia entre Í:1sseries'TS y DS. De
.'1. hecho, existc una diferencia'básica. Denoillinelllos la serie (\ como selle de inno"a-
-'-' ciones o shil\:ks al sistclila. En el caso TS,Ias innov:lciont:s pOSeen un erecto transi-
torio y de inip'or:tancia.'t!ccretil:nle, micntras que en la s~rit: I)S el eCectoes p~rm:l-
nentc. En laccuacióh(7.'lS).II,l1liüc cómo sedesvía la st:rie de 1:1lendencia en el
periodo t, Exan,inarelnos ;lhoraddcclode un;) il~llovacillll El sohre.l:ls desvi:lcio.
nes 'aclu:I'ks'y p()slcrior:es delin:l kndencia. í;or ddiniciún c. ,.

.", •.,,='/(,_.1+'1::.11,+'6",.1 + .... +/\/(" .•

\ '
 l'

~. ~ i.'
",'
,
.', " .... ,:.:. ¡ . . " ' ..:. I ~ ,> .J" .. , 1'., ~.',' l' , ,':", •

é'•••Hhll,o {Mddclos IJnivnrinntcs"dc ~~ricsTcl11pdrnlcs 257

ti ; 1 :, ,h,-: ~:,;" , :' ",. ,,~'- ~ - , . ,.: I '

Rel~;;lemos el sUP~ICSloiiúpj¡dlo;'cnla '~cuaciÓn(7:'¡5) dél'~~e seobirc~e:

, ....., 6~" =:~~~.
(~.~I~~t~ 1'"'.;,"'" " ", " '.' ',"

'.', '=el+(ct-I)(E,:...i+'ct'Et_2+C£2EI_i+: .. '):~" J7.4~)

'Sea e/un v;dor 'da¿lo y supongalll9s qub I~s i~n~oV~ciones ~Óslerio.res son igunlcs n."
certJ,lgnor;lren,los el lél'lilinc)"'i,_ I pÚeSl? que selrilla;pM~~Sle ;in;í.1isis en concre.
lo, deun valor conslante.' La ecuntión(7AR) permilcescribir:: ..
,
i
{"

,'¡.", \'

,1," .t:. ;""'1 '7' ( a,:7J )E" :" .'1':""

6/1, ~2=tl(a....: l)E¡ .

, ;.:~ ".:".~'I'-~,-' ,l', • . :~~; .

,,'"o .Ó,II'4.S=;,o;.!,-::,!(a,;c.1),E/;":;I'
., " •. ' .... ,,

SUJll;\tll.!Olodns eSlasprillleras:dife'rcnCiaSlencmos., ."

....';~Y"'.,./,~'E;rlt~(a<'i)ll~:J
, .1 =: .', ','
'=:A~r',.:"
, :; ',' ' ,11 " ': • ".',:I 'l' 1 ",,,:,,!,,!.: \ '.'-~' ,"'<'.'" ;:
Así pues, ,'.... "'t..f,~'!(-I+?,e, (7,tlCJ) '1"

es decir, el efecto.tlc 1¡linnovac¡6n El sO,b.r,edesvin~¡on~s 'sucesivasde In t!;ndencia'

dislllinuycdi: l1la'Jerarrogresl~¡' ICllc,Jie.ndohac;in cdo~gl1 ~I cn~o(lebfilíUlniln.
rin, a = I y6.II,.=: E,lglinlnildo JI cer.o,'c;on,lO antes,. loda\lasi}lIlóvacione~poslerio.
res,
.~'>.: 1I,~~=UI:.;+E,'.::.. '(7.50)
'es decir; la ínnóv¡ici6n'i:I ticne~1II1crc~lO' pcnililnen!e sobré'lod<lS las desviaoiones
• ;uc'esiv:1s dcla tendencia,., .: " , ,' .. , '.' :., '. . • '. " .: .
".;. . . .Un desarrollo illtel'llativo 'yset,cil.lo sc,obticl1e expresando 11,en lérminos dc

't ..~,~,¡,j!'\\!W~-'7*H~~;r~~~~'!tr,!'~t;~,!#~','r"~.?,","
:::1 . ¡II" +} ..
obtencmos '. . '."',)E,= aS . .

,,'E!,JI3S11lladonos. Tie,"a de'nuevbala'cclJñción(7A9} o,.';: In ccunción.'P,50):.séglín

cunlSC:1el valordd par¡ímClr6; c~'de~i¡:,scgún'ql1~laí~'io.Cx = L '. ..
l-knios~í,ali7,~ldol;is difercnc¡;¡,s~:dslehlcs entre ÚfiesTS y DS a pnrtiidc una
especiricacicinn'uy .se~cilla. EI'désar~oI16púed~ rcniiz:lrscigualménte para modelos
más cqmp1~josHl.~n,general;fq,~lilui¡r:l~cmos el tilo~lcI6c,oino . .
. .' ". '. y,~5ifl.'5I,:h(l,q .•..-II(L)i,'(==B(L,)Ei (7.51)
do,itlc. 11(IJ )'.)'IJ(Lr.~nnpolin9mio'sde ordenfi ,Yel C)lcl,operadorde. retardo, Cuan-
d6tocl:1s las' rakésdell eL) sé sitúa;;fuern~(leI ~írculo unidnd;las desviaciones de la
 258 ~1l:'J OI>OS L)¡; ECONO~llTldi\

lelll!encia siguen uncsC}uema esiacionario ARMA(p,q). Si;¡ embargo, cualHJo I\(L)

incluye. uña raíz unilaria, (:1 res,ulLado es un nlodelo. DS. En eslecaso
A(L) = (1 - L)(1~ A2L).::(l-::~J¡L) = (1 -:L);\ *(1-)
donde lodas las (p - 1) raíces dcA *(L) se sil!:'tan Juera del drl:ulo unilario: Enlon-
ces. la ecuación (7.5\) S~ convierte .en
.. ,
A*(L)(¿y,-ól)=1J(L)e; (7.52) "
;
de modo que la pri;i1era diferencia de la sed,e se 1l10d~liza como un proceso eslacio- " : ~
"
narioAJUvIA(p-l,q). ' '

TAIlLA7.1
Cllrrclo¡;r~ma de DY4
•• ..,.... PO _ "'" .--,~~,,~ •••. ,"~y-,'I'~:\I"-""~"':"~.'--;"""' ..-'--:~""',"' •• '''''_.''~'c ,.r..'r •.r.'" ••..•-ny~
"..... v:,.•:....•." .. 'Mfre'St"ú:'; 0'1'"lOO' c.":',,. ;,:.:,j",.,' •.•. _;,,~:.,"'~: _c.-,¿L.:',) ...' .:.,~,:'.L;:~';" .•.:~.::<.",,:...;~;':;.)~
.:J•....' ::~,;:,:/¿.,/.~
Observaciones incluidas: 100
Autocorrcladón ,Au(Ocllrrcl;iCiÓn Pardal '¡\é ,\CI" 'O-slal I'roh.
'.
'1 1 -0,0<)1 ,-0.091 0,84:14 0,358
I 2 -0.\22 -0.131 2,38H 'O,3().l
'1 ) 0,141 0,120 ' 4,4681 .0,2'15
,1 4' .. -Q:2)). -0:233 10;215 0,037 • . ,~

1 ' ,5 0,027 0:027 10.290 0,067

1 6 .. ':Ú,030 -0 ..11'4 10,::186 .0,~09
I ,7' -0.001 0.063 \Ú,386 0,168 .
I 8 . O.OH -0.052 10,516 0,231
I 9 :"0,138 -0,110 12,657 :0,179
JI' 10 ,O.i37 Q.093 14,184 O,IAO "
j" íl "0,093 " 0.092 15.768 0,150
:~. ... 12.
.1)
:~O,I04 '
o~ix).¡
-0,0<11
-0.06~
'17,026
"17.028
0.149,
0.198
J
I I ' 14 . O,Ó61 0,089 17.470 0,232 :
I ~ '15 '-0;2)0 : -0,224 23.826 '0.068
l. I 16 -O,r29 -0,160 25,831 0,056
I 17' 0,029 -0.095 25,<)3) 0,076
I 1
i8 '0:024 '0,054 ,26.006 0.100
I l'

L; linl:=-~'crli~al en 1r;\I.05 Lli~~.onÜnu'(,srcprcsc1"Ii'\ dil5 \'CC-CS~.I!u:dcuur tic ~~ru. el ~r.ro~ ~)1;il\d;,( d.~ c~lilll:ltlutC's... to's
AC: Co~£icÍl;nlé t.lc :\ulucorrciadón: AC~':. C~crkicnl~ dc ;U'IIl.lCllrrcl;lc-{l'I;' ¡.;u"dal; O.:Ú~'I: ESI;,di~lh:o lit.: Ih,.,.l'ic.n':c-
LjuII& (Eq. (6.5:1)); ¡'rob.: Valor'P'I"la la hipólesi, de 'lile ioJ~, los coeficiellle, ,le ¡';'hICi,rrclacilljl.'"Ít i~uales ace; ....
.' ' '. ~:. , .. ; .. , -. . • . i . , ".' . :,

" Las Tablas 7.7 Y 7.8 mlJesli':lnlos co(relogralllas 'deDY'1 y I)Y5. I\lllhassugíe-
ren una fuerte eSl,,¿¡onarie~¡¡£ A pi'imer~visla puede sorprenLiernos<llIt: incluso
las aUloco~rclacioi1es de meilo'r oruen 'de.DY4resu)lén no significalivas:Sil1 ~Illb;,r.
'go,y ~Ql11oseñal~bam,ós ;lI1lCS, se lra'la de una sc'r~¿'~!~MA( 1•.1): yla ecu;ición
(7.44) de¡llOslrabaCIUc
:., . . " .~.:
.',
",
,.
', ' .
~
,
". " ,,' '
..
'

_ (a-fJ)(l-afJ) .'
PI-..
.'
fJ [12' .
l. - 20 .'+
": '

. '\ ¡,.' " <,

 L',lI'i'I UUJ 7: Moli(;ios LJni\'ariaÚI(;S de Sl:riys Tl:llll'uraics

Cuando n }' JI toman valores numéricamente próximos (como en el I:aso de DY"¡

que cran n . = O\)'. JvjJ -1) -.'
['11110I~"lInel
I)r' •. a "U
'1
ocor.re'1'"aClOn como".. las 'SI"UlénléS 10..
~1~anvalores cercanos a ccro. Los curre logra mas no pcrmilen distinguir ~nlré seriés
l~ ~.DS.)' I~or cl.lo rcsultan necesarios los conlraSles eSladíslicos cié búsqucda de
raJCes.I.II~lIanas. ,SII1 en~bargo, los conlrasles disponibl~s son lle baja potencia y. por
¡~~:y
C~I:l.. I.:",.on. la dlferencJa cnlre ambos tipos de series. aunque de gran impllrl;lIlcia
leollc,l, pucde llegar a lcner poca significación práclica.

" 1

7.30'1 COlllrasles de Haíces Unilarias 'l'

(;1
voll'ílmos a la ecuación (7.'15)

.... ~ ....
',:..•... ~.': ;..• ;., " ~
... ....

\.

, TABI.A 7.M
Corrclogr'l\m:t tic D YS
lt'~'~"".~"'~~"':_~'~~'''.''':l'''""A-:'.:,¡"",;,\,,,,,,,,,,,_,~ ••.,•..~r'-r."',~
, Mucstra: 1U1-200
.Obser\'ólciol1cs incluidóls: 100 .

""l"c"rrc lad ,íll AlIlllc~rrcfaci{jll ¡'ardal ' AC ,,-el'. O,slal I'rlll1.

I 1 -0.OH5 -0.OH5 0.7405 0..190
1 2 -0.017 -0,024 0.7702 O.bRO ....• \.
I J 0,0.1) 0.040 0.9638 0.810
1
4 -0,166 -0.161 3,899,1 0,4 20 ...•.
l.
5 0.003 . -0.021 3.8999 0.564
1
6 0,081 O.Q7.j 4.6165 0,594
I .. 7 0.011 0.079 5.'1740
i 8 6,055 0.().l8 .
0.6)<)
I 5.51 io 0.702
9 -0./5'1 -0:159 8.1562
1 0.518
10 -0,052 -O.O<>-! 8A66-l
1 0,583
11' . -Ó,Ó~;I .-0:021 8,5971
I 0.659
12 -0,005 0.017 8.6003' , 0,737
1
,1. D . 0,021 -0:038 8,6502 0.799
14 .' 0.089 0,056. 9,5998
I 0.791
15 ~O,I'66. -0.159 12,890
I 0.611
1
16 0,068 0.08~ 13.456 0.639
....•.
I
'17 -0,000 0.033 13,<156
I 0,705
18 -0,017
.. 0.01) 1),490 0,762
....•.
,
i-l.'r'r~~cJlla dos I~ l" 'flI ',1. I - l. l' . ,l' '
C' . ,\'cnic:.aI
~idiI\C~
..... , Cl! ,#lral:Os discunlillll~'JS
•... .'
,~.t:l:C"S illrédc¿llIr
:.. . ~ (; ,l II 1)1(;\I.II\(.H le tl\ CSIIIH:I'.lol-:'\ .
. A . (oe.lic'ollle de ,1I110corrcl""(1II: 1\0'; Codiclell!e oe :IlIlIlClJrre!;,ciiÍlllrllci'''' (J.,'J',I' 1:"1",,1'1'" .1 (1 1.
, l' . '"(r (¡ S ) l' • " • '. l 1\ It.:Ou(; ox, 'Il:n.:l"
• " '. ~,"

. -Jun~ :(1. ( l .. X)); l,fUh:: \,¡,Ior./' piir;lla hipütesis eje que lOu¡¡s los codic¡L:~lh':S dl.."aul,icorr '1'l .¡ ') " .' J'
, .: ." -". '. . . , '. " : (; , t.: l n 5011 Igll:l l'~ a l.••
:rn.
~.'J--------------~,7;'
~"~
.',' ...

OehCI1lOSI'CI'iricar la f¡ip\'lk~is nula /-lo: a= J, Como vimos anteriorl1lente. la cor~l-

hinación de las dos eeu;1Ciones.¡\I\leriorcs dn
.", = [/)11(1 - a)+ a/)¡J + 51 (1 - a)1 + u)"_1 + E, (7.53)
I~éslando ."1_ I en ;lI11hos 1;ldl)S de 1;1eellación anlerior obtcnemos est<1 nueva e"pre-
siún . . .

6.1', ='[811(1- n)+'('(S'¡j+51 (I'-U)/+'Y)"_I +E, (7.5-1)

dlllltk 'Y = II - 1. l\f¡or<1, 1<1hip6icsis lIula seconvierle cn /-In: 'Y = O. En caso dc exis-
tir \Ina raíl. unilaria. 'Y es igual <1cero y, en C<1S0d¿ desviaciones de 1<1'tendencia,.y
ser;'¡ nL'¡pllil'o, ,El re~lIllado sugiere realizar llnn regresión MCO en In ecu<1ción
(7.5.1) y n:chazai"íahiplÍlesis nula cuando 11<1llcllloSun 1'<1101'negativo signiricativo
para 'Y, l{ecordel1los. sin eiúh¡lrgo, que el. conl':¡ISle de signiric;)ción prccis;) de 1;)dis-
tribución del est<1dístico tI<: prucha hajo la ltipólcsiJ l/fila. Cll¡indo la hipólesis nul;)
es cierta, la ecu;)ción (7.54) se reduce n '
t.YI =/), + E, (7.55)
por lo lanto,,v, es un pasco alc~lorio con deriva y. en consecuencia. se lr;)ln de lUln
seric no eSI;)cionaria. Enlonces. 1;) l"<,wjn'.y/e.e.(~) no sigllc la dislrihllci6n I de SIII-
dcnt hahilllalni cs lISinl.Mit:aI1lClilc N(O,l), puesto lfllc cl dcsarrollo dc 1:ISdistribll-
cioncs cst;ílldar rClfuierc cslacioll:\riedad.

T'\ 1\1.'\ 7.~

Valorcs crítirus asiol<íliros para los contrasles dc r:lí7.lIoilllri:l

•.,,:.v __ .. _ •..•..••.•..••••.•..
i.
ESladíslicos de rrllcha 1% 2,5"1.. , 5% 10%

7., -2.56 -2,23 -1,94 -1.62 , ,

T, -3,43 -3,12 -2.116 -2.57 '.. .
Tri -3.96 -3.66 -3,41 _...__._~).:.!.~
.
• ,' ,"t" .:,~~.-_.:.:-:-:- .."'::-" .•7"',.-,~~ ':"'-'-:1 -, -.. .:•.::~;.~._~~~:-.:, .. -"" , . ,':,
.•. '-. .. ... ,~
~!
.' \"i{<:~.lrlli}(ü~-~.¿\l~-r.c~I~.~i-~.i.l
lit.: itús~.:1lDa,:ifJsun'\' j~'ntc:s' G).'I;ld..:.il1llt~11 "'Hjlll"';II~1 fIIld .
' .. IlIf(T~:':I/(";1I f:"~'(;"('lIlc"rin. Oxrfl~t.i Üni\'~rsil):.l'r~ss. 1.1)93. 70S. .' •
. "ció
,.
El problclila tic il1rerencia, ql.l~ acahamos lkplantcar rut: rt:sut:lto por Fuller".
que obtuvo diSlrilJuciol1t:s límile para dicl];) razón t:n varios casos imporlal1tes. Dit:-
keyl2 investigó dichns dislrilJucioriesCI11I)írieamcl1tc. ESlos COlllraslcs reciben el
l10mhre dc cOl1trastes dt: D:ckc)':FLJII~r. (pr). 1'vlacKinIHJIlI.'. 111¡ísreciel1lt:l11cl1le, ha
_,,..' oblenido valores crílicos para cOl1junlos dc replicaciones mucho l11ayores, I\simis-
.¡
..,

I1 \\';"'n<, A. l'ulkr. III/mdll(/;IIII'I/ S'O';.I"I;I'."I T;lIIé Series, \Viky. 1')7(,. J(,(,.JS2.

I~ D.,\." [)id:~y.,J /.r¡u)jlr('.fl\ TC'}(;lIg Idr .,vIJflJtlll;oúary TÍ/,II(' .\"1";1'.\' •. m;IIlUscrilfl flO puhlkadn. 10w;1 SLlIc,:
" " .;.. .•. I Uni'.('rsil''; I\m('" lA. 1'17:\, , :', ~',.',. ".
t.' Jallll:S ¿j, r..lacKinlH~~1. "Cr:ilical \';¡llIc'~.ror '~.~U.illlC'gr:iÍioij Tc'sts" C,:l(liIUio' 1.1; 1.00~.t:.N.,"r t."u1tltt",ir'ÚI"
/1II;'III.d,i/'.\., ('<1" It r.,,~1c y c.\\'.r{jrnll~('r. oxrm<l U,;il'('(sily I'rcs\'. I '}'} 1.

'-.;.'"
',----~~-..
~,:
-~~~~--~~
, !,
'

• ,'," '. ,.:" -: '," . , . .' '." '. " .', I

i;""iHILO 7: 1v!ótlClo,S
Unj'v~rianles 'Oc' Series TCI11I}Orales 261
1.. 1,",
. .' .' '
,.' ." , .' - ' '~j, .' ;'l 1 i.'.. . , . ". ~', ',"" ; : ".; •. '., : :, • '
1110.MacK innoil ha' ajllsl"do re.grc5ioIH~~ oe stip'crCiCies, de ,respucsta P;) rn dichns rc-
plicaci~n~s~I;)' que permite cnlculnrlos'ynlores' ~rflicos: de: DiCk~y-Fullcr pnr;) cu;)l-
qllier 1¡II1}niiomueslral y dislinlns' especiric,,~iq¡ics, tic regresiones co,I1101;) 1110SlríKla
cnla ccua~i'óll '(7,54). Los 'proccdirnie¡;[os dcM~cKiJinon se I1n'n jncorpor;)do en el
progr;;lI1a inCorm¡ilico EVic\\'s de Qllanlilnlivc Micrp SoClwnre:'-La'Tabln 7.9 mues-
tra los v¡ilorcs críticos asint6tic'os.' ¡'{e'sumimos ';)'CÓnlinll;)cióri de Jorma brevc Ins
lldin iéio,~cs' de los t rcs COnltastcs.' ,', .,' "", ~;. ¡ ", I .. :':
;.

'El contr;\sté de raíz lInitn.ri;\b;\sndóell' Ih'~ccllaciÓ,i':(i54)intclila direrc~ciar

en(re series c1c1lipo'Ytl c, YS: A mer1t,do ré$1IIt.n"lril~lhiéniillp6rln~te ~iCerencinr cn-
fre serieúlt:1 t i¡'>oY I eY2;don(lc ~o cxlsie,I~i1dencia lineal. 'Elpio'ceso se desrlrro-
IIn igualandlJ /)1" Cero (:n la ecuación (7,54). ;", 'í;" .
, 6)';','; su(I~' ~)+'YY, ~l +, El ': (7,56)
,,'
D"jÓ 1<1I;ipótesis ,lula. eSln~~pr~~'i¿t~s'e';~d~l'c'~"~:'., ,i
, " .-', ',' 1, ',h '. '-"'.1',;\""', j" :",'.. ;": ",:

",Ó)',,;: E,., i <', ',' " ,".. (7,57)

'lo que slgniCi,cn Cll1C)', eS un; p<1seo:alcnlori(j.sin <.!eri\;n no'cslacio'lnrib. El procedi-
miento t1ccontrastllción de la .existencin de'una rnízuni,l;)rin ~onsisle en njlislnf In
ccu:lci~n (7.56)'1)01' MCO y cómpnrnr 1lo,o,(.y) con ~I vnlorcrílico proporcionndo
en la~.l;lblns dc -M<1cKil1l1ol1q ..dc .modo mñsscl1cillo. coI1 el"v",lor risintólico ~dccun.
dodcla1:abln7.9, , . .
r-in;)ll1lel;I~.p;)raprocesos co.n.l11i:di~,cero.l;) regresión rclev"nte 1'''1''' hrenli-
z<1ción del contrasle cs' " " ,',
6)'" = '1)', _ 1 + E, (758)
Ln ecunción (7.57) se simplirii:i1t¡íinbiénci1 clCnso deql;cl~ hipótesis nllln sen cier-
In. Por. lo lnnt'o,existen lres posibles regrcsiones,pnr;) re;)liznr el conlraste, En todns
esl;)s regresiones óy es el regresando. o v;)rinl~le cxplicnda. mient ms quc los r.egre-
~-:.,-
r. -', ,,:0 r e2'-~;~rÍ4l.)~-t:.1\
.•1?:"C;CUil~j:Ú.Q.WS).-"h.ú~1~G~.f-C~.rc::Cs,.,~lf.~.,.~~1.~~\~.d ~ ..p.n",Rc-f i~c19,,:!~
-',,".-;-:
-;-,'.,'":-:":::7-
ccu;)ción (7.56) inCluye UJ1<lconslnnie éntrc los regresores.; y, Cinnlmcnte. In ecun-
ón (7.54) incluy¿. <ldti11ns delv;ilbr reinrc!;)do dcy,'Ünacoi~stnnlcyÜnn !endencin
tel)lpornUinc¡,1. Síguicndo lilnolnci6n utiliznd;)pcir DnvidsÓI1 y MacKinnon. simbo-
ti'l.arcl1loslos Ircstonlra~ICs" nnlcfiorcsiih;,c,(.y)~éonHi T,,'c;t~ (')1cl' scgúnquclos
C0I1(r;\SIC5 tengan su origen,respeclival11érile,cn.ln ccunciÓn (7.58), (7:56) o
(7.5-1) 1~~En);)Tnbla7;l) st;rc['lrodLH;:enl<lsori!ns correspondientes a, cndn unode cs-
to~contr;.lslesll~elliáílt.elauiitiznciÓn~ke.~lo~mislnps,sÍ,n1bol~s .. , ,'.. .
L'¡lIltefioj' cXplicaci6n lIcIos cont r"stes de Dickcy~Fuller il1c1uye sólo un pro.-
ceso Ar~( I j. En C¡\SOdC('IÜC ~~le~~b sc;{cl proc~S<i ndéSll~cio, E, estnrácor~elncion,,-
UO seri,lIl11elitc;loclll{:invalidacl.dcs;,hollo d~c6lltrnsres DF. ParninvcSligM el i;n-
paclo de prOCéSOSdcordeJ1 lúnyói .• trnÚrr~l11osprimCr;),niehtc el caso de un proceso
.,'
. , .' ~ .".' . ; '. . .
" IlIl"din,¡\,;',i"'H); /Unc\' (j. ivlacKilllh;n; !:'J;;;;",i;,," ;"lr/lllfát'JIu i" EWllá",r'r;CJ, O,(oru Univc"ily
l'Il''': 1'/,}.1,[1, JO.'. '. .
'1
 262

de segul1uo oruen.EspecifiCluemos la ecuadón

)', = & \. "~I'. "., = ('(I".,~I + ('(21i,-2+ E, (7.59)
Para silllplificar, hemos obviúdola lendenci~. Encaso dcncccsidad aiiadircll10s
dcspucscllérmino lel1dcnci¿¡1. Formulall1oscllJülinOmio ARwnit) .
A(L) == 1 - aIL--'~2L2 ='O-A\'L)O -:- A2'-)
Si, por cjcll1pl~, la ráíz Al es iguala la unid,;d,eiltonceSlenurcmosque
";\(1)= \':"('(r-('(2=0. (7.ÓO)
uonde /\(1), d resullatio ue suslituir I por L'eluHL),lo quepl:(lpi;reio;la la sUlúa'
de los eoeficenle.s deA(L).Para lIev¿¡[ acabo el contrastcuc i'aízunitaria examina-
remos si Y.= 1 ~ (XI - n2 esSignificativamente distinto decero.EI conlfaslcresullaría
más sencillo si laecuacion(7.59). pudiera modificarse de modo que "( fuera el codi. ",
.•.:"~.'_~:,
.. :':".;.~
'. cienlcdcu'na
_."~j•• ",,:-,•.: ..'.••,-::-. :~«"-..;; .
.o_, •.:. -"_'.':
única variable ..Ccimbiil'anuo
••• :.:),::":' >,¡:::'~.'j"'~
las,dos ecuacioncs de(7 .59); üblellell1os".,v.'o :.~ ..'
..•',:,./ ..".,','~ ~~;:\':;..:;:':'.:,:-:,.".••.,,'.
•• :, .• ,, ••.• ~.'...;.:.~ ••; •• ~.~.~_1' •••.'1 .••• ~. .:!.'; .••;;'. ",11 •. ~~',_"
•• ,;~,""".,,- .••• ~~ 't.." I,'f','" l •. ~" ".~' .. :>.•••• ,: ••.• >_.11: .•.1,: :;
y, = f¡ (1 - al, - ('(2) + 0IY'_1 + (XV',_2 + ",.

'.~ f¡ (i ;, (XI -:- (X2) + (á'l ~~~2)YI~I- ('(2~Y,-; + E;

que d,a Ó;',';" f¡.( 1.'-.. ~'l -. <:e 2) -:- 'YY'~'I~ ('('iLi)',~; + E, . (7.61}
. dondc'f = l'-cx'\ - (X~ ~ A(I) ..'Colllpal:'aildo laccuaci'ó)I.(7:ó'l) (01lIa(7.56) ~elllos
que el efecto de pasar'~e un:) e~pecificación A R(J) a olra del tipo A R(2), es que en
la regresión para la ejecución de,l cont";lsle se 'leai1ade'una. prillleradifercncia relar.
d¡¡d~ .en")'. El IJroc~cjmienlo cs. extensible a proe~'s.osAR ,dcor'dcn ma)'()r. Así, I';¡
regresi'óp (iue"~ebcmos eSlin'larpára reaJizareI cOllir'¡I~te de raíz unil'lria c'n el ~aso ".~
'deullae~pecífieaci.onAR(jJJe'~ ." .
. . ~);,;; i<¿~ns.;a;;ic~ Ic'nden~itÍ'YH'6YI~I:"'~~ 6)'r_I"I)' . (7.62)' .
Lis .;íli~il\'as consiiJeral::ioiil:s e~c~luiidas¿tld'c,lso An.(l) so'nbs (iuc gU[llll, e;¡ cÍ
c~so' genCr~I, 'I¡J in~.llisiÓ~'de 'Uíl<)coiista;lle o de.,untl: constanleni<ís'una' .l.ende,)ci;J;:'
C6i~ioaiiles,c~ elcoefi!,i'eniede I.el queperrilílerealiz'ar el conlrasle ,de la hipó: y; ~
tesis'de cxi~iencia' de u~n' raí~:i1I~itnda'- Además.pod'e,ilOs ulIliznr IGs mis;l'lOS v:alo.
res' críti.cos quccnel' CilSO.AR(l iNormalmenle, los c~cficlenlcs Je las' primeras di.
ferencias retardad¿¡s de )'carc.cen de inlporlancia. pei'odcbemos comprobar igu,;I ..
mente ,su significación .medianle 16s eSladíslieos I y F'cu'l1vencion¡tlcs. EloQjClivo es'
incluir el número.'su'ficiellle dClérminosretiJr&idos el) la cClli\ción (7:62) liaSI:l e(Jn..
scguirquc los resIduos sean dctipo ruido blanco. Los contraSlt;S basados'en laecu:l-
ció n (7.62) reciben el.nombregenéricO de cOntraslc,sdeDickl:y.FIII/cr,tllllilt:llllultj.I' ..
(ADF). . . .
•..

7.3.5Ej cmpfo Numéúéo

.- .. ""

La serie Yl que hemos preSenlado. :Jnlcrionilclite.:,cs \In csq\lcnia estacionaiio .

AR(l) con parámetro,O,95. La Tablri 7,10 lllucsJra los resultados dcnjuslar la ccua ..
 (',\I'i 1111.01: ,\1()(icl"s U ni \'ari¡II11<:s
de: Saies .'('cmp"ra ks
-
;'."

tión de regresión (7.5ó) para despues aplicar un tlllllraSlc OFj). No se rechaza la hi.
.'
1; ,
, J

pÓlcsis de raíz unita'ria, ni al nivel del IO'Yu. No se trala ,dellll resullado sórprclltkn-
le ya que el vcrdauero par¡Ímclro A R es tasi igual a .Ia unidad. Si ampliamos la
mueSlra a los 200 punlos totales, el eSladíslico DF es -3.42. con ulivalorcrílico del '."/ ~
1% de -3,4ó, que ;Jhora sí pcr!llite recl;a~ar la hipótesis de raíz unilaria al nivel dd
1'Yo. Si. a la ecuación de regresión utilizada con LOO observaciones le añadimos dos
primeras difcrencias relardadas, ,Imbos codicientes resullann¡l significalivos a par.
tir de los resullados de los r;llios 1 de Sludent oblenidosdc. rcspel:lil'clllcllle. :-0.20 y
-0,52. El correspondienle eSI:ldíSlico 1\ O Fes -2.14 sigue rechazando lahipólesis de
raíz unilnria.

TAlIl.A 7.111 . , . '" ]

'.",
;:, , ..>,<.; ..c:olllr:lSI.c.d(: ra.Íl..llll,i.l.atia.par;lYL., ..' .. ' .. ' ..
.._".... 'o, • ',' ~. ' •• 1,":. '.-, ••••. :: ~ ;'., ::>~,,\~,,;.'!,~.i~1:::'-..¡.It(4)~.~li~~:
.
r.r_"'~_""""''''''Jl''""-,~,'I''''"-,..~ •.,,...r-r.T. __ ~,..''''''''''''''''' ••.•-_ •...;-. __ .. o"

ADf lesl slalislic -2,450004 1% Crilicill valuc' . ,..3.4965 I 1

5'70 Crilica' "aIIJc -2.11'JOJ

I Q% Crili¿al' v.aluc' -2.5819
..
'MacKinnoncrilieal values for rcjcclíon oi'hYPOlhésis o(a uníl rool.
.. . . . . .

Allglllcnled Dickey.fulJcr leSl cqualion

LS 1/ dependenl variable is D(Y 1)
,":'.~
Salllple: 101-200
'"
, 'Incllldcd ubscrvaliolls:lOO :~
~: . (
"
. Varinhlc Cocrricienl '"Sld. error. T,slalislic , Pr'oh:
YI(-I) ,..0.115440 0,0471.18;. ~-:2.'150004 0.0161 . ,'"'"
C 3:96)090 ' 1,~69770 '2,1'19560 .0;0366
\

LiI.T{lbl'a 7.l11ll1leSll'íl'cl coillr'aslcADt pri'ra~Y'4: I.•iserie c,.IelendeileiaeslaciO.

nar,ia. Ei esladíslicoAbFes ....:2.94. que n.Q¡-ecliaz~,I¡l hipótesis'nuia al nivel del
10%. Es el resulladoesper,ldu i)or'quc'.e¡-cocficicllle AI~es O,l). Es incvilable que '-:"
"

cstos COnlr¡¡sles cSlridísticoSlengan poca potencia y, por ello. es difícil realizar' afir. :.....
"
maciones definilivas. Rechazar una hip'ólesis .nula jusljfica ÚniC¡llllcnte la' ¡'lusibi,i.
dad de . realizar
.
lllía afirmacióll caulelosa y rrbyisional. .
Rudebllsch, en un ililcrcsanle eSludio: del1lueslraque con' dalos del I'N8 real
de los EE.UU. (que rechaznn la liipótcsis demízullitil~.ia)re~h;izilnla;llbién que la
. serie. es 'eslacionariada cuando se toni;i C.(mlOcic;'la la. hipótesis nulil de estaciona .
licdadHi. .
{~

l.

1.\ E\'íc\\'s dellomina ,\ IJF;1 louos ItI~ t;ullltaslcs d.c r;líz unil;,ria. silt h.'ll..:r en Clh,,:llla si !;{ rCl.!rt:sillll t1tili/í1~
ua incluye n no rrimc~i1s dircr":Jlci61~ fl.:lard:Íllas. . .f ~ ••
 ,\11, 1< JI llJS 1)1' El.'lJ:--'O\lI'THi.\,

'1",\111..\ 7.11
1,
COlltrasle de raí,!. onilaria (;:11':1''1'4
....,' .
. ....• -" ':L •• ; o',,. ~~"~"' •••.•••.•••••.••..•.•• O" '':' •••• ," • o'.•.•• :. ' __ .•••• ,'.

,ADr Icst slalistic -2,9'11227. 1% ,Crilicnl valuc' -4,0521

5% Critical "ahjc - 3.,1548
,10% Critical valllC - J. 2283
• MncKinnun crilical v~llIcs for rcjcclio'n of hYP~lhcsis or a lIriil roo/.

Augn,1cnlcd [)ickry~rllllcr leSI c(¡lIalio'n,

LS // dcpcndcnll'arinblc is D(Y'I)"
Sal1lplc: 101-200
Inclllded ,obscrvalions; 100

, Vnriahle Cocfficicnt SIdo error T.slntislic Probo

Y4(-I). -0.162216 0,055152 -2.941227 O.()(}\ 1
C 0,58.1690 4,99760~ 0,116994 0,9071
Trcnd 0,098689 '0,045427- 2,172477 0 0323
0

'o'

7.4
ID ro:NTI fI CACI ÓN, ES;n ¡..•.
I ACI,Ó N YVErU 1'1CACI Ó N D ro:1\'10 O I~L()S
'\IUi\'IA >.'¡
"o '
,. i
"

J
7.'1.1 Idelllilicaciúll
: . . ;.~. ::
_ .••... .~
.:1
Los procedimiclHós de la Secciélll 7.3permikn determinar si una seric es cSlacion;\. ,~

~ ..•.
j':
,-., ria o si es n('cesario dirercnci;\rl;¡ una' vcz, Ó posiblemenle dos, hasla convertirla en ¡",
,'j'
~s1a cio íl,~,l'~~;};<!,~~J~~i?,ce
di~ ie nl:~.s!fJ2::~~~o~.~?D),4:,iIJIS l.l'~Il.) ,;rce rca !,!~~lll cc.-'
¡\ ,decís i.911 ~ ::,d
~ ••••.•
I
lJIdCI,'Q~~1ol:'~:,rbécsoARi\'IA debcfilOs;ijúslári,'la scriecSlaci()J\~.ri;-¡, El resulú,do fi. "',.~;,.',
nal es',ln' idénlilicatilÍndé Un 11Io<it:lo aíllorregresi\'o, inh:grarlo )' de IlIerlia I\\U"i1, ' .~ .
,\ fUi\IA(jJ, d, ql, Cos lres p¡\r:1melrOS a delerminar sun los siguiellles: ;\ .
(I = "n\lmcro teI (1'1"
1 erenclas ncccsanas: . para que
, .;~ eslacioll;lriedad
eXlstí\ :
/J = urd<.:n del componen le ¡\ I({~ ;
q '" orden dcl C()ni¡1lJncnle rv[A',*
:.:~~
Norm;¡lmcllle. rI es ccro u ~l1i()y,deronila Illuyocasiollal, dos: se trilla dc hal1;lr UIl:l ::;\"
r<.:presenlaciún parsiIllOiliiIS;' con v;¡lorcs l;ajosdclJ y (/' L\ dificil elección dcl ordcll .:~ .
dc /' y (/ se agiliza mediallte Ull procedimicnlo nlllnérico su¡:<.:rido por 1'[;1I1n;\1ly ~~~ !
\"1 ~'.' '
. ' -S ,
:; ~
111
Gkoll
2(..\.212 ..
"TI1I.:
1)..1~\Idl..'h\l~('h. l!IH ..~rl:lil~ UI~.il I.t{)(;l' in'¡'{cal r;¡-':I:". /\"11'11("'" FHI/lIJ"';" UlT;I"I\', )l)tJ.'. )U•. ,1¡ ~
. .t. :
•..•\ \
;~~ .
-. ~;
 -~
_ 'í

C,\I'iTULO 1,: lvI(Jd~'ll); Univarialllcs de Scric~' Temporales 265

'." ',' .

Hi~s;¡l1elll7. Sc trata deun proee~lirni'cl1t~'(:'n lred'Clnpns. Enlnpdn~ern de ellas'sc

esliman por MCO procesos ¡\'R puros ordelibasiaille de
elevado,' locunl no deja de
serrazol1ahlc y;¡ que llllproccsti ¡\ fUvl Adescondcido cquivnlc' aun proceso A R in .
finito, En la segundó\ clapa, sc seíecciona lit ,regresión que h;¡Jpr?porcionndo e1mc.
nor valor seglÍll t:1critcrio de informnci(ín dc;:'Akaike(A le) y los rcsidut?s dedichn
reg.rcsicín 1e,1 se consillcranC;1I110 estinladorc;:sde las E dcscon,ocidas, de un modelo
AH,M¡\. En el paso rin;lI se ajustan nl/:tulios.'modéios' ARMA ulilizando parn ello
eSlo's residuos cSlímóI(J;ls, Por ejemlilo, s¡ajustamos lln' Á R~IA(2, 1). la rcftresión es
, '.... ,

.1', '" 111 + tlIY,_I+aiJ', -2 + (', - /J1(', _1+ error

El'la r~grl:sión se ajusiapor l\'ICO pnrn' di~lin'los valores de fJ y t¡o Obtenemos la va-
ri~lizarcsidlihl c1~,,;/y
~légimü~ C(;mOcs~i:ciriccicióíl't;orre~la aC¡ueJin que proporcio-
na el menor válor de ',' , '
In(r2,,;,,'+ (jJ + q)lni'/1l
ljl\C no es olra cosa i¡ue llliliz;¡r el crilcrio de Schwnrz. Destnc;¡remos que, nunquc el
procedimicnto dc'¡'lannan. r{issan~n ''pf()rol:~.ionn c'sl¡'lnnciolie~ liuméricas del mode. <

lo A RMA, el rcsllitado,es l;i consccllcnCiade un proccso dc identificación y"por ello ••

no dehen Cl,lIlsiderarse Cillll~llas 'eslim:,cio'ncs 'finales,de los c(jcficienles relcvanlcslR.

Para eSlim;;r los par;ímelros de un módeloARMA,los pnljllctes'inform;íticCis suelen "

, ofrecer los procedimicnlOs de cstimación tic mínimos cuadrndos' lineales. o no. nsí
comólos de móíxil11:lvero~imi,litlid tondicionnl ocomplcln .., Com~nlnremos nquí s6\0
:
.
algunos casos 'específicos. Relome,nios,l;i e~pccificneión A R( 1) de In ccunción (7.\ Cí)
')',;'/11 + 1l)'I,_I'+ E,
, donde E, es una p~rtlirb;,ción r.uido bln';qJY MeO un estim;;dor olwi~: L;¡ únicaclles. J
~,,:~,,'7',::li9!.~~10;1~IiiL<l-H
~!C-A¡;.\,);l.CI+~~¡:l1é.~ll ,~',~.~,~~
~~r;:IT\¥'¡IJ9~c1.F:X'\~,;~.5W~.~.~99:\9;1,!~9,~,~,,~,IS-;;,';,::':"':"¡;;";
, niodo que los sllJil<IIOrios lonlnnvalorcspam,I''''. 2¡J; ..,~;1I;Segú~ vimos en el Cnpílu!o,' ','t-
.~ 2, los conlrast'es CSI;,(líslicosh;¡biluülessólo,licncn j\Jsli"fiención .a~inlóiicn debido a que, _ ' "
.i cn csle c;lso.la p~cSeI1Ci;,dd regl:csoi'.rCl;;¡:d.rdodiminastI válldc7. pnra ill\leslr~s fini.
: 1'(ltl"lll'(lS c(')¡lsitl;'I',,'lr ~ "'le,
1',11',,111';1,1, O" "',OliJOlill 'cs'tI ,llla(lorM' V COI,lll,
icional.,Tol.nnl1' O

.'1"\'5. ~ ~ l' ~

; do y, cpmo dó1do.lal)l'úhabilitladcon~licionaid.c 'In~I/-::LobscJvaciones restantes es

_ Cc,:." , . "',", 1") '•.;
~ . ,~"'J)J2, )J ..... )" ) \,
"'flC¡:21 )'1) pO'jl):2} ... p()'" 1)'11-1)
.~:
!,;
'.- - 17 E.J. I la'''''III'''' J. I~i,,:,,;~il" "1(eCl;rsivc E~rimalio". oC Mixcd i\\Ilo(r~gre~i\'c:t>¡';1\'in!; i\ "crnge Orcer '.,
,~:.-~ (JiOIJ/l"Irika. m.I'JS2.iq"},I: corrección, 711, 1'}:-:J.JlI];', ,. " '
~ .
1",l'ara "tr eli de¡;,lk ,el plIIce,I;,,,;enl<; dellalln;II,-I~i~~~lI~h'yalgllnos. cjemplos ddproceso de i,knliric~-
r¡'';l' Series, 2~,tcúilínfl,
~,.. ,c¡toll1o \"~:ISC C.\\~.J:'G~;ml~l'r'~~.P. "Nt:\\'hohJ., rlJ;,'n;.Hi,,~~:Enl1i(}/~,ic
11):-:6. ("1';1111,,:1. " .. ' '.'.oC :'-'. .',
ACildcmic: Prcss,
. ,

:.~'.
\r
.
r ... ,

Suponienuo un ruido blanco gaU;Si¿lno, [ '-$,f! . J

p(y, 1)'''_1). . .c-cxp ~~ (YII- JII -el)',_¡)1
crV2rr. 2l,2 '. .
Ivlit:nlras qlle c1logarilll1o de la vt:rosimilitud condicional cs

1*=lnL*=.conslanlc--'--,ln(J2-,--.-.
.' ~_~
11 - I .
2(,2
I
L
,~1
"-.
(y,-III-n."I.:)2
.
(7,63)
4 .•. ,,~:;>O-" ./

'''~
Maximizando respeclo 11/ y el obLCúell1os los eSlim¡,t1orcs l'vICO que acab;lmos de
eJescribir.
Con cl fin de oblcncr eSlill1:loores ¡"IV dc infonnaci<Ín cOlllplda, llIaximizare.
mos la probabiliuau no cOI}eJicional .
L'=p(YI)L*

,'J __,.' __.•

,Bajo los supuestos
',I~".,.,.._.. ~......••.
exigidos n un proccso AI~(D tenemos
-C •• '.," ••••.• ~-y~.. I..¡~;
..
a..". ="~.(.... '1'~2~2':)""" "; .. :.,
.','.o,.,_";;~,;:;)"",-,":.' •." .., " .....
,,
'.; .. ' '
''o' .•.•.

C< . ,'-.

1'01' lo tOl,nlO.

. in {I(YI) :; ~ol~stal1le.+ i I'H(1 _ (2)' _' .!. 1110'2- •., -1l1 ('1'1 -'- _11_,_.)2 l'
.' . ... . 2 . '. . 2 2(/1 .. 1. - el '.. ,
. . .. ' ",' . " " ~
'.;'cl lugarí"llllo u.e,laver:~sin"lllj lud,no condido-nal es,
.{=:- lú¡jO' ,) ~-.l;' : .. .

, " .': li .. ' . 1" "

= cOPS!<1I1lc": -:hI<T2. + 2' In( 1 -;.(2)_. -. '_'-'-
. ",- l~2 ( •
I'f - __
¡;,' ')2
o (7.6t1)
. . 'l';> 2~'.' ';: '. .....~(.~2 ,. . 1,-lí,

'- --';"':
2u2
.
H2 (y,-;III_
.." .. :,'
aY'_1)2
, '.': ','

Toman~{). prilllern,s dedvadasresp!:cto a JII }' a e igualando a cero. se obtienen ecua-

ciollc's nólincalcs en los parámetros. Por loianld,' púa cncontrar cl ni<\xíll1o tic la
ecu:icion (7.64). sc haceneccsarioulilizar técnicas. iterativas. En mueSlras pe¿luclias,
la difc'rcneia cntrema:<i'rtli~arl;;ccllaciÓn (7'.63)ola'{7,64) puede resullar importan.
le. aunqUc esta uifcrc,\cia disl'u,i'nu)'c cuando el t,lIuaii'odc, la n,lues.lra allnicnla.
L~s esqueinas'Al{ dt?rdénmayor se lIjllsta¡', d.c fortn~ similar.- Ló's'esliniad~.
res mil'limo cllaur<irieo's y'los de In lil¡íxima. v.cl'osimilillld c(lIIdiCilinal loman las pri.
meras p 'observaciones' com.n'dadas. También' existc;¡' pr(lccdimicnl<iS de nÍ;íxima
verosimilil'uu coninfofmación completa 19." .'

19 P.ara un Ir,,¡amienIO mas c'xl'enso. 'veasc j¡\IllCS 6. '1'lan;iho;l. Til//< Ser;,'.; ;1,;,,"'';.>. l'iiIlCC\(lIl. ll)l)~. Ca.
p¡iul~ 5.'. '. . .' ;. ..... . .'

".'

"¿o
,.1.'
"
\.
 ;-r'\,

El ajuste tic: 1(1sesqucmas 1'0'1/\ cs m;ís complejo: Incluso los proccsosele mcnO!'
ordt:11 implic,lIl mélOlJos IHl lineales. l'or cjcmplo. el esqticmai\'It\( 1) es .
y, = p + ~I - j1~I-1
CII¡1I1elO~1I cs igual a ccro. El = .1'1 - E. y. p'or St; paqc. E, ~ 1', - P'-I'g El' Dcesle mo.
• - • - ." 11

uo. los 11 v;dorcs dc E' podr¡ín cxprcsarse cn lénninos eJc 11 \' JI. Sin cmbar!'o.)' E2 1'\
t' . '" ~ _1 I
cs una compleja función no lincal.e1e los par¡ímelr<!, y ncccsitaremos lécnic;ls ¡'t-era-
¡ivas para obtencr los cSlimauorcs convcncionales. Tcncmos de nucI'o disponibks
proct:lIill1icntos dc IvlV con información cOI)lplcla qt,lt: eSl;ín ucsnilos c.\lcnsamcnle
en d mag.nífico lralado de I-Iamillon, Loscsqucmas mixlOS compartcn lodos los
probkmas dc cSlimación dc los procesos MApuros.
......•• "
,---,
7.4.3 COlltrastes de DiaglllÍslico
. . ""- ' ,",;,'o,.",;.,;"¡'.~,,.,,':;>."\
" 'L;,';~;'~-,;t;-fi~ación y la estimación han ~;'~i~'i;~;l~O:;ul'l-n'lO~kl~';~'~;i\'IAeSlimado. El si.

guienle paso en el an¡',lisis de los modelo~ ullivnrianles de series'lemporal~s consisle

en coml)robar la bondad tic la c'ct'lación rGslllúlille, -,
1'1l¿k,ílOS aplicar un 'conjunl(j tle contrasles ¡; Ills cocficii.:nlcs e\limados ddnl()'
.tlelo ..como'hacíamos cn el Capíllllo 3. De C'SIClilOdo,sc pücdc pr'llbar la significa.
cíón,de cirda unade las variables inclllid¡ís consideradas separadamcnte (J. de manc.
'ra complcIllCnlari¡i. de IIn subconjllnlQ de clla's. I'licdc,v'cririi:arst: tamb¡~n el ckclo I:'~

, de aiiadírunao Ill¡\s vOIriablc'sit.la cspecifícacit)n, .

Olr;i 'iniporlanle' iilfoí'mación'pa'I:¡' Ii' .'verificación la pr.()porci~nan los rcsidllos
.tll:,~J1!od!-:I(~csl imadI? C:ual~do se aj ~ISI~.Í1n mOdelo'. a(rc-c.tja~lo.. Ios .rci;iullos deben
-pt:esel\lar lIIiOlcSlrllclll'ra dd íipó ruido blanco.' . . .
Las :I~ablas 7.2~, 7.S l1losira!;an. loS'I;'CS a~peetos 1;1¡í'srek.\;anlCSue ¡lis r.csidllos
(lc .Uil lilOdclo: sc irata tle ,sus alJlocoi:reJ¡,ci~ncs: 'su~ auroco,rrcl¡.;ciones parci¡¡les v
l<i~ val~Hcs del c~latlí~lic'odc .13ox.Pierc;~.Ljungi\luc verifica la ~ignific¡ici(¡n conjlll;'
la tic subconjunlos de coeficienles .demiloc,orrelación. Las Tablas 7.5. i 7 Y 7.0 ilus.
lriln el ¡¡s'pecto 'Iue proporcionan serics'dc 'ruido blanco. en cOll1paraóón con las de
'lasT¡iblas 7.2, 7.3, 7.4 Y 7.6. Cuando los re~iduos.s'e'ap:)rl¡,¡n sig.nific¡;livanielllc de la
'.' cslrllctura típica tle un prcJCes¡:¡'ruido blaqw el'p1Odclo ;10 ~s salisfaclorio v dcbt: cs.
pc~ificarse ue nucvo. ' , . . . ,:, .

7.5.'
. PHEDICCIÓN

.EI objetivo principal del ajuslé de esquemas A RMA a una seric temporal es pro.
)'eclardich:, scrie hacia cl fuluro. mils all;í del periodo mUC.~lral. ¡\ vcces. 1¡11e~pro-
'yeccioncs se utilizan COlll0 banco dc pr'uch.as,para la coml-irol1aci<Ín de' las prediccio. . :!:
..•. "
 2óX ,\II~TOI)()S 1)1'E('r¡:--:()~II' mi"

nes origina{];¡s'por model~)s mullivarianles m{¡scomplejos. Las proyeccioncs o pre-

dicciolles poseen uos ruentes ue errorincvilables:
~ I
;

Errores debid9s a la ignorancia de rUIUri1Si!l;lOVaciol1es. , .

Errores dehidos a diferencias c'nlre lós verdaderos v;dorcs dc los par¡íinclrÓs y
sus cSlimacioncs,
.',
1.01 presente secci<'lIl considera únicamenle la ¡jrimera ruente de errores e ilust'ra las
hases metouol6gicas de la predicciópcon unos cuanlos pr,Gcesos de o,:den'reuucido,
Consideremos, en primcrlúga r, el. esquema A R( 1), " •
y; -11. = 0(\'1-1- /,L} + El' Ird < I E¡iid(O, (r2)
que p~le~1crormularse l:llllbién'l:omo
.1'1 = (1 - a)ll.+ llYI_1 + El (7.65)
Suponemos que las observaciones dey se halli1n disponibles p;ira los pcriodos enlre
1 Y /1 Y que lodas las prediccioncs se hallan
. condicionadas por la informacion'Lasdispo-
nihlc en el periodo /1, Por lo lanlo, :
.\'"•.} = valor (descoliociuo) de)' en el rUluro pl.:l'iodo /1 +J
",_.'
" .¡'" •.• = predicción de y, ••} realil.nda cn base n la inrorfllneit'ln disponible en el
p":liouo (3<.: tiempo/l '.
c" •.• = y" '" - .l'''H
• = error',1 uC pr,e.t1" ,
ICClo.n.
El error cllac!róílico medio (ECtvl o MSE) de \lila predic'ciÓIl es el prom..:úio, o valor
esperndo. de los error..:s de predicción elevados al c\ladrado. Esta medida considera '
por igual ¡¡ los crrores de predicción positivos y neg;)livos. Es \In crilerio ampli;).' :~ :
mcnte \llilit.ado ell el Illomenlo de elegir Ull delcrmi'llado procedimiento de predic- ,
'-
.. \ .
ción, Allora se Irata ue definir \llln rcglndepreuicciónque minimice ECM. Pucde ~í
, ,C
d..:moslrarsc que el EC1v1 mínimo de la predicción UC .\'" •. , es la espernllzn condicia- 1 .'
nal de ,¡'"•.• con lainrormación disponibkell el'periodo ,,20.1\ Illodo illlslralivo, con,' ; ".

siúe remos, 1,1predicción y" "', P;¡rOlel proceso AH.(.I). El valor v~,r:I_~~I.:.r.o es . _ -'-'C- .:~." j~.
" "'::,';',,:'..::",:;\~;'.,;:.:::-,~'7:':\'il:;7Tr=:'J)¡¡:"~~;~~TE-;rf:I"""7(7.66)' .'""1 ;'
EICé~:i;d'c !)rcdicción"i,rnil11o s..:d . " ,~ '.:
S'".I = E(Y,"lly,,) = (l-ll)¡L -1 ay" (7.67).
Ellinito'l¿rmillo'dcsconocidocn dl,ldo derecho de la eCllación (7Jl()) es In innova-
--:; '.
ción dd pcriodo /1 + 1, qu..: s..: susliluye por su esperanza nl;lt..:nl;ílica qu..: cs igual a
( cero, Rcpl'esenlarclllosla pr..:dicciÓIl de (7,ó7.) como
.Ü'".i-IL) :!l(Y" -Ji.) (7.68)
~.:'
eslo es, predecimos 'qu..: .\'".;¡se'diTcr.l:nci;;r;í déla nú.:dia por una rracciól1 o dc la
desviación el1 el periodo /l. Llcrror'deprcdicci<'l11 cs (',,01 = y,,, I -5'''ft = E/,,I y; por
lo \;¡nlo, var((i".I) =a2.

:" Ilamillllll. ibid .. ("piIUlo.J,

(',
 '1" ,
" , .... '

CI\I'I'~llUJ.7: tvlodclo5 Ul1iV¡lI'i~111CS

de Sedes Tempor~le5 269

Cuando consi!lerelllos'cl'peri(xlo /1+ 2, 'dcbercinos cx'prcs;)r )''''2 en lérminos

~Ic y" Y las innovacioncs nconteeid;¡s dese¡'c c1~ perioc!ó. Suslituyendo la ecunción
(7.ó5), obtencmos' . ,

.i'" ,2 ,=(1 - 0)/1.+ a'y".,'+ E".2

= (1 - a)~+:a[o"~{l)ll. +
• '. • 1" , :~
ay" + E". d + E"'2
• " ,

= (1 .:..(2)1.L':~;a2y" + ClE,,:,, + E">2'

El ECM de pr..:dicci0n íllíninloes . . ' .... ' , , '. '
. . i,'2 ;, (1 - (;2)'/1. +"C(2); ; ,
( , .•• " •. : ',(,""';. IJ

que formulamos C0l110

G";2 - ¡:t.) = a2l\'" -11.) '=aG,j.j.1 -/1.) . i (7.69)
I)reuicciones I)ara el modelo A R(,l). sc aproximan a lanledia' no c'ondicional p
de rOI:ma eXI)Onencial cU:lndo.el horizOIllc de la I)rcdicción aumenla, La varianza dc
error de predicción'es var(l.'".2) = (r2 (1+ a2 ),' ' ¡ .

Sigu.iendo de esle Illodo, velllos que

)',," = (1 - a.l),l. ~ cx'j'.1I +'(E" •., + aE;,.¡_1 + ... + n,-I E".I)
La predicción es
Ü'1l", -/1.) :; ~'()'" -¡i) . (7.70)
y'ln varinll7.;) de error de prediceióh. '.
v,¡r(e".;) ;"jl +~2 + ~~+:.:;~a2(,-I»ai:
(7.71 )
C1aramenle )'''H'~ 11.,
rr cllnndo s ~,(X)

y varee,,,,,) ~ __ 2 = a~clI;¡ndo '.

. 1- ('(2 , .

~,
..
,,:
..,
..,.J\~LcPtlc-s.~U;¡n(j~f:'hltQfiJ.QnliMIe<:-!m¡Jretlicci6'1.i!tTtiJ~ñTif:".6,t::vaIOfme¿.]'¡¡:i:p'J'coífcíi5iri";;I;.~(~{;:,::~F
/":!f¿ridc;¡lil niedinn:O\:ondicional,d~lpr~~i;so yln v~~i<in:z'ncleefrb'rde predicción . .'.:
:'., auillcnln tendiendo al v;llor dc la variarl?:! no cbndiciollnl del proceso.
"
. 7.5.1. Proceso I\1A(I)

El proceso MA(I) cs
I
. .. ..... )'i=/1.+Ei-:fJE;~I., . (7.72) 1
Si la predicció,ise
"
r,,:¡lIizap,uncl
'.. ',.
periodo/"
'Y"'I;'
Jescubrinwsque
¡l.-fJE". '.
(7.13) .
1l'
.
" .~Ar'•••.,..• ,"

pMquc desconoecmosE"., en c1periodóll. Sin cmbargo, pa~a implcmenlnrla cClla- !

.1
ción (7.73) no necesilnmos conocerE,¡.La eellnción(7;72) sr hecesilnconocer losv;]-
" lores prcvios (k e.¡\si pues, iailllrlelilen!acióll eSlriclauc In ecu<lción (7.73) precis;)

J
 270 ~1l::1UllUS llt: E('u;-iO.\IETldA'

Conocer ~o. Pnraiiliciarc':j)rOCCSciSliclc citorgiirsck, dn'la pr¡Íl:lita. univalor espera.

dodcccro: . . ' ... ,,'" .'.
EvidcillcmCil te, cúarÍdo'c!I'am¡iiioni"ueslral al~nicnl a :disiiiinuyc, la importan-
cia oel problema. ES cvide';l:e qúc var(e" > 1')'= u1,"Si obSerV¡lIlHi:; deis pcrl~d~s'posté.
rimes, vcmos ,¡ue .' . , .' , . ' ,
)';H2':=' fl,i: ~J1'>2 .c.Jj~;;.;
y~' ECM de predicéión mínimo se~'á ' ..
, 51J1~2=fl,

Por lo tanlo, para"cl cS(luema.M¡\(Í)'

)'"tJ = p. s;;:: 2 , (7.7'1)
,y, ,var(cJI+s)=(1+JJ2)a2";u3" .I'~2 . (7.75) iJ
'.'...:/~...>~;.,;.obs..p.úiod aun ás;¡;deJ¡¡lilu';,~la~p~cdj(;cjó11ó-clc'l:ei¡cI1l~ll1¡¡.M-Arl+ ~SlÍl'llicd iai\ü''Colid i~,';;", <"~t~
cional deJas,series y la variapza de elTm de predicción es la v¡II.'iallza de las series, r ,
. '.. , --, '. '. . .' r
.'¡': .1'
:.
7.5.2 Proceso A.ltf\'Ii\(1,l)
• <, ,,' .' ••• ', "" .

Como tercer ejemplo, 'conibiilaremOS los pro'cesos AR( 1) y1YIA( 1) para obtener
ARMA(I.l~: . ",

.. (y,-:- l.l) ~ ex(y¡.,t - ¡¡)+ :E,;:'¡lE" . I ''-. \

(7.7G)
EfECtv[ dep¡:edicciólimílli,nici p<lrae¡"I;Criod~)II-1: les' "
, .. ' ,'.i';';I-'.l~a(Yil,":"¡£)~JjÉ" .., ' .. ' .
.1.;\'\'II~i¡;a'd¡ki~ncial~cs6e~'I($ ,a í:; pl'cdi¡;ciún dé' Í\R( 1) .ra(iie; lin C¡'I¡;;I~li;io JIE¡; . t,.a
v¡Jrianz~ ~de crror:<)c pri:dicciÓlleS:\'¡irCeil~.d ~u2.U!ilizanuo la-eclIadún(7.76)i'e-
pClida,svcces:ublen,cln6'~' .. ' '" . '..,. . ." ,
.
.
. (ji;ff.~p,)=
'. .', ....
~'2(Y,,'-f-t.)í~E",,~2'.1:(a,:"¡J)E;,<¡-
.",.'. '. ", ':- ."
~'IIEi,
La pre'dicóó;~ paraet'l)erioi.Jo'lI ,¡c.2es
, ' .. GII"2-I.l)=ex2(Y,,-J.l)'-ajlE,,=exCY,,<1-11) .' (7.77)
Así pues, cO:mo encl caso./, !~(lr.,l;lsd~s~ia~ioncs su¿csi~'as de bis ¡)redicciolles
decrecen expo'nencia"'Il)Cnl~'.Lú ,.v:lrianz:l tic error tic' predicción es var(e,,'.2) =
= u111 I (a - fJ?]. Si.seguimli>s'así ve'rcmos quc', ,', ".'
, " 'c5',,~s-I~)'= ~'(Yl/:" J~r..a,~I¡JE" (7.78)
'l'<ir'lo t;lIllo',la rrc'di~ciÓI; li~~de'a la 'media l;oCo)1tlicionaic'uantio el hori7.0nletie
p,cediccióíl ¡¡lIlllenl;\. Dél ;úisl11crmOdo.~YClllOS,!ue~I'" , ,.
. . .'" .,
l').:

"',
21v~aser,oblcllla 7.8. ."';

.... 1, .
 r:
\; ..L
'.
(',\I'i IlIl.lJJ:'¡'d"dclos Univarianics tI..:S.:rics'TcIllPUI;oIcs 271 lpl

\'ill
,( ('I/~.\ ). - ) ("-
(1- .
!.riJl~")
-1 IP) ;
. . .I~ u- . (7.7'-))
1~
¡, '1
. Como dcmoslraba 1;1ecuación (7 .. 11); esta varl;lllza límite es la I'ariilllzil de la serie y,
(~)

..~
Como l'lllirno ej~lllplo. collsider¡IIllOS ulla serie i: cuyasprilllel"¡¡S dikrclH.:i¡ls siguen (i,,)
Ull esqucllla A I~( 1):
Z, - Z,_I = )', (ViO)

~,,,,
'Fü¡'i1í tit :n'cIÚ¡)s .'

Z", •.'i =, l,t .'-,)'11,,1 ~-": ... +,."II •.'i

''''=. (Z" t SIl) t VII<" ':'IX') !..'.:+, (Y~It,- 11).

. Sllsiil.UY~I)do tiérormacó,nlil1l,~d,;i~s lé;'millos',(y, -'fI). obtellemos .
.():(I --:Q')
Z,,-, = Z,¡ -1- SIL -1-. , , (.1.',,- l.l) -1- £:,,;, (7,1)1)
'1'
" '1 '-ex

t"'H = EII•.•-1-('1 -1-(~)E"u- f -1-{l + (t .:1-lt,1)E".,~,~+ '"

. ", +(1 -I-Ct+('(2+":+'(,(;-')E'" •.¡ 0.82) (

...•
.Dc' c'sla furma ubléllcmús prediccionesp';\ra'l~s' primer0sireslérminos (kllalJo de .
'.-:recho'de lir eeuacilÍll (7.81). dos (je los.-cpilJ(;S au.mcillall C~ll el horil.Ollle de la pre.
dicción, s: Destacamos,sin embargo; qÚe e:llérminodel vallJr Iliiei;;I.;:'1I' 110des,lpa,
. n;:ée. Parliel)do de la ceuaciúll(7.82):lhv¡¡l:i';mza dél error de prcd'icci{JIl es' .,

;.;"tc" :.) ~ ,,' [' 1+'(1 + ,;)' + (1 <' Lo')' +, ~(1+ 0+ + o';')'[ (m)

.Dich:1 variallz¡~ <lUlllenla de forma 11)OnÓlollú'COIl.I':'L'ls'preLlieciónes ele se'ries 1;0 ~s.

t¡¡'cionarias son menos plecis¡is CUillllO'm¡ís ¡;UIÚé;HÚel 'Iw, iwnlc tl'c la p,'edic~ión,
T~das las fórmulas ele e~la seccióll's~ basilll ell' él supueslo tie'que cOlloc",mos'
cun eXilctilnLllos p;lriÍmeltos:tld proceso.,' .' ,: "', .' .
'EIl la yr¡klic¡I, los par;'im'clros"~on: llésC{l.llocidosy,'(os :reclil¡)laz:1I110S1~(lI's'us eSlim¡¡:
¿ionc:s IllUestrales. L;¡ préc~ic'cióll' por j'lllilli)'segui'r¡í SiClido ;¡'S¡;llúlii:all1ellte d•.••EC~1
Ini1lilllO, p~r.olas vari\1I17.aseSIilll¡ld;¡sdel'eri:o';',~k ,prcdicl'ic~it' su hesl im;\I:¡íll los 'I'c'rda. ji •

. deros v;lIorespueslo que la fC)rnlld;1Ulil¡Z¡¡dalil;'adn;ile lo~ i;¡¡I,\r~s ~Ic los errores ell' ,..;,
I
. ' la est ill1;1¡;iólltic los codicie Illes, . , ,: ".... \(;

. Sin emhargo, el progralllainrlll'lll;íli~o EV'ie\~'s c;"C'UI¡¡l:ori'eCI¡¡IllClllc 1;I,s1',Hi¡llll.aS

, dc elTo( por'pii: I)ÚIll(le 'éllcricielli~s J~l'~ier!~~s~i¡!ll(lr;,. ;, su XL'I..las futuras inlllJl'¡¡.' ,('
'.ciolles. ' ",
• r'" ~ 't
 (1-~,04t:- (~ ;¡ ~ .:(I-o!L)lt~
272 ~If' I ()IJ()S 1)1' U"():"(J\IE mi,\
~ x¡:: ~L~~ t(l-O<L/({
7.(i ""i (¡ -o( l)C'--4JL'i)x+ = E{

. - ¡
ES'rACIONALIDAD

t'vluch:1S de l:1s series que sc miden en interv<llos periódicos dentro del aiio muestran
*
regularidades csl;,cionales. La :lctividad en el sector de la conslnrcción ser:í menor en
IllS meses de in\'ierno. el desempleo liemle a disminuir en verano, ele. En olras pala.
hr;ls, (;s m;ís que probahle que el valor de una va'riable sercl;lcione m;ís con Sil valor
'cnd mismo periodo (mes. semalw. dc.) lid :lIio anlerior tIue a su valor en él periodo
alllcrillr dellllismo aiHl. Tral;índose de dalos trimestrales formulamos, por ejemplo

'. ' x, = ,1'.1',_1+ 11, , (7.8")

Si lasl:rlc 11 rUer<l ruido hl:1nco, la f;lC dclproccso cunsistiría en pUnl:1S que irían dis.
111inu\'L'ndo exp0!l£l.!ci<llmcnle (bajo el s\!.J?lI..G.~_I:~lal de eSI<lci.9..':!iu:Le~lad) a inter-
\';lIos de 4. R. 12, clc. periouos:-Las autO"correlacioiles intermedias serí:1n'I~~1:1S cero.
'~

" Sin emh:1rgo, casi lod<ls lasseries económic:ls muestran cierla continuidad enlre pe- r
riodos 'II"YIIU!II/eJ. Así pues, result<l inadec"uauo suponcr ruido bl<lllcO en 1;l,ecu<l-
ción (7.8-1). Supo;lg<lmos enltinccs un esqucnla,t\I~(I) p;lra 11,

(7.S5)
donde E es una serie dc ruido bl:1nco. Combinando ambas rcl:1ciones, obtenemos ",
~,

" ~
(7.86) ~ \:
,".-f
Se l!,;lta tk un sencillllejemplo tk 1II(l(lelo aUlorregresivo lIilllliplicalil'<l esfaciollal y :,:¡
su definición abreviada es A I~( 1) x SA R(l). Haciendo las operaciones indicadas '~ ~;,
..,', potkl110S rdorl11ul;lr la ecuación anterior como ,'; ,:,i l~'.:,:\,'~,i,::

.f' .\",= <:l.\"/_I + <\'.\"I-I - ({(i' xl_s + El (7.87) t'

1
ESle l11odelopuede conlel11pl;lrSe tOllloun C:1S0 especial dc un proceso A I~(S) gene- :~ ~,
ral, con dos ~ocricientesde valorceroyuna relación no lineal cntr~ ,los lres codi. ;!i~'

~:';':,¡:,,~;d';~;!;,~;::~:~'~:;~~¡,:,~:~~':~'~~,~;~;';~:
~;o;o~~,"'t
',',~dr~: f 'O
picio, El currelograma empírico tk 1:1T:1bla 7.12 mueslra el comporlamiento lípico ',,;¡
tic un modelo de estas C;Ú;lctcríslicas. La T;lbla se ha generad!, a partir de la eC\I:1. ,:'!:{,'~ ¡,
ción (7.87) haciendo u ,;, (1' = n,);. La aulocorrelación disminuye cuando aumenla'el ,).1:-;;
IllílllCrO ue r~tardos. aunque hay picos relativos en los"rc\;ndos il, X. 12 y 16. I)cs- ".; -
pues del rel:1rdo 5. l:1s autocorrelaciones rarciaks son pdclicamente nulas, con un
pico claramente positivo en cl retardo Iy ¡¡Iaramente negali\'o én i:I S.
Especific;1!110S. de modo similar, modelos de l11edia Inoyil nllllliplicaliYú esla.
ciolla!. Un I1wliclo 1\'1/\(1) x SMA(I) es

.\"1 = (1 - jlt)( I - g¿'.I)E, (7.88)

Esperalllos que. cncsle C<lSO,l:ls:llItocorrelaciones desap;iI'(:zcan dcspu~s dd relar.
do 5)' 'las <lUlocorrlZ!;icioncs p<lrcialc'S se ;1I11orliú¡kn. .
Dc forl11:1m;ís gencl'<lI. especific<lmos modelos mixlllS clllllhinando componcn.
les ,\I~. S,\lt tvlt\ ySivl/\. l~e;lIiz;1r juicios tcntali\'()s acele\ (k IIIS \'mkncs dc di.
, \

"
 '11,

1
j
j
. 'chos modelos resulta ó:trem:1ditmcnt'c difícil~~. Subr<lyarcmos fina,fmenle que, :1ntes
de ajustar esos model(l~,
de eslacionariedad.
cesarias
debemos,
Ei,';\lgunos
1:11110 las dif~rencias
como"siempre, comprobar
casos, y'par:l observ:lr
ele pril\1cr order(como
In posible existencia
la csiacionariedael,
las"diferei,cias
scr;ín ne- .
eslacionales.
I
. Cuando 7. indica

serie cstacionaria,
series lrimcstrales,
consisle cn efectuarla
la,'difi:rellclrición allecuildn ,paraconseguil:
ir~n~r~,:m:lciónU7' L)(1:-: L~)z,.
una
i
;:T'\III.,\ 7.1!
• o'' • . ,

I •
'.

l
1
1

,,~()rrelogral11a de series, eslacionales ' ... ' ,"

,1,
'OO,',"

.""-'~ •• l •• .'_ •••••• " • .;.a.,.,,_.-.a ..•...••....., ••• "-••••.• ....-...c......~~ ••~.~z~,.__~-. __ •••••_~_"""'~_._N _
Mueslra: (,-lOO
Of'scr\'aciollcs inclllid¡¡s: 95 ¡

'/\ i,l()~"rrcl:ld(íll 'JAC "Acr I'roh. ¡

1 . 1 : ',0,765 ' 0,765 57,36)0,000 fj
1 2 0,579 ,-0.015 ,90,590 0.000,
l;
I' )"', 0.639 ..' 0.~84,,1 3 1,~9 0.000 ¡
'1 ,~ ,.0,782 10,432 ,,19.3.41 O.()()() j
I 5, ",0,577 ,,,,0,562 '",227.49 0,000 . 1
,1 6 0.365 -0.100241,27 0,000 t
.1
'1
7
80.498',
.0,379 0,011
"0,024
256.) I
282.61
0.000
0.000
(r, r
¡ 1
1
1 ;- .
9
10.. 1
0.)41
" 'O.I,M '.
-:0,083
0.122
295.04 '. 0.000
2'97,94 O,OCX>
, ¡:
I 11, 0.194 0.114 )02.05 0,000
I
I
12 .. 0.322
.1) 0.233
0,002
0.071
) I ).580,000
,.) 19.68 . 0.000
t
,I 1,1 0.Ol!4-0,071.; 320.49 0.000
I I I 15 0.127 0.064' , 322,36 0.000
:.~~:.~7r77'yT~7t~;i~~?);it;¡~:~i'~r:;;;~:~
.,..~..
:;::,~~(f;~~:,;;~;,:'
t¡OC,':' .•" . """':.":"'77;-1': "7

.. 1180,078
~••

,>"-0,093 ))7,32
"":~:~.¡:"~:,.,:c,._ ...••"i'vy':"'.

. 0.000
,.'>

--' ~- ~""'_' _'_ ~.:._ _ _,_--------

. L.•' linca n:",l¡cll el1 ,1I ;lI.t'~:tI¡.~l:I_;lltinlllJs:lcp'rt.~t=,,~ú ,dos V'~I.:t:s
..:";Ú¡',cl1cllnf (k:CCH~."el c"r' ..O(:-~sl~n~J~r lh: los' ~~l¡m:,,-
elnfc~" ,:. . , ."' .... ',.' , " " " .
.-"c':: Cocrit.-il'nlc de alllnl"lnh;'~;I'ci'~l11~,\Cl': ("údidchte de .I\¡¡(~corrd;¡ció~ ,ph.l,~i;,l: Q;SÚ'l1: ES(:Id,sli~~ etc :Oox.
l'il'rl'c-l"j~lIlJ: (I~q. (f'.-~~»:
1'1,,1~':~Valor-,I.' qúi=. Itl~as "fo~~t~.c'ricicnlc.s ,(i~'.~uh.\corrcI3ci6.n
P;lf;l i;(itip:~t~,~is.'~c sun
i~\J;ilcs i1l'cro.

.~ 11\\';\11", Val1dad~: ..\I'/IIiI:~lríl",.',~I',i •.J (//"/lJ,,x"j~l/kil/:' ,IIt',licl.<. A'~Odcl1liC I'rc:~.19'SJ.inCI\ll'C m\lchos

, cnrrl'1tlgr;¡l1l;l~ que Illl~IJ':I;' .. d.i~(inl.os, t;~«tucm~as';-;lsj '(0"10 .del,allados, ;ln.;1I~.siscllirrti~os hí'ls~¡Jos ell dalas
:. r~:I1..;s. Esllldi:lr c!\l~ m:th.".i,.¡;',Fily\ul.a ;1:d~s:il~rú)I:1'r'c'~c j,i¡é:i~).'I::jn I1ccc!\~~io:C'11 el ~I~ scrics'IClJlpnr;l-
.ll'l.;~.i~is
.~.Id uui,,:!.' ¡;mlco,;.' " , ,
 ~11~lOIlOS DE ECONmlúTlllA

7.7 . .
EJ£I ..•.
IP1.O NUl\1IÚUCO: VIVIENDI\.SNUEV¡\S MENSUALES
~.
La figura 7.'1 mueslra la serie elc viviendas .¡Jc nucva conslrucclOn ,en los Estados '.'
Unidos. La serie se dcnomina TOIllINcll' Pr;"nlc NUilSill:~ VIIi/s S/;,r/ct/ (expresada "
cn miks, sin ajuslc eSlacional) ycstil eXlraída de la basc de dalos DI~l/rvIcGi'aw ..
Hill. La denominación de lascrie enla llaseúe úalos C¡libase csHSófR. Ante to-
do, comprebarelllos la eSlacionaricdúd para ver.si poúemos lrabajar con unmotlclo
en los niveles de la serie. La inspección visual no da nluchas pistas sobre la carcncia
de eslacionarieúaú y los conirasles t,orlllaksilO hac~n miis que cont'ií'nwr csla sos- ,'.,
pccha. El contraslC de Dickc);'fu}l~i aumenla~o of.rcce losrcsullauos que apareccn
en 'la Tabla 7.13. La hipótesis de raíz unitaria qucda'ruCrlenll;nlC rechazaúa. La Ta-
::",~"",,,::.,W,i,,,7~.I4.\!11lJe,sl~;,1
e1~orr~log!an1,a úe lascriequc confi)~maCSlcsllpUCSIO. Su asp~clo
., .. ..c~.l{iu-Y-i;7ililii'r'~rtlcr~ó~:',:~Togr'(li'llf¿rti~+~~;ii:'¡';'lJí'oí.'r'ég¡:~sl'vXi'i'¡'i~t1~iii,é¡-r~V¡(;;\ti'cíú~-""\"";:"""".
Ilal úe la :'ahla 7.12. Los cpcfic;ielllcsúc aulocori'.Glación disminll)'CIl primero, para ",'

alc<lnzar Ull pico rél<llivocn el rClardo 12', ydi:¡minuycn de forma :lcus¡;üa en los rc'~
lardos. ri1ayores. Por su parre, l:ls:ál;locorr~inci(lnes p;\I'ci;lcs' n'üleslranullil pUnl¡;
positiva'cllcl r~l;ird'o'l:y olranegaiiva Cll ~l rci;u;do;13.'

2~O

21XI
,.',
", .

n; 150
, ."';:1
E:
,,:
'JI
~,
~:
",
'g'
.~!100
:>

~ ",'

':¡ .

60' .. 65 70 . .75 :KO 'JO

, Año

;tj(:;j;\.,\ 7.4
",,;¡úl¡¡oes oc vivicnciasnucvas' r.rivaoa's;sin aj~slc cs;ncion~I:"
" '," ".
! ",
 <',\1'111;1.111: tv\"lkIIlS Univilriilnil:s dt: S~rit:s TeIllJlllr;dt:s 275

Como primera aplO:ximacllln a la serie. los patroncs ubser\'adllS sugieren un

I\IZ(I) x S¡\IZ(12)~'. I'ara l:1 ajusle ulilizarcmos I;\s obscr\'acionl:s del periodo COIll-
prcndido l:nlrc 1'))lJ:lJl y 1t):).1:12.mienlras q;lc las reslalllcS. obscr\';Il:'iollCS. aqucllas --,
,,]
Cllmprcndid;ls cnlrc Il):)5:lJl y ll)l)2:(j,1, scrvir;ín para los conil'asles de prl:dicciún
para periodos t'lIl.:ra dc la mucslra. La Tabla 7.15 nllll:slri! los n:sullal\us dc ajuslar
clmodclll (1 - II 1..)(I - el, '-12)11\. permiliendll un l~rmino d!-=inlcrSl:ccilin disl'inlo
de cero. Todos los codicicnles son allamcnlc signiricalivlls. La regresión explica el
86% tle la varianza de 1;ls viviendas n,uevas. Sin cmbargn. c:xisle una variación rcsi-
dual suslancial: el error cstiíndar de la regrcsiún es mihdcl 11% tleI valor mcuio dc
la variable dcpelldicnlc. ~
Observemos el COlllpllrlamienlo dc la preJiccilln con la ccu;tciún eSlim;l(la.
.
.',
Con los dalaS disponibles hasta It)S4: 12, preúecimos las SS l;bscrvilcioncs dd pi:rill- . ..'\

do reslante hastil 1l)l)2:0't. La figura 7.5 muestra los resultados, La prcdicciún de lns
,( ~.:.
.>.12.prilllei'osJllcses es aceplahlemenlc bUC~¡¡l.,.. ".._.. "-. '-,'-'., ..' .::.•...,,'i.,~~;,:~i+ i~¿~;.:::
,

lA 111.'\ 7.1J
, .....,
Te.';¡ ¡\ ()F .~ohrc I1S . .
___ •.••..•
"~:'''''''''''JO'''''-t.,. .••.•.•.•..
_ . ., .....••.••..•.... ~•... - -:.~ .. '"..••..•."1" ~ •.•

AOf' lesl slal;slie -~.969008 '1% .Cri¡ieal valuc. -3 ..1'190

5.'70 . Critical "alue -2.8691
1OCio' Crilieal valuc -2.570&
"MaeKin'lIon eritieal "alucs fur rejcct;on of hYPolhcsis of a unil rool.

, AuginwlcLi Dickey,Fullcr lesl eq','"lion

, L5 JI'Llepcndelll variable is D(lIS)
Salllpl~: 195,);06-19n:0'1' .
'. h¡c1utl~tl obscrvalions: 395
ExclutleLl o\Jservalions: O afler atljuslin!; clldpoinls

Varia'blc Coelliclcllt 51'1".'error . T-Sl:ltisiie Proh,

IIS(-I) . -0,148240 0.029833 ~4.969008 0,0000

o(lfsi - I)r 0.219352 . 0.Ü'1943Q 4.437661 0.0000
D(1I5( -2» 0,111332 0,049/>-17 2.2~2480 0.0255
. D(115(-3» -0.065359 0.04'9837 .-l.J11461 0.1905
D(HS( -4» -:-0.195488 . 0.049835 -3.922725 0:0001
é 18,73706. 3,9qlO'J8 . 4.803023 0,0000

. R-squa'rctl 0.198754. Mean dependenl vai . '-0.10335,4

,
";1

Atlju.<IeLl il.squarc 0,188455 S;D. Llcpentlelll ~.u .. 19.9,119.~

S.E.ofre¡:ression 17,96~86 . Ak~i~~.inf(l erilerion 5..79 1'JOR
SUIII squúctl resitl 12554'1,3 5i:hwar1Z ~ritciio\l 5,8523~7
Lag likclihooLl -1 (98)83 F-Sl:llislie 19,29878
,Ó""bin. W;lI~on SIal J.95q46 I Prob( F-slalislic) O.()()()()()()

("
1:' NÓlesc quc anlcs hClllos d~s~rilo el lI",dc'lo ro'lIlo A Il( 1) x S~\ Il( 1l. ,hIO'!.: 1 indica el orden de cada
. crilllj'o"cnlc. SA Il( 12) cs uo lérll;ino illfllllll;ilieo q'lIi: esplica:tI urdcna:lor <¡lIi: el relaruo en el Ct>lllpo'
.lIenlc cstaeional ue prinicr ordcll es <le' 12 IIl~SCS. . . .
.w
•••.• .1
.,¡' 273

J
T,\III.A 1.15
~'l\llldelo lIlulliplicali\'o cslacioualAn
".¡~1
;.;
!~._---.~~ .F." ••••
;rr"I ••• ~.'.~f<"~I!"It .••.••••• :" •• ,l:'-:
•.~,•.~.\"Y: •••••••••••..••••••••• " ••• ; .• -, •• :-r,.~,...

.,::, LS 11 dependenl variable is liS

;...,. Sa;nple: 1960:02-1984: 12'
Incluoed obserVali~ns:' 299
,-' Excluded observalions: O afler adjusling enoroints
':-. Convergencc aehieved afler 5 ileralions
-.-:..f

Variable Coefficienl Sld. error . T.slallslic Probo

C 130.9373 19,92150 6.572662 0.0000
AR(I) 0.867224 0.028964 29.94124 0,0000
SAR(12) 0,678202 0,043346 15,64631 O,()(.N(J

.,. R-squared . 0.860238 Mean dependenl var 128,9087

Adjuslco R-s'quarcd' 0.859294 . S.D. d~pCnd~nt var 39.33173 .
• S.E. uf regression 14,75365 Akaikc ¡nfo erilerion' 5,392964
.J... Su," squared resid 64430,39 SChwar17. erileriull 5.430092
L.og likclihood -1227,511 p-Slalislie 910,9449
1~.Ji Durbin.Waison Sial 2,259440 Prob(p'Slatislie) 0,00000o

~:... Invencd AR ROOlS .97 . ,87 .84.+ A8i ,84

-.48i
,48.+ .84i •48 - ,84i ,00 + ,97i . -.00 - .97i
- ,48 + ;84i ."',48- ,84i - ,84 ~ ,48i . -,84 + ,48i
-.97

•••. c; 250

'-..' :.o,.~.,
: ... '
.....
200 .: "
",:
.. , .,
"-,.;.
~ ";"'''''':';
:: 150
C
~
~
."
'A

.,
'C
u 100 "
\
.
':>

50
.-.-..- .... I.ílllilc de cOllrialli'a inferior'

o
85
AllO.

(j' .'iC,-iRA 7.5

l.l,. Predicetones ue vivicnti(ls nuevas
 -~

! .
". ',,i

,
(';\I:¡ I \:1.0 1; ~l11dclos U'I;í~:-;lIi';;I;IÓ(¡~Sni~s:rcn1l'\ll;d"s
. . . 2 7')
1

(
.•..
J

) J
.
'1
.1

i ....
"1',\111.,\ 1.1(,

C.ilrfelo¡;rallla de los residuo:;'

,
i .0, ¡
'-1
I
.,,. .•..•~r.'- ••••.•.
J'I' ••• -_ •••••• ,, ••••••••• 'r ••.""l ••• ~ •••••• ., .•••• ; •••.•••••••

-.,
)

l
AIIlo«,rrclari"'n :AC'
, l".
,\'Cl' 'proh, • I -l
.":0.130','", -O,DO '.5:IJR2
,-)
I "2' '. O.O'Jf 0.075' 7,(,55)
1 3' . O,O~O 0,0-12' 7..7787, ,0.005 ~'.
I I 4 O,OO-l 0.(>0-1. . 7.7H28 O.lJ20 •
1 1"
I I
.~..' .~:~i~.'6:~~~' .~¡:~~~~
~:~~ ,;
'\
..•...]
7 0,005 O.()(l~ . R.20.'1 . 0,1 ~5
I I
II 8 .-0,(l5J -0.05H .9.0266 0.172
II ? ',0.O~9 . O:OU 9.7615 .0.202 "
......•.
I

lO .. -,0,0-10 -:0.02J 10,260 .0,2.17

I I J
.. 11 .0,200 O.I'JJ' '2'2.HI5 0.007
I ; .•...)
12 . '~Ü.I'H - 0.156 J~,597 O.O{)Ó
!J' 0.218 0,-170 .-19,585 0.000
H '0.02.1 . .0.076 -19,7-17 O.(X)() ';"")
l'
'15 -0,0-12 . ':'(J.()55 50 ..10.t, O.(XXl
.~
16 -;0.1,15. , -'/).211 57 ,O:\JO.OO()
17 'O.(~17 O¡()J~ 57~BJ' O.lXX) ')
18 ':'0.017 . O.0165?-K2r O,()(X)
1<) -0.065 -().061 5'J.169 0.000 'l,
• 20o-0.()01 -,0.062 . 59.1.70 o.j)OO
21-;0 ..161, -~.III ,67.566 0.000
),
22 .
23.
. 0.0 I O
:-0.007
- O.l~l~
O.¡174.
67.600
67.617
O,(X)()
O.()()()
-;
.
.2-1
25-
,0,1,.15:
0,067'
0:057..
O.rol
7J.5~ I
75.027
O.O()()
, lJ.OOO
Ir
JI
. 1 1
;''''';:::'{::
. I I
1';'7~';¡::77~~T4: 1~':}',-' -..:
26
¡.•:'.;~.:".:,~~:~;\...
'0.017
.~~B-r?y;~r~:::~~rf;,t.'¡:~:::~:<,.,,'.:.:~1'-
0.(>0375.127 0.000
>¡'.;'.:;i:~,:~

. I I 1]9 l. :"O,ORR -ci.ll5.~ '19: 154' . ().ixX) , '""'\1 "J'

1 '11 )o-om~ . -1l.05.lJHél.9HJ O.DÚ()
I
.1 I
nI
1 I
Ü
.12
~O.(Xl4
":0.150
-.0.025
-0.128'
RÓ.9HH
Rll.596
O.'OO()
O.(XiO
'i " .i:

1 1 JJ ...,O,O.IH ...,O.Ollll R'UR9. o.()O() .j

. 1 I .. 1 ..14 ...,0,069. -O.O.'~ 9(i:989 0.000
. I IJI J.~ '-ó.m.' .O.¡21) " 9J.9JJ O.()(X)
')
I
I 1.1
1
1
.l6..
...
':'0.064':'0.0-16 95.3-' r O.(XXJ
.
~)
. 1'.;1'lii1\..'a. ve.:Ilil:al c,n U;t/.llS '1.lisl"fUÚilluos d~',-'".o'ni. -d ,:(' tfr. \:':\I;íl~d;lI', lk IllS ~:-líll1a.
rcpró:cn,a'.~i(ls '-"',J('c<:lir~~IL:~I(l' '1
.,k'"ri:s" . .' .".."
.")
~\(..; C\.dici •...
'lh: de ;UIIHCltl ,t:1.1Í;¡~"I:l: ,\01': ("uc"riríl'I~IC" d~' :llitát"llrr\,tH:il~"l par.d:II; ..(J-sl'al':.:'E~';¡u'lhlit:¡)tll': IJti.\.
1'~~rcl,;'.I.jlll1~(E'I' «(1.5S): I'fob,:'Yu/or.¡' p;lra tI Jlipl'!l~!'ii~
de '~_I;ll''1l'li.bs:.I';I~óh:li",'.iclIlc"".dl.'
~i'~l~:l1cs
a (1.."10. ..." .' . ',. 'r. ."
.;¡t1"I~lIrrcl;lt'i"Il)~\liil
"~"
~,.~.
lO:} ~.
r
-
L;I predicción reprOdúce d palróll cstación:d.observado.)' subestima'ligcr;r-.
L 'mcnte el ck,;adtJ ¡¡i\'e1 dc actii'idad ..SiilCmbar!!ó,~lmb;ls caracteríslicas cmpeor';;,;
e de rorma pnlgrcsi \:a.EI pat n\n áe prediccióll cst~lcion;d'disnlinu)'e porquc Jos cndi:
cicnlCs ;\lII'lri'egre~iv()s ticncn vall)rcs nltméricamcnlc mcnores que uÍ10 )' las in,ú),.'
C. va(ioncs enl;l ¡irecliCl:ión s()n CCi'll. . . ~.'
l. La predicci¡'¡il(all;1 al predccir)a :c1cvadii aciividaddc la milad )' rin;dcs de I'~)s'
¡.\() )' 1;1baja¡lclividild 'd~ principios de los: VO .. ELerri,r poree¡i(uid :I1Jsoiu(o 11Ieciio'dc'
L 1;\ prcdiccilÍn csdd 2.'i.2'Y.:. Sill cmbargo,.los.valores observados se cncúcnlran dcn:'
( lro de. los límites dtic~nri;1I1Za de ia predii:i:io¡;. El conlrastede pre0iceión dcChll\V
L para las SSprcdiccioncs'da como resulladoun valor r de !J,ó6, con UIl valor P<Je.
( .' , 0.99. con lo que l\ose rechazacl suj'llieslO dc que\;¡' especificacilín utilizad;! cOllcl ..
'--. . .. esquellla 1\ RSC;¡e$lable el) loda.la muestra. UnaüIlilll<l cOlllprobación COIlSiSleC!(
,(,.,.:>,.'." e
::.,"",.~-"\"ej.i.fi c;I,"srttrs" •.C::si ti i:ló'~'~¿;r/¿¡2'1-'tiid N'tll h'll¿b'fr'j¡¡-:'Hlt.t\;i..;;: ií¡i' ¿Úiíi(¡~¡¡ioc(\iíi.: i;.¡ íc)';;;i:,'."
clos, ya qllceslc es UIlO clc los objetivos <.lelos modelos univarianles.
. L;i Tabla 7.16 ofrcce el cori'elocrama úélo~ residuos. Dichos ,:esidllo.s Il\UCs-
I
'- 11';111 codicien'lcs de all'toco;Telacir\il ;. .de aUlocorrelacilÍn p;lI:cia', significa"ivos l:1l ¡;i
. I'elardu .1. ;¡sí CO\ú(¡,clll.ós rc'I;¡¡'~lllS1\ 12)' l.J..Necesilalllos. p¡)r lo lanlo"'lIlllllnth;-~'
IUIll'Ís Cql~l'pkjD... ' '. . . . . . . .

\:.1.
.. InlellIelllos Ulla e-;pec.iricilcilit'l Ih~s COlliple\acon 'lÍn.ll\o.dcló.mixlo, Illcorpo-.
1
r;thd,i \,;rmillos i\(!\ ~..'t\ I~,
~
I '..... '1-.nf:)(i~'11{12)HS( ~ (1.-jJL)(1 - (H.,.12)E, (7.l)lJ) ,
'~
: L(I,T;¡hlil 7..ltmllcslra 'l(¡s.r¿sulla~I;)s ae aju'sl;lr'la espccjficati<.'lll ¡lIllcl'Í'or. lós'
I
,~- '. dos lÜl)lillo~ .alttlll'rcgrcsi\'l~s sOIl'allamci1'tc ¡;igniric~liv,i~,i.~u;l! lJ~l~ el t¿Tmillo e'sl,;.
I
\. •.. -.
" : cio'lla'-i\'II\.I~il. Figu,'i1 7.ó mu'cst'ra Ia:sp,:cdi¿dplles pi¡r;; esie modelo .. EIl dielra' figú-
. 'i'a.~;c;q)rc~¡aU'¡;\'¡lejora slist'ancialcn ;'eJaeiÓri COillaspredicciollcs tibleni.tI;IS C(;I)<jI
1_llIldellllJllC.;niliza'b'a l;,íesl.iu~'l1la.;\u(orr~gr~~i.~;o pu':ó.' :' .. . . '.:
, ...• C0l1<:1 IÍlodelo;rCll)al,.d p¡¡lrl'1I1tsia.éióiiai.de \';lspÍ'cdlcclú,lcs s~ Illantielll':';i ló
'- l¡Írgu tlc'¡ horizo',iie:¿k I~PIi:dicci"ln. e'i'gr¡¡;ll');il"LC PO¡:~lll¡¿dc.6dicicllle SI' l~( 12) di.:".
. la Tabla 7. i7'és 'n'luclio':lll;\)'or, quc' ~I é~rresp()ndiC!ilccodicicnle di: la Tahla 7.15. .
. En tonsec'¡jencia: lasprcdiccioncs resullan 'cxcelenles no s(¡lo pa;'a el I;rilllcr
a~l)SiIlO lalllbi.:n'para los .tres Ú cuülro ;iiiossiguicllh:S: Iq q'u~ sc pOlle'dc n¡;¡lliries~
lo llbser'vand¡) a sim¡)1e vísta los rcsulladosqui: allareecll cn .Ia Figura 7..'i.
. Los residuosdcll:~quem¡1 ,i'lixto s~ aproximan Illuclú.~'m;\'s a ulla serie de ruidó '.
hl;1I1CO'lJl1elos.qbicllidóscoll el.esqucma alil(irr;cgr,esivo. "".
. Podelllos co!l1prol;;Il'lo t;d~ul,lIjJo el co;'rclOgrail;;Ícorrcsll0I1dielllc. No debe-.'
. IlHls.Clinsidcrarla.cspeciricacillli'dc.la ccuación (7'.l)lJ) COllltl la.última p¡t1abra (lc'l
. ;1'F¡lisi~clil'prl:ndído.,'.. , ". " .:
(
.. 'EllectoJdeb<;,:fa 'CXpcri,ilclitarÚlil especihc;lcioi;cs mlieíonalcs. Ya quc el co~:¡
'~.
ricielltc tkJa "I:abla 7..17 es lan elevado. resllllaría int.eres:lIllc, por cjemplo, ajusl;u::
UIl modelo ¡\ Ri\:ll\a 1;ls di re rencias .est;¡cion;t1es L\ 12 lIS, '= lIS, - lIS, _ 12. dc 'Ia serie:
i\ >_ ~Ic \'iyicll(ias:' .' .'.
\....

1\.
-------------'. ('MíTUl.O 7: Mooelos Univarianlcs OCSeries Tcmporales 277
, .)
,.

T,\IILA 7.J~'

Cnrrelogr,lIna
I .. _ ••.• __ ,._.:.
ele liS
••. ~ ••...••...• _.~.~_ --.J ...~.: .••.•.•~..,~
••. .....-u.-.~~
•..••...• __ ~ _ ....••••.
..-_~
M oesl rOl: 1')5') : II I - 1'J'J2 : ll4
Observaciones incloidas :'4ll()
'
¡\ 1110 co rrel ac; ,í 11 ,\ 1I1ncnrrcia(Í,íll Parcial AC Q-SI:1! PrulJ.

1 . 0,859 0,859. 297,25 0,000

2 0,660 -0,295 47],38 0,000
3 0,453 - 0,115 556,67 0,000 .1
, ,~. l'

4 0,299 0,083 593,07 0,000 ,...

: '.)
5 0,2)7 0,189 615,92 0,000

,..',:".
6
7. 0,183
0,197 -0,106 631,82,. 0,000
1",
- "'

0,OJ8.... 645,!~J¡,,; O,~ 'o'

" I"C e:. :..,," " i!. :':"-0; 195':' "0,134:"N"'Ml~b'" 0,000
9 .0,300 0,437 698,28 0,000
10. 0,,155 , 0,204 183,57 0,000
11 0,611 0,149 938,09 0,000
'.12 0.680 -0,096 1129,7 0,000
13 0,560 . -0.48-5 1259,8 0,000
14 0,355. -0,276 1312.2 0,000
J5 0,138' -'0,110 1320,2 0,000
16. -0,023 -0,066' '1320.4 0,000
.17 -0,091 0, I09. 1323,9 0,000
,
18. -0,140 -0.059 '13J2,i .0,000
19 '-0,162 0,004 .1)4),2 0.000
'20 -:-0,154 '-0,050 1)5),2 0.000
21 , -=0,065 0,015. 1355,0 0,000
U 0,096 0,104 1358,9 0,000
. . 2J 0,250 0,024' 13H5,5 0,000
24 .0,318 - 0,006 :1428,9 0,000
25 0.210. -O,2IÓ' 1447,8 0,000
•••• o',
. , 26 0,029 0,003 1448,1 0,000
'27 '-0:165, 0,021 1459,9 O,(XXl
.r 28-0)02 0,0 II 1499,4 0,000
29 '-0,361 -0,046 1556,0 0,000
]0 -0,39.5 0.014 1(2),7 0,000
r" .
31 -0,396 Ó,061 1692,1 0,000
.32 '-0,377 -0,061 1754,2 0,000
.)) ':'0,273 . 0,006 1786.8 0,000
3~ '-0, i02 0,028 . 1791J 0,000
, J5 . 'Ü,061 -0,0)7 1793,0 0,000
36 0,137 -0,0)1 1801,3 0,000
La J¡lI~a "l'rl;"':l1 en lril~l1~ disrolllinuos n.:prcscnl;, ('los \'cccs~ alrededor jc CCIO, ~I c'rror cSI~l1d;¡r oc los cSlilll;uJo .
IC~. . . - ."'.. . .

1\(": Cndiri\"'IlI~ lh: aÓlll(lHIl'1;lciún: ~\CP:_ CheficicntC' tic iltltocorrcl:'ldl)11 parcial: Q:5I,II: Es'lildí~lico UC nox-
l'iCfl'~.Ljtlll~ (Et¡. (fl,)t\)): PIole \I"tor.1' ll(lra 1;, I.'ipl'lcsis, de.: que IOU;1S los coeficientes de nUlocoffcl"ci6n son
. i~lIalcs a ('no,

. -":r'
 'A'~"\.
,.J
.\ll.llnH,~ I)L 1'("("fl\II.IHI,\
,,"'o~
.,,'
;l.'", '1'.\111.,\ 7.17
,o'
~lfld~lfI IIl1dliplir:llil'lJ lIIi:dlJ
li . ~.......•...•.~•.._.••..•.••
""':..t.t,._A-._~ •.•._ ••.,.'•.••.••
'_I ••.-...~ ••._._~~_,

I.S // dq"'lllklll \'ariahk is liS

~¡i Saillf'k: 1'.J(,():1I2-1 'JR~: 12
,,! IIll'iudcd ooscrvatiolls:, '299
E.~cloded ooserv~lions: O aflcr. adjuSling endpoints
ir' Con\'crgencc achievcd ;,fler 12 ilcralions

,1 Variahle Cnrffidcnl Sld. uror . T-slnlislic I'roh.

e 395.<)R(j7 . 715.1165 0.553737 0.5802
AR( 1) , 0,9.15%1 0.019845 47.66749 0.0000
; SIIR(12) 0.996715 0.006046 164.8596 0,0000
.. 1- lA(I) -0.16731~ 0.052647 -3,178023
,/
0.0016
SM/I( 12) -0.928~58 0.018)16
, - -50.69104 0.0000
R.squared 0,904386 Mean dependent Val'
., 128.9087
.,. \ IIdjusled R.squared 0,903085 S.D. dependen! var 39.)317)
. S.Lof regression
". Sum squared resid
12.24445
4,1078,42
Akaike info criterion 5,026717
"li-
-,
, Log likclihood
,
-1170.758
Schwartz crilerion 5.088607 .'
F-s!,uistic 695.2121
'\' ~ Durbin. \Valson stal 2.0731 )5 Prob(F-slalislic) 0.00000o
.1ft

~l

-,
,},I

." ~:,{1

:"" .. :
;. '.0
"~
::.~ •.
'.\
""
:J ~O(]. i \
~
...j"
'1,
:=
,. :
.....:
\
~..... ...
,
\: '
!~
-
,. ,. ::!.
".'
, I~Y;'
.,-"',,

d' '~

:{
"(1
:.- ilX1
~:tt
;i .. )()
....J!

..•...ql
fl ..•...••
~..•...•
.L.1..•.J......J...U..I ..•..•..•.••..•.J,l~., ..•..•...•...••.••h,., 1, ••• I! •.•~..&..1..u..u..uu.J~ ..L
.•..•...•.

~;I" x.~ . X(, X7. XX X'J 'JII 'JI 'J~

.[11 ,\;11)
..
" :,1 ~

..... _,
q{;I,JHA 7.6
..J.<r" .I'r~diei:¡oncs. con el 'nlodclil llliXIO

., ',...JI
;.1
 CAI'ITUI.O 7; Mollelos Univariantes de Series Temporales 281

PROfiLEI\1¡\S

7.1. Se haespeeifieado un modelo~e demanda/Qferta C0l110

O: 1',.= un + al Q, + (X2 Y, +'fL',

S: Q, =fJn + IJ I I'H +jJ2(1',-i -: 1""2) + v,
donde r indica el precio. Q la,chntidad CY el ingreso. Obléner ,la ecuación A R para
l' j' (J delerminando Sil orden ydemosl~andoqllc los codicicnles,AR son id~nticos.

7.2. ObleliCi. 1:1 fac )' la facp 1;;\I:a'él~'~quelÍ1;;MA(2),lii; E,\ -131~'_ ;- 132El _ 2
" " '. ' . , ,. " .-" '. ' ,~": ,', :'.... -,', _ "\_...¡ . "'f l' • ",,,. ,: ' ,._: ',:. " ".

7.3, Oblener la fac para lo~ procesos ARMA(2,l)Y ARMA(2,2) ..

7.4. Obtener

7.5. (a) Evaluar

.la media. varianza

;111,.,1 ilE, pa~a I al <

y au\ocorrclación

j yu =
'de 611, dc la ccüaeión

1 en el modelo {1 -\CXL)II,
.
(7.46).

= El - fJEI _ I

(1,) Demoslrar que eldeclo de un impulso unitario en Ej' sobre ",,~ C'1,e1 modclo
,
,(.1,- L)(r-~L).rt,.= El ~s (J.,-U~~,I)/(l:~:~) , '. ~{
..
7.C..L1evar a ehbo lostOlil rasll;s 'deriifz'unilaria ITceesarios' par~: las s~rics'(2 e:Y5., .

7.7. Un macroeconllmisla afirma:quecl logaritmo delGNP real de los' ESI~dos Unidos

'puede' ser r~present;ído Illedianlc .'. ~

A(L)(y,-fln-llll) = E'í .
I
:.~

donde '. . 'A(L) ,,; 1- ('1 (. '--cx2L2

Aju~tandil po'rrvico se Obl~I\'O

)', = - U.3? i +'O.O())O, + '1.335)',~1 - 0"'10 IY~-2 + ",

"
Detemiinar los \'alore~ de ll¡'. Cl2' ~n.)' &1 .:
'r Caleldar la~ r;lites de laeCll¡ici'üll'Caratlerís(ica. .
<"'. 'i~:":"T'/J.En;if~l}",tl=~~1 ;11,nd("'~l':"r10 :)'t:"....7:,':'T-,':";.~7''::':'':''''<~'i')O'~?:;;::,.(;.;':>.:;;.,: ..,'' "",'i",:,.~"; ,
Si:: aj\lslaalosmismo~ tI.itos 1h espe:cificación.aHern<ili::';l, .'

'lI)',=o,noj +O.3lÍ9ÓY¡_I+v¡i
i.C1i,'des son bs raicesde la eCll,iciün?'
(Regresiones IOll1ndasde RlIdebúslí. (JI'. rit.)
• .'. 1

7.1\. Comprobar losreslIll.lt]ils\lclproccsoA RMA(1.I)d'<1:1s ecu;íci0Qes (7.?fi) y (7.?')}.

.' 7.'). Comprobarlos rCSllÚ¡illmdcl fJr()CCS'O ARltvlA(I,I,O) de las cCIl~ciones (7.RI) y

(7.~J). '"

7.Jll. Probar divcrsos esqileinasARlvlA paraet e'jcíll'r1ode la'Scccióli 7.7. ¡n'tcntar, cn

rarliélllar:'ljllst¡nllnIllOdeloARMA '~..las'dircrelici'areslacibn~lesde las sc~ics y
compararlo con etinHídelú niixlÓ del le'i1fÓ, Rcs\lhada lanibi¿n íntcrCS;l-níc ajusl;l!, \In
nH1iklo' a . :.t~,.' ,,' .... '.
..h =(1 ~ L){l ~Li2)1-IS;.' •..
.. ,
CAI'ÍTULO o

Modelos Autorregresivós'
y con Retardos Distribuidos ..

En el CarílUI~ J hCll1os.eSlulJiad6 laecuaCí6n d'c"rcgr~sió;lll1úll'ip\<; presentad;, C(l.

. '. .'... :. . . ..
1110'

'. . •Y, =.fJ~ -I-f3h, + ... '~fJk~~k;+11, . ;~ \.2.: ....1'.

E:I'dicl;~.~apí,lu1<~ ;10' p~CSI;Ul;(IS~xce~iva ;\tel~cilin'a '~niender si losdal(lslllUeSI ral0s
er¡¡nséri~s !e,ilpOralcs °
de fOITnal(l'llc COrlClransvers;iL Ahora nllsccnlrarcll1!lS en ..
.el ca,so' de losdalos dé serie~lcOlporalcs: En,el. Capílulo 7conside •... ;íbal~lOs ünita~
mcnlC' ¡¡(¡\Ie'IIDs regrcsorés:qúe ,?ran valoi'cs relard¡li.los de la vari;iblc depc'ndienle.
Ahora consilJcr;irenios'¡;il'nbién ,la posibilidad dc' (¡ué clnmdelo incluy~. regresol:es
<¡tiC 'sc;¡.n r;Ull~ valores i:~l¡üdadbs, deh, vúi;¡bledepéndiente. ¿onili,~;II(lres /IC!II;'¡~'S
y n:i/l'i!lcidm~dc úna o'lil;ís\'ari¡iblcsl:'xplii:ati~oas.A dich¡irclación se la denolnin;l ..
. llJode\o aulórregrcsivo:col,lrcOtarc!o lIisiribuiílo.' (A RD'o. A D L). En l¡uíg\lienl~ seco
'ciÓn'll1c;~ció:lln~l:m6so'I¡,~'p'ropicd¡idCS I(;Ó¡-¡ca.s~lé' !ó~es(iucJi'las AH, D;lllieni ras .quc
; c~ bSposláiorcs'lrillnri:li1os los IJroblclilílSUC ¡:slini;¡ciÓn. vc'rifjcación y aplic;Il:!o,
nes.'.' . '.'

': .. :' .. ,,"

.' .
: ,
8.1 ..... " '..... " ," ' .. , .'
MODELOi\UTOIÚlEGRESIVO y CON HETARDO ¡)ISTIÜB,UIDO
•.•.. J • "", '. , .'

El ejclllpll; ;1~oássClltil16dc' C~¿I;lcmú t\RD b', .

.' )','= 11,';' al):'~;o+jJ~i;+';,',;, ~;,,¡:¿,f;"-'¡-'¡: jJ;¡r,'';' /31'<; :~'E;. 'i;l. 2; .. :.~,;..... OU)
Se denonlin,i A li.O(l';1)pü;qlicIKlllÓ la v;¡riablé c)cpcnuipile conlO I¡t' úliic;i varia:.
ble cx'plicaliv¡lai)arc~cil°.coíIUh ~61()' ~c'¡¡~r.dó:?c 's~pbii,c' quc'.Ia'séric' E es: de' ruilio .
blanco.lnverli~Jl(J'o dpolinornio.rclard~do'cil j',ÓbICJ1CfllÓS .' .... .
.. ' • . . .'; •. 2" '., '". . .... ,.", ".~'! ~ . ,."', : .' 'O',' . .
)'/=.(1.+.0:1 + (XI + ... )m+ (\ -1- ltrL +~l L~t..J(jllll', + jtl X'-: 1 -1- E,)

¡'.'; •
',. .'"
 .-, l'>-

Por lu talllo. el valor actual de y depende de los \';¡Iores

previos dc.l' y E . De Illodl) allerrwlivo.
lanlo del v;dor aélüal'colllo
eSla relacilÍlI Illucslm lluC el \'alur aclual de
.~
,',-'

x innu)'c lanto sol;re los valores aClualcs de y cOlllq sol1r..:,losjil/llm.l' ..,Tolllalldo d..:-
I ..'
,'¡vallas pardales.

. ,j

1"- i

¡'.l'-, :t i . . .' 1

--.- := JI, ('(1 + nUJo.

¡'x, .

':,":;,;''';'',._.'' ".' ~' •. ",.) "-.:,". \ "0,,:, .

Los retardos de la ecuación (loL 1) illlplic,\Il un conjunlu de respueslas.~lin;lmi'cas ell r

.ilnlc cÍlalquicr c;¡mllio que püuiel:a le'llér lug;lr .:n x. Existe;"l;¡ I'csp'úesla inmcdiala: , . )

seguida dc respuestas a tlll'lli.,lliedio .y larg(l pl;iz(): El erecto a rargo plazo de Ull

')
~alllbio'un¡lariu cn.\', se o!Jliel',e suinalíJq I¡\s.deri\,ad¡is parciali:s~ Il;.ii:nlras sé s'¡;lis-
raga la cónt1icilill deeSlahilidad lo ,1 <: 1.la Slúl1a' s.:r¡í U/II ;t /1/ l/( I ...•
,U, j. Supoligallllls

que x se m¡llllienc igual Je manera inlléfillidil ;! cierlo ni\'el' COllstante .r. [¡úonces.
daua la condición Je eSlólhilidad y sill;alld~) Iils innll\'aci'lllll:S a su lli~'c1 esperado ce-
¡'u.la siguiellle relación demoslrar;í qU(;..\' tended;¡ ljll \'¡\Ior conSlanlc V.
",. . . .. .. .' .
- '111 .'. fJlI + /1, _ :.
,y ='-. -"- +"--' - ..1' .(¡L~)
. , I --: (t,. 1:::- «( ,. ' . .\

. .'Se Ir¡.lla¡.Jc una eCl;ación élcé'~IUilib':¡o C~l;í¡'¡co. Orllcndrenl(IS undesal'J'llllll all<:lIIa-

I.ivo. Ill;ís scncillo.slIsliiu)'el\dtLlodos fó;; ¡'¡¡Iores ue'y y.r de ja ecuacilin (K.!) por
..•...
Sus respcclivosvalores
. .
a largo-plazo)'
. dejanJo las 'inno\'aciones a cero.
-"

lU.i HclacitÍll dc Elaslicidad C()Il.i;t~I;llc

Cuando );)' .r soillogarillllllsllaluraies de}' y>:, t¡i .ecuación (1'U) implica una r.el;t-
. ',:~~
'ciún de cquilihrillcon c1a'slicid¡l(lcoll~lanll: ..

}' = /U/Y (K:l)

.~'). e.n fl\ni;qlll 10g;¡ríIJllico.' .. '~
¡

.)' ~.,/1 + -y.1'.

.dollde

,/11
(/.=-.--
(K."l)
'1 - ('(/

""
"-, --------------
-f't'.
.J'

, .\

~.,,
.'
Las propi\:dades de las relacioneS ARO se ol)tie'llen sin más que proceder a la repa-
ramctriz;lci(m de 1;, ecu;lcilÍn. Como ejemplo, sustiluyamos en 1;\ ecuación (S.I) y;
por ."(., + t>y,. y.l, por .1,., + lir,. El resultado es
,:,..'

(\", ~ 11/ + flllÓ.I, - (1 - (11).1"-1 + UIII + IJ 1).1"_1 + £, (H.5)

tv1t:dianle la ecuación (X.,I). rcformulamos la ecuación (lt5) como
óy, = fJlIÓX, - (1 - a,)[Y,_1 - n - 'Yx,_1 J 1. £, (X.ó)
La flÍrmul;l es un ejcmplo de mll(lelo de correcci(ínl!e error (M CE). El cambio en y
,1 resulta ser la suma de dos componentes. El primero es proporcional al cambio suce-
elido en x. mi\:ntras que el scgundo es una corrección parcial a la desviación de )"_1
respecto al valor ele equilibrio correspondiente a .1"_1' El lérmino enlre corchetes
mucstra la desviación. o error de et¡lIilihrio. Cuando es -positivo, existe una correc-
ción hacia ahajo en el periodo considerado. De modo contrario, un error negalivo
!Jroducc una corrección hacia arriba. En e;\so de equilibrio est;ílico, 6x y 6y serán
Iguales a cero. Susti!uir en la ecuación (X.Ó) es una rorma más ele desarrollar la
ccuación de equilihrio est;ítico, cs decir, la ecuación (8.2):
Los par;ímetros de la ecuación (8.5) podrían estimarsc medi;ll1te una regresión
1'.'ICO de óy, sobre un término constante, /:1.1:" Y'_I y .1"_1' Gracias a los CUatro coefi.
cientes estimados y a su m;ltriz varianzas y eovarianzas, obtendremos los estimado-
res de los cuatro parámelros de la ecuación (8.1), e.sto eS,'I!. al ,¡JO,fJl y sus errores
csl;íIlLiar. De modo alternativo, podernos estimar directamente dichos parámelros
aplicando rvlCO a la ecu;l~ión (S.I). El ApéilClice 8.1 demuestra que amhos procedi-
......
n.:elllos dall lugar a rcsllltados idéllficos. Esta illlportOlnte propiedad se debe 01que
el paso de la ecuación (8.1) a la ecuación (8.5) implic;¡ linicalllcnlc transrormaciones
lineales y no singulares de las variables, sin imponer reslricción alguna.
, .¡. r.~" '.' ..... ' .. ~'r-;.-.~'.';""

ClmbielllOs el supucsto de cst;llicidad por otro en el que X aumenta un;¡ razón

constantc g. de modo que /\.1', '" g pa.ra todo l. Dada un;¡ elasticidad consl;¡nlC 'Y, I;¡
lasa de ;lIll11cnlo C0nsl;ínle en Y ser;í ~g. Sustituyendo cn la cCII;1cil'JIl(X.(¡). obtene.
' •. : f mos el cquilibrio din.ímico como
lIi - (-y - fJo)g
" = ------ + yr (X.7)
.•..•.:. I -ú¡

o .y ~ /\,.\/'1 I~ = exp [ 111 - ('Y - /lo)g 1 (S.8)

,".1,
.. l- lt J .1

¡\sí pucs.la cOIlSlrinle mulliplicilliva es distinta el110s C;¡SOSde equilibrio din;ímiw)'

,. '
-~-----~ ('",'ITI)1.0 M; Modelos AUIOl:regrcsivos y con RctOlrdos Distribuidos 285
..
'f

:\
est;ítico. CU;lI1do el crecimiento es cero, la ecuación (8.7) se convierte en J;¡ ecua- :1
ción (1).2). ¡!
"
'í
8.1.4 Elasticidad Unitaria
;\
,¡
l3ajo el supuesto especirieadoenla ecúación (S.8) de elasticidad constante, la razón 1\
";1
de equilibrio Y/X varía con el nivel de X.:Si la el;lsticidad fuera una[racción positiva,
la razón sería cero para X infinitnmenle grandes y. contrariamente. numenlaría ilimi- :,I
~í
tadamente si lacl;¡sticitlad ruera mayor que uno. Supongamos. por ejemplo, que X .i,
.,
representa el ingreso lotal e Y el gasto en un bien de consumo o un conjunto de bie- '
nes. Las implicaciones anteriores son poco plausibles. Un supuesto más real es el de
elasticidad unitaria. Por lo (anta, en cierlos casos veriricaremos la existencia de el"sti-
cidaclunilaria y. tal vez, la impondremos en el proceso de estimación. La hipótesis es

11u.' - ¡Jo + fJ
'Y - ----
I - 1
'. I-al

Llevaremos a cabo el contra'steestin'l:Jndo la ecuación (R.I Yy verificando en el coe-

ficiente la correspondiente restricción lineal. Delllodo alternativo, podemos esti.
mar la ecuación (X.5) y luego comprobar si In suma delos coeficientes de Y,_I y .\"_1 '
es cero. Una posibilidad más sencilla ;¡lin es repar;¡metrizar de ntlevo la ecuación
(8.5), y cenlrar nuestra atención en uno sólo de los coeficientes.'Para ello, sumemos
y restem~s(1 -U¡)x'_1 en elladocderccl~o de la ecuació~ (8.5). El re~ultado es
!:I)', = 1/1 + fInÓ)', - (1 - (l1)(Y'_1 - X'~l) + UJu +'fJ I + al .:..1)-"'_1 + £, (8.9)
En eslc caso, verificamos la hipólesis de elasticid;¡d ~nil;¡ri;¡ realizando la regresión
MeO de óy, sobre U1ia constan le, 6.\',. (y,~¡ ...::.1"_1) y .1"_1' Rechazamos la hipótesis de
e1aslicidad unitaria 'cuando el coeficiente de -",_1 es significativamente distinto a ce~'
.r<)_E!le .iso.de.'(I~ld~I~lll)(ílilS isc-no. I-CSlllte, rcc.l,aznd.ai'dt;bcrc~1"9s-~ rppo rt(lrl~,,,J'Pf'()l'.e.:,
sude est imación, Entonces. la ecuación (8.9) sesinipliricacolilo '
6.1', = ,/1 +fioóy, - (1 - al )(Y'_I '- .1',:_1)+ £¡ (8.10)

!l.I.S GClll:r;l!i'l.acioncs .

El esquema¡\RD(p.q) da lugar a una eslruclurade retardo más rica aunque sigue

conservando la especiricaci(ln de llnallllica variable explicativ;¡:
A(L)y,=/I1 + !J(L))', +£, (S.II)
con I!(L):: 1- al L..., a2L2 - '" -: a"L"
P( L) = fJu + fJl L .¡. h.l) + ...- fJ"L '1
Para ilustrar el casó. consideremos p.= q = 2,

.v¡ = 111+ a 1)',:'1 +rl2J"_2 + IJ(~r, + fJlx,_1 +fJZ-",-2 + E, (8.12)

J
 "~

2:-;6 MEl ODOS Q£ ECO~OMETld,\

. '. rJ'. 10 a"11'I"S('¡UCbis variaLJks iiem;n [ormalo 1(lg.aríllllico.la'~laSlicidarJ

S UPOIlICIl 0, COIl • ~. '. '.' :. "

constanle es 'B( 1) .' JJI; +f3¡ + f32

"1==-'-== .
l.::, (X ¡-ex 2 .. ,
, ..',.. ¡\ ( 1) . '

, .
L1 reparamelflzaclon ". l'" '.. " .(8
ue;) CCU;¡lIOn, '. 12) debe basarsc
. _ .' . cn~l perilldó
. h1o 1-2. ['a.
ra el primer caso. realizamos las SUSllluclOnCS slgulc,nles.
. Y,'== Y'_I+ 6.y, , .1';-2 ,==)',-1 -úy,~,:
x, ==.1',_1 +6..\', 'X,_2'=='.I',~1 - 6..\',_1

Sus:ituY~IllJO en1;, ecu;\ción '(8.12): ". ., " ':: ..' .' .' . '
, i'sy == 11/ - o.il:>Yi_I+'f30tl." ~ jJ2~\:'"L-(1- ~I -'('(2)(.1',-1 -"{,-I) + t, (}l.I.3)

Lllérmin~ de correccióndc crror~<rcrieré 'll:r.eriou.~){ ~ t, l.nieU~~'~lsq~I\;:¡:~.~;1I1Ia~.;:,... ',;'.

\\...~:¡\,.:>..;.lc;.~ésl:
...•
~rl.)~.~I;l.:.lt,:\llil.ll¡e;é.,sl.l~
..~~.11
..,¡1I:~.'\i\r.;ie:cl'~
•.rl',c.i~I.'Oiy,l.I~~:~"~C'i(\,.lc\i,:lI.
'ISI"I")il,:(;¡.','uf(j(;iI'I.'h;ll"~.:I~l',;:~ll".\fÜlldas',.-La.
1000IllU","l\;.selll )(k .. ',

... .. ~~ u~" .
I I ,
.
+ (]Jo- jh - un - -y)g .+"1.1"'
l'
---=-.::-..;....::.--,----
== lIi

1 -('(1'- 02'
, . . .. . , . '. l' 1 .
I S''1 P' ~s 'lgU",'ll cc;'ro.o'.blc'l.lelnos'la. re.la.cióIi dC,.eq.ull.ibrio ,e.'Slitli.co.Con
o, "{== .• o )lene-
I "~ ..
\
.
mos fa relación uee1;¡sliciuau ul1\l;¡na. . '. '., . " .
AI1adienuo ,m'¡\s v.;¡'riaLJI,ésen, el "rauo.., ucrccho., o.blen. el111,)Sd esqucma.
gcncr;'1!

I AI~D(j)'C¡I.(/2.: .. I)/J; . , '., '. . , .. '.. ' "

. . A( L»;,== 111 + lJ.,{L).t l' '+ '[J2( L):'2"+ ... :+ ,/h(L).1"k' + E, (0.14 )dcfeCli.>)'
uonde los óruenes ucl polil;9mio retardauo spn P: .rJ1,CI'-z,,",.-J/k'

l:i 2 "., .
ESPECIFICACIÓN y VEIÚFl.CACION

. . l' ", 'á t",'ea es'"e',i'l'i')i;s c6n;0' inlplemcnl,ir u'na cCliacitÍn conlo la (}U <l).
La pi egun .\ pi,. C . ,", '.' " . '., ... "1" l"
Má• S e'0' l.1cl'eIOll;enle
u
'qué v,irinblcs ucbcríanapareccr
• L . '.
como n;glesoles y ~II., CSl C
.' "'a )ucde
l . "\ 1 ser los órdenes de los pólinomiüsrelardauos'! L" .lcona economl~ •. 1 .
)~r1~ 1.1 'UI"l ;¡cerea dc'las 'vari¡lbles a.inC1lilr;.\<> quc si.ú:ede es que los leol'lcOs no
serVir ue g ". ""' .' 1 . ,1 "r' 111'tr'\
.. bl:
slcmprc h;¡ an.\ Ulllson ..'
I '. "o o si lo hacel\. .' cll1\ensajeresulla
'. ".'
l emas.lalJo gene ,1
'u'
••
....
,1:
ser uc Ull' .1 .
'l.'rJ. rJ '¡)o'r cJ~eml)I().lálcoría
. . ,',
<.)el"comp0rla.nll.elllo dcleWlsunll
,'. ...."......
or SUglCIC
d' ti' I .
~I.i .', ,le un 'bien cspecífico ui:pende IlIler (/1111de los PICCIOS, e Ol os l~S
que a uenH1IH a u ,. ..... U. t. '1' nns
bienes uela cesta de Ja compra, 'a,.neni¡zanuo ~pnla poslbl~ Sll~".\~.,on e. cl~e. _ ".
. '. '. , 'b" . ,1 s" La siluaCión es incluso mas dificil por In. que LO.n
val'lablcs que p)Jnlos,o scrvduo.'. '... ,. , : l', .' .'.

.' . . ... ' ....•• .' .1 rJ',"'d de 11'\YescaSllS' poslbllld.ldes dc gUI.\S ICOlI 1"
Clcrne;¡ la cspeclClcaclolllelaruu .\ on,,,', , . .,... 1-,
caso En .Ia pr5cl¡¿a,exisle 'ÚlHl irileraeción ii.lcvilable cl:lre la. tcollay .Im~dal.os ..( cs. ,.
carthhdoo"I'ilOdifical1dodi'Slil)lnS :espccHicaciones s~gun eu.1cs sean lo.s .•~sU,IlI,¡tl~~
cm '¡rii::os: E¡iló'nces'la pregunta es: ¿cuM.es In OleJ(wmaneradeIiev.1I ~I C<I):0 .1

.. P _, '.1 ;' 'C' .". . ?'No CX',sICun"[Jroceuimienlo.g.CI1I.:rall11ellle acept.ldo.

busqucua',uc espcc\ IC\lCIOlles. , ,. ":,,,' . , .
 ..
. , .
(".\!'i,llUlS "¡uddos AUlllrn:gn:.:sil'us \' con l~cl;lrd(iSDislrihnidlls 2K7

Algunos crílicos se llevan las manos a la cabeza horroriz;ldos ante esas ;\Clil'iuadcs
.r'
tlue ellos califican como "minería dc da lOS", incapaccs dc. ofrecer rcsullauos de V<l. '!
101',Olros eSludiosos se apuntan a cnfoq~cs particulai"es. La mayoría dclos invesli.
gadores empíricos, sin embargo. suclen buscar en vano alglll1 lipo dc guía. Tanlo los
ordenadores mouernos como la accesibilidad a bascs ,d..: dalos. cxaccrban y alivi;lIl
el problema. La cnorme canlirJad de procedimienlos inform;ílicos de cálculo cm.
peoran él problenl" dc la elección. Por olro lado. sabicnuo cu;í1 es el proccso dcsea.
do y gracias a las herramientas aCIU<lles. rcsulla muy f,\eil y cntrl'll'nido implcml'n.
larlos.

'. I

H.2.1 De lo General a lo Particular y Viceversa

.i> ,'/ J,.c .... ,. " .' .' .. '. ......,.. ..' •. :....... .. c ">'. '.' .é.;: •.,~._"".".'\t\\;',\;k';-
I ~. .)

\) 11ra nlc 11\ uchu 1ie mpo, y especia Imcntc de biJo a los lími la¡Jos recursos in form,\ li ..
cos'. ha sido 11\11)' común que los des¡¡rrollos economélricos' sc inici,lran mediante cs.
pecificaciolles ele relacioncs razonablemenlesencillas.'como la ccualión (X.I:.1). para
cXlcndersc de~[Jués gracias ¡¡ 'Ia incorl)Oración de nuevas I'ariab!l:s. m;\s relar,d~)s o
ami)os cosas a la vez. Es \In enfoque que pasa de ló particular a io gcnc{ÍlI. Cua'ntlo
. ' .' . .
lllia especifien.ción originaba residuos aU1C)correlaciollados la soluci<ip consistía en
l;lili~ar una especificación Cochrane.Orcull 'añ¡;di~ndo para ello a la e~uacion un
,
ú,ric~ par;\melro aulcírregresivo,.que se incorporaba a la misma co.mo \!n palialivo y ".:,
I)¡'(;¡:'edienuoa la eSlimaciónr..ie laecuaci6n'n:sült,lIj'le'. Es
.ieellfoquclicnc;lngra\'c "
'es 'que lasespecifica'cioliCS exceslvameiHe ~cncill.as' suelen dar lugar.a in,
fon.llación errónca. incluso en lo concernienle a los efcelos rJe las variables incluidas
.en '¡a especificación. Supongamos, [Jor cjeril~)lo. que elmo<:lclo cspccifica.(ío es
)',==/1.1',+11, (S.15)
)' que el "\'erdadcro" nllldclo.cs.
1":-'
"{z,. + ",
)',= jJ.r, + UUó)
'l'arlicllllo de la ccuacitÍn (K.15). estim<lríamos/konw
. . ¿.l'.I" ¿(¡J.\: + "(i + ~;).\:
/) == .-- = -------
¿x2 " ¿x2 ;.•...•.•
'¿zx, . ¿vx..
== /I. + 'Y -- + -- '.
. ¿x2 "¿x2
Si. como vcnimos hacien~lo hahilualmcnl'e." suponemos que x ~'.~ no son estoc;ísticos
)' que l' esdi: rüido blanco. lene'nios que
. £(b) ==fJ + hz, "1

. dOnrJe hzr.es lá pendienlede la rcg,'esión. dc,z sobre x..l:or'l(ilanlo. b 'éssesgado c

inCIJIlSislc!I(~: a /IIcnos qne.las ohsenationes. nllle.stral.cs de ~ y x ICllgan correla-
l:Í(íti ccrn. 'Oinilir \¡'na variahlc relevante de.I:!' espccilicatic'ln cstimada illl';llida cl
~(eIJre/lla de Callss.l\'larklJ\'. Jal11;\s dellc,:ía surol~ersc que c,l!cul;¡r lIii;¡ regrc. r:-
l.
~;.¡ ----------------

~1(lOlll)\ 1>1' I'n'''''~II'.II(L'

siún IvlCO proporciona los' mejores estimadores lineales insesgados. Y m;ís ólun.
";lr(") = (f~,.I'i x~ . pero la pscudoperturbólción de la ecuacilÍn (lU5) es /1, = '( zr + Vi'
,\sí pth.:s..els~ cSlim:ldo a panir de la ecuación (1-;.15),sobreslimar;i (T~,.
Supon!!ólmos. por Oll"ll 1;ldo. que la ecuación (lU5) es la especificación correclól
l'l'IO qllc cSlimanHJS la ccu;lcil'JIl (S.16). ¡\lílira. en lugm de omilir una variable rele-
":lnlL'. incluimos una variahle irrcle,ianle. La eSlimaci(in MeO-da

/l= ~f.¿~2¿YX- ¿xz ¿.rz]

1= ~[¿x~ ¿.\'~- ¿xz ¿yx]
d011t1e /) = 2:.r~2>~ - O:X~)~.Suponiendo que la ecuación (S.IS) es el modelo co-
rreCIO. C(I."x) =J1 Ix~ y q 2\;:) =/' ¿Xl. Por lo lanlo
[(~) = fJ y E( 1) = ()
¡\si pues. IvlCO proporciona estimadores insesgados de los codicien les poblólcion;l-
ks. I'udenllls demoslrar asimismo que. en eSle caso, los residuos ",ICO originan el
habilual estimador inscsgado de la varianza de la perturbaci"1Il1.
Ambos casos sugiercn que omitir v¡lriables relevanles es l11;isgrave que incluir
";¡riabks ir,:clevanlcs porquc. en cl primer caso, los codicienlcs ser<Ín sesgóldos, lóI
"arianza de la perturhaci6n cSI;lr;i sobrestimada y los procedimicnlos de inrcrencia
convcncionalcs qucdar;ín invalidados. mienlras que en el segundo caso. los coefi-
cicntcs ser;in insesgados. la "arianza de la perturbación csl¡tr¡i correCI¡II11enle eslima-
d;1 y los pl"llcedimienlos de inferencia ser¡in v¡ilidos. La estralegia resullanle es em-
pC7.ar con una cspeciriC:lción muy "c¡llólica" (sic). (;11110en lérminos de las variables
i nclu idas como de 1" eSl rucl urn rc la rd¡¡dn. Esa especi ficaci<Ín se h;¡Jla ría suje 1a a los
dislinlus conlraste dc aUlocorrelaci<Ín, heleroscedaslicidad. conslancia de' par;íme-
Iros. elC.. dcsarrul1ados cn los Capílulos ,1 y ó. Si la espccificación supera los l.:onlr;ls.
Il.:s. el paso siguiente es in\"Csligar si exislen'reducciones dlidas. Con dalos lrillles-
lr;dcs. cu¡i1quier espcl.:ificaci,')n gcneral debería incluir relardos hasta el quinto 01'- -'1-
~,
dcn. Se vCliril.:;lr;í si pucdc "dlllitirse que ,lodos los relardos dc un orden dadu son
igu;i1cs ;1ccro. o si lodos los I.:ocfil.:icntes de una variahle d;,d;1 pueden tral¡\Ise 1.:01110 f:
,t 1
CCIOu si, rinalmcnlc. dcbcn illlpunerse otras restricciones. El enfoque de lo ~eneraI l' ,

a lo particlllar se dehe. h;isic;1I11enle, al lr<lbajo ue David J-lcndry y sus colcgas2 La

Sel.:Cil'ln:::;.~ofrece un;l ilustración nUllléricól basada en dalos dc C<1I1SUnHl de g;lsolina.

I \'L;;I'~ I'h,hkllW ~...L

~ 1';11";1
1111
•.:jL'lIlplt' lipiu1lkl L'llftlljlll.'. n:r I);¡yid r. Ilt:llllry.Y l\'t.,il le Elir\Stlll. "~I(lddil1~ lhe 1)t:,m;lIll.l (lIr.
:'\arrow ~ltllll:~' in lh~ Unilcd 'Kill~dolll :1I1c1Ihe Unilcd SI:lh:S", 1:'uI'0l''''1ll l:"nJlll1m;c U("'it'It', :\5. !IJ.()1.
:-\.~.~.l'\(\h. I';n:, 1"I.
.•~t'1I1\l:IlL'S t11...'1l."llf(l(I'It.~ \'1...'1" i'\l,"il le Eritssoll el .:d. "pe.(iIV!.: ;l~ld D:I\,id Ilcl1c.1ry's I.:rol1o-
I\1l'lril' \IClh{ldtllt)~~":. Rl't'i.\ll' ti" rCOIttJl1I('lria. In, 1\)1)0.7.117: Y' Chri\l41phcr 1.. (¡¡Iherl. "l'ro(cs~lIr
11•...'l1dry's EI'O!\Il11h:lric I\klhUt~lJlllgy"'. {);\}~Ir" 11,,11('1;1111/ 1:"CtllllJ"iin amI .\"1"",\1;0'. "X. II)};(,. 2Kl . .107.
 l',\I'irlll.lI': Modelos Autorrcgrcsivos y con RCI~rdos Distribuidos 289

8.2.2 Eslilllacil)n y VCTificaci,)n

Una vez especific;ld;\ la ccu<lción ARO inicial. la siguiente pregunt<l es CÓI110eSli-

m:\r y verifil.:ar la eeUaCil)n. L! alcnción se cenlra en un<l ceuólción IÍnica. pero, i.po-
~lcm(ls ign(lr:lr el proecso que genera los regresares dc dicha ecuación'? En olras pa-
lahr;ls, i.dchell1(ls fllrmular tlll modelo ue eCllllcione.\' /llIílliplcJ para analiz.ar uehida-
mente una linica ecuaci<Ín'? Con el .fin de proporcionilr la explicación m¡ís sencilla
ue los rcsullados b¡ísicos quc apólrecen, consideraremos sólo un<l relólción ue dos Vól.
ri;lb1cs enlre.", y X,. Suponemos' que el proccso de gcneración ele dalos (PGD) para
esas v¡Hi<lbles pucde aproximarse mediante cierlól dislribución de prob<lbilidad bi-
variahle (fdp), indicada como [()',. x,) pmól 1 = l, .... /1. Dicha fup pueue siempre fnc-
lorizarse como el produClO de una densidaclllJnrginol y una cOlldiciollol como. por
ejemplo,
[(y,. x,) = f.(x,) [(.\', Ix,) (1).17)
Supongamos. ;Idcm;ís. que fdp es norm;1I bivariante; esto cs.

)', ] - IN(II. D.) l=l ..... n

[ .\,

donde -IN significa "dislrihuido normal e independientemenle" y

11=[1/1] n=[lTI1 (TI2]

Jl2. (1'12 .0'22.

50n repcclivamcnte el veclor media y 1:1m;¡triz uevólrianz<ls y covarianz;¡s. Por lo

lanlo. las variahles se correlacionan eontempor<Íne<lmenlc (ul2 ,¡ O). pero el supues-
lo de independencia implica autoeorrel;¡ción cero. En el CnpíluJo 1 mostr;íballlos
que.", y x, poseen dislribuciones marginales. que son normales univariantcs. es decir
y; - N(PI.lTll) x,- N(Jl2.lTd
Adem¡ís. la dislrihul.:i(¡n de y,. condicionlll o x,. es normo'1 univari;¡nle.
.",1.1', - N[tl -1- fJx,. (TII( I - p2)] ($.19)
dundc l' = lfl~1 \~2 es la correlaci{lIl entre y, y x" y
:.
~I CTI2
¡l=p--=- (8.20)
~2 un
La densidad conjunl;; puede faclorizarse como el produclo de.la c1ens'iclaú m<lrgin;¡1
de .1', y la (lcnsidad cundicion,lI. tic y,-dado x,. Partiendo de la 'eco<lción (8 ..19).
)', = (l~. flxl .•. /Ir _ (8.21)
Ll "perlurhacilÍn"" tiene media cero porque E()'II x,) = {'( + fJx/. Seg~ín In ecuólción
(l'.llJ). incluye lamhién ul~a vari<lnza COl1sl;¡ntt. Sin embill'go, p;¡ra propósilOS estí-
m;llivos.la propiedatin¡¡is impor!;¡nte es que úichn perturbación es estoc;ísticamen-
le independicnie de X .. ivlcrece la pen;¡ des;¡ITollar detólllaunri1enle eslól propiednd ya
. .
 .o!'
2'JO ME"I OIJU> I)l.I'CO:-:U~IETlliA ., .
; .•.. ,
que el métudo cs úlil tambi~n para casos miÍs complicados. l{dllrmulamllS la ccua-
ció n (8.1tl)cumo . .
Y,=/'I+EI(
(8.22)

[:~:J- IN(U. Q)

Multiplicando la segunda ecuación por !T121 ('n Y reslando cl resultado de la prillle.

. ra. resulta
y,.,. .('\2 XI ;"'(/11- "12 j/2)+ (Eli _ (rI2~2') '(:-;.23)
.'. lJn . un' . (rn ' ,
.' " . '", ," .
La fórmula equivale a In ecua¿¡6n (In 1)'c()n l~~p;ir,ílllelr~sdcfinidos cn la ecua-
; ..... ci611(S.20). rur 10.lanlo, 1¡lde lit ~cllación (8,21) scddilie'colllo. '.'
.'-l~~''''::;'~';:;'~'
~~';"'~'~:.'},:..lv:.
..../~.:~,:,~;,)"..•.~I~,j.):
J, •..",;.....,J';', . .:..••:,:~•.~..,;..;..~.~~.(.~:.:4:~:Jr:.:.-"¡,
.~~'.,:::~L:...: .•.::¡i~
...;,:
..~~"".,¥:' ~".•'~ ~::;:..~\ .~':; '¡' -"';'~
__:~:~".:.":'.':.'~ .
.~
~ u 12
: ,/11 =~I,- -.,E2, . (¡{.24)
¡ . . (r
i .22

'l'
t ','):' .'

Porlo'lan\o. var(;(,) = (1:11-0'212 (Ü?2';" UII (I.~ (>2)' COl1lO~il la~ellal:i(¡n(X.1 CJ).l\d2:
'ni:,s.
, .'.. . '. ..' :'Ir 1" ,... "
I '£(x,/I,)= l:.1x, E 1,) •... ~ E(X,E2,)
¡ un .
1 Meuianle.'la eClinción (8.22). elrconlrall10S ,(ue E(x, EII') = trl2 }' E(r, El, ) = u22'
I Por lo lanto. £.(X¡II,) := U: Como <¡u'c los ~ liCI1~1li1Ulllcorrelaciolles cero. tou"s las co-
v;¡'lianzas relard;¡d~s enlre '-': ':Y 1150n cúo. En c,¡so 'de I¡ormalidad. lús covai-ianzils
I
1,' , .
ceru ilÍ1plil:ún. ind'epenJenl:Ía. eSlodsiil:i1. U tilizandox, 1111,para se iia'!;ar que "x,'y ;1,
'f SO;1eSloc.iSlic;Í;llelllc'il1u~í,eildicIlIC5";I,?I'¡'~Illl)S., '. ". .
~ . '.. : .; x,II'¡,;+/ para lodo" '~; (:-;.25)
El lenguaje de la COIl)isióll CO'\~I~S'de.I;OIll'ill',i:I,1x UC la ecuacilln (x'21) COIllO C:lJ).
gCli¡¡), M,ís rcci'enlelllenl«r .se ha
den()minauo dicha' eOlluicilÍn CIII;lO cslrÍl:lallleute
exógcn:1 con clfin.d~'d¡slingu'¡rl<l de Olros lipos ue,cxogcllcida'lI de,los (¡'I;«; hablar.c-
~ IllOScn brevc, Oli~ cOlidición ¡.cfaciollaua¡ aU'lquc menos r~striciiva: es .
¡.
,
1:

,.
. . . .1',11/lú.i para lodo , ~:?O '. (X.26)
r 'es decir. x, ~s il1d~p~nui~'nlc'dciod;\s I,¡~'pei';uri);,cioncs'actuaks)' 'futuras al;nqLle
1
t no uc las pasauas: Utilizando 'de, npevol¡llerminología uc'la Cillnisii'lI1 Cowles. 1"
(; varbble x/d~ laccuilción:(S.21) la Jenqmil1amus ,variable prc(lCICrlllinada: .
,/.
El mqdclo bi~ari~bl~.dc'laee~I,<iC,¡ÓI~ .eH.iR) s~rei)i1rcmalrizar;íc~,m()
1:,.
. ". :.:' '.::,: :'. YI;';~'fIJ.¡-,+!I," ' .. ' .. ": (:-;.27)
r
J'
r
¡:
i,
\ ) l'Ma la 'Ill~S sill1pte. ~unque. ;)0'5ic~'rrc .s~ncill;::i:x;'o~icii';n: ii~lénfilq'úc'<.I:i: 1,,'COII';i,ion C',í,vlcs, Vé'~5C

..e,
l"
\\'illia", C. 1-100<1 y 'fjalling KoqpllIalls,.S'"IÍie/il £crJllo;'!<'/rii: AI",I""I; \Vitel', 1'):;3, . .
.,1:, .' .. ' . . . '

r,
' " '
," ..
','
 2()1

I'artiend,) dl: la l:clIaciCJn (¡).2'I), C(/I, E2,) == O, Por lolalllo. Ir, XII' lienl: \'eCllll' dc
ml:dias [(\ + JI :U21121' y malriz de vari,in'l.as y co\'aj'ianzas
'!\.'

(¡{.2i\)
/'
~.' ,
La priml:ra ecuación de la l:l:uación (X,27) cumple lodos los requisiloS de los procedi.
mientos cl;ísicos de inkrl:ncia descritos cn capílulos anteriores. csdecir.l1ledia cerll. .JI
•. I}

llollloscl:dasticidaJ, y perturbacioncs nó corr'claciül;adas 'seri,dlllcnle quc también se

ilall,lIl ij)tlepellllienlemente tlislribuiuas del regresor o regrl:s;)res. Así pues, ;¡nali'l.a- (,
remos la ecuación condicional por sí sola, La distribución marg.inal del regresor 1H1 .!
incluye información relevante aterca dc los parámctros de la el:uación condiciona!..,
,,'.)
Deslaquemos que podríamos también haber reparametrizado la uislri[)ución,
..
~ ;~.:
nllrll1al
;.::~: '
bi\~arianle
.•....,.. ..,~-.~:,'.
como ..'.~., .. '~ '" .-
.
•...
X, = 'Y + 0)'1 + \',

. )', == ¡t'r+,EI,. . "-.)

'con ~'=='li2- 0/11. o == ul2/lftl' Y'~; ==E2, '- fiEl" Áhol;a~.", sl:ria ~xógelia l:n J;,(;cual:iún
condiciunal, '(Iue. plíJría. esl,l' vez'ser tll)'alizada .il1clependicntcnll:nlc dc 1:,'ccuill:ión
l:q'ndiciónal ue);. . . .
La dislril~uciól1 normal'dl:'dos variahlc's (;) de lllúllip'lcs variables) IIll l:S Ul\
'I'G[).a,~lccllad(; paravariabks 'ccb;lÓ)ni~éls,.qll~' I;onnallllenlc Illuestran fuerll:s pa,
lrones'ueallIOl:Orrdación nliÍs que aUlocorrel:!cioncs'igllales a cero. Ila IlCga,do el
I\HIIllel\to llc; trabajar CÓI\ PGI) m,\s reafistas'en .Iós que el probLema de la cxcl\!,cnei.
diltl se torna llli\S 'co;llplejo, ." . -

1i.2,] l~x()geneitla<l
/' ...•••...

. La considaacilín 'nio(íerna lid 1~'Ill,~¡!Iilp)ía y desllll \lII'a '..:1l:nfoqul: dc la ('()I11isiúl\

CowJcs, La referencia el:ísic;¡ es el artículo de. Emile. 11c11l'1J \' \' Hich;¡rd. cOllocido CO.
mo EI.m:-',Lus elemelllos b¡\Sitós del lralallli~nlo-Elf R se c'x,;licar¡ín en l..:rminos del
.....•.
PCi D de uos variables que eHcis ul~lizan cn su exposici(íl). Sea el PG P de dos \';\riabl'cs ,

.' Yi.= fl.r,'~ E 11 (R.21),,)

.,
(¡{.2lJh )

0.": '.
'.'I~i,h~ri F. "¿;'~tc, l)'I\'i<1 F, '11~illl(/;' Jean.r r:;,ri:tli~ R'ic,"",,,1._.Exllccncill ...., 'F:,olll"IfI'lricII. SI.l ')S.1. 277.
:>01. , .... . ...•. .
 #

2')2 ,\11,1
(1)( ,\ !JI;ECO\I)\II:lld..\

"I';lnlO.l' CllnlO." los supllnUrCI1l0S au!ocorrel;lcionados. Seguiremos nl<1ntcniendo el

SUjlUCSlode pCrlurhacioncs nl1rm;lI yscrialmentc independienles. esto cs.
,

:'
l.:;:J-. le: ).(:::~
!,\" ::~~)J (X']O)

SUlh1ng;lmlls ¡IU~ 1;1ccual'i,'ln (X.2')/I) es nucstro centro dc inlerés. L;l pregunla b;isi.
ca es ,Iccrca de la "c:\ogcncidad" dc .1'. Según EI-II{ la pregunla esl;í mal t1dinida.
l)cpend~r;í de las razones por las que estemos interesados en analizar la ecuación
(X,29/1). Distinguiremos Ires objcliv~)s princip¡lIes:
1, I{ealizar ini'crencias sobre uno o m¡ís par:ímelros de inlerés,
"l Predecir ." condicionado ¡I.1'.
3, Comprohar si 1'"relación dc la ecuación (S,29a) es eslnll:luralmcnl'c in\':lri;lnle a
-'
los c"mbios cn la dislribución ma;'ginal de.l'.
Cad" llllO de esos ohjelivlls d" lugar aires lipos dislinlos dc exogencitlad que dcno.
minamos: e:\ogcneidad débil. f'nerle o supere:\ogeneidad.
Exogeneidad déhil
En general, podel1los raclorii'.ar cualquier I'unción <.ledensidad conjunta C0l110,
....J.'
, el producto de una distrihución marginal de una o m¡ís variables y una distribuciói1
condicional de una \',Iriahle escalar." sobre esas variables. Designcmos mediante Al
el cónjunlo de par¡\metl'lls tk la dislrihuci6n condicional y A2 el conjunlo de pará.
-, ! mctros de 1" t1iSlrihuciLÍn m;lrgin¡lI. Dichos r¡¡'r¡Ímelros sei'¡ín l'unciOnes de los pi~r;í-
.,•....;
metros () de la runcilÍn de densidad conjunta original (l'GD). Sea '1' el conjunlo de
"
par;ínll':lros de inlerés. Cuando las variables condicion;lIlles son déhilmenle ex6ge-
n;ls par;1 '1'. las ini'crenci;ls "cerca de '1' de la distribuciLÍn condicional equivaldr¡ín a
1;" inrercncias ohlcnitl;lS :, p,lrlir de la distribuci6n conjunl¡1. En otras pal;,br;¡s. la
dislribución marginal,de las variahles condicionantes no incluye inrorm;¡ción rele.
v;ulle y puede ser ignor¡ld;1 en el an;ílisis.
l,ea.1 iZ:lmi: In.n¡cT¡)i';¡c-¡i),i-eii':iJl!lí;;ic:r;i-a;::s~iíínl'gilía1 y c();ldici(ln a ,':> de l~er;í ,;:;; llni'~
plir~e,' d~ls.~ondiciones li¡U<1que la e:\ogcneidad débillcnga lugar: ',
, '1'=.!tAI) ¡¡\.JI)
es decir. los p;lr;ílllelros de inlerés lIniC:llllenle IHlctle¡'l cxpresarse cn lénninos de la
dislrihución condicional. ,. '
Al" A2 son dC\',irii,ción lihre ¡¡U2)
I)e \':lriari"1I1 lihre signiric;¡ t¡uc cu;dquier par;ílllell'll de Al puede lomar cu;dquier
\';dor cn su rango. sin IC,ner en cuenta los valores que haY,ln lomado los par;ímelros
de A2 . ~' \'icel'crsa. No oislir,ín rcslriccioncs cruzad;\S (igu:dd:¡t1es o t1esigu:ddatles)
enlre elementos dc amhos grupos,
S', [llllodclo de I¡I ecu;lci(ln (X.2,)) iluslra eslos conceplos, El plllceso dc multipli.
cal' la ecuación (X,29h) P(lI'lfl~/U~~)' restar el resultado;¡ la ecu:lción (X,2')1I) origi.

'.. .
na un:l ccu;lción condicional '. ',' .' . . .' '.. .
' y, == DlI,r, -1' Dt.l',_t -1' 02.1"_1,+ 11, (X.33)
 1'""iTlJU) M: Molielos Autorregresivos y con Retardos Dislribuidos 293

donde

Up
b,=-Ut-- (S.34 )
(rn

(rn
fi, = -n,-
- - Un
La perturbación 11, de la ecuación condicional es igual a la ya definida en la ecua-
ción (X.24) y posee las propicd;¡des mencionadas en las ecuaciones (8.25) y (8.2S).
Por lo tanto, reparamelrizamos el PG O de la ecuación (S.29) medianle la ecuaci?n
(R.:rl) d~rinicndo la'ecu;¡ción condicional )'la ecu;¡ción marginal (R.29/l): Los disltll- 1;

los conjuntos de par;ímetros son' ',1,

. ~.
0= (j1. a,. a2. (TI" ITI2.Un)
:i
Al = (/}I). 0,. 02. u~) A2 = «('(l' a2.un) (S.35) 'í,
Supongamos que el par;íl11eli'o de inler¿s ~s [J. En primer luga~, cOI~lprobamos si se .,
:\
cumple )a contiicil')n tic la ecúaeión (X.31). Utilizamos la ecu;¡ción (8.34) pilra ex!)re-
:!
sar /1 en términos tic los p"r;ímelros d;¡dos e;, A .,.¡ I

, 6t 62
[J = 60 + ~ '= &1) + -
al a2 :1
:¡
No podemos expresar [J lInicamcnle en términos de Al y. ror 10 lanlo, la primera ~"l .
,L
condición no se cumple. Adem¡ís. el hecho de que [J se exrrese de dos formas,equi. ,1
valenles implica una restricción cruzada entre elementos de Al y A2' puesto que es "

decir
Ul)I'- at02 = O
'.."d'nr ,,1o 1a nlo~--jO$""par.Tmc1ros-dc-.l-as"tlislTibltcroncsmn rgi n nL::Y::SC>t:l9i
ci.on,aln osg,n.~lC,
"variación libre, Ninguna de las dos eOlldiéiones se éumplc, L;ivariable x, nb es dé. :.
hilmcnle ex(¡gen;¡ para [J. ...,
Sin emh¡¡rgll. si las dosperl\llbacioncs de la ecuación (8,29)fuer<1n indepen.
t1ienles (<TI! = ()).Io:; p;lr¡ímClrOs serían "

,
:J •
0= (j1. IXI' Cl2. (T 1" (122) j
. Al = (jl.lTll) ,A!=(a\.~2,(Tn) (836)
En csle C¡¡So. 11' incluye el¡ínico elemento fJ que. a sU,vez, s'e hallaiambién
en Al' con lo que se cumple la contlicicínde J;¡ ecuación(S.31).
prescnte
También es evidenle
1¡
que se cumple 1" condici6n de variación libre yque, en este caso . .1',es débilmente,
ex(Ígen¡¡ jl;na /1. '
P¡¡ra seguir iluslr:\I~~lo el caso. volvanlO"s al ~.t'p~lesto d,e~ue ,Ot2, *.0. aunque.
ahora lomamos /}o COI11¿1par,íl11el.ro de.inlc,:és. Obse.rvandQ la ccuaci,6n (SJ~) .ve-
I
J
j,
mos que se cumple la condición de la ecuación (S.31). aunque, no la condición tic va. ,
I

1
!
r
2<).1

.¡

riación libre, ya que 1(1ecuación (8.J4) Illueslra la resll'icciól1 cr~II.;lda ;1I1lcriormenlé j.

.~
inuicada entre elcmc'nlos d'e Al')' A!. Sin e¡;lbargo, lai;¡depCildcnci;; de .;', y 1/; signi:
(ica que 50' 5, )' 52 pueden estiJ~arsc consislentenlenie 'lf11 iC;1I1
do IY¡CO al¡1 ecua.
ción condicional (8.J3). Lo que.sucede eS.(lucdichos ~slimadores ¡lO son completa-
Illente dicientes porque ignoran la in(ürmacióil dc .Ias reslricciones cruzadas. Así
pues, el hecho de que no exista exogeneidad débil no implica necesarianlcnle que la
inferencia de la 'distribuciÓéi condicióna!sca imposible O cslé ¡¡!Validada.Según cu;íl
sca el parámetro de inlerés, en este scntido plie¿1c significar simplemente que la in-
fe'rencia no e¿ compiel;lI11e'nle dic'iente. . . , . '.
Como iluslraci'ó,;rinal,sl"pongamos' qu~ ('(2 ,,; (J, de";lOJoq;IC el retardo' y no
; .. juega ningún papel Cilla gCller~cj¿n de x. C.l,andóel padmeir(lde interés es /J, las
d()s prir'neras ecuaciones de la ecúación(8.34) n~liestranquefJ = /)" -i- 5Ih~l' por lo
d ..",_•. _,}~~~.;.'.~.~21~~.!.~i.?~~,~~,I~_.E.c
~9Sj,P)\(~:?.,lJ},19;~~~£l.J,~lnJ '->..,.: •.
~,;,J~!!~e~.\.r,j!=.9.i.(\tl.S¡;.I,l%¡1!Jil.hAdcs¡¡
pareCido y, por lo tanto, los par;ílllelros SOn ahora de variación lihre. De lodos mo.
dos, no pueden realizarse infercncias 'de /llJliieamente apani,' ue los par;ílú<.:tros de
la ecuación conuicional. .Si C1parámelro'dc in'lcrés fuera' 8,; , sc cUlllpli'ría [anlO 1;1
ecuación ~8.31) cO~lO la (8.12) y x;serí!l débil,hcnle cx(¡gena.¡-iara lio'
\
1- Exogelleid;l(1 fllcr,tc . .
:Cua'nuox, es débihl1clile exógcno para}] y, i\UCI;1¡í~:yno'(;a'l~s'a tí; el senlido dc'

1
. Gr:II'lger a :.~,sc' dice qlle :r( es UI~ÍI ~ar¡ahlc fü.ertclllcnle e.~ógcllapaia La <;;illsali~.' ¡J..
i u;ld,y .,ió calls¡\Iidau'~ ü¡: Gr<tng.cr iiC"ie' qUe ver' con c1hech6. de lill~ ,Ú1S Y';liores re.
I
I tardadoscje )'mcjoran, o.. no:iúejciran: la explicación' ele :I"ge-ncraua l'111icamel;te a
I panir dc valores retarCla(josde cll~' Jilisma5~ Uí)a cO;llimlbacióll s~llcilla 20nsiste en
r\ real.izarl¡i regresiól1'uex sobre v~lorcs l:cl:ii~;icl05d~ ella misn;'" y val~res relarda-
dos de )': Cuando eslos úhilllos 'Soil.é.onjunlamenle 'no sigl\ificali,ios, se dice (Iue y
n(i causa'en el senlido jc Granger:a X. :Sj ú'no'O ..1ll;1Svalor~s relardados <ic i rc'sllll¡in
significaliv?s, se 'di'ce que)' c¡¡lis~'en ,cI'sentido de. Gr:inger a x.Sin elllbargQ, la con-.
traslación su'ele ,ser ,ilUY sc'nsiblc. a't llÚn)Cro de. ,'ciardos,'inC1uidos en la' especifica-
ción.Calúbi:ar la l'OngiHld 'del n;:tardopuq.le t.!;¡r !llg;!r'il conclusi(;'.les distintas:
Cuando existe eX:oúneid~d .[ueUe, fl puede ~si¡'llarse apanir ~nic;Ímcllle d~ la dis.
tribución,condicional y ül¡\izar~e párar,ealizarprcdiccioncs de)' cundieionadas por
las' predicc.iones dex, éstas .tlll imas .desarroll<itla'sa su ""ez'solamen'le;r partir de 'los
v;dorcshislóriCos de:1'. '. .,' .
SllperexogeneiJad. . .
Exis'lcsuper exqgeneidadcll¡¡~ldo los j)anílllcll:OS deJa di~lribuci(-1I1 contlicional
son ill\:arian'tts a los cambios ocurridos en la distribución inargina\lie las "aria bIes
condicionanles. Supongamos que en laeeuaclón'(S.2?) >' esel.l'NIl la canlidau y.r ",: .
éc cinc:o. La ecuación (8.29b) jugalJa .cntoiic~s un papel dccisiv(i ijara las aUlurida-

I
I ~c.W.J: Gr ••~ger.,"lnvCs(igaling.C ••usal.RcI:I'dolls li)"EeunOl\letfi~ rviÚhllli';lIId ('rll~~.SI'~élr ••1 Me¡.
1,,. hoJs .... E(~I"JlII(iriq. I 'J6'J. 37. 4-24-43lt .

"
..~'.
.~
 des llIoncl,lrias es\ahlcci':lIdo la aClu;ticantidad de dinero COIllOulla cOllsecuelH:ia
del ni"c\ del P~U y la cantil/;Id de dinero 'del últ:il'no.periodo.La ccuación Ui.2lJ(/) \ I

dcscrilJiría CÓ;1I0los agentes' econúlllicos cSlal>!e¿el,1 el r;N 13 cn respucsta ,1 los ,,;tio-

res de la c;lnlidau de dincro. Luc,ls sugiere que la eSlilllaciún de la ecuaci,ín (,';,2'J(/)
b,ljo un r¡;g.ill1(;1lnlllnelario concrelO no ofrece 'necesarialllenle inr(irlllación ,'¡¡lida
ue C'-lIllOse cOlllportaríall los agelltes bajo lin regilllen dislinld). Lil crítica dc Lllcas . \
no es aplicable cuando x es super exógella para fl: los call1bios ell la j)()lílica inoncla-
ri;1 no afeclarían a la cSlilll,\ción de la ecuación (lt2lJ(/) ni cslrllI1c';lrí;ln la ""lidez de
.'-- ,
las prcdicciones hechas a partir de ella. :: 1

X.lA Contrastes dc Exogclleid:1(1 ..",

- ••••••• ~••••: •• ~••:., • :. ~,' '., •• '. e_o _ -<' • ~'_ •••• ......•..•.. , ......•:•...•..... . ...::..,.. ,'.';:

Valllos a vcr que, con referellcia al Illodelo de la ccu;lci(lIl (t-i.2'J). para quc x, se;1 d.:-
lJillllenle e.~ógena para JI es necesario que .uI2' = O. Nos hallamos. 1)01' lo lallto. anle
la posicióndesafonullada uoilue la príncipal venlaja de la Cxogl:llcidad débil cs -po-
,'""-
J
dej. ignor¿Ír la distribución marginal. ya qucelcontr;\sle para comproba'r 111esislcn-
ei:; de cxogeneidau dd)il precisa ".!Odclar lanlo la dislribución 'llIargillal c()1~1Ola .. "
coriuici(lllaL-Englc ha uesarrollitdo Ull cOlltraslegéncral tvlL para COIllI)rohar la e:\o.
gen-eiuau déb¡'¡7. El prodecllllicnlo.gellc'ral r~lteba:quc.vi lio apa'rczca cn la ecuatióll
(ecuacio.nes) llIarginar (Iilarginales) tie 1;; .\'<Hiable (I'ariahl'cs) condicional ~. qUl: la
suhmalri.'l. corrcspondienlede la nial'riz de cóv¡ú'ianzas de I¡¡ perlurbación (:s cero.
. En C1nlOdcl0 d~ l¡¡ecuaci(ín(g.29)suponíamo~ que ..,', no.aparecía en la ecuación
marginal (8.2%), que sólo exi'stía una 'ccuación'marginal y que. por lo tanto. única-
menle exislía un elcme'olo .olí la cor,n;SI)Ontlienle suhrnalriz. Así p~les. la hij)Ólesis
nirla Sl:uí 110: "12 ~ (J. En eSle sencillo ejcmplo, el contrasle ¡vIL resulla igualmenle
sencillo. 'Se basa cn los residuos de las ecuaciones (8.2lJá) y (8.291». najo la hipúlesis
nula, la ecuación (8.29{/) es la ecu¡lción condicional, ¡'ndependientemC[lle distribuida
. ' de lil. ecuación rnargiilal (8.2%). Así 1;ue:s', bajo la. hipólesis nula. cada ecUación se
esti'l¡afÚcricie'llemellle por ,MCO. Los ,'~siduos dc 'Ias .ecuaciones (~.2(Ji\) )' p-:.2%)
los simboliz¡.I'nl0S, respecliv;;'lúcnle, median le' e" y é:I" Para, simplificar. la' fórmula del
modelo no incluye 'Iérmí'nos ueinlersección jl:Ulfq'UC.cuantlll IIcg;~ ~I nlOrncnlp ue
. cSlilllar ecu¡¡ciones en la pr¡ícliea, incluirenlOs.un lél'rnino cOllsl¡illle a.ml:nos quc
exista una ra~ll1l a priori pan\ no hacerlo. El conlr:rsle M L se construye siguicndo
los siguienl,cs pasos:

.f'~'
__ --:... _

: "ICE. LlIras'Jr., "[conou;elric I'.tllir)~. E~alllali(\n: A Criliqll~". en \i,,1. 1 di: Cilrnr~ie.Rorhrslcr C\lule.
• 'r~nres ',n 1'1Ihlíc VllJicy. snpl'lcmenlar)' serie, of rll,C' Jotlrl/al 01 ,1/.(I/,,'/(/'.\':L'ClIIWO¡j,,-,. eús. K, Ilrllnner ¡Uld ;" .
. 1\.lIklll.cr. Nonh Ilollaud. JIJ7(¡. 1') .. 1(,.
1 Rohell r-.'Eil¡:Je."W¡;ld. Likdiholld Hali,! aud Lag,:a;l¡:c i\'lullil,lirr h's,,'iu i"wn"úlelrics". Capilul,,' l.,.
/ll/o'¡II1r."ki'II:'ClJlIIIJlIl'/riCl, eu,. Zvi C1riJirhe, aoú Miehacl D. Inlrillig;¡l;,r. ,'Jur.lh.lltlll;lIlu. tlJK~.
(
"~o

t.
AJ
 " . .• '"!'
MÉTODOS OE l.:c:()"ii~li'rldA .

!{caliz;¡(I;¡ regre'sión'de e,: sobre una coiistúnte:'x y ex-

naja 110, nf?2 dc la regresión 'sétlisl"ribuii-á asint&icillllenie como una Xl (1).
Rech;¡z;lr l/o cuando ;,N2 c.~ced;¡ tle ur.l valor CI:ílico preseleccionado.
Una "ersión allernativa lkl con.lrasle par;¡ esle C;IS0 de dos variables consiste en
r.:alizar una regresión de el" sobre una conslante, x relardada, J' relard;¡da y eJ" En
GISO de mu<.:slras finil:ls. R" ser:í distinlo en ambas regresiones, aunque aíllhas scr:ín
;Isinlúlicamcnle equivalen les.
Un;l lillim;¡ versión del contrasle, que implic;¡ el e<ílculo de un [Inico,conjunto
de residuos. consisle en sustiluir la primera regresión dcl anlerior conlraste ML por
una regresión de J' sobre una const<lnle, x, y el" par<l, a continuación, comprobar si el
o'.
coeficienle de t'x es signific;lliv<lmente distinlo <lcero. El eonlr<lste bas<ldo en l<ldis-
Irihución I p;¡ra dicho codicienle es nsinlólicamente equivalente ;¡I eontrasle b¡lsa.
do en nR2. CU<lndo se eSlim<ln ambas regresiones, resulla que el coeficiente de ex y
su error eSI:índ;¡r eSlimado sonidénlieos, sin impon<lr que el regresando uliliz;¡do
se;¡ el' o )'R .. Exisle un;¡ regresión simili)tque sólo precisa c;¡!cul;¡r c,.:
Los contr;¡sles par;¡ comprobar I;¡ exiSlenci;¡ de exogeneid;¡d fuerte precisan un .
conlraste de ve.rificaeión de exogeneidnd débil m:ís un eOnlr<lste decausalidúl
Gr;¡nger. ¡-lemas descrito anteriormente este úllimo. Existid superexogeneid<ld
cuando e:\iSl<l exogeneidad débil y pueda demostrarse que los parámelros de I;¡ dis.
lribución condicional U'I) son const<lllleS y los de la tlistribución m;¡rgin;¡1 (>-2) no.
El primer P;¡SO consisle en someter la dislribución condicional a un riguroso cOn.
traSl<.: de conslanci;¡ de p;¡r;ímelros. Si el resultado es positivo, el sigLiiente P;¡SO se
ccnlr;¡ en la distribución m;¡rgin<lI.Si los par~metros de I;¡ dis(ribúción Inarg,inal son
t;lI11bién eSlables, no existe prueba de superexogencidad sino sólo, dcllido ;¡ la cons-
lanci;¡ de >-1' unn presunción, Si >-2v;¡rí;¡ COI; eltiempo,Jb n1~s indie;¡do será buscar."
dich;¡ v;¡ri;¡ción utilii:índó v:lri:lblc's fietici;¡s o,'en sil ddecto, olro (i¡lO de modelo.
I\li:ldiremos enlonces es;¡s v:lri:lblcs ;¡ la eC;laciún condicional. Si dichas v:lriables
" .
reSull;¡n conjunt;¡menle no' signific;¡'ti,';¡s, los 're'sult;¡do's se 10n;;¡r¡in como evi~lenci;¡
, de que los p;¡r:ínielros del proce'so co'ndicion:l) no varían cmi los c;¡mbios qlie'tel;-"
•......
g:ln lug;¡r en los p;¡r,ímclr"os del proceso Ill;¡rgin;¡)'l. Pnrece evillc,llle que resulladifí .
cil decidir c(l:íildo Ilcg;¡r :l la conclusiúil (Je'qúe los 'p;¡r:ínietros dc I;¡ dislribución
m;¡rgin;¡1 son ineSI;¡hles,yeu~ndo busc;¡r l:ls v;¡ri;lhlcs que modelicen dicha incsl:ihi.
lid;ld, En ciertos C<lS()S,resulla posiblc ampliarl:l cspeciliC:lciún de la distrilluciún
\ .. m;¡rginal p;¡ra que incluya eS:lS v;¡ri;¡bles y. posiblemente. descubrir que la nueva 'cs.
tructura es eSlablc.

\ ../

\. ,

S V~;lS\.' I'tt)hkm:l K(l. _

tl Par;¡ ilustrar los ~~;ltr;lSkS lit: s\lp'.:rc,\;'~'gcl1citlad. \"~asc N~iIIC Eri((~(ln l'l ;11.. nI'. (il.
 1
; I
297 1
(',\I'iTUU)M: Mouelos Autorregrcsivos y COn.Rcl~ruOs Dislribuidos j
1
. , .i
. ~H.2.S El Cnnfrasle (le WlI-Il:,l\Is'ni.a'n10 -,¡
Rdol'1llÚlelll~S cl1llotlclo tlcl;¡ ecuaciÓn (8.29) en forlllavettorial co.mo
:1
:1
. y=:xfJ :~EI
:¡
x = x.:., O'1 +)'_1C<2 +E2..., , :i
,',donde.\._I=x,,_lx,,_2
.' 1 .. '1' Y)-I-JIl~I.,,-2'''O,'
....-'1l '/':"'[, '),:
)'l'Coínohehlosvisloy;¡,siul2'"
.... '_. _.
l.j
I !
'!l, enloncés El'afecta laíllO ;¡ x, como ;¡ El, . Por lo t¡lI~to,en l.;¡ pr~Ill~~a Ccu;¡c~ón, x, y . .)
I
El, se !l;¡Úan correlacion;¡dos. En esle C;¡SO,x, ni cllmple el.:rJterlo de In Cowlcs
,C01lll11ission tle l;¡ ecuación (8.25), ni I;¡ condición de I;¡ ecu;¡c\on ,(8.26). ~o~sccuen ..
:1
,¡
'1
temente, el eSI'im;¡c1o~ MCO de fJ es sesg;¡do e inconsistente. El pro~edlm,ento de
Wu.l'lausm;¡n, en lugar de des;¡rrollar un contr;¡stc directo sobre .0'12' se cenlr;¡ en
U
:. i
la primer;¡ ccu;¡ción y cOI;,prueb;¡ :
!
tI!.,: plim (~:I::EI)= O \
~.
¡
~
";'i,

"r .,')
,'.:',..
.
'",,',
'.¡
fJ
pliln;,-,:;£\.'¡"(j; . ':
( "
.¡ ~.
"
.

",":
Se tr;¡t;, decontras\ar dos posibles estimndores defJ. La estimaciÓn MCC?, jJu.':f .j
¡J,.,
(.\".\')-1 .r'j', será co'nsislénlc y asinlólic:\I1ienle eficiente bajo J-/O:,:,S:r:í inconSistente o
,.,

bajo "l' SupOligamos que hallamos un instrumenlo, que S;¡l~sf;¡ga , • 1 ;

,<

:
(L
1'-

plill1 (~ l'X) '" ~'Y plim <:'el) =O

¡
!
n 11. '. H
I~j
:!,
. Entonces, potlremos cOnSlri!ir Ul1 estim;¡dor de v;¡riable inslrUmCnl;¡.I~\ = (z'x)-' ~-;.~
i

l'y. Dicho eslim;¡dor será consistente 'bajo n",bnJ "ipóleJ;s. Am~os e~t1madores SO~l :j~
consistentes b;¡jo /-Iny la diferenci;¡ entre ellos des;¡p;¡recerfn;¡slnlótlcamenle. Indl- :.l.
earemosla difercnci;¡ C0l110 f¡ = ¡JI - ¡Ju . Enlonces, bajo Hu • ¡:
~;

• f¡ \,
-(-'- ~N(O, 1) o --A ~x2(1)
s.e.(f¡) var(r¡), '. .,
l'
l.

1.I;¡usl11;¡n,ha'dcmostrado que v;¡r(f¡) = v;¡r(fll) - vnr(jJu)' Por lo t;¡nto, el conlrasté ¡",

o.

;¡sinlÓlico dc "o sc hasa en :,

.~
_ (i ~ x"( 1) . (S,37) ~
v;¡rUJ1) - var(flu)
'r~
Para f;¡cilit;¡r tles;¡rrollos posteriores, será útil record;¡r 1;¡ discusión del ~;¡píIU- ':
1
.
lo 5 ;¡cerc;r tle los estimadores MC2E )' reformu);¡r el estim;¡dor de vari;¡hles lnslru: j

mcnl;¡!cs como
•,
¡
~., ¡J, = (.I-'.q-I .i)' . .Í' = z(,',)-I ,'x = l' ,1: '
\
!
l.A. 1';III~I1I"n.
111

IC'":1I;"C Tcsl~
"Sl'ccific:I,iol1
uf IndC¡;l'ndcncc
Tc~l~ in

bcl\\'ccn
.Econol11cI,ics".
Slochoslic
[c;"""l1rlricn.
ltq;rcsso,s
~6. 1978. 1251.127t: y D, \VU. "Al.
ond Dislurbonccs". 'fwl,,,,,,c/[icn, 4\.,
r
~
l'

\')7.1.7.1.1.750. Vbsc 'ol11hién Sccci<Ín 10.6.2.

r
l
r-'¡'
'1
',~ .'
t,
l.' '

La primcra clap,i consislc en la regresllln MCO dc.r so[¡n:.;:quc proporciona los

valores de n:gresión .l".La scgunda ctapa consiste en la rcgrl:si\ÍnMCO 'uc y soure J,
, Los rcsitluos de la primcra ctapa se formulan COUlO'v=.r -'-oÍ': Y¡Plue l' es ollogunal
a .l', lC,nemos que .f,l-=.l".r. Expresaremos ahOra la difcrcllcia IJ conio
q = (J".l.)-l .l"Y.,..(.\".r)-I x'y
= (.i"'S}-1 [.l"Y- (.l"i)(.r'.r)-I .;".1'1 PUS)
=, (~\".i:-)-l [J,'M,)']
II donde MJ, = J - .i'(xi.r)~l.r'. La última 1íncndela ccuación(X.3H) indica que (j sólo se-
" r;\ igual a cero en el límitc si J-'i\/ •.ylicndeaccro. Consitl~rcmos la rcgn:sión,a ve,
ces referida como rcgr~siónarti(¡cialóaux~iliar~ .', .
1
: y = .\jJ,~J'S' + 11

El codicienlc dc Senesta regresióncs . '. '.' '. .,

'"•.;",; •.•~.(",~j",';¡0,',i"".'",i-;;;x,:":,'J,.,.,,,;~,,i ..~.,~c,1.., .•....'.tR:J~J.'..;.!>:.:i5.
...•li..:.';.'-.i":"\';l,.L¡i:;..r.;:;.fi;;:(,~\t~';\i~'ff~;l;'A;¡:i';',;,.;~:.;--;,::';.,."~'.:,,:
~,;,.;.:.",
con varianza dada por '
. '~ár(&) :::lf2
(i Mi:')-J (S.4Ü)
',' C' '.. •
La hipótesis nula se conviqrlcahoi'acn Nu: &"'~, )' el conlraste asinlótic(Jse basa en
'S2' , .
-.. -, -.'.~ xW)' (SAl)'
v,ar(S) 'o.' .

Los estadi~(is.os,¡Je t.on\r~stc~el¡\s' cp¡aci¿;I~s' (X.37) y (H.4 1) son i~'I~nli~()sll.Ekgir .

UIIO'Uolrodcl)cnde dc.l;Jc¡¡pacidatl'd.cd,lculo tlisl;oniblé y, cn nl~chos~asos'. rcsul:
ta Ill¡\s' sci\cill¿cl co(¡t¡:ast~cn,f~)fma de regr~sión. Un último lIelalle " indicar cs la
. ~slil¡'¡i1ci,índc'112 : Obl~ilJrenlos un 'csiiJlú,úor ':iu'stiÚlyi:iltlo cn la cClI¡;ci(¡n (H.2'Ja)
Ao por fJ)' ú{rosusliluyel1¿¡~ flí por ¡J. Una .tcrce;'a pOslbilitl¡!d cs ulilizar los rcsidups
de ,la regresión' d~ysobre.r y.\:: Los ires eSli;nadCHl;S ~cr¡ín consislcntcs bajo I,i hi- ,
póicsisn,ula, au'nq'uc' variar¡ín cnlll~~slr'as fil;¡las::. " .," ,
'.' 1Icr1J.os ~xpticaJo":el 'col~t~;¡st.c~e\.vll,~Hml~I;'ii~~~ lél'llIino~ dc 'unir ecuacn ..lIl
".í
eX.lrem¡jdiunenre.sc.nc'illa:Trabaj~ll\q~ alióra',conuna ecuaciÓn m;ís gcncrar
. .. . . 'j,:~):JJ~+.\2fJ2' + ,/ (XA2)

'dqndeX 1 e~.".'x k¡.yX2 e~',:,x:k2'.Sl!f10~gamOs(lue'\'I: eSlá corrclacionatlo' con ,,~

pero ¡lO X2.L¡¡' hiÍlótcsis'nuli¡ s'cri\':' :',,~. ::' .. ' , .,.... , .
. . , " : i-Io: Plin~(,1" /:' ;,;) ~ () . ' .

Supongamos, aJc,¡nií~,qu~ cx\st~ un',! millr'iz dc 'instrumcntos 21.tk ordcn

11 x 1(<== k,) tal que, el) ~i I(,;,ile, 21 sc h~lI~corrclaciOlia<.19 con J'l pcrp ~,o (11n 11.
DcfinamosZ ~'IZI X2)y rcai¡cehlOs la'rcgresiÓn 'de XI sob;'e Z par'a~í)ICn~r X, =
Z(Z'Z)-IZiX, =P~XI' La hipótesis nul<¡ sC.vcrifieaJ';í:~ómpr()bando la significaciún
<e 5 ~,i~ ~a.re-gr~~,¡ón ,', '..:~_>
",', . "

"
 .:~

,
l' =
.\'1J1, -1 ~'(dj~ -I,i: ,fi -1 l' . (~.-n) , .'
blriclllnlcnlc hllblan<!o. cl conlrllste asinllllico I';ílido iljélul'~ únll fnrl1lll cu,ldr¡ítica
5y su 11l,l\riz dc cov;\Ii;lnzas. (3l1joHll. 5 '[V;,r (5) ]-, 6 ~'x~(kll, En la pr¡íClicll.
suel.c cmp!carse el conlrllSlC convcncional r. Puede des¡u';'oll,lrse cl C(')nlra.sle aller. ~ :. J

nalivo buscando los estimadorcs VI y I\'ICO de los p"r,ínll:lrns jJ tle 11Iecuación

(1).'12); formando (j, cl vector dc contrastes, probandu la forma cuadr;Ítica rclcv;,nlc: ',' -'
dc ti- Como en el caso m,ís scncillo, ambos contraslcs estadísticos son 'id~nlicos. pe- ~) ...

ro el conlr;lsle de regresilín suck rcsullar de aplícllci"ln m,ís s~'ncillll. L;I SL'lTi,'ln ,. 1

J(!.(1.2 ofrecc una discusión m,is dClallada al rcspcclo'.

Una vcz cstablecida (o. a mcnudo cn lil))rüctica, sol;lInenle asumitlll) la cxo~e-
ncidatl débil, solcmos eSlimar'por MCO ecuaciones ARD: como la ccuación (X,I-I):
Mienlras las x cumplan los supuestos habitualcsclc cSlilcionariedlld y los parlÍme-
tras dc A(L) cump1illl los supuestos habituales cle estabilidad .. los P¡:o~c~~il}I!;¡e.lIlos
. ).; .• "colllllne:i,de in f crcnc.i;¡sc rá n,:lsi n.tút iCaJiJ(:nl'c.'\;Ando~::Sin' emkí,'goTlil \llsfll~h)'i ~lcl'
Capílulo 7 ha dcmostrado quc esos resultados son insoslcnibks en prescncill de re-
. .!~.rcsorcs no estacionarios. Volvamos ahoJ'a altcm'a de la 'cslacionariecíad, '

8.3, . .
1U'':CRESOnES NO ESTAÓQNAIHOS

súj)Ongamos que cn el' modclo rélJreSc'niado por Iil ecuaci(ín (~,2l)). Ic:nemos 1,1
ecu'ac;illll marginál
x, ;:"\"_1 -1 E2,

L; variable.\' cS.¡lhura lin. pasco ¡¡ICalOr'io,o, ~llilit.an¿lo cl 'lengl,lajc ~lel Capílulo 'l. inlc-
grad:1 dc ordcn 1,/(1). Pariicndo dcla.ecuación (8.29ú).la v¡¡riablc)' es lalllbi~n 1(1'),
Lalliscusión tlel Ca píIUI~'7 moslrabaci lle en caso de reg.rcsio;)és' cón\'a','i¡iblt.:s 'no es,
lacio'nari¡¡s, los eSladí~licos habiluales { posccn.dislribudollcs' 110 cSI;Índar y. conse-

cucnlClllCnle, la uliljzación de las tablas estlÍnda(daría lm!,ar a !!,ravcs errnres tlc infe.
rcn~ia. Un probl~l\la: adi<:i~lIí¡;1es laplIsihilidadde ,cnel;n¡'l~ar rt:~re,ionl's esplíreas.
, . El documcnlo dc Yult::12 de I926,'dejó al dcscuGicrlo cl problcma dc la rcpt:-
silÍn espúrca: Ivlczclalitlo ,clos 'bar¡lj;"~ de,'c¡u:(as, repartió .Ias carlas itle,ii(;i,billCnlc:
1);lI::igcnerar serics (k n(lIneros ;licalorios:'Calculú laboriosamente ¡I mano cientos
. tle cocficicnlcs dc correlación cn1re series' a!calorias '(indc'pentlicnlCs) y labuló la
dislribución resullanle, La distriliúción cra ;lproximatlalll~'nle sim~lrica )' uninlll<!al
cn el '.'v~rdildcro".valol"ccj'(); ¡jorque eSlab'a c.orrel;,cionando 'serics inLiepentlienlcs
ue (uido blanco. ConE¡ rcprCSenl;¡nelo una scrie ele niidO blanco. 'gcncró x, a parlir
tÍc,la,fúrmula 0",- x,_j.=: El . Tenía ahora pares de \'¡¡riables indepcndielltes tlel lipo
1(1).Li dislribución de los codici:e'illcs'de correlación elllre.par~s de series r era

12 Ci~ l1dll)")'\IJc. '~\\'I.l.\'r:)o \Ve SOlllcti;lll;; (;ci. .N;)';lSCI1~.C C(lri'~'blitlll,hcl\\n'il '1'~llh'Sl"ljl'~". .I"HUI',/ /1/
. 1111'UIIY{'" :\'iulixlind St.Jcil'~.r. Scril:~ 1\, HI), IIJ~{¡.r.(,').

'a..J
. "",

C0l110 una salscr;¡cabel.;t ;i1);tju. con un rondo plano y elcl';,das dCl1sidal!L:s CI1 I\;~ d-
Iré'n.lOs .. 1 y .!.I. Fin;dnlel1le, gCI~erú series y a partir dli .", ~ .1":'1 == x,. "01' In 1;;1;'((;:)".
cra una serie 1(2). La diSiribucicín de los codicienlcsde corrcl;¡cicín cnti'e p,lres de
scril!s l' leni;¡ roníl;1 dc l'J eun casi Inda I;¡ .masa conccntr;¡da CI1 los l:Xlr~lllos. E.1'd~L.
CUlll~I;IOllL l'\l1c es UI~ \c'llll'ra,nol'jclllplll de .i;,inl'cslig,lci\'ln dcllipo ¡'dontc CII~I;~ ~
\' un hito dc b liICr;tIUr;lt:sl;tdíslica. Ell11cnsaje b;ísico del (\ocumcnl(}~s que es r;í:::
cil l'\cscubrir corrc(;tCioIICS "csl;.ldíslicalllel1lc ,sigllilú:;llivas" cnlre sl:ri0s il1dcp~n~ ,:
dicllles no ~staci~1I1arias. ,.' '
. ¡\-I~dill' sigll) despues. gr;lcias a la.ayuda de la pOlcl1cia de las l110dernis calcula-
doras. Gr;ll1ger y N~'\\'boltll.1 consideraron de nuevo el problema. GénerilronIClO"
parcs de paseos ;¡lea.lorios indcpendienles, esto cs, I'ari"bles indep<:ndicnles I( 1) Y
,íjllstarol1 'rc!!rcsiones MeO lineales dcdos 1',lriab!L:s. Calcularol1 el habilll:d cstadí~-
li'co I para \'~r'ific~l:'i<l sig;,iric;¡ción dc cad<l regresión, Su princip;Jl dcsc~lbril11iento
rJie que 77 ele las lOO sil11ul.1Cioncs I l<:nial1 un 1';¡lor l1ul11érico l11ayor' que 2 y que,
, por lo lanlO. la hipál<:sis Ilula consisten le en la in(;Xis(cncia de rclaci¡')n sc rechaz,IG<l
inéorrc¿I~l11cnt~ en Ill;is de lrcs cuarl;¡s P;¡rt<:s dc la lolalid;ld de los casos. Encon-
Iraron talllhic'n cSladíSlicos' J)\V muy bajos. lo cual licnde ;¡ ocasion,lr I;¡ fl'lI'Ill~d<l
cOl1vcl1cional dc suhcstimar los <:rrOITS cSI,índ;¡r y. por lo lal110, sobreslilllar los va. '
IOlcs ,. Sin clllb;¡rgn, simulaciol1cs poslcriurcs con ul1a recslilllacÍlín has;tt!;¡ en' trí,)a
correccil'ln Cochranc-Orcull ,\ R( 1), redujeron la, impórtancia dc .cslos l'esul1ados.
;¡\lnl\\lc sin climinar clllllplel;¡l11cntc la proh;¡bilid;td dc rcaliz;¡r infcrenci;¡s incorrcc-
lasl~. Como mueslr;t I;¡ T;lbla ¡j.!. ali;¡dir l11;ísvariahlcscxplic;¡livas de paseo.;tlcalo.'
rin no hace l11;b quc il1ácmcl1lar el porccnlajc de ini'crcnci,ls errúneas.

TABLA H.I ¡

HegrcsilíllCs de l'ari:lhlcs de pasco aleatorio ')

1

NÚI11I!r<lde 1'1I1TI!I11,Ijl! 'de \'I!CI!S r-,'kdi;l'Ik ":llorc's . 7,

";n'iahks r-,.ll'IliadI!
nj)!icaliv:ts
'1111!'1;11'11I "
.... _. __..JCSUll;L.l:,;,cll;)J.ada_~c ..:'-._'
dd I!slaclisliw D\V
.• _. __.~ ....•.•. -, .... c .•. " .... :.
\'alllrl!S dI! U2 .1
. ",:,-','"",,".r-C:"cc-'c'A'
t
1l.21, .. i
2
~~ '. :::~~ OJ.I'~
In .0.55 0•.11,
~ ')5 '11.7-1 O.SS
----~----------~,......,----,.,...---.-------------,---
5 % (U;S IIj')

~..
,.
Resull;¡ I!vidcnlc qllc I,is re~resiones dc variables indcpcndicntes dc pascq
;i1ca(orio ocaSion;¡i:;íil c;¡si s'iL'l11prc 'infercncias ern'1I1c;ls. "iJillips Clllisidci'(')' el pro.

~,.'
1; C.\\'.J. Gr;lllgl..'r y P.i\~\\'hpld. "SpuriOt.l\ Itl..'grt.:s,¡útl\ in rnl.llnllh'll i\ ~ " J"",,,"I,." r. ,tr'''",d,,','\. !.
....¡'~

,
..
~.
.:
1')7.1.1I1'1~1I ...•
11 ( ',\\'..1. (j I ;1I1;.!I.'r ~. 1'. \".\..,,,'htll~I .. I.''''/~(,t"tt.\'ill.t;' h':"molllir "'"111" S"(In. ,\..: .1\".-1111\: "11.."'. 1'''7. ~1I.'i.~ 1.1, ..

l "
A
 I
l' j"
. ,,
('''''In/LO M:tv¡'OIklO$ AUlorn:l'.rcsivC1S y¿unRcliirdos Dis.l'ribllidos JOI
: ¡,
.
.,1
. bl~l1l<l d<:sdc <:\ p;lIliri ~;c Visl;ll~órico clem!?strando gue. ~e~l:ls regresione~ úC' pase.
. os . ale;!lorios ",indepcl1tlienles,
, " 1:os ~oe f"IClent é'"s (e re~re . s'ón
1 no
.: convergen
. <l
, , valores
' ' •. '
:-r
co',;'sl;lI1lcs cU;1Ildo ;1\I'menla cll:lInilño de
la m'ueslr<l como'sucede en el C<lSOcslan- ;j
.¡
lhr' Adel11;is elli;¡hiIUal ratio I no posec una dislr.ibución límite sino CJuc se disper- ,
s;; ;;, ;1\ll11enl;1I: el la';laiil;'dc'!a muesl'r:a. i,~e'r~mcnlarl¡lo. por ,lo lanlO',I<l prohabili-
~Ia:d:de inf<:r<:ncias Jrn'1I1~;ls"c;!'ando alllll~nl;1 el, t;imañ~) de,b I!Hleslra IS. .
", . 'Jam;ís dchcrí;; IT<lccionarsedc forma <llarmist<l ~ntc ,l<ll,es 'rcsult<ldos. En pr!'
: n'í~:',lugar. aClualnicnlc uliliz;; C1h<:cho dc e;'i~O;llr<lrU;,niv~lbajó lk' D\V ~oinoi!,-
'liit;ldü~'. de r<:laci(;ncs seri~l1lenle ~'l<ll 'espec(fic<ldas' Y. P?í' I~ l<lnlo. sé <lb<lndon<lr~
lli'cila r<:lacilín para Irah<ljar con un<l especific<lciónn'~ev~. ¡::I)stgundq lug<lt. lodos
..CS(;S rcsultado,s p,:ovi<:ncn d(; regre~ion~s (IUC incluyen sol,ain~nle v<lri"bles .en ~<llo-
res rcrcrid05 ;d p~riodo ~,c",(/I (l corriC'llC. Cuando y y x so~ p<1seos ale.at(1I'los IIlde-
pe,;dicnlcs y se re;diza la rc,gresi.án, d<)i,.sobre Xi' es que se.ha comc~ldh U~' dohlc'
crror d<: c'spccificaci\)n; se ha excluido una variable relevanl~. )"_1. e II1clllthdo un<l
\;;,r'iahk irrclevanle, X,. r-inalmcnle, y.conlodcmoslrab<1 1<1Sección R.2, las fórmulas
co;weneion;ilcs dclas ¡'<:\acil'lIlcs 'A R b. especi;t1menlc cuando se 1rabaja con el en-
fUql;C dclo gcncral a lo parlicular. implican muchos lérminos rela.rllados y. p.or,lo
'. (ilnlo. <:s mcnos probahle que surjan 'prohlemas respecto a corrc.';lclonar s610 van;)-
,bies actuales. Sigue existiendo,sil; embargo, un grave problc:ma. ¿Qué [m)cedi-
mienlos dc infcr~ncia utilizar cuando'"lgunas o ladas !<1s,v".ria~les d~ una «spccifi-
cil'ción ARD sÓIlnll eSlacionari;Ís? .' " '. . ' •. , ." ,
Sims, Sl()cK' y W,Úsón ata!=a,l¿clproblc,m~ en unin~i)orlan'le artícurol6. El 'nivel
lécliico del ;il:lktdll va' m~s"a\l;í lIC1uliliza(\ó cn el presente'libro. raz6n por la. cual
¡ ofrcccilloS ían SÓ!lI UI; l)rc'vc;:~slln;c;) I,~.'11;Í$i~.rllllelll~.l~ rrcsc,:ncia' de v;riables I( 1)
i'il;I~lica que '1;; nlayoría. s,i lio !od.os .. los.conlras~es e~!adís!icos tendr;ín distribucio-
1 nes ¡io eSI~nd~'r. Así pues, 110 podremos comparar alllom;ílic<)l11entelos conlrastes
, esladísticos
. convcncionales
'. a las labl;1s c.s(;índardc I.,N(O,!). F o X~ '. .Sin '6
embargo,
1' .' 'existen cXcepcion<:s a 1" re!.:l" l!.~ncr"LCuando(;n algunareparamclrlzacl nsecx- ,
... ~~~-"
h'.,:r:";::7TJ[C!m'mí'7fn\ir. meTro'co IllÓ'¡; J.t(fl'f:i'éIélj'¡'C::<Tc' t;n~>~7í~hIe:~~~"ifr~í:f5'9l!rfí{l(Ot"T~'s','. ";':f ..

i '. Contrastes cstadísticosconvcncipnalcsresllllnran v;1hdos.as'lltoIIC;¡men.te .. y mas

. a~n, cuando <:lilll1a¡'cP"ramctri.zaciónseexpresriUllsubc:o!ljunto'dc pat~nicrros,co,
nlOcoci'icien!<.:s devariahlcs dcmediap:JO;va"j"hles' (O):ios con! rasíescollvcncio'
nales dc: dicllOsuhconju;111l rdultar;ínv;ílid.os:asin,lótiéamentc. Lo' iluslraremos con.
CI ;'lOdclo (/\
.... RD)( L1,jddinido'en Iaecuación
. . (R,l) •.

".'.1',
'.
= "í+clL\"_I+f1;~r,+
-',. ';
fJl.I'¡CI+.E,:
.. ",. , ..
(R.I)

l.' I'.CII. 1''';11;1''-"Uudc"í;,i,din¡:' SI',i;.;,.,u~Hc¡ircssi,"\s j,; EC~;I1\};"c;,ii:/. J"",,",I,,/ r:"''''''''.~li¡n; JJ.

,"i)S(I. J 11 . .\.10. .~,. ..",

.
~~

~:.
i
":'C.A. Si"",
r:•.•
J,II. S'od .I'.,\L\\'.,\\"iISill>: ':lnrq'cnc"in.I.incar Tjnlc Scri,,~ ~Iodds ',i,h.Sú"'ctlnil Ro. j'
¡
.. ~. , ."¡;b" .. OI,,,ill,'"¡nI, -"~ lij'IO. '.l'I.l.I ..~~: . ' ""':'
. ."il ",i'l:I 'un'lc's"J1lc'" "i~i,."~IC".',,,:,'':ase'',\:. 1l:'!lcrji!l!.).1...,1),;1:,,10.
. '. ~.'.
J..\\'. (.ialhr;,ilh (D.f. I 1c!"lry.....(,..¡,o•..
'j'
¡
':~",,;;,,". 1:',." ".'('"",...,.,¡"",
'"li"Ji' 1'''I'I;/((j¡"r'i''¡'':,(lIr''.\'.Ii.~ "f ,v;;" ..W,Oit'lIinry O ••),,". '(hrill"lI Un;l'cr\ily i'¡:
P,c~~.11)1).1.C;ll'ilUlo (l'Y~ \""¡)~l~i;llr'l~'I.lll' ..d cil'mplo.'.l1c Ia'~ p:igil1:1s IX~.:IX9.~
1,
l'
I
r-
3112
"

Cuma "imos ¡\nleriórmen[e, YI (1ucdeexpresarse' enloIH:esc(lIIlO una suma (inrillila)

de x aClu;lles )' r~la~Jauas' y dCE ñClU,¡'¡CS yrcl~'~Ja~l;is."Sllp,íngamlls~llI¿.1' sigue 'Uil
paseo;t!c¿ll'ório, x, = XI_I +111 ' porlé) ta'llQ,cs'I{ y;
I ),'Scsulinnclambi0n' que las'E
son de rUIJu blanco y, I)or lo talúo,' 1((¡).iJor s,t p~í'le, ;', cS;lnaéolllhin;;tilll;~ J~va"
riables 1(1) cl(O), 'j ú:sullaser ¡;'inGién ¡ina~\'al'labic.I(I). puesio' quc. en gene;';",
cualquier combinaciÓn li;lC:i1 de variable's 1(1 ).e's 1,lInbién unú variable I( 1).' ,
COillO ~implc iluslr~ción de 'es ti, '~cgla: SUI)Óngal11osque ~ierl'll ." (~Iislinlo) se
Jdine 'COI11o una combi'iiaciólÍ liilealal:liitraria cn!re dos variables J( i). "
YI.= aXI + /)tl

l'. Z,~Z,_I.+V,

, . donue,1I y /) SLlnCOnSI¡lnles arbilrarias"Y HYY.I;(;rIUrba<;iolles ,h; rui~lo 1)lanco. El .

j';";"'" ir¡'\)'i¡¡'1;~Y;i et;'¡;¿iO¡t /~ (1st[lL;ii,-'¡~'(i-rr~ls~:'"
-'Ji'¡;Ó t~S'(riJ~'ri:;\líza i;'r Y¡í i1'iYic'i'¡¡~(rttef~'í'~Ci¡{úf' '.s
.,",,'',' ,:~
1 gunda y la ,lercera, da COillO resultado
¡ ., YI';y,_; + (011,+/)1';)
Por lo tanlo.)' es lambiéllun paseo aléalório'y 1(1): ,
, Todas,las variables de la ecúaclólI (!l.I) ~ú)n •.pUl' lu lanlo: I( I ),Yd~h~n ulilizar-
se procécliinielltos de inrcrcncia 'n.o est'ándar. Sin c'nllrargo, set'i'al~i de' u;laconclu:
.' sió,i prcl1laluraí)~rqüc no' hén;os cx!"iiiilndo posil~lc5 q:pn~;llllelrizacioiles. Unade
,
1,des: repara';lc lrizacioiJi::,S e,s 'I'a que ¡Ú?iirccc' 2il la eC'llilción(!).6).
l', b.)'':.,¡jil~I'I.:.:(1
..' ,"
::::c<¡)LI'lcl -~/~'Yx;_;l+
. . - ,',; '.
El'
.
(~.0), "
"
l' donde
i . /11' '. ¡jú :r jJ I
" (/=--, .,'Y, "Y =,---
", .. I-al " l-ul

En'la ecuaciÓn (S.6).ó.y;y ~x,~on 'I(O);'siel1lpi~'~I~e ~~ 5:I¡lOnga .quc x ~s I( 1). Pero

¿qué sucédé con eJl0rmino cntre p:úéntesis'? ,Cuando úisculíalúos la ecuacidn (0.6),
¡ eSle'(<!rlllinó fue descrito ,(OnlO ,Iri, úesvíac,ión de )'h,'del va'lor de cquilibril,Í e51¡í¡'ico
curresr9n~'icIHC .~ X;~I' ¡:lalh:n;üs el cquiJiürio C~l¡ílico de)' Illantenieilúo x conslan- ,
te a Jo largo del tiempo .. El có."cep\o no tiene: ll1uch<) 'senlido en el conlexlo aclual
, duiídé se suponb qúox sjgi.ri: '~'lll)a'sch'al~;i'iorip~Sillc,'ilbi;r¡io. 1,1desviiiciÓn ~íjueg;1
un ilnporiaille Inpcl ep c1,c.oniexlo'act;ual, Dc'fin;ímoslil (:0;110
IIJ 0., -IJo+/11
, ZI == y, - ---;-:-' - . x,
" . ". ,1 -IX 11~ (Xl '

Restemos (ill/( 1 - C\ 1) + (JJ¡j +/1;).1'//( 1 -ex I ) de alnbos, lild05 de ia ecuaci()n (1\.1). El.
~',:s'Jllado es .' ',. . " .. '
, ' ..:.alllJ '." .('( I /111+ ¡ji' ". '
',z,",--~''+ (XIYI_I',-.' " " .1'/+ ¡Jlx/~1+ El (1\.'1.5)
, "
.l.-al'. ,',
<:-'
.: ',','
l-al ,
' ,

== ~;t,_) + vr . '.', .',

~ ",! ,"
 (',\\'1111' '1 s. 1\\r >tI<: los ,\ lIlOrr.: gr.:si \'oS y l:llll I{.:lardlls. [) iSIribll id"s .\0.,

nl/JII '" Jil

dondc \'1= E, - . . . 11,
.- . I- (y i
y 111 es.la perlurbación del paseo a!calo'rio para .1'. Cuando se cuillple lac~)iidiciún de ",
eslacionariedad Ill11 < l. ~I es un pl'nceso eSlacionario I\I{( I}. I(O}, ConlO demucslra
la ecuaciún (~.4'1). t, es una comhin;lciónlineal de dU5'variahles I( 1),.", Y X" pcro cs.
la combinación lineal es I(O).-EII este caso se dice que.",)' x, eSI¡',n coinlc¡;radas: es.
la combinación lineal de dos variahles I( 1) e,s una I'ariahk 1(11) ,k mcdi;, ccro. ello 1, \

mo vimos en los Capítulos 2 y 7. las variables

l( 1) mueslran tendencia a "deillllbu.
lar". Sin embargo, cuando dos variables I( I )esl;ín coinlegradas. lendedn a
"deamhular juntas". La media cero y la varianza constan le dc :::, evitan que se sep;'-
ren dema5iad(). Se dice enlonces que la ecuación (~.4"¡) es una fclaciún l:oilllegrada.
I,{dormularemos la ecuación (~.6) como
"" ..1
:.,<.;
~ .- :,.. ,., ,.'''", ". ,,,,,'u)',".:;:;
A' /1 1IU.1'.,o"'.'x:¡'I"..."'Üt."'(.i
A ) .. '...+:ír",.,' ....'.. " .,¡,.,>,',.,,:,,":';';'(''\Í
_ .•'~.(,K''.''{':}'';''.;.':''
,..1'1

Las ll'l~s variables de la ccuaciún son de mcdia cero 1(0) y. por lo lanlO. pmlenllls
, realiz;)r la inferencia de /lu y al' separada o conjunli1l11enle. dclmodn habilual. L.a
eCI,ación se úenomina tambiéncquilii¡n\(la pOI:que [(¡das las v,ariables eSI¡ín inle~ra.
da5'en clmismo grado. [:1 parúmelro resiany: d~ la el.:Uaci{ln es fll' Esle misn)o 1'':-
'sullatlo puede ohlener'si.: coij,otra reparamelrizaci(ln dc la ecuaci"ln(K.1 ) .. cn la 'lile
el cocf'icienle apareceac()m(Jaliando aupü,variablc'J(O) de meuia ,cero .
(S,.17)
Ya que AI'I es una v¡¡riahle 1(0) de medii1'cc'ro. 'el ~slauísli'c'l f de Jil es asinlúli'camenlc'
N(O.I)'. 1\1 incluir d05, variables J (O).y.dos' variables:l( 1)" dicha ,:egresión puede pare-
,'ee¡' no'equilibrada .. Sil1cli1búrgo, las 1'i1I:iahles,I(I}.e'sliín coilllegrildas. aunque los su.
,....
bínuiccs l~mp(lrales no seiui exactamcnle' iguales, Así pucs, la presencia de dO,I' I'aria. ! .

'bles'I(I) permile la posibilidad de .que i.lna combinnción lineal cntre ellas sea 1(0).
sie';llll'e (iue ambos iauos de: la ceuacióli I~üscan idéntico ürden Je in legración.
Volviendo a la i.:cuación(~.I);. . , ('
l'
.. '., )'1 = 111 ~'(lIY/~1 '1:¡J(}I',+,!JIXi_I"¡' El ,(S,I) "
'T'o.

dczscubrimos que la reparamet'rizaeió'n dc I.as ccuacione~ (K46) y,(~,,17)'mueslra que

105 tfes codicien les de regresión puedcnal1arc'tcr c,)n~o: codici~'nfes de \'aii:,hlcs' dc
media ccr~l(O) y, por.lo ta\úo, lener estadísli~bs 1. qúc seiln asiiltólicanicnle N(O.I),
El plinlo crucial es que. a cfcclnsdc eSI'ill1'ación:'jio cs iICCC,~;lrill IIc\';,r a caho lIin~lI-
1I:\'dc 'Ias 'rcpar:lfildrizacioncs. Lps pa';'¡í;n,clrós pue,[eil ser estil\lados y pllllenllJs
j'
realiz¡¡'r conll'asles Jc ,hipótesis apiicantlo MeO ala .ccuitciún (~.I ). El Apéndice :-;,I
del11ucstra .que la ecuación (8.1) o cualquici' Iransf;JrI11aciónlineal no ,~ingular da Ill'
gara ,eslimaciones y conlrúsles eSlaJíslir:05 id0nlicos. A pesar tle los resullad05 cs.
,;
[¡¡'nda,' para los par;ímctrns 'individuil.l.me!lle conside'i'ados. los Cillllr;)sles cllnjunl\1S
que inipliclÍlen a [os tres par;ímclros a lavcz no 'son CsI¡Úldar. plll'quc no exislc' una
rcpal'all1elri~;¡ciún que'los 111ue~lrea lostrcséolllOCO(;ficicill¡':S de va'riables ¡(O) de
medi;l ce~ro'.' ',',.
{"
,
r
 ",
J ;

t
"';,:
"

Eslillladún y n:rilíc:lcitÍn de la eCll:ldlÍn coinlegr:llla ~

. Si SC~uin1(;s C(ln la cClIación (IU). apareccn dos prcgunt<ls. En prilller lugar",
,'.COIllOeSllllIar :1 relacilin coinlegrada'!.Y cn s..:gundo lug<lr, ¡.COI110vcriJic<lr si real-
llIenll:cxislc una n:lacit'ln dc,' coilllcgr<lción'! En lúrcferCnll:<I la estimación, UI1<1"e,
I:~s pusibilidades consisle cn eSlimar la ccuación ,(¡{.I) ¡\ IU) y calcular luego los P~I_
r:llIll'lros de 1:1reiaci"lIl nlustrados cn l<lecuaCión (¡{,4.1)a pOlrtir dl: los par:'íml:tros
j,
de 1;1ccuaci"lll t\1.~I~: Sin embargo., l¡¡ primer¡¡ sugcrenci¡¡ ¡¡parccida en' 1:1lileral'ur~1
"'11 .• " "símlllaci,'ún
n:grcsión lil1c¡¡1 de y, sobre
l'lll1\ISII:I, SCI1l'1;1 y sl'rprel~uCnIClllel1lé: cn ;ljuSI¡¡r 1111:1 .
UI1:1COI1SI:lIIle'~~/IS,Dccilllos sorprendenle [Jorqllc las ccu;~cioncs (R,44) y (RAS) cvi-
del1C,1¡¡11lIye:l¡¡ pl:nllrhil~i611 :::, de UIl:1 rcgresieínue eselipo eslad correlaciol1atÚ
l'lon 1:1rc,[",rcsor lo C~I:I!.c 'OI1\'CI1CiOn,allllcntc,sllgiere incol1sislencia, Sin cmh¡¡rgo, el
: rglllllcn o COI1\'enCIOI1¡¡lno se sostiene cuando el regresor es 1(1).l\plicantlo 1VICO
alil ecuaciól1 (8.-1-1). ohtencmos ",
¿U,--,i')z,
-y= -y '1, .-¿-(-.\-',-':"-,--r)-2-
...•..J1

"t" pli;n(~¿(xi-'i'}Z,)
1.:1 l'llI1SIS1.:111:1:\
re<¡ull:I'c<¡lIC ,= ()
t plirn (~¿(.\',;.,.\,)2)
~_;I

')
(' uallt Iox es .c~tacion"ria ' ,
y SI: 11;lIlacllrrelaciol,lada COil Z, c1llumer;ldor
y cl dellomi-"
-' I
n:aur son ~onslantcs dislilllas n cero y,vo,r 10:\aI110" r:111ala candición, Sin cmbargo,
CUal1lll1 x es 1)(1 . su,v¡lrianl.a aumcnta ilimitadamcnle con el,lam¡uio de 1" mueslra,':
, ,
La UW;lI'i,lnl.adcllllllllCr:ldilr sigue,lcnt1ien'(\o i1un'; cOnSI;\Ille' finita y, por lo lanlO, i:f, _
1" l'Ondiciún se sosticne. Adcm:ís, la lasa a la que cl cs'líl1la~lor MeO sc aproxima '011 }
par<Ímelro pobl;lci()nal es m,ís r<ípida que en el casa eSla~ionari(l convcnciol;a!. Se '
l' - '." ~
t Ice quc -y es un estimador sllpercollsistente de "(I? La relación eslimad" podría uti- "
l'Izarse p,lI'all 1)lcnCl' l'os reSiduos 1\'ICO. z,. Estos,
" a su vez, podrían suslituirse po'r <, "f,
1:111a~&~~~t~~~~~~~~~~~~~~;~~i~;~~~~::~:~~~'-~-"-~-~-"-~-'~-~-.-~-\'-~-~-;-~-~-'-"'-'-{-~-0-'-(-"--'-'---~-'-'-7

nÓlllelras pr:'ÍClicos quc\'ivcn cn un mundo de lilueslras fiílilas. Result;l cvidenle ~,

t
quc los estim¡,dorcs supcrcó'nsistclIles
las y quc cSli'lJarla
p'oscellsuslanciaiL:s
I'clací'lín ¡\1~Dylrabaj:1r
tilín coilllegrat.la dar;í lugar a estimadores
lllcg(1 t(in los p~r:íll1etros uc 1;\ I~ela.
¡nenos ~l:sgados de dichos 'p;H;í me Iros2tl,
sesgos en mllcslr:ls fi;¡j-
J
Sill I:ll1hargo, no Sl: iral;¡dc tilla c(JIlip~ración justa ya que. esle último enro¡¡Ue su-
pon<:: cicrlo clll10cimicnlll dc la rclacio,'1I I\RD, miell,lr¡¡S quc la rcgrcsión ue)'/ sobre
,
\, de,l:n!Je'(~I;lngl:l' 110necesila lalill¡"orm¡¡ciún. ,",

~,
,,

l' 1(1: I:"!',k \' (',\\'.J, (;r",,~~',.':(,,,i"l~g'''I;o,,. Error (\;rr~elilln: 1t..:l'r~,<,,,,',,,iol\. 1:51;111,,1;0" ""ti '1':,.'
lil1~": 1.", (1I1PJil.I'Itit'lI. 5~ .. 11):-;7. ;~I~~7(). ..
1'1 J;il1h.\ 11-. Sln •..
l. ""~~'1l11Clli( Prnpo~i'l,i",'s.(i L...::isl Sq-U:1U:SI':'Slill};;I.nr:':of ¿'oil1lt...'l~r;llill'~ vc.:crors". I:'(ú~
I/'''''''u/,'", 5~. P'S? 1".~S.ln5()., .... -
1\:ll\l,."rjl.. .•...l.'
:" \.(.;1 .•••... al. Hjl.<.'ii .. (apilUlll 7.

l'
a
 ...,
;.~_.
f:

f','lotlclos I\U10rrC¡;n:~I\,l)S y con RClanJos'I)i$t~iul1i~los :lOS 'J

t:
:, C,\I'j'''IU'JK:

l' l' ,.¡

Una car;lcleríslica dcfinitoriadcla re],¡Jció¡¡,-(Jc cointegración esqu'e cl errar de "j'
(:icha r~~;lc~'ón'dcl~erí:\ ser l(O):,A~~~les: dieberem~~vetriear~}CI pr~ces? de :rr~r <1
;, (e cqul 11no'posce raíz unitanfl. - apllu o. 7 esen ín ps co.nt~nSIC( e ralz ul1ltana , :/
1
,,.' Y prcscnt<lua algunus v<lloj'cscríti¡::ós 1,'0 l:sl:índ~r.No po.dén16s1í(ili~ar aho.ra dichos 1
?.' v<llures crílicus, Y<Iquc eran (lIliC;\Il1e~llt ~plieilbles a las valores w;/Il{/le,l' del prOc.eso :~,1'
;1, a comprobar y aquí lrabajamos sólo c.on: valores estilll{ldos,z,. ,Los va~ores crílicos '1
n;levantcs de los eontraslesllc coinlcgraci<Í11 se ~hallan 'disponibles, en una extensa "
Monte C¡¡r!o r~aii,z~da 1)01' MilcKinn'on2,l, Partiehdo dc la cCII;lción
.,' tj'
(HAS), la regr~si.<Í11pnra el c(JIllr<lslc'cs " "1
i::, l',í.¡ = (ellc.. 1H,-I ,+ ", (R.'I8) if,
, El eSl¡¡dístico 1 quc ofrece la razón d~ (al :.- 1) ,'es[Jecto dc Sil err;or est;índar se COIll- ,:':':,,:,1

:: [Jara con los valores crílicos de MaeKinnon;, La hip6tesis,Iiulacle no coinlegración 1

es "o: ('(1- 1= (l. Los valore~ n'cgn'liVqs s'igl1ificalivós l1evari~n ;i réchazar la hipóle- -:l,
~,'. siso L¡¡ 'h,bla' r del doculileillb(!c ¡vl~,cK¡;inon permilc"calCulai losvalóres crílicos ' ,',
CI1 la ccuación de coinlc~raciól1 '[Jara distintos ta'malic)s'mlleslra1cs. distinto!" niveles, ¡'ir
uc significaci611 y difercl;l~ mímero d6 variables: Hasla, esle n'lOincillO,hen;(;s lr:\la- ::1
do (¡niC:llllCl1lc'ulla rel;l~i6nl\n.Dcondo,s, v:;ri¡¡\1lcs ","11or co,isiguic,ntc, lI~a cClla-
J
I,:j,
",;
ción de coil1legr:lIll:iúll COI1sólo dos vári:lbks.' 1:11101prñclica, suelen 'eslilllnrw eClla- ;,1
ciollcs d~coilllé.~raci(¡1l mullivariallles, El contraslc deM:lcKilinon supo,n~la ulili. ',;
'~i-
zacióll de \111lérniino de illterseo:ción en la ccuació,; de c6inltgracilÍ'; y permite, ' j
' , , "'1
asimismo, la posihiliu, ad de incluir '11n <'1lcnuelicia lineal., L,a Tabla 8":2 pro[Jorcionn f' .
: ~'"
los valores crílicos asinlóticos. ,';":'
_':" ("1'
~:.F.
'1',\111.'\H.2 ; ";'
Valores críticos :Jsilltúlicos para tesis de coilllcgracióll ',:'
,_~,~~"~"~ __ "",.,,,~_~,,,~,_~, __ "',n""_~_",~""~'~"' __ •.• ~~~-......-.....~- ;' '
't:... k' . Est:l(lí.~lic(I'lIcc(llIlraslc., 1% ,S "1., ' l()% ','
-:"

7-~-~-~-~-~-~-1-~-~-:'-~-~-~-:-r-~-~-{-!-~-:--~-0-;-0-~-,'-:-~-~-,~-~-k-~-)-~-(-;-~~~~~I~

,;'-'Ó;-:Ó4': -3:~1.'i ~:'j

,,
,~:~~,
-1,(,(i

~,t)(j
~;12
~:~I~
~1,'12
-3,X,¡
,~~:~~,?
~,13
(¡'

~i'
-5,25 . -4,72 ~,<l3 ~''.
-5,25 ~I,71 -A;,12,
"':S,52 .•.(9S -Ull
~ ~ ~ ~ ~
, + , _ J.. _ . ,'. • "l...,. _

H..:il1lllrt:S(1Ct~npcrmisu ~h:H\i~~dlD:\~'i\b\oll r)amcs (j..

~la~~innon. f;J/;lIIm/OII',,1fl( 1t1/("f(lr(:t' i" fCtJIWlIlf""ir:r,

(hJurd l"llli\'(ISII\" I'n:~~;'¡in:\.-' 722.' . . .

• ~.;1 c;ll'll:~'l.:r:t ~', i~~íi,.:;,
d nt"tl~h:r;; dc.',\.;~',;.'i:!hr..:~ ~ll'I;I'~c-tUi.lti6'1.lk"'Ctlil\'I('.g~;lCi~I1.'C,~li~.\;Il.l:l.
o L;,s It.:tra_~(~I'.('I indican ~_i_ i;l'CC.U:Il"illll -ci)nl.icn~' un" (~Il~I;U!I~ .(~u'n;, COnSli1'11h: ): un.;¡ lc~d~nci;¡ Iint.:"al.

11 J:lII1CS (j. t-.~;It.:}.(inl1t'lI1. ':,Crttic.:;;1 'Va.lllcs for \(;il1ic.:grilti~)n Tcsl~". C;¡piluldiJ~ 'l~-ntlg'-R,," ErrJ!lrJt7',ic Ut'- .,
l.-
IOI;"II.'},;I',\, r<ls, ItT. EJigk :0,1\1'C.W'.'J, G,:o"ga. O,t",~ lJl\i\'c;~il)' I're'5, 1<)91. ;:~..
., I ~

",
 , '

306 ~I("IO()US UE IiCO~()~11i miA

Trab"jilnl1ocon (;)SOS én: los qúc ¡ipal'e;,,,calim¡í~' de dos \'ariablcs. surge lk in-
medialola posibilidad de qu~ cxista m;íS de una i:e1acion de cointegracilÍn, Supon-
i~
gamos que e.xislcnk(> 2)variilblés, loda$ ~\Ias ¥(i).LÍl relación de coinlcgracilÍn es
lInil combinacióú Iillcal de es¡j~vari¡¡bles lilites i(O): Eviden'Ii:Ill~'lle. I¡\lúhiéll el ell-
foque dc Englc-G ranger presenla problC"nias; ¿OblCndrem(iS dislinl¡IS n:lacioncsdc
coinlegranción canibiando simplelllcnlc Indirección'deIa lilinimiáción del error cn
la regresión de k variables? El Car;ílulo 9p,:csenlaUJi enfoquc m;ís generalista del
lcma lanlorcspectodclnúmero,dc rdúeioncs de,cúinlegracióll coll)()de lacslima-
ción de los parümclros JC~S¡IS rcla,ci~íiCS, ,

r.
1"
~.~;. - 8.4
+'1 EJEI\1PLONUI\1ÉRICO

iüs;:D;i'¡Úsid~r~6W~t~,:6:'~t!i-;i'¿:{~hi"~t!!ió:¡i¿jú
;}i',ú-~:';~;:";";~ltJi'6riíc¡\1'l'i~; lf¡;-\~"i-(;'d~{d¡¡;i'~~tk¡fsfii?t¡1Ütí"é~'C""/;
,~1' los Capítulos I )'.1. Las Y¡Hiahles Sl,ln lassiguiept'cs:,
:' 'y ::Iogarillllo ()el g;lslo ¡'cal de
gasqlin¡lI)e;' cüpila'
i~ '
X2 :: )ogarilll1odel !>rccío réaLde'!~,~asúlina' , '
,.1 , , )\3 ::losariípi6,(jd ingr'cS9rc¡¡ldisponiblc per dpil;\ ~"
1~ I.os dalOs son' sc,:ies-,lrjn'l<;slfal¿s~stacionalm~n\c ¡¡jusladas )' c'uh,'en el periodo "
1\ comprcndidocnl,lC,'1959,1 yl Y90'.4.LIFigu;'~IS;i 'm~ll:sl~alae,v~liuciónde las sel~ics
¡~' <l.lolrirgo del '¡>criodo'qlnlplcl()JElcuild'Il), cenlr;d ',l1ueslralos dr¡lIIdliws cambios
1\ sufridos por 'el r~ec¡o';cal de I¡¡ gasl)lillh dCl i9°/oe'~If~ 1973,3 y 11)7~.2. ;llro'lod:i~ía "
\~, l1layór'ucl 60% élúrc'I978,3 y i9S11,2.,ün'd~~cc'JS()SUSI¡¡ncial cll'la pri¡ill:ril inil;,d 'de
~:¡- ios ~9y UIlIlU~Vll¡iüil'lCII-11l ¡i riJúdes de los k().Elg:isl~i: rc¡;lsc lII;lIí¡ ic,;~ <;llli,SI';~IIIC
.~ dui~alllc los 60,},' 11ril\cip'ios ,.'I'e.los 70 p~~r,:\J~.scé';Hlc,r.n 'coiú"illlla'ci()fl,SII1, ,rl:lt)ll1ar'j¡~~.
~;j nj¡\s Ilisnive!csúlúcfiorc,s,E";;idc;ll,cnielúc.' las sedes prdel)lilll'llll r,clo empírico
1":' foi';n'idablc -para ctlal~uic.r ,~',~~i1is(ad~ li, (~ellll'l!id~:- ;::', ,': ",
o'.' ','
¡~
.},J

"!:~
. ":'7.6 ".

~.
¡:...•
j ~:
,'-;j
t :.. ,-:;¡

1: É

1':.1
~.~ .: .
;1
1: '
[
1"
,-8,1

' .. ¡'
, 60, ';lí~,.

1""
j,-,", .... ;.- '"
¡, , (
1 ".

¡',.
l.~ .' .. ". '1

r" • l",

i .
 l'.\l'inll.o~: ivlodc:l(ls l\lI\llrrc:grc:si\'os y COJl Ik¡úrdos Di~;tribllidos

,'i,2

,g 5,0 ( ,1

:i,

'J
-:> 4,('
o
E
1 .E
~j

e 4.4
..J
(¡(J' (,5 70 , 75 :i0
;-,,,d ....;,:.1.,.'... , .-: .,~',: ¡ ';(¡-,~f",:: =.•. :' .. ' .

.',
,-J,')

,'"'
'

~~-~
70' 75 ' XO, :i5 'JO
~\I\U .'

(e)'

1,

FIGU.ltAH.l'"
Consul;io-p~rso,;;il Ikgasolln;'l c:n-llls'EiúadnsUilidos .., 1959,1-
llJ'.)(í.4:, (1/) G"a,sló rCó11á~r C¡ÍllÚ'a, di; g;;solina:'(IJ)'l'rc:ciorc:allk
la '¡:a,olilla; (l') Ingí'cs~ldisp¡;li¡hlc rc;d c;ípila, ¡ler'
(

áJ
 X.<l, J Eslat:ioll:lrie<!;l(l

.;

[n primér lu~:u.'. OhSérl'arénll'ls 1:, éSlaéionarieda<.l de las s~i'ies. La inspección vis;,al

011

SU~iL"léque d ingréso nll es' eSlacionario, Tanlo el precio como el gasto llIuestran
Glmhios cSlruclur;l!es ;,so.eÍ;ldos con losbruseos cambios del precio del pelróleo. El
l"ll'nlrasle c\lnvécilln;I!, suponiendo IlIi t~riliino d..: inll:rSecdón y cualro relardos,y
lal como J11uestra la Tahla ~.3. no rechaza la hipólesis de raíz ul1il;iria en ninguno de
lus IréS casoscc.
1\.'I"I"on;,rgulll..:nla que los c;imhios ,,:slructuralcsinvalidalJ los contrastes' 'con-
\'cncilln;l!cs'del'aíz IIIlitari;,cJ, Desarrolla 'Un p~ocedimienlo de conlraslc que pero'li.
.""
le unc:lmhio ,,:slruclural...:n rcchaconocida, consisl..:nl<.: en un camhiód..: nivel y/o .-.
:,
,...,'
un camhio en la lasa ele cr..:cimienlo y pí'oporcio,l'''' 1¡II11hicl1los vaior..:s crít icos n:!c.
\';ll1les.
Sin.cmh;.,rgo.la Iiipótcsis dc.raízunilaria.l1o ¡'esulla rechazada .11:1plicar el ['mi. ',
c<.:dilllicnlo d..: Pcrron al g¡ISIOy precio2~. La hipólesis de 'ul1a raí;', unitaria el1 las pii-
mcras úifercncias resulta rcchazada par¡1 I:1Slrcs ~cries )', por lo l:1nlo, todas son
I( I l. ¡\ conlinuacil'lI1. in\'esligarcmos la posible exislencia d..: una rel;lI:ión tlccoinle-
graciól1,

~,"¡,2. Coinlegraciún

'. L:¡ Tahla ,,),'1 11111l:s1ralos resullados de eSlimar la n.:lación decoil1legr"ción de EI1'
""'"
glc.Gnlng..:r. Dichos rcsult¡ldos implic"l1un<Í el;lsticiúad a largo plaw respeclo elel
precio d..: -0.15 y una el"slicidad a largo plaw respeclo del ingreso de 0,71: De Io-
dos Illudos. dcbelllos I'erificar igualmcnte si ell<i r..:presenla~IIJ.aJ~I,;,ci(ln{lc,r;.(ÚJ)J~.", .." .-~
_~--.¡-,~..,_.-:--.-~-.....,~t- -.~.;.,..-:-';".....•.
I •••• ': •• ~.-:¡": .••':"_~~_.~:: ::':<.:..;. ' ," .~_'.:_' ".'., .:.',: '_." '":" ".: ",_, ',' ~g
gr;lci,ÓI.,i;:g;~¡:~:lt',i"¿I'os.
• ~ •• '",' " "':
ili1pilil;lliICS Conl i':1~i(d¿[é:'coiillegración:
\ ' e • • • •
EII'lri lllerl1 -deellós :.:' • ~

qúisisk \:n \'cliricar si lo~ rcsidUlls de esl" relación son eSlacioJlariüs, En el segundo .):
sc Ir;lla 'de ajustar lIna espl.'cific;lcitÍn general A[{D a 'eSlas lresvari.ahles y ver si :
I'u..:dc rl'soll'crsc un;1 rcl;lCil'lI\ CLlnsigni.ficl(ltien e1largll plazo. -.:¡
L, figura ~.2 Illuestra los residuos de la r..:grcsilín de 1;1Tahla 1).4. La serie' es
~
cl;.lralllcnt..: 11(1 l.'stacionari¡l: CI1 IlJ7.L1 existe un pico inl'erso dralll;ílico, Si aplicalllos
1;; icg.;'esil'1I1de la ecu;lcilín (:-\,-1:-\) a esos residuos. ohtcnelllos UI1AOf <.le-1,34, que
no recha7.a la hip(ll<.:sis lk r;lí7.lJllilari;1. Es c\'idcl1le. por IOlanlo. que la relaeil'lI1 de
coilllegración no exisle.

\, :
~: En ...:sl it \' I'¡j..¡''si'~\Iit..'ll.1...: s tahla:-. '~l~1,\1 r;lilll1S las \';lri;lhl~s en IIlaYtlscul;ls. ;IUllqUt.: corn:spontli..:n ¡1 I:ls, V;l rij1-

hl....., qll~ l-I

l\..O\lt' ~~crib...: l:.i~!llil"1ü~nd;I\ ..." . .-
'- ~. l'il..'lr~ 1\'111111."Till..' (irl....al C~.a~h:Ihl..' Oil.'l'ri(~ Sht\(~. ;lnd Ihl:'l1llil Hout Ilyplllhcsis", !:"l'Ollfl ,"("ricn,
~ .. ,
57, I'JS'J, 1.'(d.I.1111. • '
~1 V~;l\I..' IH IIhkl1l;l :\.x.
~ I
 : '1
.,
',1
¡jI'
"
'l'
-'1,
'("'''l'iTULlH: MOlJclos
,
"Ulorr~grbivos y COI1Rc\ard(1~.D,islribllidus
. ;309 O')
, ,

:1.
,.j.,\ 1; i.;\ 'H:)". ' ; . ~.
. " . I
J.
Vall;rc~ ADFpar:iY, X2)' X3
;~
~~~.;,. .•....•
':, . ~,'~~f'''''''~'~'~~_~ -1
1, •
'.Y • , X2 . i. xi
~1,79 ,.,' ::'1',94
L'IS \';IItUCS, friÚ~us ':11., 1%,. 5t}{, ): IU'X. .tlc ~i:l~Kinnon ., .
. .', ,~- . ....
. Clllh,. hidus dc lus' rcsuli;Hlo~ tI,eI prngr:ul\:I r:Vic\\'s son,
l

,c'l'ctii~',,,n~nlc•..3.43, ~2,g~y .2.,5K

'1',\1' LA it4 " '. .

.' i, Una relacicíli ele coilllcgracilÍn'! '_. . .... "', .

~~"'~~".'-~ •• """:"•.•••:-•.j,~I •.~.••.• ,,,,~""""""'l,w\4"4~J.~."'~-""""""'-I"""~:~ •• --,,~,_ •..•.
_.~_~_~tI

LS /1 Dcpcndcnl Variable is .Y
S,nllplc: 1959: í':'1990:4
,' lncll,úcd observalions: 12'!!
... .'. :-1
Variablc. CodliciCnt Sld; Error T.Slatistic ,Prob, :1-'
1: '
X2 ::'0,131\561 O,OlOn5 ~iÚ1399 . 0,0000 "
' ..
X3 '. 0.998547 ti,015403 .. : 601.8262,1 0;0000 ',"
X4 -0,518128 O,01739Ó •. ';:29'7949í 0,0000 '."1 '
e '-1,5145)5 . , 0,117185 .::IÚi429 0.0060 :,
R-~lJuarcd • " . 0,972774 ~1ean&penJenl v~r ~7,7630h
:1:
Aújusteú R,slJuarcú 0.972116. ;- S.D.depenúenl nr '0,120187 :{
S.E. of rq;rcssion 0.020069 Akaike ¡nfo crilerion ;-7,786363 :¡
Sum slJuareú tcsid 0,0,1994.5 Schwan: criterion . -7,697238 ¡-¡.
Lo¡; Iikclihooú )50,7031 r:slalislic , . 1476,851,
Durbin-W"tson sl¡il 0:7'11016 Prob(F.stalislic) 0,000000
~ .,," -. 1 •

'1I,1~ --.-.-------~~ __ ~_,~-

~i'
g

11.111 -
:
:'
: ..
¡~
~

, ~'.

fIGUIL\ 8,2 \"

. . , .'. ~
.. .
_J_.~__.L.~~~~'~~~~~. R~:sid\ló'sdc 1"
. '.(,.1' '.111 .:.7.¡" .HO' 'S.I regresi()n de l~
i\íi~( T"lilaSA
 310 ."ÉTO\)llS tll~ t:CO:",(l~It:Titl,\

T.\III.,\ N.S
,\ lo d el O ,\ HO de gaslo, precio ~ ingreso
, •.•.- •..••...•.•,,-rr¡r.:1 .••..• - - --: ........,~.--...-..:.~ •.•:.-:'(r .•.• -w,.." ..•
~.•....•
,,'"..,;.
..., ~~--:~
~ I •

LS 1/ Dependent Variable is Y.
Sarnplc: 1960:2-1990:4
Included obscrvalions: 123 .
¡: .
E~c1udcd observalions: O arter adjusling' cndpoinls .
! Variable . CoefficicI11 Proh .
ii X2 . -0.2676-17 0,03787,1 ,..7.06670J O.U<KlO
l. X2( - f) 0,262873 0,069291 3,7937:n 0.0002
¡ X1( -2) -0,01.7411 . O,075414-lJ.230l\C;7 0,0179
.1' X2(-3) -0,072094 0,077389 -0,931585 0,3537
l. X2(-4) . 0,01;'402. .• 0,077210. 0,186524 0,8524
l', . .: X2(--'5) . ", . 0.058206 .... 0,046340' . .... .... 1.256058"
i . '" 0,2119
.'¡';;''';''i.;;.cJi''',- .,.;'A'1..•..
"~.....•..•.
;.. ,...',.'..~:.~;:';,'o",'~:'29 'f'i&l ,'.;.~.;,.', <:,..
..;,.,.J.¡; .. ,(.;Q. ~5 8ir.14~;.'i¿.:;;}"" ;;'Y<.I;.84l3 26":.,', ';c.::;;í •. ,,;,.';0,068L ,....",.,<.>i
X3(-I) -0,1621760,220228.-0,736-100 .0.4631
X3(-2) -0,049270. O,214372-0,229lÍ35 0.8187
X3(-'3) 0,010409' 0.,213133. 0,048838' 0,9611
í Xj(-4) .0,084917' 0.2I¡i¡J2. ' 0.4041100,6870
.~ -
X3(--'5) -O,1989(l70,153118-I,29943" 0,1966
Y( -1) 0,660572- 0,096063. 6.8760139 0.0000
'1'(-2) 0,0670 \8 O,t'l4535 0.585\31 . 0.5597
'1'(--'3) ':"O,0235780;ln094'.' -0;20135,9 0.8408
'1'(-4) 0,132194' 0,119013 i,1I0747 0.2692'
Y(-5) 9,163124 .:0,101384 .1-608975 0;1106
~ .C . .' W)()5543~,126043 0.043975 0.9650
¡:
" R-squared, 0,984158 .. Mean depcndentvar . -7,752780.
¡; Atljusled R.squar~d '.0,981593.. S.D. depcildcnl var' 0,11'1024.
j.
S.E. of regrcssioil '. . '0 015063 . Akaikeinfo criterion - 8.256599
j:
I , SUIll squ:ircd rcsi.d. ". 'ci:023821 Scll'.var1.crilcriun' -7.1145060 .
,
t.'
Logljkelihood 351.2514. . F.Slali.stic 383,7051 ,

Durbin.Watson stal . 1,922386 Prob(l"slaiislic) 0.00000o

f
'Esúl cOllc1usión se confirma ajuSI¡inU(;. 'lin'J11od~I;) a los .datos. La Tahla
r. AlU)
8.5'I'llueSlra los rcsúllaúos .. r-ormulamos In relación ARD .COlllO'
." X(L})',; ;/¡jJl,(L'j.r~/ifJJ(l.)'\'JI':I: 11,

Cun~l<Jo la.s\'ariúblcs l.Q.m¡1I1vnlcire.~.~OnSl<,'1;lds.in re'laciÓn'n I;;rio plazo es

l .. - •..•••

\, I
l ••
,-' .;/1. 'U2(1)~"UJ(I)'~
\.. (. i. ) ~i \., • I
)';= A(I)~' "'(1(2.+ ;I\(1} _1.1 j.

. ' ",1 • f.t,

, \.

uOI;Je, L 'pqr \ en-un polillom¡'o'ue'n:lai.Llos

sU~lilu)'cnuo uiÍ COIlÚl róullado la su- ,-
.," .
;:ln. <.k los coefici~nles de
eSI)s,'polino'mios .. '¡icsl;\lnevidenle que las eSlimaciones lh: , (':,..
ios coeficienl~s de 'Ia' Ccú~\éiÓIl (8~49) se ;ol~lieliel1a :p¡;rlir de I;,rclación AlU) esli-
::1aun. aUI;quc eLejercicio can~cé sentido 'c'lliin¡!l) esas lressltmas tic
no s<¡li significa-
livamenieJi~linlas'Llc cer~>A~ípues,:'yeriri,cal11os la, Cl)inleg;-aciún Clllllprob¡Ullhl
, .,. . . , :. . '.' ., . '.~ , ,:'
,." " ~ si . .... . .'
.,
• ~ 'l" •

, ' ....
 C,\I'íll:l.llS ivlOlklus ,\ulmrq;rcsivl)S y con 1{<.:lard\ls Distribuidus 311

,\ ( 1); JJ 2( 1)f IJ,( I ) son cc ro. ,Col11proba r si,\ (1 ) esce ro Cl¡ u ¡vale a clll11pmba r ti ue
la suma de lós cllcficienlL:S de los térnlilios Clln relardos de l' es igual i1 l. La sunia
Lla C0l110 resultauo O,l)l)l) y el valor 1) de la hipótesis nula es O.l)~. Por lo lanlll. 1\( 1)
es ekctivaincnle c<.:rll y la rclaci,ín alargo plazo sc rompc. 1.;15 dos sumas rcstanles
dan como -r<.:sulladll -0,022. con valores l' dt: U.O;! y ()J L No exisl<.: l:viLlencia de re-
laci,ín de cO'illlegración cnlrc esas trcs variables25.

XA.3. I~clacit)ll rccspccilicada

El "sencillo" proceLlimiento anterior no presta' alencillll alguna :1 las espceiales ca.

raclerísticas del mercado de la gasolina. En primer lugar; di:(lilSUn)~est';j mCLiiali-
i'i '.,. ,,,,.'(.~I(lo poi el ¡;qllipanlCnl!:l (coches)., Las dq1m~~1 i~ns.\IIl.)i~I~\~k~I],I~.ÜP;PX~)X¡íS;i11:c;ln\- .-,
billS prolongados y costosos en la rabricnción de nuc\'[) I:quipal11l:nln y provocan
t:i111bién que el gobierno f<.:LI'cral deba cslabkcer ohjeliv()s dI: dicicncia en cl.consu.
mo de gasolina para la ruturas rJOlaS Lle cochcs.Eli seg.untlll lugar. n0 sólo sc de.:se.:a
la gasolina para propio bcn'dicio. sino lambién para cr~ar "k.ilomcl raje.:". I\nles dc
definir la runción tle demanda por kilómeli.o. tle.:bemos l'sl¡lhlc.:ce.:r las siguiL:llIes va-
riables (N_ tlel T.).
(N. dd T.) En el ejempll¡ de.:llexlo IllS aulores utilizan millas y galllncs CllnHI ul1idade.:, dc
t1l<.:diJa de dislanc.:ia)' Vollíllle.:n. En.I;¡ l'raduccilÍn se.:ha n'llldific;llll) I;i dC'IHlIllinacilÍn dc' c',-
iOlsunidades para emplear las m¡ís usuales en nueslro ¡il~lhilo. l;' Jccir. kilúmclrns y lilrus) .
y = gaslo real perc¡ipil<Í <.le g.asolina (Iitrlis)
,12 = precio real dellilro,.
X~.= i¡lgreso realper ópila
.,
,} ,1.1 = litros por kilómetro
¡'yl = kilómclros per dpita = }' ..X~
_ PH.K = precioreall)Ór kilómctro = .Y~I.\'~
.La fUIl'ci,')1l de delúanl!a pm kihilllcll'o se.: rorniula l:OIlHl

jj = K \' 2 /1,-.
#' I
\'./11
J ,!\' --1 -11 +/h)'
."
'..

\ La conversión logarítmica ní\aLle una Iluevi\v¡¡riahk a la anle.:rior rórlllul,1. .r~ :=

,."
., "logaritmo de kilómetros por lilro,' ": .
..
. ,~:.
.. ~.~.
t\II~'U la~ \'ilri;lhlcs I\U son eSI i1cionari~ls):'110 e XislC' r~laci(~1l COil~h.:~r¡lI1h.:. ¡os \ .•lIor •...
s mL'I1l'i(ln;¡do~ lk. ¡-
sun ~üll1's;)spc[has. Si!I'.~li1hilq~Ó,'IOdilS'i.i1.~ stlm~;s ~sli~lúu.l;IS"~¿j;l pr:iclil";1I1h:llt-.: l't.:fl)'y r,,:sllila iIHP011':lhk i..__
i

tille ItlS dislrihU4.:iOl1US no CSl;llldil( C;lll1"icl1.1i\~ conclllSitlll'¿S" uhll.".lÍid;a~.

. ;

,;1'
•...

La Adfllinislr;¡citin fcder:d de AUlopislas del Departamenlo de Transporle de

los Eslado~ UI.lidos. prol)Orciona d:IIOS anua1c); de vjaJe )' COnSUI1l0 dc g:lsolin:1 a
p:lrtir dc los cu:lIes sc extrae una ser.ie de litros por kihimelro(lpl;). liemos obleni.
du L.I qlurdL' Ipl; p:lr" "tudus\os vchícu'los de lr;lnsportc de pasajeros". [xisleolra
seric: 1);lra "aulonH')I'iks dc: pas;'.jel'\ls". Los movifllienlos de ambas series son pr;ícli.
camenle id.:nlicl)s.
'

pur 1;1(l)mhinaL'i\Ín
.1':1 que los aut;Jlnóvilcs
lim,llIle el periodo
d;1 de precios ~' un incremento
l)lles (k las s,leudidas
a si[uarse pql: del~;¡jodel
consumcn
dc: cOL'hc:s. molos y aUlobuses.
. -
el 1)1)% dc la ~asolilla utilizada
LI cifra de Ipl; disminu)',') un ()'X,
cOlllprc:ndido cnlre !lJSI) y ¡en], acolllpafiada de un;, knla b,lja.
del ingreso. Por r:tzones evidcntes, en especial des.
de' precios tk los 70. l:ts seri~s subicron Icnl:tmcntc. Llegaron
()% cn cl periodo comprel,ldido enlre 11)7])' 11)71'i. sobre. "

pasand,)' ..:121'::, en,lre In,; alios 11)71'i y, 11)1).1. CUlllinu:1I'\1I1 cn alza con los desccnsus
dc: precin dc Ins 00 y. cn I <)()O. c:llpl;er01 c;lsi un 50% m,is clcv;ldo que.ell 1<).')1). He.
lHos'lr01nsforniado los da{os anuales en lrimeslrales median le una inlcrpolaciün li.
nc;1I y. medi'anle I(;garilmos. heli10s óblenido 101scrie .r~ que ha dc ser incorporad;¡
,r1 all;ílis:s eSl,idíSlico. .

'1'\111 .. \ ~.r.
Itclachíll,lIc cuiJllcgradc"J1I

LS // [)CpClldCIlI Vari:lbk is Y
Samr1c: 1959: 1-1 '1'10:~
IlIeluded ohscrvmiolls: .I2X
Varhhk C(\c[rkicnl Sld. Error T.Slalislie
X2 -O. JJS561 0.010935 -12,61~99 0,0000
X3 0.9'IX5.17 0.0 t5403 6'1.8262'1 0,0000
X,l -0.51812K 0.01 ~390. -29.79.191 0,0000
e -1.51~535 0.117185 -12.'12'12'1 0.0000
••,u.).,~;~:;",
'~:~qlla;f(! '..•..•. {):'17.27.H,''''i' ... ~1c.alrlkpc'ritkril'i;ar .. '... "-7;76)027'<"-'
Adjlisl.:d R~s,\lIarcd 0.972lt6 SeD. d~pendcnl var 0.120187
S,E. ur rcgrcssi(\n 0,0200G9 ,\kaikc'inrl; erilérion' -7,7liriJ63
SUlll ~qllared rcsiJ 0.().1'I9~5 Sch\\';lr~, crifcrion -7,69723S
. Log likclihood 350.7031 E-slali.slic 1.17(,.S51
Durbiil.\VaISOIl SIal 0.7-11016 ('ron(f',slalislic) O.O(lO(XJO
.-
I
-w.
La Tabl;1 1'iJ) mucstra ¡;)S resulladosde una pllsihle rdlciúl1 de coinlegr;lción,
LI Eigur;¡ :';,:1 ilustr,l las snics actlwl y ¡¡jusI;lda y los residuos. Llls resitlllOSparcccl1
esl¡¡ci,ol1¡¡rioscl1 sus 11!",e\cs'l11cdios cOl11p:\radus con los de la Figura X.2, al/lique si.
,;
~lle e:-;iSliel1dll UI1 ¡)ico inl'nso pronunciado el1 11)7'L l. UI regresiún,de la prim.:r;¡
difnel1cia de los residuos s(\b;'elosrc~iduos l'elúuadüs tia COl110 resull;ldo UI1 "DE
tlé -5.YJ.EI1 la 'Llhla X'.2. L'I \',dorcrílico;¡'sinlii(ico del I 'X, para k = '1 es -'I.ó'L Por
III t:;l1to, rc:chaz;lI11os la l1i'n(lt<;sis de raíz illlil;lI'ia l:n'.I()s residuos y, a difere'lcia tic 1;,
Tabia 1'i.•L lillede e..-.;islirlln:J .Ic1aciún:de coil1lcgr;leici,l1.

",
'.
 o" ',1
¡.

. c'Mi 1\:';'
.
s:l ....l()d~ll;s
""
i\ útc;l:r(;gi'~si~'lls'y
,- :',¡( ", ';
C(lIl'lt'ctanios
.,' r' "~o
Dii,lrihll'itlos
,
313

.,' 1,. ,:'!l

-7.1,

-7.7
, ,I.n~~
!=;I',,111

, •. , d
-Ú. g
" ~II
:.t,
- -7.~~.5
11.111, , ' .
.1
, j.
-~.O.

..
~r..•
5 I IJ.IJ~
J
.:;¡::
;}. !I.INI

-IIO~

-11.11-1

FIGUHA ID
,j
I~cslllladlls de la rc¡:rcsi,ín de 1;1 Tabla lUí. .1
.. 7.6 :J

I.o!! g;lsttl -7.7

.,!
,J
, '

ó1ju~l:llln

"

~t
'.'
.f
j .

J.

f
.
l,

j
¡
'.
J
'1 i
lÍo .. 85 ' . , 90 ,
j

. .~" ': f
"

>¡
1 ~•

.\
~.
,'
 ...."
(.
314 ~ltTOVOSL)E [(:OSO~IETI(IA

1'.\111.,\8.7 . '. •
i\llHlelo AItD para gaslo, precio, ingreso ylpk ~ '.
•••.•• .:~~~ •.••. _ •• - •.•• ~.,-_ ••.",:._. - •..•••.•: •.•• ,.~.~ .- .-rr,...-;o~...•,.....•.•...•. _.. _~ ... , ... - .. ;.,
.••~t •

j.
LS 11 Dcpcn<.lel11 Yariable is Y
Sample: 1960:2-1990:4. .' . . '.
lnclu<.lc<.lobsl:,y,"iol1s: 123 arier a<.ljúsling cn<.lpo'"ls
• Yariable Cudficicnl' SI<.I.erro, T-Slalislic P,uo.

.I!j, X2 .
-0.198597 ....0"0'218".
l .
-6.11. 13~6 O,()OOO
1 X2(-I) 0.189293 0.054372. 3,.i81461 O.lXXJ7
• )(2(-2) -0.Oi6542 0.05855&' '-0.2ll2483 0.7782
¡. X2(-3) -,0,115526 0.060759 -1.901377 OJ)(¡02
1 X2(-4) 0.066<185' O.06i770 1.076J2~ U.211'14.
.I X2(-5) 0029012
. '. 0'036719'
. '. 0.7..89.468. 0.~317
I X3 0.16-1873.0.129176. 1.276347 0.2048

,...•/ ..,:..~,~:~~~~~,:~L~.j>;~.';,.:!.;~;g,j
,.1,:",",,',,' ,.f";;":~~~'=~~"""'v, ~~j
..:",:.,'i>•.;; <'.f ~~:~~~~~~.,:;;:"...', :¡,•..:.;:~:~~~'~ •. ).....' •. , ":'
, 'X3(-J') .0.066797 0.167245 0.399397 0,h905
¡ X3'(-4) 0.045524 0.162186 . 0.28069Iií~7'J5
¡ X3(':' 5)
X'4
-0,004198
- 1,557670
0.122806
. 0.585739
-0.034182
-2.65932,1
0.9728
O.D091
¡ X4(-I) 2.69705~ 1.241118.2.17)085 .1l.1l322
., X4( - 2) - 'p78796 1.381349' -1 ~6-I9689 0.1022
X4(-3)lJ70965 ,l.J7256J 0.8531230-3957:
[ X4(-4) 0.204391 1.2569760.162606 0.8712
¡ X4( - 5) .--0.375389, 0.621491 -0.60'1013 . 0.5472
j . Y(.--I) . .'0.5810,24: U,082101 7.076947 O.()()()()
F Y(-'-2)0.0!'1630 0.091902 0.159190 0.8738'
, . Y(-3). -:-0,166262. 0.094471 -1.759933 0.08f5
tí Y(-4) 0,1974\)) 0,098549 3.017817. . . 0.0032
i; Y(-5) . 0,023884 .0,0835230.285956 . 0.7755
DUM -0.093403 O,q12909 -7.235528 . 0.0000
c' . -0.2'90653 O,1297.1~: -2.240701. .0.0273
R.squárcd' '.' . o 99i490 ;, . "~1ean ¡J~PCI1¡J~,ilvar -'-7,752780
'A<Jjus'led.R'square<.l' '. 0:989406' S.O; <.Icpcn<.lcillvar • 0.111024.
S:E. or reg,cssion 0.011427 Akaikeinró (r¡(crion'. -8.764246.
.
'Sul1l.squared rcsi<.l . • o.012797 .'' . Sclllvarz c'¡lcrion .- 8.192664
389 4717 r'slaliSlic 475.7689
Log Iikclihoo<.l.
Durbin.\Valson SIal
.' ,.....'....1..8.727.13.
'
'. ,. . Prob(F.stalislic) o .00<l000
',;
, ~.

La Figura 8.4 mues~rá !a rcg;'e~iÓ;; :o~le'nida después de i,;serl;Ír. Una\'ariable

f~ ficticiade valor I'en '1974.1 y O eil los olr'ospériodos.EI picó d..: losresiduos desapa.
J. rece. EIAOF de es¡os.re~iduos es -~"Uy,'rórlo I¡mlo; scguilllos1'..:chal.ando la !li.
1:
l' oé\es;s de raíz,.,' U(li,;;:¡;e'n I~s';'csiduos.
., .... .
1: '

,.
!
. Las dasticidades J~ ia' relaciÓn dccoinlcg'raciÓ,idee~lú reg.rcsiún sllnidénli.
j,'
,;s, !wsla ¡¡¡.s'~os rrim~ras cifras d~cim~lcs; a.~il~'qÚeorrece la Tabla 1:1:6.
'í:
¡.
,,. .
"
.
.

~.
 HA.'! Itelacilín Ge/leral AlU)
, lo

C'u;lndo ajustamos un;1 rclacilín gcneral/\ 1~l)al.conjunlll dc datos sur~e la dudil li<:
incluir o no una vari¡lble fiClicia en d p..:rilldo 1'J7.l.I.l\quí decidinllls incluid;1 pL'rll
;:.1
lit:jal1llls en manllS del it:clor la realización lkl ejcrcicill que resulla en el caso dc c.s.
c1uida. L, Tabla X.7 orrece los resultados utiliz¡lndo retardos hasla él quilllolrimcs. ".-

Irc. Las su'mas de codicienlcs son.

:. ,
/1 (1 ) = O.24lJ:\ 1J2( 1) =-(J.().I:1l)

1l.1( I ) = O.24~1í ¡l.,( 1) = -O.I.>().I

Los valores P oblenidos al probar {Iuelales sum:as son i~uilksal::cro~llll.,r.l:s'p':l'li.

••., .... _Sil!Ue l\lJ;."(J.OOJ .0,0 U, U.O\l.Lyl1.002; ..SCcIW l.a dcd iSlríbl\L'illlj~>':iÚ),d~I'<;)i.hh>'i;11r(llíj.:
nu lodos ..lus coeficienles de los grupos se expresan simultiÍnc;lnH.:nlc como clldi.
cien les oe variables es(aclonarias .de niedia cero. Los P cllll\'cncionalcs SOIl tan PI"
queíios que rechazar 1;1hipótesis nula resulla ¡';lzonablc. La rclaciún implícit;1 ;1 I;tr.
,g.ll pl;izoes enlllnces

y ~ - 1.17 - 0.1 ¡{f ~+ I (io,i'".; - n ..)(ix¡., (S,S~ )

Las e.lasticidades dc la ecuaci(\il'(~.s2) se correspllndcn C;¡Si'llllitlmcnlL" a las lk 1;1
Tabla ¡.;:6..
La relación .dc laTabla X.7 se hall'a S'lIj~l¡j a \'a.,'ias. pnlcbas. \'.;'1Fi~lII"a S.S (¡frece
la s~ric a.cl;"" y ajustadaasÍ,c(jmo ros r.csiduos de la regresi(-)nlllle. 0\'idclllelllenk.
han Il1cjorado respeclo a:los .d..: la ¡'cl.ación de coiniegracilin de la Figura X:.l. r,l cs.
tadíslico de Jarque.[3era p¡\I:a veriricar la norm¡t1idad de:lús residuos cs ,l.'>.'. con un
. ,;alo(/) de O.llJ. con In que no se rechazú el sl;l?uesto de normalidad.

El coúlraste asi'nlóliéo' de lirel',sch-Godrrey. pa(¡1 eorrclaciún scrial hasla cuar!o

orden da un valor l' de ..O,'IO. con lo qu'e(~o se rcch¡;za la hip(~le"sis derc'siliu(ls ("(ln
¡Illlocorrclación cero. Los conlraslcsde residuos ARel'1 ¡'¡aslit'cinco rCl;lrdlls ofrcc<.:
valores '¡entre O.lí4 y o.9i. Con 'lo que no se rCCh¡II.;1 ~I SlIPU<.:Slll ~k n:~siduoshll:llios.
~elliislicos en [a\'orde residuos ARCH. El cOillrúslc de hCll:il;scéd;;~li~idad tic \\'hi.
.l.,: lieúe .Ull valor P de O.OH. que inu.ic<lciena heteroscedaslicidad. aunqul: no dc ll1a.
n~¡:~l concluyente. 'EI contraste I~ESE-j' d'~ Ramseyde errorL'S de CSI)L'L'ificaci('ln lic.
¡li.: un valor l' de O,J2. con lo que no ex'isle eYillellcia.sig.nificativa dt.: t.:spccificat.:iún
errone;LEI Clllltr¡ISle'de I')redicci(\n de Ch.ow para los cuatro Irilllcslrcs dI' I')')() liL'.
lic un ~illor l' de 0.09. pero si cXlend~;n~s la preÚicció¡; d~s aji'os llliÍs se oblicnt.: Ull
re'chazo significaJivo de la eSl¡¡IJi.lidad' d~ los par;íll1clrCls'. Rcsulllicndo, la rciaci('ln
sobreviv.e ,a lIna buena cantidad,dc cOlllr;lstcs y sólo' el cOlllrúsle de eho\\' sug.icre
cieda dcl;itidalL ReGstilllando la!'el;,eiúny o;liilic.ndo la \'ari¡lblc riclici¡I,~IL:1 pcriodo
1()7'L1'(cllya'illclusión eSl,lhlecc qlle~el'I;'esidllo'decs¡; Irilllt.:S1re es if'.lIal ¡¡ cero) lib.
l¡;neqlOs ún err<ir eSI;ílldar de regresi<ii1 may(~r ylos COlllr,l~tes de ('ho\\' ~c Sl,lpl'l';ln
.,

con éxilO a lo largo elc I'arios ¡lIios. Sin cmbnrgo. scguircníos con la rclació¡; ele la
Tabla ~.7 corno un¡'¡ primera formulación acepl:iblc ele la rclacit'lIl 1\ fU) y huscarc-
mos luego (lIras CSI1l.:cificólciolll.:s accptablcs-. . .
,
:1

-7.1,

.. 7.7

Lo!! ~aslo ;ll.:I\I:~1y o

-7.M ;;;
ajuSI¡IUO "<lo
<"
o
-7.') ...J

1111.1-

-~.II

H..:sit!uos
II.II~
-M.I
.,.
¡. 0',01'1

:i:!
-(J.lI~

-II.II~
7IJ 75 811 'JI!

1\'\"

FIGUHA 8.5
Rcsllltauns de la rcgrcsi\Í1l de: \a Tahla R.7.

R.4, :,: ~,~;:;y::?\,JI.~.C

tI' i'l.:l e i(\1¡'.~.'''';::':'~7"P::':"-':~:;-~:"""'.'
U I~rimt:r paso de la büsqued;1 es \an:paramclril.aci<Ín. La rc/acil')n de la '1";lbla ~,7,
. ig.norando la \'ariabk ficlicia, es .

11(1.)", =;/11 P~(L)",~, +JI.l(L).I.\r + JI_I(I,)X.lr + 'u, (~.5J)

donde los polin'olllios dcl opcr;ídor rcrarelaelo son dc quinto orden. Ca rclacióll dc la
ecuación (1.:.5:1) se expresól en rérminos de los 'lIin:1t:s ele'las I'ariitbles. 1'01' r:rl.Oncs
qucpo'stcriorlllcnte cxpiic;,'rclllos'. la re'paramelri'l..arcl11(¡s e;'lérlllinos tanto de ni.
vcles como de I'rilllt:r:lsdi/'crellci:is. COllSiderclllos

=Ii( 1)1>1(1.- L){Ó" -1 ó1 L + f¡~/.~+ 0.\1) -1 íi:i/;~)

[n la segunda línca ele la l'cll;ICióil (::;.54): la ~\Iilb de lilS cocTic:éllles)1 l:qu'il'ale ';JI
coeficiente de L y las óson los todieiénlL:s dc lo~ lérlllinosdL: l)rilllCrils diferencias
1-",

:¡
(',\I'{TlJl.li~: r.•.ltidclos' ¡\ulorrcgr~sivos y co~ p,~lardos Distribuidos 317 '¡
'"
,¡
i

de M, h:lsla 1.\x'_I' Mulliplicandoeigualando los coeficientes para Ins dislintas po.; ;1

lencias de L,dc 1" CC\l;¡ción.:lnlerior, oblcnémos lás conexiones éntrc las &.y las' fl '26. '
'l\plic¡lIldo I;¡ ecuac:iól\ (:-\.54)a l;¡vari;\blc "'"se obtiene ~1 :(
:",' J

L, Ir;lnS~::'~::;~C~I~:': ~el~I~:i)¡~~:-:);~r;~!::(:
de la,ecuaciÓn (~.51),~n ~I reg;'c~nnúuse'
';~~::;i;~::-l~~:-::
~cilliza u;lnlrnn~rdrnla~ióil
:::::::::~:':
sil11il~r,
derccho
;j
i
"A(Ü=;;'~ alL~ !!;(,/~~JL~,~.a5L5:" .'. :1
:',','.\ ,
=,1'(1)1;+ (1':": 1.:)(1 ,f--Y'IL.~'Y2I~2"",'')')L3 + 'Y~L4J. .J
que da com'o ¡.'L:sullado, .:. " ':i ;'1'

11(1.).1', ~ 6.vr ••• [/I( I)YI~I .•.~,6..\',_I.~ 'Y2Ó-.r,C2'"

. , .
'Y;ó..¿) .•.
,'. :",
'Y~Ó-.r'-11 ;!
,.j

'I":ties lrailsfdi'miicitilie's ti.,.; coni6'rc'suli;ido el modelo c!;llíhnúocn 1;' Tabl;¡R.S,. L., l

tabla eónl icne i';lpirrll,n'IÚ liÚh\()S :ldest;í'ca'i:' .' "'O, . " \ '. ," :. .1
, \ .~.
l. El error csl;indar de la rcgresic"Jn es'idéntico a su val;~r el)'I'a Tabl;; 8.7. igú;r llue .;¡
succde eonh~s v~lorcs del.logaritlllo dela .verosillliliIUd;'c'l eSI.,díslico ele Dürbin. :¡
Walso,~.)' c1crilerio, de infornl:lción.' . , ,:.
Dicho resullado Sc:'oblienc direclnll1cllle n ranir de Jos resullndosde la pnrame. ,¡
Iriz¡H:iün. úcsarrollada en el t\ péndice 8.1. ' '.P-' ,)
2_. Los codicicnles dL: los valores retardados x soil I.,s sUI1l¡j~.obleni(\.,s en la T.,bl., .'.¡
R;7:1 parlirdc b.ccuación (R,~I).l.asl;n~a de lo~ coaiéi'enlcs de los val()~~src.
lardados de .1'. tal conio :Ip:\rcce cnlaTa\~la R,7, es 0.7507. " ' . :¡,
l'(¡r lo.[anlo; /1 (1) = 1 - 0,7507 = 0;2491. que es 'el coCrici~nle delregrcsor };( -1) 1
de la T;¡hla ~,R call1biad~ dc signo_ AeÍcm;ís.los v~lorc's P asociados a los nive- j:
les relard;¡dlls son exactamcnte Ins "alores P obtenidos ;¡I ,comprobar qlle di. 1
C~)(1S SUlllas'son cc!"o,-lal, COlllO '.ip;lrcccn 'en 1(1ccufl.ci6n (R.Sl). j'

.""':'."".''7\síI1li'i::T;0ml¡~vCiífi\j¡¡':'~~"'1 a.fa 1)1\fi¡ilfc':{'¡i'Z'R'cti'trí"é'r,r¡r'éSfí'¡lláCion-<éli'rct'ih''f:M'i,í'G','T/'" ..;,: :~:r"

. rióción de :lqticll;¡sslIm:ls qucson reicvanICSI).,rri'I~-existcncia' de lit rclatión'
i
'de'coin!L:cr:lción. .' ." ...' .. .•'" '1
I
J. El ~:lI"lhi:)aplimei';\s.~li'rc;~cnti,,$slleledarlu~;lrallll:; rcducción s;I;I'ancial de j
,.
1;1colinc¡Jlid"dde Insl:cgl:esores y;pórlolanl~. redú¿el~scrrores est;í ndar. r.,. ~ j
cil il a, adn1t;ís,l;¡il!L: i, tíficilci¿ndcposiblcssi Illrlific;¡cioncs dela relación.'
. ',.. . ',"-. .' . i
. Busc;¡rcmlls I;¡s ¡'c(luctioncs'scclicllcinlesde laccuaclondc la Tabla S,R. No ¡
exisle u,i S.'lI,l,linlilj;lico de fedilceilÍn,n~scnrelilósgrtlpo¿'de pósibles\'ariabl~s re- i:
dUIHI;ll\leS),l<l n;sl'riccloI\CS~I'lIe pu(,:dan v¡¡l¡darse medianlc I~scpnl rastes F habitua.
les. Losrc!¡¡rdos
. ',' -,
dt:lcU:lI'lotrimestrcde
','. ';.':: .", '.'"
la
....
Tahla 8.8
.
son. no ~
si"niricali,ios.
~ -
 ,"':".

JI/) ~11~T.OI)US
DE Eco;-;6~IETldA

., "

'1".\ 11L'\ M.M :1'

l\lodelo reparalllclrizado
f'''~,,""'I''~~''¡.-- 'rr~7I""",,~.1"''''''~r-'\'~1':.'r, ..•..•t'-::'''-llr.J''' ••.•- .•..,~•••••••. -. 1"

LS 1/ De¡XlllJen\ VJriJulcis DY .
SJrnplc: 1960:2-1990:4, . .
Incluucdobscrvalions: 123 Jfler Jdjusling cndpoinls

Variable Sid ..CfTor T,slalislie Probo

X2(-I) -0,045875 .0,017792 . -2,578445 0,0114.

DX2 -0,198597 0,0)2181-6,17.1346 0,0000
DX2(-I) 0,0)(,571 0,0)7)9] 0,977915 0;))05
DX2(-2) 0.020029 0,0)7199 0.5)H'122 0,5915
• DX2(-) -0,095497 0,0)90)) -2,446545. 0,0\62
l i DX2(-4) ",0,029012 0,0)6749 -0,789468 0,43\7

:,,,:;;;,,,~;;,,;,,(.",,'A~;}.ki"""""":_"":":~~?~~~'~~';;""
.:,.JI~"";i.~~i~~;~;: ..:,....;e.': •"';h:~~,i.,"",,,,,_,,,-
),.",.::,;..;;.",.;"'~:~~~~;; "....'
OX3(-I) 0,061823 0,134400 0,459991 0.6465
OX3( -2) -0:108124 0,1 )1237 -0:823882. '0,4120
i PX](~ 3) -'0.0-11)26 . 0,125801 -0,328506. 0,7432
' 'DX)(-4) .O.004i98 O,i22896 O.0j.IIH2 0,9728
. X4l-l) -0 ..139445 O,04~512 -"3,132745 0:0023
\
DX4 -1,557670 0,585739' - 2,659324 0,0091-
I, DX4(-I) 1,278829, '0,782296 \,6)4712 0,105)
! OX4(-2) . ,-0,999967 0,787947 -1,269080 0,2074'
DX4(-3) .., .. 0.'170998 0)75869 0,220395 0,8.2'60
OX4(-4) ~ 0:375389 . 0,621491' 0,604.013 0.5,172
1\ . y(,.. 1) -0.249322 0,074893 . .':'),3290) 1 0,00 12
:. [jy( -1) ",0,169655 0,090504 ...:1,8745.49 .. 0,0638
'O.Y(-2). -0,155025 '0,0'84,890 -Ú26174. 0.0709
()y(..:.))' . ":0:ni"28T ti,Oli4269 -):811749 0.0002 ..
DY( -4) '. ':"'0,023884 . 0.08)523 . . . -0.285956 . 0.7755
DU~I':;O,09j:lO) ~. O,Oi290Í) -7,2355280,0000
C . '-:-0,290(,5)" 0,12971) -2,N0701 O,027j

R.squ:.r~d 0,:711630 Mean úepcnúeni var 0,002437

Adjusleú R,sl.)uareu 0.641009' .', S.D.d~penuenlvar 0.019072
5:1:.. oC regression' , 0,0,11427 .. . . AkJike info eril~rion ",8,764246
Sumsquared resiu' ,-, " 0.01279.1 Sehwan ~rilerion - 8,192664
L<Jglikelíh90d . . . 389.4717 . F'SIJlislie 10.07671 .,
Durbin. Walson Sial .', .1,872773 .' ,\. Prob(F-slalislie).. .0:00000o .

: ."

La ~erificación c.Je:l~signifiéaciól\ cdi1jlil1tac.JcI grupúdil Cl)lil~ resullac.Jl~ I;¡.pri', .

''11aa reducción 'de' ia Tabla 8,9, Los valbres f y P illlieslran (IUC ilO se rech¡¡za Iahi.
pÓlesis de no signinc'a~i6:n conjunta'. Ei procedim'icllto de inferencia cOIl\'cncioilal
es v;ílido porquc Ips coCficien'lcs en
cuestión es[¡ín relacionados cón 'variahks ~sla-
c!onarias de 1l1cdia,éero.', ....:

Tanloe'l cril~rio -<le' Schwúz (es) com6R2 van cl\la dirección ~c.Jecuaja }:pór
é!lo'clinlinam.osde la' relación los rClilrdos'lrimeslralcs .. Los coeficienles ;lllsignifi.
I
c¡¡¡ivos decs,lar~la,c¡Ón'l:cdueida sugiercn'I.a¡'cduceión'mosirada enel segunc.Jo paso
de laTabla '0.9.' .. . . .. . .
rl,
f .' :
t i !, -l.'
 (',\I'i I \lUJ >. l\ tUlle los 1\ U\OfrcgrcsinlS Y.Cllli !{cúmlos Distribuidos :>1')

'1'0\ 111.,\ H.Y

HedllcciÍln secllencial

Elapa Variables redundantes E,S. de la rcgresiún F p It! es

o 0.0114 O~(YIIÓ -8.19 ,l

1 DX2( -4), DX3( -4) 0,0112 0.24 0.91 0.6497 -8.34 r' 1
DX4(-4), DY(-'I)
2 DX2(-I,-2) 0,112 0.96 OA7 0.6506 . -8.5X
DX3(-1 10 -J)
.. 1
DX4(-11O -3)
. ) DX3 0,0112 0.8J 0,J7 0.6511

",.'.; ,: .:", ...'. '_.'.~'. '; ':-. :; ,; ':":. '. ;:..• ; . ," .
')',\,111 ..\ H.IU

EcúacilÍn reducida
--~"""""""':-o ••••r~.~r~"',,,,,,,""n.,."'''''-r._:'._'
_ •..•..•..•....•
:--
.••.
_" ......•.•....
, .

lS 1/ Depcnd~nl Vari~ble is DY
S~lIlple: 1960: 1-1990:4
Included observalions: .124
' ..•....•
ExchJdcd obserVJlions: O "fler ~L1juslingend~oints \

VJriJb)e Coeflicielll .Sid. error T,slalislic Probo

X2(-I) . ':"'0,040729 0,012) I1 .- 3.0~J27) 0.0013
OX2' . . -0,200448 0.027990 -7,161404, 0.0000
DX2(':') . -0.089591 0,03149'7 -2 8HW9 , 0.(0))
)0('-1) . '0.237299 . .0,058366' . '1:065706 . ¡ 0,0001
. X4(-I) . ':'0,129))1 . 0,033296. . :-).890273 '0,0002 ~.....
pX4 -: 1;00.1881 O,mi209 -2,649010 0.0092
: . Y(-I) -:-0.2)6415 .0,057339 -4.12,3099 0.0001
DY(-I) -0.21624,4 0.064,030 .- 3.)77200 0.0010
DY(-2) -0,197030 '0,058305 .. - 3.)79316 0.0010
DY(-)) . -0,31.8066 ,0 ..068948 .-4,6.1)'115 <0.0000
DUM -0,098825 . .0,0119<\3. -R,2W1I7 O.()()()O
,C -0,28792) 0:1083)4 .-2.6572)6" • . ", .. ' 0.<J990
. R.squJf.cLl. . .0,682)50 Mean dependent.var 0.0(2)83
A(t1\JsteLl'R'~quJred 0,6) 1'1)2 S.D. depcn~cnl var . 0.0190Q.l
S .E. of regressilin . . 0,011224' . . ..,Akaike info criierion -8.887612
SUII\ squJrcd resid .0,014110 .Sch\\;~r7.'cril'dion -8.614682
Log liki:lihood . )87,0836' F'SIJlislié; , 21,8717)
Durbin,Walso~ SI"1 1,9)0793 . '. 'Pro~(F.slai~sli~) O, ()()(J()I)Q

I~

Ace.pl'amos talllbién eslil \:édllcción, igual "HC t:l'tercer p'aso. La Tabla R.l () Illll<:stra
la ecuación rssullanle. Es inlc,rcsanlC(!t:slaC¡.lr (jllC, 'en la Ta.bl;) 1)'.9. el hUlllildcy pa.
. sado de n~oda R2sigue los pasos 9cl m¡!s riclu~il.cri.leri()'.de Scll\~,;ir7.. Podemos impo. (
"'.lcr.a'ún olra simplificación, yaquc. los.codi.cicnles'''', dch.~aSI() rClaruado .\' dc'l il1~res()
.. /
t
 -------------------,--::-¡:-.,
1

,
.',

"

:. ';::';;:dr¡SlJn cfecli,'amel,lle igu<llesy,opuestos, implic<lndo una elnsticid<ld de in.

:'::.:'r¡ unil;lria.
Los dalus no reeh<lzan lal restricci6n linc;d, aunque poco be'ndicio
IJhlt.:nt.:nl0S imponiéndol;1 PIll:quC cxist~ Y<lcn la pr;iClic\1. No hay expli.caci6n obvia
P;II;t el ICiardo sigl;ilic;liivo'de lcrccr ordcn'en OX2. Implica quc c.:Icambio de prc.
lio dcl p;lsado <liio afecla a la dcmanda aCluitl, lo cual pndrí<l ser un efeclo real o
un;1 cunsecuencia dc los proc(:dilllienlosdc ajuslc eSlacion<llulili~.ados c'n la gcnera'.
'.'I/"n de los dalos.
CU<lndo l<ltolalid"d de las primer<1s diferencias dcl<l T<lbla 8.10 se igualan <lcc.
ro. obtencmos '

, : l'
, -0.236:1)"-
(.~1,,~":';'-,:,'
¡ •
0.0'107.1',+ 0,2373.1"1- 0.1295.1',1- 0,21)79 = O
- - • .. j j~

l\lIeimplica lina relacilÍn;1 1;lrgo plaw

J •
, .i' = ~ 1.22 - O',I 7'\'2 +1,00.\'1 - O,55.\' ~ (8.55)
Dichas c1aslicid;¡des son 'creclivamenle idéntic<lS a las de la ecu;¡ción (8.52).

Podemos rcformular 1,<1 relaci(íll de la T;¡bla B.I O en términos de nil'eles y rees- .

lim;lr clnlOdelon La relaciún I'l:sultanle sobrevive <lla misma batería de conlrastes
"

qllc la 1'l:lación ARO de la Tahla 0.7. Sin cmbargo, el contraslc de Cho\\' sigu'e indio
cando que l<lpredicción falla desplles de un <liio. Como experimenlo final; reestil'¡l<1'
mos los ecu<lción de niveles omiliendo 1<1v<1ri<lble ficlici<l del periodo 1974.1. El
cnOl'n1\.: e incvilable rcsiduo dc 1974.1 implica rechazar 1;1hipÓlesis de norm;llidad
dclos residuos.

.,' Aparle de este (¡Itimo i1specto. l<l relación sobrevive a los mismos COlilr<lstes'
,',,',
que la ecuación de niveles q\le incluye la' variable ficlicia y, ae/ell1,is, sobrevivc <llos
contrasles de predicción dc Cho\\' j)<lra m~s de cuatro aiios. Consecuentemenle, -:}
,:J;
ajuslamos 1" ecuación al. periodo comprendido enlre 1959.1 y 1987.,1, dejando doce'
'.
lrimestres para la predic¡;ión. L<1Tabl;¡ S.I r Illlleslra los resllltados.
,,?
". ~ :;.
i'~
~. "
,1' (it56) >¡,
}
quc est~ prhClic<lIllCnle de acuerdo coli las esliillaciones previas de \;IS elasticidades. .~f

La c1aslicidaddcl ingreso' es "proxilll<ld,inienlc unitaria, allnque si el ingreso y el .:~

.••J I;pl ;lumcntan un 1%. el aunlenlo dc la dcm<1nda esmcnúr dd 0,5%.
r
,-,'"i La Figura 8:6 Illuestra los' rcslíll"c.1os de utilizar la regrcsión e/e I;¡ T<lbla fUI
,.{

para predccir l<ldemanda de los 12 trimestres comprendidos ell el periodo 1988.1-

't;

~1 Y;l qth: I(lS fl':o;;iduos son los'lllismps 'l:'.1-ól(l~ ~cpar;lIl1clri7.;I<;i(,l\. ,la mayoría ,dc los, t.:.sladi~lic:ns t.k ru,n"-
pfoh¡lC:iúll y, di;l~I1c"ls(i(o 1ic nen \';1101t:.~.idé,:~ic(ls s( I;l"r~-Iaciüi~ ~sc ~Sl ¡lila en I~i\'dcso 'primeras. ~ircn':l1ci;)s.
\'..'(
aUl~qtlt,~,drCSUII:l(h..lIHlsca cit:rlo para".toJos Iv'~ ~~_lél(.J.ístic<Ís .. \~¡¿ascI'rohlt.:l1la H..10. . <
),
."
.'rr •
 -----,--~-~" ,~,'
",'. • ,1 ¡.
'••

.1 ~ .'

L\l'i,T111.0 x: MOliclosAulorregrcsivos y con RCl~rdr)s Distribuidos' 321

L. _ •

1l)()O.'l. El ~alor Fdcl contra~le ~e predicción de Chow eS 1,10. con un valor P d<:
(J,37 y, 60;' lo t<lnt~, no se recl;az'" I;lh,ipótesis,de co~staneia'dcp<1r~melros. 1'<l1y
como revehJ el gr;ífico, las f1uctLla,cidn~s d~ dem<lndaen 19S9,Y 1990 fU,eron ,sustan"
cialmel\tc mayoresquel<ls delospriineros años dc 1<1,d~cad,,:.E! ~egllJ.ldo trimestre
d~ 19S9 contempló un<l c,lída del 4,2%:, seguid¡i dedos trimestres con aumcnlo. del
3,8% y dedos Irimestres con caídús del, 3;6n/~;y.3,4%, respectivamente. Por lo t<ln~o,
los IÍllinlos años del periodo 111l1es!ral son ,un 'tontr<1ste formid"ble p<lr<l cU<1lqlll.cr
ecuaciÓn. Ca, predicción d~ la Figura S.líes un<1 prediccióneslálica, que utiliza los
v<llores dc hecho de todos los ~egre50res; inclityendolos relari:los~c la variable de.
pendiente .• EI <1eu'erdo c~lotal~c~n', c'l d~~<l,:~ono dei ~onltaste de 'predicción de
CllOlV mostrado en el Capitulo ,PI\. ' " ' ,¡ .
•
El espacio disponihle.prohibe UI; ¡1I1~lisis'lllásextenso do este conjunto de .da-
los. Hemos simplelllenle el11pcz<1doc iluslr"do algunos de los muchos ,tests de dl;¡g-.
nóstico' disponibles nClu"lnlenlc p"ra ~"des;)rrollo de modclo~. El reto C]ucdi' pnrn
elle¡;lorcolI el ()hj~.tivo de que désar:'olle Illcídclos superio.res r:tI<:>spresentados.'

TA tll.A K,II

Helación simplilícatla 1\ H () , , , ' . '

•••.••••. t.:-:.'C;. •.•• ;..r.- .•••,., • ." .•••; •.. : ••••.•.••.•• -:,'.,.: ••••..•.•.••• , •••.••• ,. ~ •.. '::., _•••••~ ••.• ~., •.•~~.A_ .••••.~l"'\..~~ ••.••••••.•,'~~ ••.•••.•.• ~~<II:~ __ ...- __ ••••.••.•.••••

Ls 1/ Dependenl Var;al,lci~ y"

Sall1ple:1960:1-1981:4 " , ,. "
Inc1udeÍl obscrvations: 112 ancr adjustingendpoinlS

, Variable Cocflieienl S,td. error T'Slatislie Probo

X2 -0.257697 0,040958 -6,291714 0,0000
;' X2( -) 0.220987 0.038821 5.692409 . 0.0000
DX2(-3) -0.074531 0.043678 ,:'1.106382 0,0910
X3(-I) 0.223670 0,076673 2,917175 0,00.1,'

'l" "', '"-;:~~(~J)"?;~5"'':'P-?''';':- ~7~~~~:;!,::,;:,~~~,;-:,,{.~~~jT;-"'~7;""(>':)/'-?:';;b:~;}~~;""'~"?::':!:!~'Y;~:

.','
~ Y(_I)" ," 0,549j¡l) '0,090818' " 6',048582" 0,0000"
. Y(-~) 0.129267 '0,103599, 1.241766" 0,2150
,i
Y(~.3) -0.080684 0.1084:5 ~01,784538606993, 00,40656881
' t
Y(-4) 0,170835' O.0919.'¡" , . ' .
f

~' C -0 ..332035 O. D83 18 ' . ~2,400520 0,0182

.,
r,"

.'
"
R;squared 0.986554 .MeandeP7no~nt var.-7,762119
:'Adjusled R.squared . 0.9&5223 ' .5.0. dependent var 0,116079
S.E. or regression 0.014111 Akaike inro eriterion " - 8;428585
'S\ll~ ~quared rcsid 0.020 ti O' ".Sehwarieriierio~ . - 8.161590
Log IÜ:eliho5J::" 324,0797. ' F-slatisl,ie 741.0565
rlurbin- \Valson mi ,1.931894 ' Prob(F.slillistic) 0,00000o

'.~ :, ...:

•
, ~:
2~ V~;I~C Prnhkl11a :\..11.

.;
o"
r
322 ~IÉruUOS UE ECO:,;(mETldA

-7.62

-7.M

-7.6(1

-7.£i8

:!'
..J,

-7.72
,,:
,. ;.

-7.7(,

-7.78
SI 82 83 85 87 , 8<) 90

F1GUHA IUj
Valores aclu:llcs (Y) y prcdicciuncs (YF) de la Tabla !l.l L

8.5
I\'IODELOS NO ANIDADOS

En la s-:cut,:llt:ia de rcdlll.;'cióil de la Sección HA cada illlldelo se I:nlazal>a COIIel pn:.

vio en el sentido de que' cnda.'modclo cra l!n C¡¡SOespeci¡¡1 de un modelo Ill<ís gCJ1e-
ral. Por lo t<lnto, In.hipólesispula especific'¡¡ba en cad~; paso alguna restricción en los'
par¡\metros del modelo m¡¡nlen'jdo. EII'r.c1iazo de la hipótesis nula implica aceptar
la hipótesis m<lntcpida, es decir, la hipótcsis ;¡llcrn;¡tiva. En mueh¡¡s siluaciori(;s
prñcticas ¡1odemos encOlúri\rIlos con "mbos ;llodel(is, sin enlaces (;nlre el uno yel
otrü. CoÍ1~ideremos' .
MI: y== Xj1 + I/t ;/1 - N(O.ITl/) (1).57)

y. 1'1'12y: == 2-y + 1/2 '112 - N(O,lr}/) . (X.5X).

donde X es 11 x k y 2 cs 11 X /. En general. los dos modelos tienen variables explicali',
vas comunes, y .por ello forl1lul,lITIOS
X::[Xt X.] ,2:: [XI' Z.)

L
 (',\I'iHIl,(J': lvlolJclos/\uliJrrt:c.resivos
-.. l' con I~clardlls Dislri\llIiJus.
.. (.

SiX; O Z. fucr;ln un conjunlo vacio, unmoLielo S(; (;nl;\/,aría con d. otro ~. serían
aplicables Ills procedilili(;nl;O~lk inkr'cncia-est;\ndar. E'n g.~ncral. sin (;I~lbargo; nin-
gún coíljunto de par;íllletros es susc~p.liL~lc ~k e'xp'resa,;'se entérlllinos de las rcslric-
CiOli(;sdel olI'o cónjul]to, " ', ' - '
La conl rast ación puctk Ikva rse <lca bo (;st~1blceiendu un nHl(k lo Cllm¡J11l:s.11l ()
'arlificial en el qüe se enlazan ambos modelos, Él modclll'co'i11puestocs
,/1''.1:)' :: (1 - o.)XjJ -1- 0.(2')') -1- 11 (X,)I))

donde II es un par;ímclro (;sc:dar. Cuando ex ;:: O,se reduce il ,Ii l' I)c modo inverso,
ellando 'll = l. elmod~l() compueslose reduce a Ú~.Si pudieraneslimarsl: los p;;rií.
n\i:lrOS de la ecu¡¡ción (8.59), los conlrastcs rclnlivos a ex apunlarí;in a uno u olro
l\llld(;¡(l, DesaforlUnadam(;nle (, !lO puede obtcnerse dc la estimación de la ecuación
(:-;,51)). La matriz de las vi\I'i¡¡blcs del lado dcreého de eS<lestimacilÍn es [Xt X. Z-l. . ,¡";'¡
:',"'I~IY incluye menos variablesquc pari\IllClrOS eSlruclurales exislcnen er, ¡J. y David-
.:;:, "'o"'",_--:'.,~.'j.
•••.•.•••• '_.0 ,': •.• ..". .' -' •• _,',' • -.' '. " .••• ',' _' .' ,";, '.".'," ,.;",.' • '''.' • ,. o,, ~. -' ".'..' " ",. ',.', .' '. •

, sllny MacKinnon sugirieron una soIlici<:úl-úl"ljj:(¡blénia-'J: Cu~íj'¡dLis'é"c(Ílúraslú' ,I/j, '

'sustituimos (;\ veclor desconocido 'Y de la ecuación (8.59) por su (;slimador 1\'ICO.
o!1leniuo dc M2, Por lo timlo Zy sc suslituye por .;'\
\

Z-y:: (Z(Z'zyt 2')' ::1'~y::.i'2

uon¡.1e 5' 2 indica d vector d(; losvalores de regrcsi(JIl de M~, La regr(;sil'111(1),51))in. "''''
'clu)'c; ahora k -1- I r(;gresorcs y perlllill: la eSlimacilÍn de II y'j1, Cuan,do "11: tl :: tí IlO'
se rt~thaza. aceptamos ""',: e. inversamcnl'e .. rccliazar!I1I illlplica rechazar ,,111,
Poden,los aplic;,r idéntico procedimi~nlo púa euntarslar ;i", [n ,este casu. la
rC:gresitÍn compuesla toma la form¡¡
y :: (1 -"- 0.) Z 'Y .+ ti j'l -1-11
"Ú¡\;",~le~')'1,: X(X'X)-t X'y = J'...)' (;sel veclor de valores de 'regresión dc M" EI'pro-
lilL:nú con la exiSlellci¡¡ dc dos posibles conlrústeSi:s que exisll:n CU;llro posibles re-
sulladps, Uno dc los modelos pllede salir ~(;ch'<ll.adq mientras qlie el olro 1)(;. en Cll.
,"; :Yo,'<;;ISOd 11l0ddo no ¡'cchazado serí<l d prdcrido. Sin embargo. ;\I11b~lsmoddos ,,--..,
, j)lIL"tlcn rqultar n;chal.atlos () ilcepl'ad"os, CU:lnclo al~lbils 'son rcch<lzados debelllos.
cvitle;ll(;lllelll(;.lrabiljar algollli(S, Si ninguno '(;S ':I:chii/,ado. el conjunto tic datos no
i.ndu)'c información suficient(; sobre la difercnci¡1 cntre ¡¡mbas especificaciones,

, Abarcamiento (cncompassing)
. 'Un cnfoquc relacionado con la ~o'níp¡¡Í'¡¡ción de dos.(o m;ís) lilOdelos sc b¡¡s';}
en la ¡lOción de abarcar)lI~ ellando un modelo ,¡halTa a'olro.. ser¡i,capilz dcexplicilr

"
'~

!:/ HllS'sdl t)a"idsull j' J:IIIICS (j,"~1:ICKillll(lll. "Sevcral TC,sís ior ,\I"dd Spc,'iriLlli"ll inlhe i'resenc,' uf ,\1,
"
lelJ1:lIive ilyp"lhcses". fmJllIlIlj'/,.iUl.~~. 1<)/;1. 7St:7'),1," "
.'U (ir;lyham L Miwll j' JC;III.fr:lllcois Richarú. "TI;c 1:IlClllllpa$sing i'rinciple ¡1I111liS "pplicaliun '" Tcs-
,.'Iill¡: N"illICSied ItypOlhcses".":""'lO,",,¡rifll. S4.I'JXC,. (,57,(,7/; .. ,
,-
 ,,.
.
¡

I;IS car;lclerlstic;'ls dei nJOdclo rival. Ptirejcmplo, ¿qué podr;í decir nueslro econo-
misl;;, tlllC "cre'e'" cn 1;1ccuilció'n (iL57), sobre el vector y de la ecuación (8.58)?'
"

Nucstro economistil podr;í oplar por dos camino~ 'distintos. En primer lugar, pucde
opl:lr por elegir la ecuación (~.57) con el fin tic producir el vector de regresión Yí
qne ac;,bamus de lIdinir. y realiz;ir luegó la regresión de.l'l sobre Z IJara crear su"
predicción del veclor.'Y. ~Iue dcnom'inúr¡í y. PoI' lo lhnto,' .
'9 = (Z'Z)-I Z'¡;;;'=(2'2)-1 Z'X(X').l-IXy (S.60)
Dc modo allel'llalivü: el cC()I;Olílis¡~ lIcl!eríarec~,iocer quel¡¡s co'ri"elacioncs i¡levi-
lables cl;trc series económicas dat;ín Iligar a conexiones entre X y Z, que deberán
describirse mcdi;uúclas rel;;ciónes mínin;o cuadráticas :
.,.' ,','1(= Zr¡ + V n = (Z'2)-IZ'X (8.61 )
,,
La visión de nuestro economistas consiste. por lo tanto, en las ecuacioll(;s (8.57) y 1
PUíl), que implican un;l rel;lció'n entr~)' y Z.' , .'~

. )',~ Z(f[fJ) + '(Iil'-I: VjJ) (8.62)

Así pueS, '1 = rr jJ y su estimador sed
'y = nfl ;" (Z'Z)-I Z' X(X: X)-' X'y
que es el estimador definido anteriormente cnla ecuación (8.60). Según la ecuación.
(i'.5S). el estimador dirccto dC,,'Y,es

.,•...

\.....:

(8.66)
 "

. ',"1,.-'1'

.
¡
' '- ",.,",

" '

(',\I'iHll.ll x: Modelos AUlorrcgrcsivos y con Retardos Distribuidos 325

LaimpICnienlaci6n del conl;aw~:rcquiere un'a 6stimación de u21' ¡¡unque seglÍn I¡¡.

'regresión dc"1C;pílUlo 3 'ven1(~sqtÍec!co'nlrasle equivale al contraste F de = O en ""l'

: la regresión' ' , ' , ', " , , '.

" , y =XjJ+Z. "-y. '~ 1/ ' (8.67)
Por lo lanto. 's~ suplcmelllanla(vari;!i11es l,kl:1ll9déroM¡ con ¡¡queHas variables que
ap:\recellcn I'd2 pero no. en M1y'sc ver,irica I~sig,ii(jc¡¡ción deltÍllimo grupo. Dicho
'1 "

procedimiento se contrast<i cón el de,pnvidson.M,¡¡cKinnon;que suplemenlalas v~-

riables MI ,con,'c{ve~lor líni~o de \'a"lo're~dcregresi6n de M2. C,iJando las vari¡¡blcs
Z. no son significativas, se dice élUCM1.},bjuta los pniálllclros de:M2. L" ecuación
(1',62) dfiac.:n é"~i,del;ci,,, qU,ela, v,¡¡,riaf~i¡¡;Je I~ i'ci~ción ,in'lplícita pnlTe y y Z excede
(T2, • I¡¡ v¡¡rianl.¡¡ de MI' Por lo lanto, cu¡¡ndo ,MI es verdader¡¡, 'su v:lI'ianzn aharca
, , M2• aunq;ie las fluctuaciones mueslral'~s evil~dn b aparición ele desigualdad cn I¡¡
1, '. v;¡ri;¡nz;¡COrrecla. Una ve7.Il1;\s,d~b.eremos invertir los modclos~' conlr¡¡slar M2 pa-
" ra aban;ar lüs¡)ar;íll1etrosde /I'{;' estima,)do la ecuación de r~grdió,; de y sobre Zy
X. y \'c¡iricarl;, sigi~if¡cación 'conjtí,it¡¡ del (¡llil11o grúpo. Así puc~. el procedimienlo.
. ,.' ;. ',". :~ 'r, '.,', '. _ : .. " :. '

pucde i,frecer lall1biél~ rcsullad(ISú,ilGiguos.. ' i, .

,l.'
., ..•• , .
_',r
APÉNDICE l'
'~

'.d'.
"
"
L¡¡ conexiónenlre;irnlhs
. -
Ill~irices esZ '. =XAdo;lde.
"', ",:'
;~
,,'

','
,11
. :~
I~"_'I=[.,,~',,,~.', .'~ll,,'".', '.
"
1 ',O 1 J ':~:

r.
~,
j
 1,
j-' •.
326
l
En general, las transformaciones lineales implican una malrii', no singuliir A. For-
mularcmos
)':: XjJ + 11:: XA.A~ljJ + 11:: 2-y + It '",-
dondc Z :: XA y -y:: k1jJ (/\~U) .,.~
,
Las inferencias sobre' el.veclor jJ se rcalizar<Ín bien directanH.:nte. ajuslando la re-
gresión sobre X del modo habitual, o bien ajustando la regresión sobre 2 para esli.
mar')'. utilizando luego la ecuación (1\8:3) para comprobar hipótesis dejJ. La rcgre-
,
0'.
sión direcla ofrcce los resultados c1,ísicos:
r• . . . ~
~ [¡ :: (X'X)-I X'y va r( [¡) :: ',~2(X'X)-1 J2 :: c',•.c •./(n - k) : 1,
•
J.,

e,•.:: AJ,.1t M .•.:: J - ,\'(X',\')-IX'

LJ eSlimación indirecta de} obtenida a parlir de la regresión sobre Z cs

fi:: I\~

~:, = A(Z'Z)-IZ'y
,J
',.
= A(/\ ',\"XA)-I/\ 'X')'
"
l.

"
:: (X',\')-IX')'
::b
Así pues, mcdiante dos métodos distintos obtencmos idénliws cSlillla'dorcs, Ambos
. "-'r
1, vectores de residuos son idélitieos para e,:: M,It, dondc tri,:: J - 2(Z'2)-1 Z', Susli-
::
". tuyendo en la ecuación (1\8,3) obtenemos M, :: M.r- Por lu tanto, los vectores de re.
í:,
!, siduus son id~nticos y ambas regresiones dan lugar ¡¡Imismo estimador de la varian.
za residual. Finalmente,
".ií" var(f1) = A . var(~)' A'
:.í
.~ = s2A(Z'Z)-1 ¡\'
:: 52(X'X)-t

:: var(b)
1\ sí pues, la re pa rame 1rización conseguida medían te transf ormaciones lineales no
singulares de las v<\riables del lado derecho dará lugar a inferencias idénlicas del
veClor jJ sin que illli10rle la reparallletrización utilizada para la estimación,
Primera diferencia como regresando
A menudo deseamos sustituir el regresando y, por su primera diferencia t.y"
Consireremos la relación
Y,:: aY,_1 + jJx, + ", (111-:.4)
donde, para simplificar, suprimimos el término de intersección. La rcparallletriza-
ción será
6)', :: "YYI-I + f3x, + 11, "Y = a - 1 (I\X.5)

La matriz oe datos de caoa ecuación es

:
 , \' -\- 1':
_-1 ,~. ]
,-
l' .1

La regrl:siún de la l:cUacit'1I1(/1:-;,)) es ; )

¡~1 Ji
= (X'X)-IX()' - .1'-1)
. )

~ = (X'X)-IX'y - (X'.\')-I,\"Y_I
,- 1

= L) -l:J , )

= [11 ~ I 1
oondl: 11 Y /J son los codicicnlcs estimados de la regresión (/\:-;,-1), Los eSlimadllrl:S
de ambas repar,lmelrizaciones son idénticos, porqUl: Ji = /1 Y l~ = -y + I :: 11, [1 1l:J'cer
paso es
(X'X)-IX',\' = (X'X)-IX'(Y.I .1') = [1 0\
II I

Los resiuuos dl: ambas rl:gresiones son idénlicos)~. Por lo lanlo. las infcrl:nci;IS dl: (,
YJI son independientes de la reparametrización utilizada,

APÉNDICE H.2'
E,~lahll:cer la igualdad de los colllrasles esladísticos de las eCllaciones (X.37) y (X,-I 1)

Suslituyendo las ecuaciones (lUlJ) y (X.'lO) en la CCU¡¡Cillll(:-;,-11) ohlCill:nios

&! l
--o = - 2 (.\"M,\.í,)-I(.í"MrY)~ .....•
var(&) u
Segü 11 la l:cuación (X.38), li:: (X ',\-)-1 (.\': M r y), La varianza de li es
. var(lj) :: u2 [_'_1_ -
(.\- '.\')
-1-1
(.\' 'X)
.. ....:,:

1 1 .1".1' - .\-',í'
Ahora =-----=----
. <-í"_\-) U'-\") (.í"X' )(.1".1')

.'! Vcase Pruhlcl1w H.I .

.
: .....
 ~IU (JlJuS ot EC(J:"U~II:lll i,\

I ...•
(.\'..\')~Ji..l.
i ',1';

;1' '.1' - .1' 'i(.\\yl .1' 'i

(.I".~' r ".

~ '

.. \/ .
=~
(i '.1.)2

POlio tanlo. V¡¡r(q) = er~ (.í"M)') (i'.lf2, Suslitu)'endoen la ecuacitín (fU?).

,", (~' 1"" ,',' ,"'" B2
.' >-" _1_. = _, (.l" ¡\I,.lj-I ,(.l" M,r.") 2, = __ ._
var(l/) er- var(1\)

quecol1lplcta la demostración.

P[~OBLEMAS

S.l. Dcmoslr;lrque los residuos cstil.naúos'en lasregresiones(J\S.'1) y (¡\S.5) son iúénli.

coso

S.2. Desarrollar una rep;lr;lInClri7.;lcillll de 1;,ecuacilín,(H.12) en la que el lérmillo dc co-

rreceil')I1del crror.;~ silue cnl:.l pcril)do 1-2.'

¡u. i),;sarrollar Ulla rc',iar"IllC!I'ización ÚC \;1 ~cu;lci(íll' (S.12) quc i[IC()rpore el supucsto ;.

dc daslicidad unilaria y quc pucda CS(i~l1"rscdirecl;lIl11:nle. '

HA, Comprobar que los residuos del ajuste I--.ICOde la ccuación (I;.Ilí) d"n lu!P!r a un esli.
mador insesgado dc lt,~cuando la ecu"cil'lI1 (1'-15) es la especificaci(')I1 ctlrrc~ta de .\',.
,
, •. .•..'.

S,5. El erecto d~,,1I)s.errores~,curtlctidos'-ah:x<:luin'aTi;lbl CSTC IC\TalllSs:oinclu ir ,"ari::rbleF"

'-, ,irre 1c,\''t111~'~~iAt:;,-,~i~u'
(I;;'¿r;';)II;lli~~t.:I;e ¡IC s ;0'1);1racsp~ci (icaciollcs sCllcil1as como'
.~l,
"\.,; ,laqlC I;ls'ccuacionc,s U" 15) Y (S, I(')"Dcri""r ".IS conclusioncs gl'llcrtlh-s dc esos resul.
.¿¡ 1;ldps ':Cli:,l',é,r;ninosIll;lll'iei"ks. (llili~.;'11l10X = IX, x~l.
donde X~ pucdc representar
variables e,xcluiJ"s o incluidas erroneanú::llle.

X.lí. Elmodclo L1eia cniacilíll (:';.2\!)pucdc rcfnnllul"rse ell forlll" IIl:Ilrici;r1c(mlO'

)' = ,\j1+ El

.r = .r~ra 1 + Y-11l2 + E2
dc I;ISecu;lclollcs por ~'ICO y SCobli(:lIclI los n:clores de rcsiduos
Se eSlima CI(I" \111;1
c"y C Dm posihks C(lIltl:;¡SrCsd.: 'rtgresiiíll'p;,ra\'Crific;lr 1" exislencia de cxogellei.
"
dad d~bil de x $011
. e",obrc.ry cl'
y sobre .ry c,'
"

.1
.. '
.j
..•.
 "l, '"r
, ',,' I

. (',\l'ii\ll.lj~: 1'vlo:klos¡'~\lln¡'I'egrcsi\'ó~q' ~()II i~ciardos Dis'lribuiJds ]19,

. lo' , :"

ClÍlI1111:obar que el coe'ri~¡en;~ sobre; 'c;, 'y:s~serro~~s eSI¡índa~'cslimados son

idélllicos el'l ambas re~'re~io,;cs,¡jis~u'lir,la' cOI1cxióncnl,:ec! estadíslico resu!-,
tan'le Iy .cll:OnlrÚSle~IL sobre Ji¡<2, tl~1¡irilllCr cbil1r;¡~lc de'regresión.
. .. ," ~.' ;t . ~ :':;' ,',¡ ~;. ,,;;,' ..' '. , .
IL? Examinar posibles reparal11l.:lri:wciunes de laecuación , . ,
~~'.
'¡

,.1', = 11/ Hl1Y,CI':+

.
;'¡~~1:.'¡,,}~',.i'Jl¡x;_I,~JJ~'~'lll
;Y2....: -, " ,
~£, ..

donde)' y.r son varí;,h,ks,i(1 )','pal,},ver,qu( parámetros pueden mostrarse ca: .

. nio c(;dicíeliles de v"riabks,de' inedia ceh; 1(0) y, porco,nsiguienle. seade-
cuana proccdímielllosde í.nrcreneia eSI;índ;\j-;~:' ,.

IU;' ÉSluJiar el ;;'rlículo de I'erriill' c,¡lndo ~nl;i SC<,:éÍ.ÓIl,8.4 aplicar~uco~lrasle de y

raíz unilaria a las'~cries'd~'gado' y
'pr'Cc'iodel ejemplo n'un1érico de dicha sec-
ci()Il. ' . \~.. ;, . , " ..{ :,

~ ,;~¡ , J • ',. '. _ • .. \, '" ._

H.~. Desarrollar ,Ias,relaciones explícitas enlre los parámetros & y fJ de la ecuaciói,

(~.54)., . . ' ..,' ',' é' , ' ",','
¡l.
,\ '¡

R.I tI. Calcular. U1iran/;:o d~ prueba~ ~~a;,ldí~ticas' de diagnósl ¡ca f);;~,,'algu,j:lsdc¡ J.:lS
ecuaciones d~ la Sccci<Ín:-;.4 roi'n)UI;¡(J;1S (anloen JonÍlato de niveles como ue
primeras dircrencias.¿Oll~ eSI:;IdíSlit()~ poseen valores idénlicos par:l ambos
, formalos y cu;í1cs no? ¿Por, (Iué? . :: ' " "

M.IO. Calcular los valores de his¡)r~dicéio,ies csi;ílicas mosl~ilclns en la Figura 8.ó.

(;J1Cll1ar también, lós vOllores'dí.:: ]¡iprcdicciún dilláinica 'para el1l1isrilO periodo'
y <:ompararhi~. Cuando se' cñlc~l1elil,predícciói1 dil;;ímlca,'"sumir que 'Ios valo-'
res del conSun\(l que' \'aY;¡;11l1:ís illI;í.dc 1987 ..4 son ,descono'cidos y'debcr~n sus-
tiluirse'p6r'valores predicHos. " •. . "" :,'

, ¡.
__
1
'

"

•.
',:',"!
...
 '---.. ,,'
¡- .

CAPÍTULO ~
1'''

. '.-,:~~'~.: •.':~':'!_'Il""~"C.:'
.'t' .•••
'~••. • • • :~ '7i

!vIo ele los. M uI ti e eu el ei 011 al es

.'"":'

',. - I I 1 .,
\ ~,
i.
. '
I ,'- .I.l\l)\
l.. ( -;(j ).:r
: . ". - '.
'. ~
-'
1

. ,\,.;: ,",.".::.,\ ,.., .,f, .•., u ', ~, ,.,:....' . ..,:::

..
':.". ..: : :..: '\J.~.:. t: " ::..,,:
1 EII el Capítulo 7 hemos allalizauo los esquemas ullivariallles aUlorregresivos en los
I que una variahle esc"l<lr se modeliza en.términos <.lesus propios 'va.lores pasados. El
i proceso A R(/I). p(Hejc'ml,)lo.es .
1 ." .. ..1',.=/11 .,'ul)',_' + uV"_2.;" , .. +á~I.\'í:l'+ E, .
I ConsiderarelllOS ahora UII \'cdor eolullllla dc k variables <.Iislinl.as,)', = 1)'" )'2, ... >'k,1'
I
¡
.COIIobjclo. <.leIllodeÚz<lrlo enléli,.ninos de los vaio,:cs pasados .de .dicho veelor. El
resullado es UII "celur autllrrC~~Cs~vll o y i,\ R. El proceso V A R(p) c~ .
r .'. Ky k, .,....
'. ,~ ._ \.~.
t ~ . •• .' • .'.

I y,=m+/\I)"-I+/\V.'.2+ (9,1) +.A¡;.i'icl'+.E, ...•.. '

! , t~'. '1<1 '",'
"1' .•.) '::"'1, .' .
I. ,Las 1\ i SOIl malrices de i:qe.fieit:ilt~s \. C ordei)' k x .k, n,.es un' veCl'or :1, x, I 'Je éOI\Slan-
!
I1
~
r,
., . ',.
, ,¡~(E;)'=. O
.. '. : {n
IL"S')' E, es UII.veeior.qi.I<:=~ill~boliz;1UII pr~ce~o de rpitlo bla¡H:o, cOil.las propiedades'

1\'
.

I~('~,E'.\) = "-'"
'.1' = /.
(\1.2)
'5 . '" ~,. 1" () .~ *' /
! ¡ uonue' ~upo¡lelnos qu~ 1.lm¡ilri~ de covaría'nzas n es <.IcCinidapositiva, Por lo InnlO,.
¡. ¡ las E se no se hallan corrcl,lcionadas serialmenlc aUIHlue pueda darse el dl~o de que
Ir 1 cstén'corr..:l;lcionauas, conlempOr¡'ne<lmClllc. ../
! ( 0

I ! (- . le) rj

I '1 9.1 n. o.} i.~

II fl
~ VECTOl~ AUTORREGRESIVO(V~\li) L ~):)
'f \,
I I

I l' I Y,U Un VAH SCIIl:illo

,
~ P¡u.'a ex¡;li¿ar algunas de 1¡IScarnc(crí~iica.s b;ísic<ls de los V I\(t considerarelllos en.
;~r¡mer .lugaruII caso sencillo d:lI1dc k ;:: 2 = l:~nesie l:as() , y,)
. "'[ y;,]
Ji =
. ''Y2,:,:.
=, [''-'1]
1112
+ [1/11
. ,(j21
".''.'].lr.. ~I..I'I]+ [::,'\ = 1/1 -1-1\)'1-1 -1-El' (9.3).
(11.1. }2.1-1 . "_

:::m
,
 ¡J

1',\1'1'" :1.<) '1; ,\Illlkl()s, i\ Illiri"e\I;lri()naks JJI'

,

0, ue forma lIl¡ísexplícila .
)'11 = 1111 + 1/11~\'I.t:.I'-I- 1/1'~Y~.I-1"1 Eh

)'2' = 1112 + "2'Y\.',.I. + 1/2::."2.1-1 + E21'

Así pues, l:OIllOcn lodos los V 1\ 1'1..cada vMiablc se expresa como un¡¡ combinación
lineal de los v;lIores relardados de ell¡¡ mism¡¡ y los v.llores re:laru¡¡dos de las reSl;lI1' J

les variables del grupo. [n lapr;íclica. I¡¡s ecuaciones dt;: V f\ R 1Ie:~an ¡¡ incluir len.
dencias lemporalcs dclenninislas y olras v¡¡riablcs exúgellas: aquí las igllorMe:mos
par¡¡ que I¡¡cxposición rcsulle m¡ís sencilla. Como en el C¡¡SOuniv¡¡rianle~ el compor- J

I¡¡mielllo ue I<ls)' depemlcr;í de I¡¡s propieu¡¡c1es d..: l¡¡ m¡¡lri7. ..\.

Supong<lnllls que los valores propios y los I'celores propios de: la m<llri7.el son
"

,'....
".'-.v
. ' ' 1' k'1 "'0 1 , ' 1- :.:] . )

A =
O h2'
.C = e,,,' C1 J \ ".
,
- - ",' "

A lIicnos que los vajores propios seaii 'uis\intús. los Veel(lI'l:s propios son line;i1mcn,
le independientes y e es no si1lgular.:I'or lo lanlo,
"
:'
/i. ,A~2.' C-I AC = Ay. Á'~ CAe> ' (l).,I)

I,)dinamosun nuevo l'eClor de vari<lbles z, C0l110

,:",
"
;:1 = C~ly, )'i= C¿,' ('.J,5)
. .
I'reJ1;:i11iplieando la.eeuación (Y.]) pór.C-i y slm¡;liricando lucgo. OblCI)Cmos .
z/:= /11' + .'\<:"_1' '1: 'I)¡' ('.J,ó)
.--'
, t1oi,Lic /11' = C-1m )' '1), = C-I El; (1ue es un veeior dc ru.id(i blanco. Así pucs. r""'"""

i-:,:, (>',I ZI, = ,i"I'¡: hl':I.I_1 + ni, •......

z~,= /11' ~ + h':i¡~.I_l + '11!, ,~

Cada una ue las vnriables Z siguc. por.scparauo. un esquema Al~( 1) que cs cstacio, ,~

nario, 1(0), cuando c1valo(própio tenga lIlódúlo menor qllc I¡,es lUl pasc~) aleatorio
.C(in deriva, l( 1), cU<lndo el valor propio sea iglialll 1; ~',cs explósiv() cuando el valor
propio sea mayor' que 1.,Las series' cxpl'lsil'.,,'sse desprecia.r¡ín'por ser económica-
ment~ irrelevantes, Considerelllosailoravarias, cOlllbinacion\:s posibles cnlrc Al
)' h~..
. Cl/SII l. It.:,' < I )' I}.!I < '1. Las;: son enllil\~es 1(0). Laccll;lcil'll1 (').5) nlllL'slra
," . que J'as.i' sún un;1 c(lll)hi nación lincal de I~s;:, í(l,q ue se descrihe l'llnlO q uc ." cs 1(0),
S'iendo '(odas las variables e>!;icionari¡ls,los,p¡-()~edil1lienlOS de infcrcnci;l estándar
Slll~;.lplil:ahles al VAI{Jornllll¡Hlo com.o hcmos hecho'cnla ecuación (9.':\). :'rambi0n
liene scnli¡lo investigar el c(¡uilihdll'csf:\lieodel sislema . .El proceso de igualar a ce, f
,
1''0 el veclor de perturbación al,ealoria de la ecuación (9J) y suponer la exiSlcnci¡l de
.1'11 vl:~lur.cquilibrío y da lüg¡\r a ,
r
'.
(1-1\))''=/11 01', I1Y=/II ('.J.7)

,t'
 '. .' :',,' . . '; "

dCH)de TI = 1 - 1\. L;¡ ecu;,~i{)n se resolverá parn un :v (¡nico y c1islililo dé-teni. siem-
1m: qu\: la l11atriz n se" 1H1 singular. ,Los,resull<1dos,dc iílgebra nl<llrici,,1 del I\péndi-
n: 1\ de,lllucstr;ln lo siguienle:'. . ..' ."
Los valorcs I'rnpic)s p lh.: 11 son,losc'ol11plclllGlúarios de los valores propios >-de
,1. cs decir. ¡Ji = 1 - h¡. .
LllS "ectores propios de TI son idénlicos a los de 11.' '. '.. . ,
Por lo lanlo, en esle caso Il es nosiligul;¡r y cxist~ enlonces un equilibrio est,ílico
único 1'=11-1.111. Los'\';¡lo;'Cs ~Ie >-~ségur;\rí qtielas des\;i;¡ciónes del vector equili-
brios(')i) lr;insilul'ias\' licnc!cll .; dcsnpnr~cer con elliel11po.
.\.. '.
CilIO 2. ~I := )}' '1~21 <1. Alioi'~ 1.1~sl(I), rnseo alc;¡lOrio con deriv;¡, y 1.2 es

"
1(0). (ada:\:"és'~;ti(1I1'~es I( \). ya'que selr',la ,'Icun;¡ cOlllbinnción lincal de un;¡ va-
riable 1(l) )' una vil riable 1(0). Direnios en loilCCS quc )' es 1(1 ). En este C;¡SO, cn rece
dc sentido busc;¡r un;¡ relilcióndc equilibrio CSl¡ílico enlre un cierto V;¡IOI de XI y
olro 1'" nUI'que sí lo lienepregunlilrsesi exist~ui.i;i rcJ¡,cióndc.coinlegr;¡ciún enlre
."1, ~")~2rL;¡ rel;¡ción st: .dcs~ubre fácilil1el.lle.L;¡segunda [ila (inferior) de I;¡ ecu;¡-
ción (9.5) d;¡ lugar;¡ . .,

.
:1. 2' ---: c(2) J'. , .
(9.8)
,1
donde c(1) es \;¡ fi\;¡ ilífcl'ior deC-I,Y6i idtanlo, 'les 'un¡i combinac'ión linen\ dev<1-
riabks I( 1) aunquc. Imr sí llli~llla. es Ui1i1 varirible 'cslilcionilriil 1(0). El vector de
coinlegrilciúll aniquila el componente I( 1) de y,. El resultado se h:lcc explícito [01'-
mulando 1" ecuación (9.5) Como

"
y,.[:J z,,+[~,] '" il'
'.
1'""',," '1'''''''''''' ,,,"" ",1 "" pOi.' ti """" "". ,';1 ób'""",,,, ,,>1 J',. '1" 1'''''1''' '" ,1
MOSlrl!ié'ill~)S'1.:l11111ll~n In 'rclaclOn de colnlegl <1Cloncn te 1 1111
nos de 1.1mn llll. JI :.~.
l.ldinid~ 'e;ila. 'ccu~tió"l' (9.7.')',' RepnrnmClri7.aremos la ecuación (9.:1) como
.¡f.:<\
lJy, = 11/:- (1)"-1 ¡. E, (9.9)
Los vnlOl:es propios (k n son cero y ( 1-:>-2)' Por 16 tanto,'1I es un~ miilri.z singul;¡r
dc rango lino. ])cbido;l! herhó de (íue estani;ltrii.col11p;lrlt veclOres propIOs conA,

..••..}.
,.
tellclllOs
:fl ' ='C O(
,[0 O
I _ ~2) C-I
l'

-'-'
.•.....1

'"
•= ¡ r
,
q(1 -"1)
" '
I "",1
..
.'9.10)
•• <

, I\sí pues, n. quc es (Icrailgo Uno, se rilc10Ii'l.a:ollll) el produélo de lin v<:.clono-

,'. ""...:,' lunlli"i1 y [111"cctor [iln. I\cst(:'rcsultado se le l1e'lHilllill:l prodllrlfl c:\Ierl1fl. El vector

.' ,
 t,., ",.d "~'O '{':

'.
1,
¡ 1', ;.

," I
" ,,'o '~, l':"Í'lTULo 9:Modc1osMul
, ei:u<1cionnlcs JJ3
~' .!, ....i " ,

fila es el veelordccoinlegrnci6n(lchnld~~~nlc;¡6¡illdnlc, rni~ntrns que el vcctor co-

lumna propon:ioi):llo~ pes~s !11cdial.lIc 10s.;cu;¡les ;1(\:r~l;¡ciQIl 'de coinlcgr:l.ciónent ra
~ ,
en cada ulladc'lns't:cu;iciones~lcí \iÁR:>Ca ,exblic'acilÍri es m~s ~vidente'c()mbin;¡n-
dola~ecúaci()nes(iy.9))'(9.IO),;':'; , '. " .
;; '.
, , IJY;i=:i;II:~.Cl2o"->-'2)l:~;~t~€I' (9.11 )
, lo J ¡.: ¡\ "¡ ,) 'i . " , . ,,' .~,";.': \ '.!'
. , 6Y21 = 1112 :-C22(1;:- X2)iv_1 +E21, '

Dicj¡~ rdmmul;¡ciónde laSeCll;¡~¡oncs\II~Rs~ -expre~a' en lérminos de pdmerns di-

ferencias y
ni\'clcs"t'ndos ellos I(O).Se:eónIC':ll(;ln'ln'lnbiél,l elpunlo de visl;¡ de bnJo
tina formulación de c'orrc~Cilíll c1c:crror dclVAR,y~que 1.2r_lrnide cu<Ínlo se des-
vían )\'-1 y Yi.,-i licia rcl~ción'dc c6i~leg~hti6;1; hlargo'plnz(;. " .. '

EJ E,\II'1.0 NU~,I,É.HIC(j.CO;lsidcrem~s clsisten':~ •. '" j'

~ ' ,, " , f -I ' • • ••

: )',,;"1,.' ;2)'1.1 ..; - ,

1),2)'2'_'+'(1/:
.,' ','
,:
j,
)'2,:i 1),(i.i\~/.I'¡'O>lY2','_I' +~2,
;":;'1.
donde hemos hechn'¡lIigllal~1 ecrO.:Los val,ores propios de;': se',oblicne!) reséJlvien,do
. :' '1«(lll'':',.\):'/a;,~:'' ;1 .... " '. ,;'
" ' ',' ='0
":'(/21 '.«(ln-X), . 1,
'.
Los ,,;¡Iores propios satisraccn

"1 +>-2~:tr¡\ =1.6

¡,
' "'"'," y "2= (¡.(\ .. EI vcclor
.
rr~pio:corrl'SI)Ondienle a la primer"
"
r~í7. se ohtielle
'
<1
1
1," ' 1''''' , do , :-¡~:: :~::}[ ':::] ~ [ ~ I
i r.:,:I\'l:Clor.PI~, pio s.e,U,';lc"íiil1~,s¡)loapi.lrl i,r ~1C,ürifnClo,~dc,~sc.n.'a:Sic21=' .1. ~I rrilher '
I 11 1I D I 1 1
" \'cClor'l'wpltl sCla C'=. . ',.
.1
C.qlo~()sunl ar.c,s,;gunt
<
O,~éclor propio ,1;er•• c2=,
. lJ :\]'.I\sí IHlCS,
'.,C:'..,'.:.'[',1l.]
,:,0,
.'. '¡L.]
.Hcror';lui;iml1~'la, c~1I¡,ci6n,(9.1.2)c\J1l)O> ..•...'
I
¿Yl,=O';2):U.l'.~ O.2Y~:':I+ ~,;'
t I
:Á~'21 =O.6~;;)_,~O.(\Yl.t:I+
. ~2" , .... '
.l
I

'.'~",. l'O,-;]'I-O,5~,,_,-, 05",,_!}, ,; ... {;

1
i

qllcc~Ja\'cisió,i Illlllléric;l(lcl;CClÚ1Ci6~!{9:JI}.ÚriicIO'ri7:~ciólldc la rn"lri7.11 no es

.\"liic;¡,Síli)¡,"ií)H~a'llo~ci ,pri')l~t veclorpori"i". COn51<1I11e."rbil r;¡rih y nllllt iplicamos, :¡
, • ,.' 1 " • ,.' _ .", o" ',.'" ' •• _: t,l,
r
: I

,..,1 ti
•
 ,lue~o, d segundo por su recíproco, I;¡ nl;¡lriz n pcrnwnecc inlacla, Rcformularcmos
el vector dc coinlcgr¡¡ción cuma 1., = (y/,. - )'21)' ajusla;ldo ~I~modo adccuadu d vector
ponder;¡do.
C{lSO J. Al == A2 = l. El análisis de este caso es dislinto al realizado en los dus
anleriores, porque no existen dos vectores propios line¡ilmenle independientes co-
m.:spondientes al valor propio repetido y. por lo tanto, no existe ninguna malriz no
singular C que di;¡gonalice A como sucedía Cilla ecuación ('JA). Para ilustrar el ca.
so. consideremos la matriz

A= (
O,ti -0,41
0,1 1,2
Verificamos fácilmente la existencia de un valor pl:opio unitario de multiplicidad
dos; csto es, Al = A2 = l. La ecuación (A - A 1)c = O da como resullado

-0,2 -0.41 ( 1 J (l.1 Clt

(
0,1 0,2 lo c21

1.1 = poOL )', )'1 = 1'1., (9.15)

Sustituyendo y, de la ecu;¡ción (9.3) y simplificando obtenemos
1., = lz'_1 + 11/ * + 111 (!J. 1 ó)

I donde 11/* = 1'-111/, Y 111 = ~-If/, Detallando la ecuación (9.ló),tencll1os quc

1.1'= AlU_1 + 1.2,I-t + m*, + 111 (!J.17)

l' 1.21= A1.2.,_1+ /11 *2 +'1121

Susliluyendo el valor propio unitario, las ecuaciones se c~!1Viencn. en
1
(1 - L)1.11 = '2.1-1 + 111*, + 11lc

(1- L)'21 = /11*2 + 1121 _

1Véase" Apéndice A.

o'. ~"

'"
 (

tÍ:.• 1
C,\I'íTUI.O'). i'v\lJlklos i\tulticclIilciollillcs
'"
" .. 1

J
ivlultiplici\mlo la.rrlnll.:ra,cclIac,ión por( 1- L), i:; ]

. (1 - L)2~11 = /11*2 + (1)I,-1)I.C-1 -1- 1)2,'-1)

Por I~ tanto, 'Ic es una serie 1(2) y 1.21es 1(1). ConsecuClllcm<:nl<:.llldas las variables
yscranl(2). '.' . ,
Rcsulta intcresante calcular la matriz 1'. En genera!. la ecuación (9.13) cuml1li-
r¡í

!""\
eslo es, A [JI=I\PI\ Y AP2=PI+A/h
\

E\'id~nlemenle .. Ia primera ecuación da como resulta~o c.l vcctor propio único de.
- C 1 -- [-2 .1J' . L',1 segulll .1-
lern1ll1ado antenormenle , esto es '1 1) :... . , se trans.
iI ecuaclon
rorma en (/\ - I)P2 = PI' La resolución de la ceuación es P2 = [8 1]' y. por lo lanlO.

, .. p = [-2 8] 1'-1 = [-0.1 O,S1

. 1 1 0.1 0.2
Verificamos f:\cillllenle <¡uc-Ias malrices salisracen la ccua~i(')n(l),1 J).
13uscaremos, cn úllimo lugar, un posible vector de cointcgración. Ya que

J', ~ ['~ll ,,,+ [,:, e,;

~lece~ilamos un veclor ortogonal a Jll para eliminar el componente ~ de 1'. Ll fil;1

IIlfeno.r de 1'-1 nos servir¡í. El vector de coinlegración orrece una c01l11~inac'ión line¡"
d,e variables 1.(2) ~Iue es I( 1). En este caso, la variable coinlegr¡ulle no cs estaciuna,
Ila; aU~l(llIe SI sallsfacc la definicióngeneral.de eoinlegración. es decir. es un veclur
, dc va.nab~:s l~rI) que es cuintegrado de orden (d,h) ICI(rI,h)]. cuando existe una
• coml~lnacl~JI1 lineal que es l(rI - b), para h rO,sitivo. En eslc caso. l' es CI(2.1). La
nlilll:l~ n Ilcne rango uno y la fila inferior de n ofrece tambiL'n d \:ector dc coillte-
gr~lclon. T~das la~ variables del VA R son ,no eSlaeionarias. igual que sucede con las - .,¡-
pl.llneras dl~erencla~ de esas variahles. Por lo lanto, y en cualquier caso.lus procedi-
mientos de IIlferenCla no son los métodos estándar:

9.1.2 Un VA R de Tres Variahles

_ l\'l.antenemos ~odal'ía el supuesto de uil VAR de primer orden. ¡\l;nque ahora am-
:yl.larel11os el sIstema a (res variables. SupongaJ1Jos (Iue I(ls valt1l'l:s prnpios de la ma.
1m, ,l son Al=.1, 1A21<I Y 1A3,1<.1.Así Jlues, existe una malriz no singular (3 x 3). C. de
vectores proPiOS de;l, Definimos un I'ector;: de tres elementos como el de la ecua-

" •.

" I
..
 .;
. ,"

j~

'"
]
""

('un 1.:1fin d¡; wns¡;guir un;, combinación li1l1.:aldI.: las variables y. ¡¡UCsca 1(0), de-
bcnlOselilllinar el clt::llIcnlo <.\" ¡-Iagamos 'quc c(:2) y e()) iildiquen I;\s filas segunda y,
lerccra de e-I, cnlonces Icndremos c1~s ,:elacioncs de cointcgracicín cn
-
. l.21
= {.(2),'
1
I
,)' l
3, ="~,,(J),
(9.1 S)
Lus vt:ctlirCstk CoiIlH:~ra~'iún sc' tktt:rminan Slílo mt:dianll.: un faclor escala, sin cm-
bargo, el hecho de trabajar I.:on lres variables ,inlroduce ,una consideraci6n lutal-
mcnle nucva. La cOlilbinación lineal de 'v,II'iablcs 1(0) es lambién 1(0). Por lo tanlo,
cnalquicr combinaciónlincal ele bsvariiJbles de la ecuación (9.1::;) scr;í lambién una
relación de coinlcg;'a'citin, wn 'uI",'eclor'd¡; coinlcgracicín asociado. ClIalldo existell
dos o m:ís vectores de clliillegraci611, hay illfinldad(\e veclores de cOinfegr:lI:icín.
1\
I\nalizarcnl(is la malriz n pai'a hallar la fornndacilÍn dt:llipo de correccilín del "\

nror, Los v¡IIures prt1pios sun JI, = (J. Jl2 = I -},,2' Y JI) = 'I,-}"J' Entonel.:s.
,n =C(I_,\)C-I

"", .. '

,
~.I{:I e,;.l],"[.~'~: ~ JI ...
e( 1) , •...
c(2) •..
]
,(9.19)
.• :
.....,'
; ; () O, 1', e()) ... '

-~. ~[,,:,' . ";" 1 [~:~: ::.1

.•...:..i
Entonces 11 s¡;c1ivi~!e enlrc cl p.::)dUc!-~,..c!.c..~l!..'.1..'-'-.n1a!~!:1_~3.~I.~r:lIlgo.(Io~)'
,lriz 2 x3.:lj'li\li~',).~idt'ú¡~;:ii6'¡J¡;~:.[~,¿tiilil~'.,h~(ri;i,illélúycfós¿jos
gr;\ciúll; i;;iéiill:a~ 'que l;i prin;cra ofrecc los pesósmcdiallte
11.'~;l,!l.!:~~,
~cctorcs dc ¿¿¡lile'; ,
los cuales ambos vccto'
.•.
~
res de c(;iillcgracióll enlran,cn b fOl'lnülación deCOí'rccciólldc.:l crror para lodo 6y¡.
Susliluyend(~ én la eeu'a¿ióll (9;9) 'obiendrcinos,c1 cOlljunloeomplcto dc ccu;lciones,
L\'I'I¡ ::::111.1~(p~C;-2)Z2.,;I'""; (PJCl))¿),1.1 ".' EI¡

'6Y~r= "'2 - (PiC:12}Z2,1-1 - (P,lCn)Z,1.1_1 + E~, (9.20)

"-.:¡I
tI.I'.', = 111.1- (JI~C.l2);:2.¡-1 - (P,1Cl,\)Z.1,1_I" E,ll

De modo m;\s compaclo. rcpiliendo Ii! ccuación(9,9), formularnos

6.1',==.111 ~ IIY¡_I + E,

Escrihimos la facloril.;lcióndc I1como',',

ri = tyJl' (9.~1) ,

,1

{ il
 .~ 1

, ", :, CA,I'ITUl.o9;fvlodclos Mllh,iccu~ciol1~les )37 i

;,
".

~.', " <

\ ¡
!',.',.;,. :' ,;."ij"
1 '
l. "¡, ,:,,"
}
¡Iolldé {~y jJ son;nalriccs 3 x 2 dcr:lIlgo dos7..' Elrango de IT'esdo's y cxisleil elos'
]: .",
vl.:clorcs d¡;c(;in[~~r;lci(ln. ql;~ 'Iii;¡estr;l11' la);, rfI<1s'¿le'j1'~'Stisliluycn¿!o la ecuación
••.• • • 1 ••
'j
(I),21) Cll la ccua.rióll (():9).ohlcllcmos ,,1(, ,
6.\'¡ =,1"" '-<11'.1',_1 'hE¡ =, Ji, -:{u:,~'J +'E, (9,22) 1
, ,'!. ~. ; i '. , .'
.~ I
¡
¡. dondcZ'_1 =:¡)'Yt-I ,illcluyclas dos variablcscóilllegra'nles.: ':;
¡\nlcstlc ;Ihalltlonal'cl caso de' Irc's'variablCs;'sÚpb',ig;tmos que h:kvalorcs' pro-
pios Sllll XI =1, Xi= I y IX)I <l. Siguielldocl desarrollo ú'iili1.ado anteriórmenle P;'¡l'<l
1.:1Caso 3. resulta posible hallar una ill¡¡trizlio singulnr l' lal qtl'e r~l Al' = J.donde
)" malri" dé Jordai1 sea :11101'''

.
Ddinicl1dll u,; \'cCtor lIc tres C1émclllos'
, '
l"lrn,l ,.

lí'=.
, ~
.
1'-1 j.,;'lencrDos qtie
:.
II es:¡ (2), l2 eS I( 1)

\ .
n," '(11) E" .'''"',,', ':: ~¡:,:r':::¡/1:j'::'),'¡::T::~""n"i', . '. .. .
'.f" .. ',-.

Prclillllliplica;,do pOI; b,segunda fila de )'-1, e~lo es, 1'(1.), e1i~linamo~ tanto '1 como
'2' obtcnicndo 11(2) .1', = ~2¡. ql\cesl(I). ÓCPlOdosil11il\\rjpcrl11i~lIljplic:.lndopÓr 1'(3).

:7'
oblcnclllOspPl'YI = l);~ «uces 1(0). A'sí:plÍes. existcn dos veCtores cc)lniegrantes.
:nIlHluu"súlo unt¡' dccllilsda lugar'a ''ú6i\ c'olilhi'Ú1Cióll' liheal eSlaciOlr¡,i-¡n di: )'. £1
Illolivo CSquc y es 1(2). Sin éinb;ú'go; lo'sUatos eil;pí,.ic6ssu'gic~eli que la n1ayoría
dclas sCTicseconlÍnlicas sonl( 1) 'o 1(0). ' ';: ",
, ReSllll:l posible tcncr:lllnislema 'dc'v;\¡'iables I( 1) inclu's<'lc'Jandocxisten diver-

~,,,;::~'.'~:~~::::"'::':::~"':"'~::::mr~F;6~~,~~;:
',Los dospJilncTosch;inénh)SÚ~lorlÍllinm 'riIilSC Ig'ualiúulii'no p,lrasiinrlificarb ex-
pliCación, ya qllc,~1 tínic,o(!lcrncnloh~si~b,deia filacs((' Losyalo'rcs prüpioss'on
}"l= 1, ~2=,I ..y>-')=(/"dcindésliponenw~ qtic'C¡ Ghimovalor,propio tiene módulo
menor qne !liJO,Las dospril1lcras ,,;¡¡'¡nble(v.sónr~seos'aleatorio$ COI;deriVa y, por
lo lalllo. I (l) •.y laierccra ctuaciól1dclVAR éO;l~eln l~s tl:es vnriribles de modo que

'"''''''''r" ,,,,,'h"" '(t)~L:;~'~:rx.'.iLl..

.~.:
2 L:,n"i,:'cion P;"rlc,'~1 :lcllcrdi; <le''(II;I,;l.:Irlil'''yiisC'',"~p:ira,¡;,dicarlllalric~5. aunquc la lilcra;,,;', quc' ve;.
5';1 ~ohrc C(,.i~;ll'~r;~~~i\)';11:1',C\:~.la.
'. . '.', . ,' ..
 I

338 MÉTODOS DIO ECU;':O~'ETIlIA

,

1/ - II
'1

donde el vcctor fila es el vector dc cointcgración. El résullado es

Z, = )'1' + )'21 + (á - 1)Y31

= )'11 + )'2, + (a -1)Ú'I.I_1 + )'2.1-1 + aYJ.I_'1 + 1//) +EJ,)

= t.)'I', + t.)'2/ +' 1/1:,_1 + (a - 1)111) + (1/ -1 )EJ'

= conslantc + áZ'_1 + Y,

: c". _ ~'." :.,.',.~ :9s~.!.i~'-~.~Yl.:.f: .~,lt:.:t.~,.~.lt

..._t.J~.,~..~'.t~~.Jf':~~:.~~.t\~)~ J.~qJ~!,~.\};:s9 ~\}.)J!.~:...':~~:,J~~D~
S.~}9.,...~.~,J_~~ 19~:~l"" S!g,l~
~-.!Yl.}..-.•"; .,.:.... ..
proceso eslable AR(I) y es 1(0).

9.1.3 Sistemas de.Oruen l\'l:ís Eleyallv ..

.
 .- .J
o •

n :1.0"; i\.lod<:\¡lSi\1111lieclIaciona les "

("'\I'i .\.19 .; .'

I I~ango (11) = k. Cuando todas las raíces lienen mÓcJulo mcúorque uno. 11 es lil:
,. )
rango comj¡il:to y no singular. Las variables .I'\le la ec:uación (9.1) son I(O)'~' los'
estimadores no reslringidos de la ecuación (9.1) o'¿1c '1;;..:cuaci;'lIl (l).2C¡)originan ~)
infercncias de los par<ÍIlH:lros'con losmismos resull;,dus.
2. n.ango (11) = r < k. ESla siluación aparece cuando ..:xisle una raizunilaria d..:
multiplicidau (k - r) y las r reslantes raíces son' numéric;lIl1enle meno'res que'
uno. El veclOr y ser;í I( 1) o mayor')' n se éxprc'Sa.seglln 1;1 ecuación (l).~ 1). Cl).
mo el produclo externo d..: dos matrices '(k x '1:): ambas lk ran~l) r. El lado dere.
cho de la ecuación (9.26) inc!uirií r variables cointegranlcs.
3. Rango (11) = O. Se trala de un caso bastante .especial. Sólo aparece cuando
¡\ I + + ;\" = 1, en cuyo caso n = O Y la ecuación (1).26) demuestra 'que el
..",
oo.

V ¡\ R debería especificarse únicamenle en lérmiilOs de las. prinlt:r<ls dikrelicias

. r. del<ls v¡üiablCs...... .......' .... ,' < .
"
9.2
ÉSTI~:IACIÓN DE ¡\'roDELOS VAR

Existen uos mouos de estimar los VAR. Ei primero 'consiste en eslimar el sistema
cstablecido en ía ecuaciÓn (9.1), mientras que el segundo exige.alternativamcnte. la
reparametrización de la ecuación (9.26). Según lo argum..:nlado en la seccilÍn an!c.
rior, la estimación direcla resulü,rá ndecuilda éuanuo lodos los valores p'ropios de 11
sean numéric¡\mente inferióres a uno ..La segunuaaltern¡lli,'a. adecuada cuanuu las
variables)' no son estacio!larias, clll'lsis.lcendetermi,{¡¡r el nLllllern r de.pnsibks vec.
lores de cointegración.y L:stimar luego laecljación (9.26) mediantL: la matriz n para
, .mostrar las r variables coinlegraliles. Discutiremos 'este' l~dlimo enfoque en la si.
guienle sección. Desarrollaremos':ahora la estimación JI(} /"l's/ringid" de la ecuación
(1).1 )o.la ecunción (lJ.2!i). .
Como que las variables'delládo.derecho son idénticas en cada una de las ecua .
. cilllies VAl{ resulla que, siguiendo la discusiún ill:erc;l.dc regresiones aparentcnh':lI'
te norelacionadas desarrollada cn el. Apéndice 9, 1. ia eSlimación cficieille del V ¡\ 1{
.1 se consiguc. aplicando 1\'ICO por separado a c<ida una de las ecuacio,~es del V,\ le
Suponiendo, .adem¡ís. 'lucias periurbacio.ncs;se hallan normalmente distribuiJas.
obtend,'eníos también eSlin)adores de MV: Este becho 'facilil¡1 la contraslacilín lk
varias hipólesis iml)Orlanlcs.

lJ.2.1 Conlraslación del Orden del Y ¡\.R J

"

SupoliganlOs que njuslamosun V AR de orden 171y lo que queremos es probar la hi.

plllesis de que el orden es Po < PI' La hipótesis nula cstú anidada con la hipótesis al.
-rc-inaliva y se verificará medianle un cóntraste de razón de verosimilitud .. Cuando .<f
\'1. _
r- J
..
..•.•.. ,.

"
JI
"p
ajustal110s un V A R de k variables:! ,,: 'I;U(l~OSobservados, el lil:íxí"110de'l-h;garit;llo
}' dela funció'n de \lerosimililud e~.1." . ' . .
. . , .' '. Í1.' -
1= cunstante.+ :- Inln-'I
2
':;1
I
donde n es la matriz de \'ari¡1IlZ:1S)' covari<1llzasde los residuos de .las ecuaciones
"1,
V t\ R que 1;1mayuría dc lus pr\lgr<1mas infnrm<Ílicos orri;cen de mancr;] ;1\llllm;ílica:
Si ulliz<lmos Po rel<lrdos. e1m:íxilllo dellogarilmude la función dc verusimilitud es
-
,

} , .
, (\ ='constallte
. ,
.
,
".
+ - Inlfl -I¡
2 o
.i /
"¡' " , ,

El cllntrilste estadislico dc r;rzóli de vcrosimilitudes cs

-'
l~V = - 2(10-/1) =n[lnlnol-lnIÚ 11J!! ~~(q)
\1

'.' Qucda at'ln por determinar el nllmero de gr:1dos de liberlad. 1/. Su valllr equiv;!le :11 '.,
., nlllllero de reslriccioiles 'impuestas al delermin:lr la hipótesis nula. Por ejemplo, 's1 :,
en un VAR dc ulls'variables verificamnsla prcsci1cia dclrc~ rcl;rrdus cn IU!!.;lrde
cuatro. excluiremos dos variables en catla un<l tic las'ccuacioncs del VA I~ y. e~n:esle. ,';,
caso. 1/ = <1. En ~el1er¡¡1.1f = k~ (PI - Po). . '~
;:
¡;
9.2.2 Contraste de Causalidad de Grnnger )j
:.t,~,'.¡.
En la formulación gener:!1 del V A R, C0l110en el caso tle la ccuación (lJ.I), a¡Jarecen ¡-,'}
los v<llores retardados tic todas las vari<lbles en todas las ecuaciones del V A R. A ve- 1
~
ces dese<lremos verificar si cicrta vari;¡ble o conjunto de Vari¡lhles juega un p:1pel f.
~~i~i~: ;,:'-,~er[::;,'
:::\(~:;;\,~;~I~.~/[""
1~1:)~ ]' :"'~IS[;'''~'l)I~:,.[~.]\~
~' A 1\ S" P""'" "",'~"'c ..t"
. ,:\'~í .=. J I2:11,"l'( ,>'2,,-', +(2/,.
En csle caso; el \'alor. ret¡lrlla~l~dc J'2no licpcn¡,(\a <¡ue ver en la dcl<;rlllin;lciÚIl de
."" Por lotanlo. ~I:diel: que."~ no. cau~¡! ..en e.~I~entil.lodc C¡ran.!,cr, a ."1' Dich;.1 hipó-
.
lcsis SC VI: ti IiCilría. si inpie mc ntt rea liza ndo la n;gresi(lI1 de J' I sobre los va lores rel a,:-
dados de .1'1 y .1'2 Y cxalllinalltl{lsi~lCl1cficicnle tic la 1I1tima varí;lhle ,:esulta signifi-
calivalllcllle dislinto a cero. En Icrlllinos gencr¡des, el veclor y debería dividirse en
dos Slllll'cclorcs: y,. de orden k1x 1,)' )'2' dc orden k2 x 1. I.a hip{')lcsis de qlle el
hloque ."2no C:llIsa. cn el sl:nlido de, Gritng'cr. ¡í Jt sc eonl rasl;\ esl illl;\ndli las prillle-i(s)=
ras kl ecu:lciones del VAR y cOlllprob<lndo si los codicietllesde los veclores)'2 re.'
'1" . '1" . D
I I 1
\;lrt :It OSll leren SigUI ICallvalllcnle de cero. c nuevo,tl conlraslc Ill;ís scncillo es
 \
l' '~',"

",,1, ,",.) :"'j .

.'
.!

. .,:\,',"::. \l 4 •• ;1.

un contrnsle de razón de vprosil11ilituu.basado en las n)alrices'ue varianzas y cova-

rianzas.de los residuos. ,.
. '

\ ,

9.2.3 Predicci(ín, runciones' ilC Itespu'esl:'i

, .
allm(lulso)'
. . . '.', ,',' , .. ,'",.
Descol1l()(~sici(jl\ '11e la V:\I'lanZ:l',
,1. .. ". ,;' . .t, ••
, -
• • . 1 ,', • • ,"

" Los sistemas V A R sl,m.muy i'lli'li';'a~los, p~r~r'~<lI.izr~ predicci,one~, ~speéi<llmente

predicciones :lcorlo pl<izo. Se 1r<ll:l dc llli enfoque 'no'teórico, en el sentido de que
no se utiliza la teorí<l econó;11ic~l;ara' e~re'c¡(icarl<l'n:cuaeio¡'es estructurales explí-
,cilas cntre varios conjunlos de variables. LossistemiJs VAR se basan en el supuesto
general dc que las variables ec6nómic~s lienden a moverse conju'nt<lmenle a lo lar-
go dd lieml)O y. lamhién, 'a aUloco;r~i;\cion~'rse:' . . .
. SUpo;l!!.~mos (i~'~o\iserv<lmoslos vectores)'I, ...• j,,,. Suponienc\o un'VAR(l).
',' p~dcmos t;~iliz;ir e~t;)s dalos l~araesIÍl'11ar A y n~,Dcjnrcmos aun ¡<ldade mbmcnlo
dichas estimhci~'I;~s y sui)óndrcjl1~s <Iuecü;,oceníós' los valores verdaderos' de esas
matrices.' S\;ponga,ilos, adclll:is, ,que a.1,final del periOdo/lc¡ucremos re'alizar, \lna
, predicción del veClor,)' 'uno. do~. 1~'esQ'I~<Í'speri'odos en "delante: Si"l importar c1.al.
~¡ cance dc lapredic~ión •.supongamos adeinos que carecemo~ de información para el I
pcriodo postcrior a ". La predicciónoplim<l de )',,+\ es la espeianz'tI'condi,cional de j
)',,: 1en el periodo'/I, es decir, . . ,
,Y;I+I'= tCr,,:. ¡')'~":.., )'¡)=A)' \
. donde ,ioindica up vccto;' d~ pr<i~ic~ión~ i);,;a:si;11~lifica~~ on~itill1os el.habitual \
veclor de CIlnS,I;¡l1tes. .La I?fedicción óptima p<lralos dos, periodos siguientes,es
, £(.1;',,2 I )'" •... , )'1)' P;¡ra evaluar esta ,expresión precis<lremos una formulación de
., )'"." l\plic:1ndo repetidamente la ecunción (9.3) con/ll = O. obtenemos
"'~:::::::I'""~"'?"7~""~;~r:~;;,;tt""7¡7'7"~'~'~';'"
",.
. En. ,!!.e.'.ner;¡l
_ ..... .,;. l'"<,,. .';/\ .",' ' .. , ...11+.1: ~~I\c
- .. ':')'~A.;-IE .•• ' •.. '
....~("+.',;
" .• s-l.'.

)' p(;r 111lanto} '.' ".";X'/ """ (9.27)'

. '.. . .. "'" "." . .
Elveclur.de .en.'iHe~ (.I.~111'C.:Uic.'.citi.il dc".la .nr,cdic.c.'ión pn.ra.\' pcrio(l,o..s,l;nnde.I¡¡.nlc es "
"
c)~)'''fl'- yll.•.•=E".,;:¡,AEIH:s~'I.~ ".+X,,--I~,,+1
Y ,1;\ in:\lrizde varianzasycov;,rinnJ.asde'fos.errores'(Icpredicciónparit S periodos
POslci'¡orc~,'indic;ldat()lllo~(.I'), es '. '.
fl.¡:AJlA '+ A 2n(/r')2+ ..'.:~ ¡\I~lfl(A'),-1 (lJ.28)
." . , . '.' .'. '.', ..•• , .... "
Las,f6rtllll1;\s (9:27}y (lJ.2¡;)sii'venllnican~cnlc p¡¡r~Tpr6cesosde primcr¡orden (alln.
,.,.. ,_.. , "
c¡ue elmínierode"";lI"iabh:s ~1~lve¿16r)'libesl¿ restringiclo':i (Ios),Podélnosdesarro-
llar fÓ;'mul;ssiIllÚarcs para proccsO:~.\¡AR(p)doiide))> LY, lo qiJe es 'n;;\s impor,
lanle, .1:1slórllí\lI;\~seésp~ciJjcanel:l lérnl;nosde matticesvcrdaderas de.l11odo que 56-
. " .. ', . . ",," - ," " '

.,-'.

'J
 342 W,Tol)oS DE ECO;~O~IElIdA

lo ticncn cn cuenta cl errorde innovaci,ón y..noperl1lil~/l coeficienles inciertos. En la

práclica, los punlos de predicción se obtienen sustituyendo la malriz eSlima,da It en ).'1 .
ecuación (9.27) o su gene~aliz¡¡ción,. Resulla complicado modificar la malriz de va-
rianz¡¡s de los errores de predicción par¡¡ que no existáncocficientes inciertos. Ciertos
programas informáticos lo hacen; en caso conlrario, de~erí~ oplars~po~ sLJsliluir las
matrices estimadas en expresiones como la que aparece enla ecuación (9.28).

9.2AFunciones ele Respuesta al Impulso

C~ns'ideremos de nuevo unsiste'ma de primer orden con Jos variables

. )'1;= (l11Y.1',~1 + (l'I2Y'2'_1 + *'11,
,c'c:'.,:,,.,,~,'é.;,''Yi/~;'''¡'l1JI;I;;;i'''*':~'2'~Ú~'{,~.
€il~"ii;," ,,', ". . ,'",:' ,.. ,....
\~
,
.
<,,,;,c,.,;,,;.,.,,,.,, ..,..•,,.~,.....
,
Una perlurbación del tipo EII liene un efeclo inmedialo y cn el mismo periodo so.
bre YII, y ningún e.feclo sobre )'2/' En el perioJo (+ 1, dicha'pcrturbacióil en )'1, aree-.
tá también a )'I'~1 a lravés'de I,a,primera ecuación, y ¡¡reclil úsimismo :1)'} ,.'1 en la
segunda ccu:lci6n. Los' efeclos se :tras1ó\dan al periodo I + 2 Y ¡ioSleriores:' PI;r lo lan- .'
la, lfna perluibación en uila ilfnov;;ción'de un V A R c':;t¡¡blcc'e una 'reacció'n en c¡¡de.:
na ,a lo largÜ'dclli~nlpo el1 tOcJa~ las v:lriublcs de 'dicho V A R. L:ls funciones r.1eres-o ,

plle'sla' por i;np'ulso sirv¡;n'p¡¡ra c;¡l~ular didl-llS reaeciolics ¡;i1cadena.. .

. . .: . . ", .'-" ,,' .' ." . " .', 1 -
• EJI::~I(!LU. Supongamos un 'sislema r.1epri,mer.orden definido cumo
, .', ..... [O,,,. 0.1 ,] [16 i"]
<'.A= (1.7. 05.' '.íl= 14 '25'.'

'En'~ril;lc~ I~g~~,con\piobarcnlos C)\IC los.vah~rcs prOI'>iusdcA cum.pian la cOlldicilÍlIde '

. c~'¡¡I~iOIl;\ricr.1ad:
p~eSlo {I\;c.curc~e dc 'Scn;úró i'nvesl.iltar fUIICiolll:sde resl;lh':Sla al im.'
illllso en el caso d~ sisl.emas no 'csl~cionario;, )'u = () y ('1 = 14 oj'. 'Dicho veClor eSI"blecc
4U~ c~ la pr¡llier~ e'cu;lción, hay ,una innovación de ulladesviaci(lIi eSI¡íllliar )', en 1;;.sc-.
guilda éc~ació'n, ona illnova"CÍólIcero p'¡jra..~1periodo uno: Supo,idremos, ade.más, que
a¡'nb~s innov~:cioiJes SO~lccro pa~~ los jJcriodos 2,:3, elC. Los primcros veclores.r sun '

"

';~' .
......

L~ T¡¡hla 9.1 inu~.stra las'rc~pucslas 'al il,lipúlso CIl'!~)Spriilicros cinco I;eriodos para IIlla
perlllrb¡¡¿i<?~~
de 'una dcsvi;ción estándar ~n (1', be modo similar, ra Tabli\ 9.2 prt.:selll~'
~lgU;l¡;Sréspuestas ~¡'inipulso paia ,;\ perlurb~ción ?C una, Jcsvi'acii'lI1eSl:indar en ('2:
 .. .J

c,\/'iTI;J.() '1: Modelos ¡\\uliiccuacionaics , )

"1''\11L'\ ~.l T(\IIl..\~,2

Respnt.:s"las al impulso' ItcsPllcsl;isal jlllPIII~1I

ele El = 1401' eleEl=IOSI'
.)

Perioelo )'1 )'2 Periúelo .l' , ."2

:~."'
I [) .¡
2 "1.1í (J./{
1
2 0.5
5
2,5
:l (J.72 (J.n :l tU5 .U5
OJIí
"
) (J.I ')<1
0,504
O,:l24
<1 O.JI5 (J,7(,S

\/~
~:;.:..: ..9.2,511111U val:ÍoHes Grl o gonnles ..•... ,. . ............•..... .' .... ' ":" ,
,""",\

Acab~'inos de ilustr~r el proceÜimielilo l.!c'cúlculo dc (UIlCiClIicsde respueslas al im.

.pulso. Un" excepción al proccdimic"rilo cs' que, en general. las innO\'acio;lcS C;¡ los
VAR ,ío son contempili'¡\neal;lCiile Íl1dej)endien\es u'nas de olras, Es imposible que .'"
!
l!llil illnov'aci{¡n reciba una' perturbilCión y que 101011--;' no.. Unit "SOlllci(ln" 011/)1'/)/1/('.
,¡ './111/, eXleilsalli'cnlc' uliliiaqa,consislc 'e;\ Iransrllrmar 1;ls innllvacio;lcS E y producir
un n~levo c~njunto.de' innovaciones ortogol\ales. "casonllCVOlSinnlll'acillnCS no st.: co. ('
i-relacionar¡ín a
pares y poscedn. vari:\Iízas unit¡lrias, Ind'icaremos nh.:diallle 1Ilas in.
: nllv'aciones ortoganales e 'iluslrarení6s ún caso' can ¿jü~'variables, Sea "1 = !J 11E l' La
cllllditióll de varihnza unil,¡'ria.eXige que !JII= 1/.1'1' dondc.l", cs la r.1l:sl'iaciún cSI,ín. '1"-

.darllluCslral de El' A continuación, reaJiz¡;remos IInól'l:egresiún !vICO de E2sobre E,.

O¡)I~lliendo de esle níodod resi.duo 112~~ E2 ,.; b21 lij, ,I'Ílr ninsllucciólL dicho rcsi-
. duo no se correlaciona con'.EI ni, por <;onsigui~lilc,con '1,. Indic¡lrl:ll\üs el error cs.
l;¡'mlar de la regresión como J2:" y "2 = "2*/'\'2.1 que lendrá vólrianza lInitaria y 110 cs.
"
.. .lar:í eorrelacionar.1o COIl''-,. Resumin~os las lransrormaciollcs COIllO.
.¡I, = PEI a . *', = ¡'-"/I, (').~'))
donde 1/1;' [1/1' /I],l', E, = [Eit." E2r )''-Y ,
-. ;"

¡.
I ()
.SI
- h21 '
.1"2: l•.

Lilllalrízde covari<inzas 1;1L1l.:stralpilralas /1 cs.¿ ",I¡'/I/. Sq~llllla c~lIaCiÓIl (1),21))

.. 1.'\'.,., '(1 .) ="..PD.P' . "
: ~¿.- ",/1', ~.J~ ~,.
1/ .. 2
//,..
..E/', J"
.• .-
(
Perola nHII.riz de c.()Variall~as Illll'es;ral para In~ ,; es 1 porde.riliici(ín y. Pi)r la Iilnlo,
, Ji = pel(p-I)' . (<),31 ) ir
•...--
 '1
--4,", . •..•
"

La ecu<lcióll (lJ.3l) ilustra la factorización dc Choleski de la m,llriz definida positiva

Ú. Se demuestra q~lecsla m;'lriz~s d resullíldodcl producto de una matriz illfcrior
Iri;lIlgular, 1'-1, por sl;invt.:rsa, ljlH: cssuperiol>lriangular.

E.il:~II'LO. Si~uielld() l:llll el anlerior cjcmllló rilll'nérico. supondremos quc los \'~Iores'
J.
de las lll<1tric~~',(y !ls~ estiman a. pilrlir 'de'los datos Ill'ucstra1t:s. [;1 este caso, la'm;]-
Hi/, Ú da lu~;;¡ ;; .
~ SI = desvía'ció,; CSI¡índ:;¡'de El '=.\(¡(, = '\

/>21 = 1~11('=0.1>75
----
h 1. '" \.\~(
, .",,'1";~ "'
1 :. 1'12) = \/2511-(1 ,1)21( 1(,)(25)1 '" J,5707

.1 ()]
daudu p..1, = . .
[ :1,5 3,57(.17 .'

Supong;¡lllos Cjut.:poslul'amos un veclor 111 = [1 O]' e igualamos n ccro .105 sucesivos

vcclorcs 11. Este vcclor origina un¡1.pcrtur'bación de Ull<l dcsviación cSI;índar e,i la
pri;ncra perturbaciÓn' Qrtligollal. E'lIo in1plica, según la ecuación (lJ.29)

El = /}.Irtl~-( j~5 3,5~O?]g 1= ( 3':5]

,\hora. el segundo ekmenlo de El es distinlo de cero. De hecho, se lr<ll<ldel v<llor
espcr;ldo dc E21 ,porque ~II =4. Caleul;1I'emos los valores (klvcClof)'como ,lIHes ..
La Tahla lJ.] prcsenta' algunus dc los prilil(::Ws valol'csobtcniuos. Si comparamos
.••••.•.•1 con el supueslo anlerior .¿Ie una lÍliiéa pCÍ"tlirhación de unauesvinción cstándnr en
El l. vemos <¡ueahora, p:\r;lc.1 primer periodo, .aparece un impacto importante sobre
.1'2' seguiuo por impactos mnyores en los periouos siguieilles. Si suponemos unn per-
1 urbaei(ín de unn desviación eSlándar en la segunda innovación orlogonnlizadn, .len-.
urell10s que el veclor El vieile dadú por'

I
,¡'r~~,5"'~j
.' ':t.{~ri.;:i~:(-;~~.#' ,~'o~]t6t~t?;j~;']".
y podelúoscalcular lucgo los siguienles vectores)' medi;mlc el procedimiento habilu.nl.
. T'\ 11L\ ')..1

"- .." Hes)lut:sl:ts al ¡llp"lso .

de 1/1 = [1 OJ'
,.;... ~., ••',,,,,,, _ .• ~.: ~ •• _~ ••.• -l __ " _,~ •••.•.•

I;eriodo )'1 ."2

2
]
I
"1;95
1,0]5
:l.5
2.55
IN,5
.¡ O,5XO 1,OJl) .

Dcsarroilamos las innov;lcioncs'ortogrll1;í1cs'pnra resqlvct el" prohlema de 'co-

rrelaciones uistinlas a cCro entre las iil'nov;lcil1IlCS(;ri¡':inalcs. Sin embargo, alsolli-

1 .;
 ,, '. ,:'1
1. (', •
••1, e'; ~ '

. ,
cArITUL() 9: Modelos lvlulticeuncionnles' 345
, ""', . ' ,r , •. '
ciOl1;\r tln problema gcnernn'-os.otro.EL nllevo probleo1a consiste en que el orden de :.:
ortogon'aíización~lcl;,s v;;riablcs "EI;liccJblen~r efedosdramáticos'sobre los r~~ulla:
dos numéricos4• 1'01.' lo lanlo,: I;~'iiilerp,:el¡¡ciqn. de.li1s. funciones de respuesta al "im~
pulso es tina operaciÓn eoillpliéac!a, 16 q;lc haprovdcado'int'ens'2~ debates ncerc;; de
su posible sign,ificado eco1iÓmico5 .. /.... l' '. .

. "'1 ',' ~ ; l' ~ ',' .: "',

9.2.Cí Dcscoll1posicicín dc V:lrianzll. j" '.

•• 1, ~',: " ;".' r

, ' ; "V

Ln ecuación (lJ.2¡::)ilusltab';¡ la 'nlalrii':de varinnznsly'. eov;Í'rian7.ns delos'trrores\le

prediccilÍn. Para prcdicciones de un periou.o en adelante, I,~ matriz n ulili7.¡¡r es sim-
plcmcnle \'nr(E) = n. Así pu~s. vctr(YII) es eJ-clcmé'nlo surerior de n y varÚ~21) es
el elemenlo inferior derecho. H'1,;'illláIi1iei1te dC5c<lrc'l1los expresar c.lichns variilúns
del predicloren t~rl11inosde las var,ianzasde la's'innovncioliéS or\ogonales:'Ségún la
ecuncilÍn (9.29) rcsulla . .'.( '.,..'.' ". ".,.:."~': . , ""', ,'o ",,:.' ,; ,¡;, ,¡
;n == p-:I':v1Ir(it). (P-I)' ',' '

"(C;("2)'z ]"[V1 O ]'['C1'1' C~'I']", :(9.32)

'J

"~:c2l~'~Ú . O'.' ¡"z' C'I;, cn .1

:<'..,
.' l' " -,. '.'.. ••.• ',. , ~ ' ". I •

.'
donde las e inuiciln c1cinenlOS de p-.I )'l'í7= var(t;,) para'; =1,2. Por definición, las u lic- :¡
nen yariilnzi! unitaria y .I¡¡ssustillliremos'cnsegllida.Muhiplie<lndoJa ccu¡¡ciól~ (9.32), :11
. v¡¡r(YIl) =dIVI'+c121':2',"Y" ,v¡¡rlY2I') = C~lvl ,+ c};v'2 O"" • _

Según la ee\l¡¡cilÍn (lJ,30),CI2 = O;<Je .J1lOdo qlleJ~da laivarinnznde JII s~ cilribuye n In j

primera innovaeilÍn ortogonal 'y.es'igunl'a c11' .Ln vntianza de Y2les la Sunl'a d,e tlos ~
. componcnles:una proporción; cl,/{c;}j +'¿.h),nlribuidn n In (Jrid1era innova~ión orto- •
. gonal, y l<l proporción reslanle. ch/(dl +C}2)' nsocind<la la scgundn innov<lci6n. Es- 1
te resuhndo cs la descomposición de I¡¡ v.arianzél del prediclor. Para predicciones de I
'~~.,.,:.,.•dos'p.!mís;Pcnodq~fU11'rrqS-;.~rclU111nr"CTI~"t;r:rorimn:tf;:lHlIí'zif(!~~f"'b-ra'J~:':~1'a(Yi~~iJt?:vn~:''\:N''''\'::'.•..,.•...¡..
;,.,.'. rianzas y c6vnrii1nz;,s d~loserrb¡-csdeprcdicÚóJ1.de
"
laeCli~dÓn(9.28).
lil ci:u;lción (9.31 ).cn la ecuación (9.28), aquélla -rued~ reforl11ul;me COIllO'¡' .
SusliluYClldo . l
• . .' +". +(Af ..ll'-I)(/\l~IP-:I)' ....,(9;33) .
¿(s) =1,,1 U',IJ'+(~~P-I)(,'Ü)~i)'

RCnliznndll dlcul.ossill1ilarcsa h)s dcscrilo's.pnr<l lasmniriccs prodllclo relevanles.

deln ecuación (9.33) oblenelilosolras descol11ros¡cio~es de (avari;¡nza.lgual que
ocurría COil Ins funcioncsdcrespueSlaal inipulso, los resuJt1Ídos ,numéricos de las
desconlposicioncs de la v:~i'i¡Ín!-a ill~kn serll1u)' sensibles al orden oe orlogon<lliza-
ción de lasinnO\'ilci.(llÍes originales; Aplicarerilos .¡) Jns:descomposiciones de. la va-.
rianza idcnticas precauciones a las.aJ'lljc;lilasll<lra las 'furicioncsde respuesta.

..• V~.~~CI'rohlcPl"a tJ..l.. . .• :--.

~Vb,c hl;'C~ f),II"mihl,,~,TlI/I.c s(,';¡''':;''itllpi',. r'ii~tcion Uni\'crsilr P;;;ss,1994. :i2'¡-JJ6.'r~ra lIMCSII'

men Illll)' Iilildelns prohle'lla,:.:. . ....' .' • . . '. '.
 . .
346 ~IETOI)OS !.lE ECONO~IETlli,\

9.3 .. ".
MODELOS DEVECTORDé; . - "',
CORRECCIÓN'ÚELERROR t ~.

Cuan(i"o ,I~~:va¡-¡ables .del.VAR 'SOll'illl<;gl:adas ~dco¡-'d~liuno o m¡Í)'Of. I;¡ c~limacilÍn

no restringida sc vesujcta alaposibilidád dC~llcontra'r rc'gn:sionl:s cspürc;is como
sucl:díacllandot rabajábamos COn 'v¡í¡'i:íbl~sllOest¡lci6narias.Sin embargo; la pré-
sencia d"e ~'ariables no estacioi¡ariasabic.laposibilid:idde J:clacion.cs dc cuilllegra:
ción.E'lpioc.cdimicnlolicnelrcsp<\sos:.: ,.. " ..• , .' .. ' '. .; .,'
l. DClcrlllin~arcl rango d¡;c.o¡;,tegqdlin.éstó.Cs¡clnúmerolh: rc!aci(inl:s dc coin-
tegrllción., .' .'. ': ..•. . .' .•. ',,;~' .' '.. ...• .' . .'.
~.I:st¡rTlarla;naúiz de vcctorddccOiillcg.ración.jJ. y lalÍlatl'iZllc pcsos asociada,
.: o. Esté pasó d~terminará la Jac.tori7.aCiónn,,; i.v.j)\,
,.......
...y ..ESliJilar.eIVAR.incorpor¡~n~o,!¡)srclacione~!Jer;~in~i:g.r:lciúll(I.~Iy¡)sOanl;Grior.J .'
. '. "o ,;, •• : ••• \1¿rs ds' i'l1'~t'6d "T>ii"f¡liS'olvi:MI-n'r\:so-s'\ii"óÜ'ieil1:i~
"""'~:xhtÍj:rl~'tlj as J' l::'rrf (i'!] úé' üet¡j"ll \JX-li'íi'~' ,.'."','.
:O'E; .:

. ve"¡'osimilllud. propuesto. por Johansen enunaseric,'dc. ilrlrcldo~. cscI que Illiísha ,lla-
l1Iadú,l;\ jlcilciÓn ;\ los Í1i~esligal)orcsyúJ()sCreadorcs dcprugralllilsinrorl\l:ílii:o~h,
;, ., '.: .••.•• " >, "o,", • ".', •

9,3.1 Co'iltril~la¿Ón'<icl.Ü\ng'~' ({~¿oint¡;gr;,~ion,

. '.-. ,.:: -~.. ~.. :' .. .. . -. '.: " '. " '. '.' . . .

bislcn'dos' cst:rdístic¿s queverifit~'lIla hipÓtcsis dé <t'~c.el r:)I,lgo dc. C(l,ÍlIlcgr'ación,c's,

clllllo'mK"illlu. r«Ú, En el flril1lercaso;laÍlipótc~is aliénúiliva l:S qUc elr¡jngo esk.
Esle cOlllra~ie cSialJislito recibc el nombre dCl:s(';\(\ístico tic traza. En'e1 segundo CiI-
so, 1.;\'hipÓ'l~sis nllcrnilii\':1 ~s ¡lue drango. e'si',¡, (, ESlcconlrns'tCl:SI'iil!islico rccibe el
n'~lilbre dc CSI;,díSlko ltüí:~iiJí'o;Cuando Hli1l10S esiadí:ilicos:clllran cn cónfliclild c¡,-
se) ~Illed~'sin ,rcs(;lvCr: Las.cJisiriliuc.iqnc's ~el~~s'co¡'ltra:¡~c~ esladíslicos no son CSl:;'l-
d.\r y
seri\'\a'siliúlittci6n .,1a (Ilie prOl)orCionc'. ,'alorcs'c~íticos Úsiútólicos. api'oxilllados .. ,
'E1d6éunlc~to,de' M.,Oslcrw;r1d-Lelíu;lldfrccc el.conjunto 11Iiís 'exl.cllsO dc'~nlorc~ .'.
c'~il ic'o~ pa¡'¡;',V>\I~d~'I~:isln '1\
;vnri~,bles 7:jylu.t~irn cirico.'(ablas dc vnlorcs'cril ¡eo.s. ~s
¡. 111U yimpbr.l.'lJlle, ~legi('la tabla ',cOrrec't'~ p~r,a cada ca~o. LlISI.;¡j)¡ls sc (lifcreilc¡;1J1~C-
'.gún I.as'distjl\tús c,spccir¡cnélo'I~<:s posibles'de losVAR respccio a la inclúsi()n dCI6~-.
Il1inosde iI1tcrsección y' tcndencia.s lemporidcs tanlo;cn !¡\SCclIaci'OI1l:S VI!' It CÓlllO CI1
las' ccúnciólYes de;: c~inlcgración.La rnbía.9.4mucsira e,1 rango cspccífico dc opciurics
"p~ra el ..conti'asle(Jc cointc,gración de Johanse.'l' CI1 EVicws.Anlcs de dcsarrollilL.cl
conlrasic de tango de. coilÍlegración. dcbercl11i>s c.legil' .dc enlrclilscin~o posiblL:s <:s-
'" 0',0.. "',o' :',', .: , __
, ,'. .' "".1, ,'"# -" _. • .

o., .-;. ' .., , ,.: ....

".'.

h S.oJOhÍlnS~Il."Sla¡'jSli~~I' ¡\llili}'sis.~rc~in',C!/~;io¡;' Ve~,i~rs':, Jr)II~IIt" "f 1~'/lII;¡i¡iii' 'fJYIIII,;.¡jO /11/11

. CIJ);'~{)/.' ti; \9:Ul,2;\1:254; '_' "_.:, '.~Esti'IJl;Í'liQIl'
,lIn! HYP(I';I!~sisTeslillg uf Coilllcgrilliull. Vcctors iJi G~us.
. \i~n Veclor A~'loregres¡\'e t0odcls". E~olloillwim;5'),199I,1551.15~1l; _•._._' y K. ~~'sclius, .~r-.I;J-'i,úuni
Likclihood ESlii¡¡;lIio~"~n<l'lllf~.rel)ce'~J; C(,¡'iiieg'ralio;i:Willii\;'l'li'é~lions .ltÍ l'hc bClllalltl fOf MOlle}',",
O.r{vrdll/ll/<Iill ,;{Et~¡,ollliés.(l{,d 5I1liisl;¿s,'52~1990>~16(i:2iü. .:. " , .'.'
. 1. M. Oslcrwald,LenulI\; ~,'A NOI'e lViIIiO~~i¡tilc'st;f ,llieAsYI1'plolic Disiriliulio,i of ¡he M~.~i,i¡lIinl.ikc; ..
'.Iilioud Coilll~gral,ion Ran'kTesl
,
SI;'isl;CS", oxfor:r'/),dl{liiw{
.' ....- ,', .. EC'rll!"IÍI;('S.tilll/ 51I1/ür;,:.<,
54,;<19'.12;'4(,1
.'171, ,"

. ,:
'
.. , ,~ . .
.--.:,.'
.' .
 ,.
L\l'i 1\:1.0'" ¡\-lodelos 'j\ lulÜccuacionalcs , L

,..l
pccificacioncs aquclla que parczca n1<ís adecuada a los tlalns disponibles y especifi- ('

1 1
car. asimismo, t:lnúmclO dc relardos que incluirú cl, VAH..EVi~\\'s !om,"por ddcClll
la tcrcera opción, cs dccir:quc ~xiste un iérmii10 d\:inlcrscc~ilinlal1l0l:n la eCUilCilJll .' L

.& coinll:gración como cn la forma difcrcnciada ud V ¡\ R. La 11lesl:'llciacle uicil()s

lérminos dcinlersección implica una lcndcllcia linca,! ell '.os nivelcs ~!e la~ serics'.
I i
T~\IlI.'\ 9.4
COlllraslc de cuilllegraciúlI¡)c .Iohal1sell
...••• -'~.,....,.. •..•...
--r--.........-.#.roy~-r-.~.....•.
~.:-4 •._: ••_- ~.'.,

Eci':Ic'jrín ;¡'c cnilllcgracilín ([el r cspccilicaciríll \';\ Il 1n fn'ronaci'lí,!

El conlrasle suponc qne:

No hay lendcncia dClerminisla cn l.lISdatos. El C'lllllraslc \lAR se cSlinl<l '
NI¡'¡Ú')' I..:'nilino dc jnlcrsccci(lIi o lellllcnciacl1 el1 ['orma dc .prlmcras dift:rc~ci~s .
:., .'c.":,:.(<;;,Jl;.é.1l ,1.:1 éÓIl/(;JSlc.V ,.\ re. ' : ..::.':..:.. ,. •• ~ ••.. ::~_.:.'. ". o" ••••.••••••• :> ,<.J/2:- •....~,:{...~:~":t.;.;;,+~;:.:.~
..~~~
II~)' lérmino de inlcrScc(;ir\n (no hay Icndencia) en
I:C y no hay iérmillo dc iplerscccilÍn cnV ,\ R
; . .. . .
El conlraSIC sl'l)On<:que: . .
Ila)' l<:ndclida lineal delcrmiilis(a 'en'los lÍa lOS, .'. LIS hip"l!csis tI<: EC )' lendencia
. J'r:"yl":/Inino dc illldsccdlÍn (nlll.cndclici;'l cn EC ':11I"S' dal", se :'plical1 a loo;niveles.
.y cn el conlraste V /\ l~.' . ". lfe '¡:! serie.
Ilay :I'..:rmino dcinlerSl:ccilÍn )' lcn~lcncia en EC .
l' 110h:.I)' lc,itlcncia cn V /\ I~: .'
U colüraslc:sl;p'oncque: . .
. llay lendencia cuadr:ílica lIelc/lninisla en los dalos.'
Jli,y l..:rJllino dc inlcrseccil\n )'Ieildcncia cn.I::C Y.
. idlden¿ia linc:" cn V ¡\ R' . . ..

'Á n10do de illISlr~ci()il"aplicarel1los el,'cQlllr:i's,lc de 'rango de coinlegración a

los (ÚIIOS . dc gasolina
~ lJliLii':a<loscn
. . el ¡)nálisi~líUI116~ic'o "
de.
. la Sección 1):<1. I~l:\'isandll .'

la f-'igúl:a B.I'.vl:l1)o's la j-i.osihilid'nd ,Llc..lin:) lenuencI~ lineal uClerl1linis\acn la scric

ilc'iiígrcsci X3,' ;iunqllc no eil ia UCco'¡l:iÚmo. Y.o en la d'!: lircci'o. X2. La scric ;'\.\, '1'.-'

.Ijll'os pm:.kilomctros (i1i)';noSlrad¡¡ aqlli): ..csuna'seri¿icl1lporallllisaulI. Por lo 1¡lIl1ll,

si'qu.c'rcn\os indu'ir un' 1'61:liii no de inlersecciÓn ~11'la l:cuiición lfc coinlegración. de>
[¡c'ri:ill1os'lItilizar la segunda o lciccril'opci<in de la' Tabla 11.4. aunquc no cxisle \Ina
'indicacil'ln evjde'nlc de qu6 ualosclegir cntrc ellas. La.Tahla 1)5 muestra d resulta.
do dc clegir la scgunda opcl'ón. EI.conir;isic 'sc ,l!L:sarrollaliL' mildo 'seúl,'ncial. 1.:1
primcra linca comprueba lahipólc'sis dc
quc '1: sO. cslo cs. quc no l:XiSlen rc!;lcill'
nes dc coinlcgración. La liipólesis' ~esulla rcchaz;lda al nivl:1 del I 'X:. La linea si.
g;,icnlc coni[ll'I,cbala hipólésis dc 'q~IC existe'. C01.\10' in;íxil1lo. un vcc¡orde, Cninll:'
gracióiL Al no rcsullar reclázadacsla liipótC'sis, el'anú.lisissc. daj)or fi,ializ~,d(). El
dCSCl!brimiclllo dcun vcctor de. cóinlegraciÓll ,io.cnlraen cOI)lliclb con el i1iliílisis' (
. rcali'l.ado en la Sccción 8.4. (Ioride sé cstablecía Ji!. p'osibiiida¿1 efc 'una rdación .dc
e
. co ¡111 gr;:~!ón co n pcrlu rbaci <inés; Cst acion á ri a's:'.Los\'a I(;rCscl:¡l ic~svr~ 1pO rcjo 11ados
. por EVil:IVS corr~spo,ídel1nlos UCI'cSllldísiko de lraza.

'.~.;
 .'u
1',\111.'\ 9.5 . . .
Cunlrasle ilelrango' ele túinle'gr:lci6n pú:i lusd:ilus de g:isulina
- ,', .. :,."; .. ~ ,': .-. ,', ..••..• '-: ' .•... - -...•.. '.~ , ..~••. ;.~ .• :.''e- .•••.i .••
''t"C' •• lo'.,.,.~ .•••••,.,,~.O:..;.tf •••.•.''M .••~ •••'' ••• :I.~L..l.,O",...,.....,~.
c.l.!l •. ""' ••.••••.•
S:II11P1c: 1959.: 1-1990:4
Included ohsa\'~lions: 123. .
Tesl ilssuniplion: No delenniniSlic Ircnd in lhc d~la
Series: Y X2 X3 X4
..' Lags imaval: 1 104

Ukclihood 5 I'crccnl 1 I'crecnl lIypothcslzcd

Eigcnvnluc Rnlio trilienl Vnluc Crili.enl Vnluc No. of CE(sl
0.201438 '62,62120. 5).12 60.16 None ••
0.158998 " 'j4.02~59 )'1,91 41.07 Almosl 1
Ó071.1?') 12.72675 . 19.96 24.60 Al 1I\0sl 2'
..' O.1l28882 ).60478) <).24 12.97 Al mosl)

.( •• ) ~i!~lIiri\:i1r~th:1Z(l •.h: la h,inÜI.:si~:,Ini\'d d~ siglli(j~;lcifil1 ¡¡el S'Yn (1 'Yo):

El Clllllra'loic HV inl1i(;,la cxi\lt:nci" dc un:. CCll:1Cil~l1ks)uc'cointc~rólci(;I1.J1'ni\'c1"(Jc siglliric;,lcit\n dd 5"1:"

9.3.2 E~til1lacil!1I de 'Vectores de Coilltegración

.Ioh:lnsen ues,lrrolla eslimadores u~ m¡Íximaverosimililud de veclores de coinlegr¡¡.

ci{¡n. En el ejemplo dt: I¡¡ g¡¡solin¡¡ existí¡¡ un 'único vector de este lipa. La T¡¡bl¡¡ 9.6
~'J
nllres!r;) el eSlimador. Comp¡¡r¡¡nuo con I¡¡s ecu¡¡ciones de la SecciÓn 8.4, los signos
son los conlrarios a los que ¡¡llí ¡¡part:cían, ya que el último tenía 'COIllOregres¡¡lldo el
consull1o y C0l110 regresores ¡¡I precio, ingreso y Ipk. mielllrns que en la ecu¡¡ción de
cointcgración tod:ls I¡¡sv;niables se !1¡¡llan cnCl mismo I¡¡do de I¡¡ ecu¡¡eión. Las v¡¡-
ri:lbles explicalivas tienc el signo cspt:j'¡¡do; s!n embar~o, los .valores numéricos de.
l
Ias e I¡¡s!ic id<ldes, es PS:C_i<:tJnleI!J.cJ<l,~_d.eJ,pl:t;.cj D_y.,!jJ.~~SOJLd~~Lint¡lS.¡L!.IS.Ob!cniclas. mQ~-,,--:"-':
. '.\,,:";':)¡-<~:.;;- ,.\'~'.:,~'".",.:~~~ ..
cii¡¡nlc 11l'1ir.f~gi;tS!Q'I\'direCI¡¡ y na ~4,.'''.'',-~,.",~""

ri:iili-'d¡¡dri (coirioen laT¡¡bla 8.ó) oa Josv¡¡lores

__
"~,,,,.>'_"

'
'.-.""1.,""':" ., .. '. '. ': .,~"." . ', ....•..• ~... :.-.... _ ... _•

de !¡¡s ecuaciories(S.55J y (S.56) oblellidos¡¡ partir delan<ÍJisis ARO. Aquí no ¡¡P¡¡. )

rece la :lmbigi.icdad del c;¡sod<,: dos o m<Ís relaciones de coinlegración; no ObSI¡¡nle, .
los codiciéntes estimauos de I¡¡ecu¡¡ción dccoint~gr:lción no s'on ~stim:lelores nd~.
cuauos ele l:ls el;jsticiu¡¡ucs a largo I~l~~o. . .

'1''\ 111.,\ 9.(,

\'eelor de coilltegr:iciúnde JohallSeii I,ára losciat-os lIe gasolir{a
•\:...1'
Codicienlcs de cuinfegr:lcilÍn norr\l:iliz;'llios: leclihdón(es) decoinlegr;lción ;

•• '_0.6. '-."'..,, ••. \~.~:.,;, :.:••• '-1"1-,.0 •. ~~!¿"~""""'''''•..

'•.•.•.••
",noo,~t c_~ •.•_ .,..•.,a..:~.
~
'y X2 XJ X4 e
CO/lS/lII10 Prccio 1ngrC~05 .. lilros por kiltírilclro Consl:lI1lc

I()()()()()() O.Ó 15294 ' -OXi7:.77 .

. ',

..
0,91010ó -O.97211~ .
(O.2ii260) . (O: 1355lJ) . (O,242()O) (1.52998) .
;,
Log.likclihuod 1117.20]
 L,
, ! .1
,
l
CAI'ITUÜ) 9: Modelo~ Iyluhieeuacioriales ;349
.','

~.2

" -7,(>-1
.~ -1.(,('
.~
• j ~, -1.(.)( o
.ü'
~ -7.711 , ~ -I.M
""
. '01l
.,
,1
a -1.72 'o
.

¡¡ 8" - 'i.1.1 ..J,. 4.6' '.

jI. -1.1(:
,'".

-7.78 . ~..
I
81 82 8.1 .K~ 8}. 8~' 87.: 88. 89: 90, .,81.82. 8J 8~ 8~ 86 87 88 89 90

A,io ;;.: Año .• :'

.. ,j. (b¡:
.1
-.1.%
;
"'
-~.rXI
""
!.f ~
. :!~ ~
..' e'. -.IJ~I

'1. "eo.
.. :. e
..J -~.1I8

., .'

. 82 . 8.\ 8~ 8~ XC, 87 88 .x9.90 82 . 8J 8~~ 8.~' 86 87 88 89 90'

i Año. Año

kl :', (,/1'

FIGUHA 9.1 ...,. . .' . '. . . .' .

Moúelo úe veclor de corrección del error úelconsumo de gasolina, precio, ingre.so y lilros P?!
kilólllelro: (a) logaritmo úel consllmode g¡¡solina (Y) y su pre~ieción (YF); (b) logar'ilmo de.1
•.
. precio dc la ga~nlina (X2) y su predicción (X2F); (e) logarilmo úclingrcso (X3) y Sil predico
: ~¡
_•. ~., ::;;.:::,
•.•.
~.,:;C.i~~I:-t~1r:).d:/H(f¡;lt.~':tl~?I~~J~~{?~-.j.h\~1~re}li~í.l}\:(~1.~l?,.2:)C~;¡':~.¡<"::~;.:~'~::~
."" ., .
't
):
. 9;3.J'EstimaciólI de un l\1odelo de VcctordeCorr~cciÓir:dcrError .'

El rcs\Jll¡¡do deun ll1ódeloV AR:es volunlínoso y s(l(:lcse( mejor ilus(rarlo grMic;:i-

l1leilte~ L!.f-ígur;i9.IIl1Üestr;i\1Il Illodelodc vedor de cOrrección del'eH~rpú¡j los
tI¡¡tos del pCl~io¿¡o con~prenuido cnlrc:1959; 1YI987.4;ul'ilizándola segunda opciÓn
de la Tabla 9.4 eíll~orpor<llldoún ú'rticoVCclor .de'coinlegriiciórt.EI modeló seutili-
;t •
za p¡¡ra rrtdecirl~scualró~eriesdc}os 12trimcslresc~mprcn?idos e,nlrc1988.~ J
~';l' .
1990.4, ulili*¡¡nt!oen touosJos>c<lsossólo d<llos<llltef:Íorcs ¡\ 1988.1. Lns "prediccio-
nes;'f"ll¡¡n porque no capt tiran I()s c<lmbio~sUSI(lncialcs del preció y el consumo
ocllrddosell este periodo:, L;¡'préd¡ctióricrelingr~so'esrúonable:micntr<ls queJa
(le los lil;'os por kilómetro no pl'ese.lll;i 11iMgunaúificult¡¡d:L<lFigur<l 9Jn debe coin-
par¡lrse con' la 'prcditcl(Ín'dc 12ldmesircsd'eitonsumodegasolin¡¡ moslr<lúá la en
rigur¡i S.(j,l>ilsaua;Cild IMdelo ADLúeese capítulo: La diferencia cruci¡¡1 eslriba
 .'"j

35U,

,.
en que la preoicción estáliCaod Capítulo S úliliz¡¡balos v¡ilorcs de hecho Oc tooos ,"~,
los regresares, inclu)'endo los relaroosdela variabledepenoi~llte; mielltras que In
predicción VA R no utiliza datos más allá dé 1987.4. . . .'
,.. .• s. '. ." .. :':
..¡

':
9.4
MODELOS ESTRUCTUn¡\.LES DE ECUACIONES SIMULTÁNEAS -

Las VARpreselllall graves limilaciones en sucmpleOcomo herramienlas oe éln¡íli.

sis de s,islemns económicos. Encsludios macroeconómkos; i.'lccesilamos Ull sislema ~;.
oc ID variables, UIlOde 20,6~erán'ne'éesa~ias 100 o in:lS'vi,í-iables'!Como veremos,
no s~ lrala de una pregunlacomúna lod¡is 10sYAn.•.~auliquecualldoaUi1\enla cita.
. mnno del. VA R surgel) graves p(obleni~sdC cSiimaci6,'.POI: ejc'Ílpln. un. sislema de
........'.2óJariables eOll4 relnrdos~recli.H,:ritia:eSlílllar • .cOl1)O minimp, HOcÍleficienle~ ~n' ~ao .. , .' .,..
,':.,:'c;""U~'i:i'iJh"déljs":ecti'~éjtl¡f~'s"d'2r'\iArEEl'~(~'{ió'i;)\Yr'{d~g6'tlésú¡Dü'c'üíii'(i"cT'irrot\í'dííf¡(elelfl"-'-:"" ",~.' .'
J~,
dcsu(l~r¡cióJl de los grados deliherlad, porque elnún~cro 'de cocficie~lles descoll()ci.
dos puede acercarse' rápidanlerileal iamaño muésiral oisponible. Cuantas ni¡ís va-
riables se añaden ál VAR; más problem'as apareccráncu¡ioc'o.deban)os éomprobar
el rango de ,coint't:gr,aciÓl'l .. Úiscontrilsles 'estadfslic;os' lienen dislribuci()nes no es;
lánqar y,ptecis¡IIl, por e'lfo;de sin~ul~dones;y'iasrabla~d¡sponible~alciú¡z¡in úilica: .';::,
nlenle' hasiáll .variáhtes.Cuandd eX'i,SICmá'sd,e' un':\'rclación<)e cl;iJiI<:gr¡lci~ín, .:eo',
sulta', ¡¡Iilbiguo,inlerp~'el;\rlo$ Vl7clorcs d.ec\ii,iieg,:aCíón eSlimrldl)s. A Ncces,'cn eSlu-
dios aplíe'aJdS:ellconlranúi~ ~uIÓ;'es.que prócla~lail'la.significaciónecl;nólllicad,e .
ullii';c1acióhdci:oinlcgr¡¡ción~Slil.llada,l?asándose,enqi.e los coeficicnlesse acer-
cnn: a'los nredicllospor.c'ierla lc,óría,Cj:on6ml.ca.'E1 procGdimienlo puede 'p:irecer '.',"

extrai\o. ya (lue; l;loslrn'rsc esc4plico,anre lalcs'csrccificilcio'neslellricas rue el cSlí.

muJoqJeDrigi~Ócl,desar¡'oi.iou~)osVA'R'::.,'~,: ',:,', ,"'.:: ,:', . ,'.:'
.'Un OQji:liv,ó digllo C,l~el.ogro~S:permili~ qú~losc,l~\tos"hablen" conunlnínimo de
reslricciónes'leóricás.Sin enlbarg~,en 1~,práclica,clll1CnsiljG no eSla:n eviJenle y (¡Ili-, , , '
•. ' ,4 '_ ,",' "':';1 ',4 ,',.' '" .'-, . ",; .• ' .• ' , ,'" ,",,', ',"''P ',....' , ••

caine'rúe se-¡irogre,sa c'uandp,}~' imr0!,!e:ckrta eSlrll,cl~ra al. problema. ~a:~c~lIlon~1il

posee unbue'n ,alm¡lcén'de n19deloSleód,co~ y.~nieqianl~Jós ilHídcl()s cslruClurales dc
ccuaciones siln;J!I:ín~as intenlnn;oscohfrmiillr'dichaste'orí;ls
< .....,
Con 'los dalaS relévanles.
- ",... -. •

Quizá ,cI ~jemph);más.sendU¿ é1e.OlOdelo cslruclunil sea e.l.modelo de ,cqllilibrio i)élr~,.

cial,el modelo 'de,de.ilnnda/~f~ria p~ra un mcr~,\J() úniCo:E!lCa0a lado o.c1mGrc~ldo
lenemos un conjunlo,dcagen.tes:~conómicdscllyb,c91)1pOI'lamiclito ,viclle.dcscrí.to ppr. .
una r~l~ciÓiICSlruc¡u~aLeslocástiea. Los ¡/C:lIIillldá;,i~.~reglil;¡jisusc().Ílpras dC.ilcuertlo. '
con ~:IprC:cioal que~e '~nfr,en:lap y:¡úeoríaprcd\ce¡lpq'la,dcriva~la pa~cialde.I:,lplnli-
dad dernandada résj)e'ClO arprecio, es ~cgri[i~¡I',' De mbd<! ,similar, los Ji/eren/es ajuslan
la ¿iinlidad :,o[e(.ladnposltiváI11~nle i~speclo: pred.o,AlgÚI) l1lecalli~I)~9, limpia .el al " /'
I1lcrcadoe!lsad¡i periódq',.EI m()de,161¡n~al.qu~:de~cribecSI?fcnómeno ~~'" ,/

, ".,< ;":":',Yi,+fJ12,y2/~1il.=lIll.,
o,"
.,'
,
.
,', .;' ' •• ": .•..• :.
:.
, ";i',
:,fJ~íyil+;j';¡I:+~2í =112',"':
. ~, . 'J";':::, ... :. .".;" .. '. ~, . ~..'
"'.' O,':' '

• '1 • • '
.... ;

."
 C.\l'iTl!t.O 'J; j'vl11l1t:los ¡\'llIlli~cU;lcioJlaks 3:'1
.': .
, donde YI inJica el precio e )'2 la canlidad. El modelo cs'
cstr0clurii(i)orcIUC cada
ecuacióll dibuja el comporlamienlo de un conjunto dc agenles económicos y. silllul-
l;inco; porque lc)s valores aclunlcs dc ,las variablesap'areccn en cada una dc las
ccuaci.oI1es: Si lit primera ec'úación describe lit rcliJcilÍn' de 'dem¡in'da,la reslricci<'Jn
JlI2 >0 asegura'una pendienlc negativa'; YIhl. <¡ O'¡isegura 'unil '[ull<;ióndc orerta Je
pcndieille posiliva, Nos guslaría lambién impon~r una re'sl.ric~ilÍnadi~.~onal. '1\1 ~ O,
que-asegure un lérmino dé i'nlcrsecciól1 positivo en ¡á funciónde demand'a, :: J

,Los términos de perturbación 1/1,)' 1/2repi-escnlan cambios en,las [unciones que

son tos efeclos net~s de las variables q'ue, hasta el momcnto. no se han modelizado
explíciiamen;e. S'i eri el p~riodo (ambas I)Crlurbaciones ruerancero,'c1 nlOJeloven-.
dría repr~senlado por las lineas D; S .de la Figura 9,2; en dichariguia. YI" e y~*.indio.
can el precio y la cantidad de equilibrio. Las perturbaciones dislinl¡is dc cero cílm- '
hian las curvns de dcmanday de oferla respeclo ala posición Illoslradaen lriFigura:,'
,:,:':I).?~g:OL)P.-:lanto, UI) ~O!lj.~IIJ,lode pe fl_qrb¡Jc:i<?1l9S¡IJ~'¡lI()I;i¡¡S
)!y nCI:it,ríú.una ..d i~p~ rfiiQll .1
hidimensional <.leobservaciones agrupada,en torno al'punlo .1'1*' )'2", '. . .

11

,:

.1.

l) )', .

,
,-

Flt.URA9:2. . . , '..
Model.o d~'eqllilibrl() parci;tl,'modclo de dC[llanda/ofcrlapara 1111 mercaUo '(lIlico,

;
(
~J
r ~'"

"-
,-
.... )
" \11 1"1)11\ IJl.l.nJ:,\C,\II.II{I,.\

~.
". ", '0'0 un rrobknl<1 nuevo. Es pusible quc, i1 1i1visla de este esp;lciu bidi.
,,::.,.:,

.'.
" .",':::' Lk Ji~Jh:rsi,in lk prl:cio.s y c"nlidades,'un analisla (1,:'1;1dcmanda ,¡juste .
.J'
'1 ", ~"':';"'I1;' lIn con,lllnlode dalos)' crca'qt,IL,Ocsta\)a eslimando una ccuación de
"
"
o,;':I1I,I!;,¡:1.U "na lisIa Jc laoj'crta a,ltistaría .lipa .régn:sión'a los misl1los datos y cree.
'1.1 qlll' 1.'~I"h;1estim¡lnt!ll 111i"~cuaci<Í.n dc orerl;!. El cClllHlmisla d~ "cquilihriu gc.
,'1 ;:':1;"". en SlI dcse{) de estimar amhas fllilcioncs, haría un alto para preguntarse: ¿Có-
11." pucdo eSlim111'UUS runciulh:s' scpúradas a' paí'lir (k una dispersió'n 'bidimcnsiu-
"- l1al'.' [SIC nuevo prüblcma se denomina problema dc identilíC;lciún, La pregunta es:
". o,¡'lIcdcn de hecho estimarse los l' ,mí m e 1ros 'de cualquier ecuacicín del modelo? Nu
'1.'1' ;,Ia de una pregunla acerc.a elllll;todo de' e.l'/ill/(lcitín, ni del t;IIll<lIio de la mues-
.J
"
Ira. sino <lL:..:rc;,del hecho de si pueden ckclil'amcnl.e ohtencrse eSlima('lorl:s con
I
,i"niric;,t.ill económico Lk los'par;íl1ll:lros eslructur;dess. .
-' [xplicar":I1111S los principios b;ísicos (kl pi'oblema de iuenliricacicín dcntro (1\:
,11.

~'.
lIn m<lrCIIIl1<1lrici;lIg..:n..:ral. Espresaremus la e.úlacicín (yj,l) COI'11O
ny, + Cx, = 11, {Y,]5)
dlllllk')
",
,
.,,~,: 'H=ll ..fi~ 1
fl¡I~'j
"
.1'1'] C=['Y'Y211,']"
.".,=.[' o,.~, X,= I 11,=[ I/II.J 112'
(Y.36)
,,
"'. 1:1 n1l1,klo Clllllplcla I11cdi;lIltc los sUpucstl;S adccuados acerca el vcctor u,e per-
,~.;'
St'

turbaciones. Supl)ndn:mos .
1/, - iidN(O;~) (Y.37)
'j-"
..
,,
donde ~ es lIna l11atril. de \'ar'ja,il.as y.covi1ri;IIl~.;lSdefinida posiliva. Suponemos q~c
"..i~I las perlurbaciones se dislrihuyen normall11enl~, son homosccu;íslicas y no eSl,ín ca-
l'
.••••:..1'
rrdacionad¡ls scri;dl11cnle, aunquc cx.istc la posibilidad ue que se currclacione'n con-
,.,
,.;1
1i:l11por;íneal11cnle. Las \'ariables del modelo se c1"sifican en cnd(ígcn:ls y cs(ígcnas.
1~11'

Las Vari¡lhles enuúgenas son."1 e."2 y. cn es.!e caso. la única variahlc esógcna cs 1.. . .,
~~ . \';r.ri,¡¡:li'6,'nciíti¡tJ:CI\íC'í)'2I',Í1I{~ l¡í,'¿i!ii:G'1(;:i:i'dC'lcflÍíi'ilo5"d¿llildsci:ci6n~' t(;lio(J~ro"'"
dc¡J~)s' ecu¡iciones dClermill;¡ las dos va;:iablc's 'endógenas )'1, e )'2, corrientes en tér- .
<~! millOS oc 1i1\;ariablé cxúg..:n;¡ y las perlurbaCiones, Multiplicalldu por /J-I la CCUa- :
(I~ ciúll (<J.3;'i) vcmos 111;íscl;¡ramcnlc ladepcndencia, ,

".. l,":\
y, = 1 Ix, + \', (<J,]~)

d :donJe 111 " = - !J-I e \', = - JlO'I/, (lJ.39)

O
:- En an;ilisi ..•dl..' ~~ri\':s_1\.'llljll1ral\.'s la idl:llliricl(i(;n P:lf:t •.kh:rl1lill:tr l.'I on.h:n dd cs-
(1 lInh';lI'ianll ..:. Se 1IIili/';¡

\'"lIh.:l11a ,\1{1.~1/\ que ~.c ;~jllsfi1r;i a Il1s d;l"los. EI.procedimiellto eS ,t;JI:t1I11Cllh: di~tilll(l tic 1" 1IIili'.:ll:i('m :IC.

\',"-, {lI¡jI ~Ill.'l (OIlICXll.llh: 1,11~ddns'dl..' CCU:lt.:il"l1 cSlrUC,IU(.d.

'.1 [11 ~~t,,-,l'jl'l1llllo. e iiH.lica 1I11n:t:lor .. :,,'pill:i;indoiios \k' la 'COIl"CIlCit'1I1 hahil\l:d dc ¡ndic;lr.cl '"cetor el' mi.
~¡:' Ilthllr1;I~: ya quc en •...
asi ..lolJaS :I;',~;lrlli.~tI\:iIlIlC~ uc la' t;Cl;;1I:'itin-('J.J5). e ser:i, lIlW1I1ó1lri7.. '
¡•• F~l"-' liSO dc la l1lil1ríl.-1 ( 110 lh:h,,-,l:l1l1fHlrdirsc _l'onl 1.' l' lIso-'lId ll1i~lI1o~illlhlllll \,'11 la litl'wtura Ú~ la ,,,inle.
(L} ~r;lCi{jn t.:1\ b~ I'rill1L'r:ls '~ccci(_ll1L'slk' eSI..: c'iipil"lilo .. " mlh)s lkhl..'1I ~cr t'n los rC'p"'l.'li\'\ls CfJIHc:<tos. Ln ¡nler.

¡J, prl't;¡~'il'H\currt.:l:1a sÍ\:l11Prc ~c-d•..sprt:ndc'ud propio Cf1ll1t.:Xlll.

.'.!
 ,¡
, 'i

'. ..,,\!'I;ví,ú ~~Mouelos ~'!uliiécu"cion"les

',' ,
" (.

L" ecunci()Il (Y.:lR) recibe elnol11bi'c ~Ic.roi";ml' i-.clilléidll' del'm~()clo, Li1s e~uncio~es
., '~ (1).:17)y (Y.]~) Ikvnn tnl11bién a ' . _.'
. 1', =..,. iid N(n,íl)íl:;: n-12;(n:i)" (9.40)

De la rorllla reducida 'dc I.ne~U,Il:ilín(I).JX)Ylos stil')'ücsIO~ úihc~ <.leIns perlurbi,-

ciones dc la rlll'l11areducidn dc laecuaciúil(9.40)': la 'distribución de y, conuicioni1di1
a x, cs
" ,,''',0 ,'., .". . 1
fJ(y,l.r~) = (2n)~.'iíl,I-112'c~p(':' 2' y', fl-' v!)
1 .' • ,

La runcil'lI1 de verosimililud de las y dJ la nlli'csira condicion"cbs'a Ii1Sx es

.'; :';~~;~:::~:C'~i,::'~~~I"':(éJ;'
':', .' 'j
L~
2.f-í;<
.' t .•. ", ."
O",

'
• i
" l'
t

.,.,.
••. ,

,.1'
~.,'

•.••••
.
(9:41 )

I -",,', 1',",. "'/:, "'"."" .• ' -.; ,,' """, , "

~, . . " = ,(2~)"'¡IÚ,1~,,,~ai)[ ~~¥~'Y',",;'l1~r,nl",1():;-f,l~,,)r!o

. , '. ,'," . '.:: ..•........ ,,: ,,,. !"',,' '-." ,
Li1 función de yerosimilitud csl;í COl11plelamCn\cdclcrmin"di1 por I"s malricesn y
11; odinidas cn)¡\s ccuaciones (0j~) )' (9.40). ¡ : . , "

Supongamos:lIll1r;1 tlUe otro \e6iico 'conslruye su modelo de me~c"do " parlir'

de co!úhin~ciones 1¡'-leales (Islas cCu'i1cio'ncs cSlrUCIÚri11e~de la ecunción (9.35). El
, .~ ,
modelo rcsullanle ser¡í ..,' .
.'cn)'; + CCx,= CII,' '.- (9.42)
.' donde, por sUIJlicS10, G es uná'mnl~ilno singulnr. Esle segundo modelo es elll1is~,~
,.,J que el de la cClJacilÍn (1).]5), con dos eCll,iciones line"lcs, en)'1 c )';; pero los 'cC?~fi~.
e'~ ;; ...
:,',:cienlcs'dc;t)~la~,\'il¡'.iabJe,s~o;r;¡ n';~-Q'l11b¡ ,)n~i.olll,1:l'Jin,c:¡II.~s'.<.II,:J;prime~'co
nj'l:1n\'o.pc.~cuc~-';'_":,;'
".". , '.
. 1,. ." Ticientés esil\,cúiraics, L;,T;lI:li1<!;.~(iúcida dd ni~}dclb'~s'':','' .J o' .
::~ ,. Y,=,-'- n-'é-;I.GC.~.,+B-1C:':I(;/IJ
,,:. ...
;" lLí';+I', . ".
CIUCt:S cxacl;lIlicnlc la rO~;l;oar'c'dllcida désán'ollada níllcrlormcntc' e~l la cCll~ción .
(9.]~).All1llos l11üdthiscsli'úcluralcs lieó'cll idéiHiCa rormntc(Ju'cidri e ioentica fun-
ción' di:' vt:rosimilitud. Dirtn'lOS,.CnIOnCeS,c¡1I6 I~s p~riím-elros 'estructurales de 'l~
ccunciún. (9.]<l),nocst¡ín'idcnlificados:Ni,inclllso éOl1dcieiido p~'rreclnmenlc n con-
. ~l'.. - ~ .; ~. ..,' " . . . : .' ',....'.~, .
seguirí"moslos val()res de las JI y I;\s 'Y. Olra Jonni1 de vcrlo es dCSlaci1r que en el
Illo<!do de l\crh,lIid:llijrerll, la nmlrizl1csdc orden 2 x '-Ús "li1trices n r e incl'lI-
yencualro pai',ímelrns d~SCOl'lOcidos,esio'c;;,dosfJyd6s'Y:'Exisícn, por16lnrúo, in-
rinidi1u de l11alrict:s[J re capi1cesClC snlísfater. n ;,;..:n:ICpi1ra tunlquier Dcstn- n:
Carel11os, pOJ' úIfinjn. que 1asdó~ceuactOlics cSll'uélUrilles de la ecui1ción(Y,3tl) son
intlislingllililes csfatlíslica'inenle,ync¡uCCi1Qalln;\ de cfli1s éSunn c~ll1binnción I¡nenl I
de lasniisl11,iS variahlcs; . .

J
 . .
354. ~IÉTOOOS OE I£tONO~IETRIA'
.' , ." '. .
. ." .
El sencillo modelo de demanda/oferta no cSllí idlinlifici,do. Cl)nsith:remos un
modelo más. realisla dederí,andai()fert~' ' . .-
. "' .. "
" .
JI,'+ fJ;J2"+'"YI~X;; + '~12:r:2"= "i, . (9A3)
. . fJ2IYI;+Y2,+ "Y2IX\/. + 'Yn\"),;¡'-Yúx~; = "!, .
La variable .ríes u~a variablcfictic'iacon v~lpi un~ en todos I~)sr~riollos y cuyosigni'
ricado esabastece.r el término' de intersección; '\:2rerrescntarí;; el ingl:es9 que, según
1ateoría económica, afecta ulademanda; y x3yx~scríanlasvaririblcs quc afcclan a la
oferla. Existe tambiéi1la posibilidad de'queéiertns~ariablcsxseün valores fe/I/i.dmlo.\'
~e y. Por ej~mflto;el. precIo rélardadopodría¡,fecla¡'aJa~rcrtaácíual.Tambi~n e~
posible que existan vaI6res'retard~dosdel ing¡'c~oy.dc()tr;ls~~riabtesexógenas de hi ',

especificación, La calegoda de.' variables cJidÓgcnas rctnrdill1.asy va~iables CXlígcnas

. rciardadas y actuales;tónstituyeélcotijunlo de variables prcdclernihúlllas. La carac.
..:;t.;~.;~S.r.f~ti5JL!!1~t.i!J.1WÚ1~Q,t~::e).~}~,s~¿X9&j~
'.:.'_: ptt(i?r~.~,~.t,~,r!l)~Q.}19,~~.<,~~.5Wf;~,(~IJ.:tl,~~SR~~I9}SPtc.~:
...' . ,,;.,., i_~
de las perturbaciones actuales y futuras. Esta rropiedadsc sostiene para las variables
exógenas: por definición .y también para lasvariablesend6seiws relÓlrdadas rurquc se
supone que yis términos de. perturbación s()n sérialmenteihdl:pcnl!icl1tes., Exprcsare-
mos el m,?delo en farn)ilto )llatricial, é:~mo cn b£cuación (9.35);con .
", :..' .. ':.'~'='r )1;2') : = l. : C [:'Ii;. ~12 () . O 1 (9.44)
, .' . lfJ,21 1 .' 'V21 O'"VD 'V~~ '
La riIaltiz de coeficientes en forma reducida ~s

.'" ".~'~~iC:f;L
f<-"YII:: ¡j12'V21).:-'VIi .lj'~."VD'•.}j 12'Y241',
.'
..ó.l (fJU'V11"-"YI2) .. fJ21'Y12 -'Vn. -'V2~ .
donde ó. ='l-j1 liJ1il' Contnrslaremos la matriz ,con la especificación no restringida
. ,.' ',' fr'=(n ll' ,tll' ni:i 7t1~1 :.', , , .' ..
. . . ,,' .'.' ':'. "R11'. '7t12n i3 '. ~24' ,~.. " '.
y la pregúnt~ qú~ sllrgc escúá'lcs sedr jos '¿oeficienles cslr.uClúralcs a rccuj'll:r;,'rde
los n, VerilO~ que...... .',' '. .' . '
,". ;'fJ21'=; -~22'/rif2
. " fJI2';,;.~7tI)/7t23 = ':'it'4/JI2" .
Existendosmodosalternalivos; aunqueequivalelltes: dc bblenerjJ'2' reflejo del he.
c::ho de qÚc hay. ocho pa'nin1Ct'rQSen la fornlnred'~cida y sólÓ sielepanímetrus es-
t~uclu¡'ales, Únn vez 6bienid~s las fJ:t~lculj\rehlOs c;Yscgui'renllis dClerhlinando los
cinco coe!icie~le's 'V del modahitbitu'al.Así ¡1úcs; ideilliriCillilOs las céllaciones de
.dcll)anda yofcrla'de' la. eCuaei9n, (1).43):::' .
. ....." " ",

":!."'f
',- '.

9.5 '.'
. . CONDICI01'mS ."
'DE IDENTIFICACIÓN'
';,- ... '

'.' ~N~ce~iia~10s u"na~'r~glas gene~al~s~rira est~biecer'si ll~a"ecllación estructural es o 110

kf: identificable', El moqeJo ge'nc'ral line~l'dc ecJúéiones ~in{ultáncasse' f~rri)u1<i'coi~1u
¡' '. • " .' .' ¡.• ' ,'; , .' ".' '.. - .

r'
"'
1,
1 ~ .¡ :
 '. )

(,,\l'iTl'I.11 ". ,\Iuddos i\ lulliecuacionaics :;55

lJy, + Cx, = ",'= 1..... 1/ (9.'15)

dande n eS llila matriz Je coeficienles de variablcs enJó!!,cn<lS:lClllalcsde C x C. e Ir,)
una malriz dc coeficienles tic v:lriables prctletc'rminad,,; ele C x K. y y" x, y ", son
veclores columna de G. K y Gelementos,
:-:1

l~::~:~
respeclivamcnll:. o

l
}111 "V, 1-: ]
LJ= ¡1~1 ~:: ~:~] e= 'Y! 1-:

¡1(;1 ¡1(;2 f1(;(; 'V(;I "V(,2 "VCI-:

,.

y, = [ ::';: 1 " = [::: 1 ", = [ ::.::]

~.. .,~,'_
f~'" .•••••••••
", ::.. _', •• " •• ~•.) (';1 '. . .~.o.': '."'_l", .~:~ KI l" _.' • .'", ." o', .•:_>"~M'-':•. !.~(iJ- ';'-_: . :.(:'~~-... "..f.,I••,:;,:::,;.~)It¡r~,~;'. ,¡:;r' ...•.
Comparando con los ejemrlos anteriores, los coeficicnlCs fJ no eSl<í;l Iwrmaliz:ldos.
''''
Existen muchas rcglas de normalización cnlre'l:ls cl.llcelegiL Si. cs posible, Iwrcmos
. q'ue los coeficicnlcs de la primeravariabic'cndógena de cada ecuación. sea igual a ...•..
ti,no. eSlocs,' reemrlazaremós la primera .col;l~lÍla dc n por' tln \'CCllH unitario, i'vI¡is
ha.\)iIUal resull:l suslituirla di'agonal principal ~Ic'llpoi' un. veClor Uoil:lrio, Oc modo
res'tÍmido,formulamas el conjuntO de ¡;cúa<;:i.one~Je lae'cu;,ción.(9.45) con~o

. . ,\z, = llJ' c¡f ):'1 ='",' .

. l.\"
x
don'tle t\ es la malriz C (C +K) ~C'IO~OS los toefide'lle~ eSlrucl.ur:llcs y z, cs el
v.cclor de ?bservacioncs (C+ K) x.lde lodas Iris "ariaLiJcs ell el periodo. t. Can~iLlI:'
rel110s ahora la identificación de la prilllcm ecuación del si:>lem¡1. Podremos aplicar
p(isleriarmcnlc el método aquí desarroliado a cualqüier 'ccuaciÓn cst'ructural. For-
l11ularcl11os la pl'in)era ecuaci61i esli"ucluralcomó . .
c<,z.r = ".1"
donde úl indica la priml:ra (ila ~Ie ,\...
¡'!abiluaimenl'e, la le'<irí:l eCÍlnól11lca'lmpone' restricciones ~obre los eléml:nl(lS
de a,. Las reslriccioncs l11áscomunes SOl1restricciones dc exclusión que cspecilicall
el hecho de quc delermiliadas vari:lblcs' no ar:lrezcnn CI.lcielerminadas CCUi1CiOIlI:S.
Supongamos, por ejcmr1o, que y) no ararcce 'cll'Ja primera ccuación. La reslricción
pertincnle es JI 1) ::: (J. qUl:puede cxpr.csarse coina una reslriccilíll iiIlCaillOl11lll!.~nCil
so1Jrclos'c1cmenlosdc'c<" . . . •
(J

O
"V 11 'Ylh-] I =0
O

(J

"
r "

iI
{ ...

~.
,.
JI

"

j
.' (luL'lkn t:xislir. <l'simisillO. rt:slriccin,ncs linc<llcshomogéncas quc incluY,ln dos o Ill,ís
c'
t:kmt:nlos lk ~ll' [sp~ciricar. por ejt:mplo, CJuc los codicienlcs de)'1 c )'2' son jgU<l"
les. s..: L'XI)I'<:S;lriaCOIllO ' ,
"
I
);' -1

),
IfI 11 PI~ )'1/,.] () =n
O
:1<
.J,'
En C;ISt)dc qu..: CSt;IS rucr<ln 1;ls únicas restriccioncs <lpriori sobrc la primera eCU<l.
cj,"n. s..: cxprcsari<ln como
,-'i¡
al(l) = U, (9.47)
O I
O -1
tiontit: ,(11 =
I O
n ()
...•... ;.

O ()
La matri/"tll licncG + f\ filas)' una ColUliln<l par<l e<lu<ln:slricciún impucst<l a priori
t:nla primcra t:cuaciún.
Alkm;\s dt: las rt:stricciol1l:s incluid<ls en la ceuación (9.'17). habr<Í lambién res.
tricciones sobrc,lll originadas en las rcl<lcioncs enlre los codicicnles estructurales y
lus lk 1,1forma rcducida. Segllnla écu<lción (9.]9), formulamos .
'.
•.•.
,J,.
nn + c= O
o ¡ul' = ()

.:_,.._;- '_,_,,::-._.:~JJ::;:.[
dO,n~>?:'l: ,'" ':,~':'-:'''-,~ __ ~+---- -'",'-T"~ •.•
"C'" --.,'

,\sipues.,las rcslricciont:s dclos coefiCienles de la primcra ccuación cSlrUCI~lr<llson

\.;1 lllll'=() (9.48)
COlllbinalll]o las ccu;lcioncs(9.47) )'(9.48) oblcncmos,e1 conjunlo complelo dc"rcs-
\...'
lriccioncs
lldll' <lll=() (lJ.<19)
Exislcn G + K desconocidosenlYI' La malriz['y <Iil es de ordcn (G +,K)x (K+ l?),
dtlnde !? cs el nÚll1cro ue eolumnas de (11.SuponÍl;ndo queconoccnlos n, lodos los
clemcnlos lit: 111' (111 scr;ln conócidos. (lorlo 1;11110.l<lccuaciún (9 ..)()) consliluye un
conjunto dt: f( + !?ccuaciont:s de (; + KdcscOi1ocidos. La idenlificacilÍn de la primer<l
t:cuación prccis<l quecl r;\ngo lit: [1\' (1)1 sea G + K - I ya quc. cn dicho caso, louas l<ls
'solucioncs dc la ccuación(().-19) s'e silúall cn un l'lnico haz que pasa por el origen.
CU<llltlO norm;lIizamos I.a primera ecuaciún i!!U;i1;IIH\Oa llllO cíe,rlo codicicnlc (por
ejcmplo . .!]" = 1), (lblent:1l10S unllllicopullro dd hal.licsoluciones y UI qued<l oeier-
,t,/: minado. IZt:sulllit:ndl), p;lra idcnlific;lr la primcra ccuaci('lIl cslruclur;llprccisamos que

I '.
 , r" ~.

CAI'ITlJt:o');Moúelos Mulliceu~cional,es 351

.' ".". '.,' plW":,(l)\";G+K-il:.' ,,(9.50)

;) Dich" cl;ndición' $e utiíii'.~r'á p<lra ~x~~liiHHla ide;llinc<lbilid<lu de cualquier ecua.
': , ción' estruclural tld Íl~OlJclo. Eslncoiidídóll ~iehedelermil1<lqa por la m<llriz (\) que
rcsulla d~las rcslriccillliesaj,riori sobre dichae<;uació'n; 1" .
, La aplic;leilÍn de dicha i:ollllición de riingo,suelc'rc<lliz<lrse~'n. s!~lemils mu~' pe ..
quelil~s. Sinemha rgo, resulta J:íeil desarrol.lar y np~ic<lr ,~Il<lI con¡JII':I~~lnCCCSa~l:~ de
il1cnlilicahiliclacl. La condiciqq de r:)ngo es Insostenible Sl,[ H (1)] no tlcne un mll1l1110 '
de G + K- l' columnas. Por lo 'Ian\o, la condición neees<lria para que la ecu<lción r
(9.50) cumpla esla condición es , ' , " " .,
f( -1: ~ ~iG+K..,l
que da conl(; rcslillatlo , !? ;::::G -1 (9.51),
Enolrasp~lahr<ls, ,,:"', ""', ";,,, .. -
El'núni~~tl de n;slj'icciol\es a prior.i dc.bcsc~, ~o'momíJiiil19"lan gr:lnde con~9'e.1 .nú.• :,
r.
'Illcrouc ecuacioncs dcllllodelo'lllcnos uno. ",' " '"
Cuando las' resl riccio1\cs 'sonsó!i; I;csli'i~cioncs de'¿x~lusión. In cónclici6nnecesnria
se definc'conlo .," I 1:'.;' ,. " . 1

El nlln'll:ro 'de ~'"riabíes, exc1;,idóls' de" 1;le~u~ei{m cs';r~clural d~be 'ser, como míni-
mo. lan gral1ll~ cÍlmo el' n¿~le'ro de éeuólci~lles del moúelo ~'¡enos uno.
Finalmclilc, uesarrollaremos una form<l allern<lliva dederiv<l~ eslaúllima condición
Illedi<lnte . '
~= nlllllcrouc variables enuógenasactun\cs incluidas en l<lecunción.
"
\

k'= nllll1ero (J(; V;iri;iblcsprcdeicrrili'lú,dnsincluiuns enl<l ecu<lción,

Enlonces" R='(G~g)+(K~~)
y ¡acundición neccsaria se conviertecri
(G -g) + (K':' k) 2: G- 1

es decir,'
El n \1111<: ro ucv;lriahlcs prcJcl..:rlllinau:iscxcluidnsue'ln e'cuaciÓl1 debe ser, como
Illí,~iml), jan ¡ir;lndcwllllleli'llillléro uc. vnr,iólblcsenuógcOils incluid<l$ mcnos uno.
La conuióón n~ce5aria sudi: u~noúlíl1Hrse clindición de ohlen para l<lidentific<lbifi:
d<lu.En mouclos granues, su~1cscr l<lla'niencomliciónque :!JuedeapHdrse. pueslo
que "pl¡cinlH condición dt:rnilgoresull<l difícil. Existe unafotma <lllern<llivé\ dé ex~
prC5:lr la condiciónueril.n~~)qu~ res~llal1l:í~rácil de<lpli~ar,.aunqlie ~ig'ue ~:en,uo
improbahle queppctlautJlIi'.:lrse.en modelos grandes. l,a fOflna <Jltern<lllv<les
rlll' (1;I=G~~K~JsiyÚ)IO~i p{Arl))=C-l (9.52)
, .
11 v~;"c 1'.1<'1.I'i_h.:<. T1If'¡,/l'I/";(,C"fili/l {'",M,.",';" Eni,,"i,,('¡ric;, M¿Gr~\\'.l'lill. 1%6. C~rílulo Vd. rM~
'\lila c'l'lic:lCillll ("s\I'milla'.' H.W.:''¡'arci''"lhc'r.~; ¡\ ~horll'((IOrOrlhc ni'sic Lc.",",~ of.lhc linc~r Illcnlific~'
li\)I1I'",hlclll"~ 1"¡(;";";;;""'-""III",,,,;,-ÚÚ;;''''¡,12:1?7I.'SI5-SI6.', " "
'1, •
.,"
:~.
o,,

_ .. ~
 ,,1
••
35:1 MIOTooas DE ECO;,>O~IErJlf,\ .
1

Nótesc que [IV el)] es una matriz constituida pbr las dossuhmatrices indicadas,
mientras que A el) es el protl/lclO dedos matrices, L¡j scgundaforllla de la condición
. ," ... ". .

lieneque ver sólo con loscoeficientcs estructuralcs y es; por la tanlo, de más fácil
aplicaci6n. Cuando todas las restricciones son dc'exclusión; la prinlcra fila de Ael) es'
un vcctor cero. y las G ..: 1 fiJas restárltes contiencn los coeficicntes dc las ccuacio-
nes estructurales de las variables que no aparccen el; la primera ecuación.
'Sila igualdad se mar1iieileen la condieiónde orden; es decir.- R = 1, hi ma- e-
triz A '11 debe ser de orden G x (G ~ 1).Pqrlo tanto, la ílrimera fila de eSla matriz cs
cero en virtud de atel) O. ,Estosignificaque.amcnoscjue = se dé nlguna combina.
ción exlraña y poco probable entre los coeficicntes cSlructurillcs, esta matriz scrá
no singular. Se diceenionces ,que la primera ecuación cstá CXl\l:tullIcntc idcnlilicada
oidenliCicada, Cuando R> G..,.l,entónces A(I) tieneG o m,\s Columnas. En este ca-
.; ,', 'so, existen, másreslricc,ionesqu,e!~s~)jni!ll~~',~~igi,bJ~s:p.n.r:l la" i~c.¡i l.iri.c,lI.!=}.~I})'~en ",".~ . "',
.,.. _".."..."'..".ge'«á¡if1i'alirá'hia's'\le u.h'a.•~'lfti:ní-h'(r1z.ctla~ra(i~"'d(tordéil'.G.::"f'(lut;a¡'¡-s'rag~-i¡;'~'~;;':'
.•.. ....' ..""'...;
dición, de rnngo. Diremos ahora q\jc lá.ecuaci6n ~s.tá S0. hrcid,e.'lllific:id.a.

'£JHlI'LO. ConslcJe'rcmosel'sisiema .
, '. ~
'flIlYI,T,Pi2Y1I + 'YII,t ,+'.'iI2X2, = "".' :'\
"
'.' fl21y-¡,-t'PnY2' + :Y21'~I/+ ~;2Xi,'~ !.;z,
'P~r~l, Ill()~entd.no h~yres'l:r¡<;ciq~es i;~pu'~Ú~'sa'pfiO(í.y.Cil eSl!; c;;~oni;l~ürii\.Ü~ las
",
" :c'cÚn<;iones esÚ\'jde~lifi~ada.' Slip~gnrilO~ ;IIiQra quc In~rcslriCci~1I1~SSOtl . . , '
• • • • ,"' .:-:"' I .', •• ••••• , •••• • ~ '.,'- •• :.. • •

'. ',' ':: .. ,~'''YII'';=O::'' 'I!.2': O'

".,;":'0..:::0 .0" .,,'~

\ .... ",
" .'

'''','',
q . O.
,11='
.1 ,O:
'. '1,
Ó I
. : '. ~.

". , '..' [ O. O'J" ,'o'

.,. ',:,A'I ,= I ,':,'.

:. ; ...."1~I .. 'Yn'

ElrangodeA 'I'es uno y,:¡iCir lb tal,Úo: id.enlifidmos' la, primcra'eeu¡\ción ya'luc

G = 2. La segUnda etuación nO eSI¡\ idcntificallapó.I''luen'o licne;reslri~t:i~,;'es, , "
.' • '. _"o • '. .,. ", ',o ,,'..

De rúodo ril~únalivo: y 6bscrvillldo la 'eCUaci?ll' (9.49) ra~,.1 eSle modelo. obleqcmos

., " . . (x 1'( jI' (1)1":0 '

ni2 'o O
itú .O . O
o := (o' O O O)
O' 10
1 'O'J, . .,'

. ',-;,;
 l',\I'in:1.l1". M"d<:!os ',\illlli,:cllacionait:s

,-
, r:ormulalldo c:xplícitanlelllC: las ccuaciones. obl.:nCl1l0s " }

jlll illl + fin :l!1 + "111'= II ')

=
jlll ;¡121' fJl~il~~+' 'YI~ O'

"111 = ()

'Yl~ = ()
Si /1'1 = 1. ICllcn)os .:nlonccs que
it 1I ¡f~1
/11' = - -'- =- - " 1
... . rt 21 ¡¡ 2~ .

[sio no implic:l conlradicción alg,un:l. yn que ambas maneras d.: cX¡Hcsar jJlí dar<ín
""~""":~ <:9.1)1':~l eSÜII:ld,~.Ull \'a.I0.ri~~Nic();I,.}'s.a.ny:r}()Lc~ Sspc~!fi~:,~i.':I)c,sY!:lJ~~l~.~I~I>IJotn!.'I.' .. '
lización tIC cstc cjcmplo.dan lugar al mouclo '
...,
)'1/ + I! IJ .I"~/ = ."1,
~ fi~I)'1t + )'2, +'Y2I.\'I,'¡' 'Y!~.\'!I== "~I

'La
'-.
n;l'lri/.l!C cocficientcs dc la rQrnia. reducida es '

'_ [7\11 7\'12'] _ ~.' (fJI~'Y21

n- . it~I7\~i '-'óL --'y~¡ '-'Y~~ .
1
I~I~'Y~.:

. do'ndc'ó = 1- fJ¡J.lz,.Aunqlie n c's ~;;:;:nla.lriz. dc ~.'.x 2. ~llrahgo cs'sól'o 1: Se.trala I.k

, \In éjcmplo dc sol;rcidenliricaciófl.:N'~Cci'siíalúo.s 'una'lrnica r,;slricciÓn ',)ara i'dcnlificar
la'primera ecuación, pcro ¡CUCnIOS dos, Laconscc\lcnci¡i eStilla rcslricciün.:n los Cll':'
ricicllleS dc la Torma rcdúciua. DCSlaC¡~ré,mos,,"ilbi.:il tI\lc"incluso cn cl'caso d.: so'
brcidcnlificación. p(A'I» no puede cXc.cder uc C-'L'La malriz lien.: C rilas)' un mi-
'j"
nimo dc C columnas )':.-para' rcslr!ccioncs.ho'mqg,éncas.'la primera [j1;1será sicmprc
'" ccro'y cl rango no cxcc:dcr¡í dc.C .,.,i. Dcst'lc~rc'mos finali,llclllC qu'c si cn cl probkma
tic: dos ecu:lciollcs susliluy.:r'amos npor Ú:. lil' millriz de codi'ciclll':S <'.dillll/r1os de 1;)
forma rc:ducida'. el range¡Uc Ú sería, ,:asi con lt)'da 'sc:~uridau.2 )' no 1. el.: modo tI"':
. cSlii;wndo /112 mcllianl.c ,..ñ 'lila 21 (, m~diún.lc.-ñ l/a ~~. obkndríamos uos yalorcs dis.
; lilitas. ESlc ;l1éIOd~ dc usíimación dé, parámelros CSlrUClurales n:cihc el nomhrc dc
1'lIí1l11llUSc¡,atirados illeliicclos. Obtiene:, ~siimador.es lrnicos d~ los¡iar;llllelr(lS el.:
..:.e
'i:cuac'ion.:s' eXaClan,lclilb 'ideliliri~ndas .. Cuan.ul; lrabaje'¡;lllsclln d caso nds ~l'n~ral de /,

~cliac¡oncs sobrcidcnliriead:ls; ne'ccsitarcm;)s oirós' cSlin.lad'ores.

J'
-'
9;6' .
ESTIMACIÓN DE ECUACIONÉSESTHUCTURALES

Consid¿"cmos la 'priméra ccu:lción tic' In ce'nacilÍl)' (1).'15) quc rorniularclllos cxplíci-

l'
tnn'lcnl<;: como
(,
 .\(iO ~IETODOS DE ECO;<O~IETlliA

Y1, = - [11'2-1'2'-'" -./311:)'1:' - "111.1"1.1 - •.. - 'Y1J,.tk, + /11, (9.53)

(=~,.~.,/I

Debemos Ilam;lr la atención sobrc varios puntos., En primcr lugai', hcmos implll:slo
"
la condición de normalización jlll = l. En scgundolugar, s~ suponc quc 1;15 g - I va-
riables ClllJógcnas son variables explicativas y que, cn CilSOnecesario, las variables
se reCI1Umer;ll1 auecuaJam~l1le p~lra quc ¡'os'íl1uiccs apa,rczcal1 cn forma sccucncial.
Oc mouo similar. suponemos que las primeras k variables predelermil1ndas lnmbién
aparecen en la eeuaci<Jl1. EI1 otras pnlabras, l)ayC - g vilriilblcs enuógenas y K _ k
\';¡riabks prcdetermil1adas exeluidilS de'laeeuilción. Las ecuaciones ue la form¡¡ re-
ducida (9.30) y (9.39) muestran que cada variable endógena es función ue todas las
11I:rlui'l)acio'nes estructur¡lIes. Así pues, las variables cxplicativas J'2/' ... , Ygr de In
ecu;lCilín (9.53) se hallal1 correlacionadas,con la perturb01ción/ll, de dichaecu01ción.
Enlonces resulta que. según los desarrollos ,moslrados en el Capítulo 5, aplicandu
MeO a la ecnachín (9.53) oulendrelllos cstil1wdorcs sesgados e inconsislcnlcs.
La discusión (kl Capítulo 5 sugiere asimismo que oblen~Jrcmos estimadores
consislentes utilizando "ariahles inslrlllllcn(ales. Recopilando (ouas las observacio-
nes ue la ecuación (9.53). pouemos formular la e~uación estructural en forma mnlri-
cial C0l110

'..

••...-;.

~I,
 CI\I'ITULO ?:Modelos Multiecuacionalcs 361
~- . i"

Z I =.){ (X'"A.')-I X' 21 = P XZI'

,. _ , .
(9.57)
•
A 'conli;ll;~lción'. n:ali7.01remos i.l regresión de )' sobre Z 1 pLlra oblener el ~stimador
VI (MC2E),.
~~(i,¡,pxz,)-'Z'IP.yy ;:;. (9.58) .

con m01lriz;k \'arianz:ls y cov;Írh1l17.:lS ," ' .' ," ' '
., . . 'V¡H(Ü)=.\.2(1,',P",ZI)71. s2=Ú':-~Zla).'(y"':ZI~)lIl' .. (9.59):
Verificaremos las reslriccioncs li'leales de la eeu01ció~ ,(9:55) lnl como describí:lmos
en 101últim01 sección ucl Ca'pítulo S.: "''o'' • , '., '

La n,,,írii ZI de la ecu:ición'(9.55) y la malriide inslrumenlos X llenen. una

submiltri7.X, en común. Ello d01Jugar a unaforma allcrnaliva de expresar el eSlllna-,
uorVI(MC2E). ,.' , ",' '. l" ] ..
T 1" P .z. = [ Y', PXY1Y'1 PXXI 1 y 1,', ?xY = ,Y'J P.xY
encmos '" , -1 X'I Px l,, 'x' 'x,/J X ,IX
'x' P 'J'

:i

También /'-"XI =X(X'X)-IX'X1' = [XI X21[/kl = XI

. O •
En definiliv;l. cfecluand9 la regresi6l,~ deX, sobre X oblc;l~mos, si~'p\emcnle, XI'
Formularemos enlonces el eslimador de.l~ ecuación ~9.58) i:o~o '

, l'l"IX(X"\~-'X'Y., ')"'lX, ]lfi]=l'}"'~Y(X'X),,' ~IX'i] (9.60) .

X'I YI X',XI -y, X'IY,
','. "
EJE~II'1.0. L" piiinera ccu01cióncsÜuclum'\ cn un mooelo de Ires ecuaciones es

'1'
)'1' + fJ 12 Y2, + 'I"XII + '112.'(2, + ". . _

~'<"':~::,::'' :"'' ::'' :::;:1i~~ff:':::~:7::~:'.. :':'::: ,'¡.

'"
Tenemos "l 1cmaS que' l",v=[23,'1j
,l I 02 1)" , .
'1"

La condlcilill necesari" de. idcntificnciónseSnl!sfacc p~rqucK~ k=2 y g :...1 ~ 1 y. por

lo (all(Ó,la cClJaciún'csl¡i sobrcidcnlifieillIa; Púnesli,núlrlosparámclros mediante
VI(~lC2E), necesitamos estabicCi:r unacoh~spondencin enlre los datos de esle pro-

bk",,,""' "':'TJ"":~~ m"";:;:lr~T'I.::~n .~,1

'Y',X=[i 02 1] Y',X, =[1 O]
362.

. '.. [10
.X'IXI
'. 2.

. .
= .O
~l Xí)' = 4
,1
)
.. X'I;\',= [2j' J

0;1 II II O
, ó ll,~ II O
y, de este modo Y'IXtX'X)-IX'Y, = [1 II 2 1]
O
II O
O ll25
()
(J
ll5
[\ = 1,6

'= 2.7

y su soll~cjón

Trab:ijánM.~ori: r.nodcios e'conomél'ricos d~ esc:l1a;1)edia'o grande, resull~ ;'0

de gran ulilidad sugerirque lamalriz de lodos I'os v:llores prcdelerininadosdel m~-
Licio X cs' un conjllnro de ilislr:uin~nlos tHJccuádos par'" cUalquier Cl:lIacilín eslruclu-
ral. La rnz6nes queeI número'ue v~riablc;s de x se aproX:in;ar:í~ o exceuer:l ilicluso,
id nÚl1lero.de(lljs~rvadones mucslra.ks. Una:p(jsi!)i1id;,,1 consis!C en eSlrecílílr'la.
elecciÓn de illsli-llI1lC11l?S pai-a cada.ccüació.i'¡ e51fuct,ur~¡I'" 'las vari¡lblespl~ccl.clerllli-'
.nn,das que apar~zcan ~n i~s éCt..Íacidnes'cslrUclutale~de las 'v"rin\Jlcl\ (le n'qllclla ma-
lfii, }'t;'c¡uesea relev'l[1tt;:p¡iraqiéháÚuiidój.¡'.csituc,lliraJl2 .. ,'. . , .•... '" ,
En la práclic':;:.á.pc'~ard~.su fccon¿éitfa incil"sislcncia,MCOsiglle ~,tili~;índosc ex-
Icnsamclile para eSlil1."lrccu:ici~n.eseslruclljrillcs" Una posible explicación:; eSI~'hcci\O
se. basa en d cO;llraste.,enli-e='aspropied'1des'con pec¡ueiias nlueSlras y las' de mlleslr;tS
gmndes.L'lconsislencia esui,a propiedad 'aslrí!Ófica o [1arn muestras granqes: En lúues-
lr;ls' finilas, los e~limadores consisten les no sonnc¿esari'anlcnte insesgados: de hecho,
. s~elen most~ár un sesgo de,müe'slrafinila. Y másHun,la varianz" muestral de estimado-
rcs consiSlen{eS,espe~alm¿lÍlecuando'taelecciólI de illstrunienios es pobre, puede ex-
ceder lude.los eSliínadores tviCO:,Por,lo (i\lllo. en. mueslras finilas, MeO l1lu.eslrú 1111
error clladrático medio me'li9l' c¡ue el de los cSlimadorcSConsislenlCs. .'"
",' .
• 1. :". , ", ,_, -., :•. I ~.. '. . • .

11 F.M: Fisher,"Dyn:lmic 'S¡rUclu'rc'aml 'Eslin;alion'in Eceúioiliy:Widc Eé;1I1olllclric'Modds", cds. J.' Dúe.'

scnbc(ry, G. Frnmm,'L.R;. Klei[l y E. Küh, 'Í'lic, O,,;o'kl;;i:s
Q,;/lf/Úl)' E~lJI;",;,(/,.ic.Ú",'d U"i/t'dSIII- ,,¡;"r :'.,
f(J,Ra"d.McNall)'.Skokic:,IL::1965,~8'J.636;.
.
.
.
'.'" ..~. ~. .:.;;.;

~"
 9.(;.1 Variables No Eslal:ionarias

La esencia ,del modclo de ecuación ~stnlcl¡lral es!:, f;xplicaciól; de las vill'i;¡~iolle; de

las variables endógenas en lérminos de las variables cxó}{enas.EI mecanismo I!,cnera. ; 1

dl;r de las variables exógenas nO se cspe¿ir¡~a, :iunque se

~sulllei¡nplicilalllenlc ~que las
variali.les endógenas no lienen .nada que ver; ell caso dc h.acerla. debcrín especificarse
de lluevo la clasificación enlre varinbks endógenas y exógenas. así como aumelllar el
lamafia del l~lOdelo eSlructurid. Si las variables exógcnas estu\'icran inll:gradas. por
eji;m[110, de orden 11ll0,las.vnriables endógcn'as estn'rían también iillegrndas ele orden
llllO, y las ecuaciones eSlructurnles soti. escncialmenlc; n:lacioncs dccoinlcg,ración .
. Enel Cn[1ít.ulo R veíamos que las variables no eSlacionarias mueslrnn prohlc-'
maS especiales para los procedimientos convencionnlcs de .inferenci" origina~Io~ a
parl ir de regresionesMCO. Una pregunlacrucial es saber si aparecerán [1rob.len]as'-
""'s"iln:ili,\¡:c~"Cll.o'c'l ..colll~xi() de' rcgrc!üon'c.s' "M"CtE:.'Chci1g :¡'-I'sl~'úr hit ill\'C's(r'gíf-¿¡h,:'~i~'i~lr~(j'~;
...', ,;.
hIemal). La sorprendente conclusión.es qu.e. los procedimienlos de inr~rencia con-
ve'-lciol~ales MC2E siguen sicndo v:llidos:.' .

NalJa ¿Icbe cambiar clIan'do 'seaplica h fór~H;la cOJ1\;cncional Ikl eSlinúluor IvIC2 E
par.a eSlimar los p"dmclros' Licsconocjdos yJónÍ1ülar esiadísticos dc conlraste tipo
. Wald; l:as cslin\aciones por punlo y la mill.ri;' d~ co\'ari¡II;~.as aSinl:ílió obtenidas
.S~lIl iLi~nlicas. £1 r-csliltac1o de los CSl;idislicos u'e'conlrasle-lipo \Vnld Úgue eSlando
."
dlstribuido asintülica'¡ncnlc se~t'ln una .chi al c~ladrado. En olras palabl:;~s. la no es. ,--...
II\c!onariedaLi y la coinlcgración. no precisan nuevos métodos 'de eSIi'mnción ni nue-
vos procedimielilOs de inferencia eSladíslica: Pai-a cotlSlruir y verificar modelos de
ecuaciones eSlruclllral~s.p(,)(Jcmos.scguir sin problema las ¡'ecomendaciones ¡Je la
CO\vles Commission.... .' .

. Elillensaje es eVldelúe para aquellos 'que lrabnjen conmoddos eSlniclllI'aies el~lpi-

'. ricos: el prolllcmn dc iLicnlific"ción y sesgo debido n la símullaneidadsigu~.csis-
. ' tiendo, .pero los problemas dc'no c'slaciona-r'icchd y coilileg.'ra~iónlio dcl?~n preo~u-
P;1 r.' I~a link'a preocupaéiiín P:I ra -'nc¡'i,c'!Ins 'q;lese tl(:d,iéaú:;I'ia C()Il~trUCCi("1lde 1l111'
del¡)sesÍi'ucl urales es la de seguidos tonocil;'ie;lli;s 'col\\'ct1cionalcs., '

9.(;.2 MélOdos de Es{imación de SislemHs

El enfoque VI (MC2E) es un procedimiento de esl.illlador de cl:lIal:Íón lÍnica. PUl:de

ulilizarse para estimar cualquier ccua.eión cSlructur;t1 idcnliril:ada. Pucdc ;llilizarse'
..",:
l¡lInhién para eSlimar ladas lasec'uncion~siden.liric"d¡)~ en.uli Illodclocstruelural
Clllllpli;io. Un esfiJilador de sislcllla c~lillla conjunl;,mcnie lO.d~s los púr¡ímclros

. 1.\ ¿'heng 'I-\sian. "Slalislical Pf'".perlics of lhe 'TwoSi¡',;~c Lc'asl ;;'Iua'f-<;s.Ésli;nalof'.Und" 'Coinl~g';'liol1".
..•"'. r.P,><:uú,ciiill . de
,
ifiÍllajo; Ui,ivc'fsiiy
. .
"r SOliihe,;i Calirurnla', Los ;\ng~Ic;.!lJ.'.I~:
-~.
' .. - , .
.,"
i
 ¡;

.•..•
;¡,

(idenl ificaJos) de un mode lo, La \'ersión de mín imus cU<ldrados en dos el;, P;I:; p;¡r¡\
la estimación dc sisicnws es el m~'todo demominado de mínimos cua:lradú de tres
etapas (rvIC3E)I~. EsteproceJimie';lo permile la posibilidad de corrclacilÍn contcm-
por;inca cnln.: las I'Criurbaciones de distintas ecuacillnes eSlructur,l1es. Se Irata. en
L'sc¡'lcia, de un;1 ¡¡plicaL'iúll del procedimiento de regresiones aparentemente 110 rela.

cionad;.s a un modelo estructUral. Las ecu;,ciones eslruclurales idenlific;ldas se esli.

m;ln en primer lug;lr púr i'vIC2E y los resid(¡os resultantes se utilizan para eslimar la
nl;llri" dc covarianzas de las perturbaciones. que se utiliza posteriorl11ente para esti.
mar conjunl<lmenle todos los par;ímelros estructurales idenlificauos, Cuando el pro.
ceSll de eSlimación se repite. y no se detiene al llegar a la lercera elapa. I;ISeslimacio.
nes convergen a.un eslimador de 11I;íxillla 1'ermimilitlld con illronllarión cOlllpJcla
(i\IVIC) dellllodellh~Slruclur;d. En principio, siempre qlle la e.specilicaci,íll del sis!e.
lila sea correcta. los m~l(ldos de estimación ue SiSlell1as'ecu;lciones son m;ís dicien-
les quc los métodos tlt: ecuación llnica. Ese es el secrelo: la cspeciricacillll errónea de
una ecuación única puede con laminar todas las eSlimaciones del sistema.

~.
;.
APÉNDICE

APÉNDICE X.l
Regresiolles Aparentel11cntc No Relaciolludas: HANI{ (SUH)15
Suplingamos 4ue 1<1ecuación i-csima de un éonfunto de /1/ ecuacitines es
':I';=X;11;+II¡ i= 1..... //1 (¡\\).I)
..:,
donde y¡ es un \'ector /1 x I de obsevaciones de la variahle i.~sima. X¡una m;ltri/. de
observaciones de las \'<lriahlcs explicativas /1 x k¡;fJ un veclOr de cocficiellles k¡ x 1;
y lI¡un \'eclor de pCrllll'h;lCiones /I.X 116. Se supone que la pcrturbacilíll)' las vari;l-
ble~ e xpi ic;)1i\'asdC'C;'1ü¡i' e:cuacíúll"lity:cs l;íIlcoh'c lacilin;',das'. [;'ls val;¡;¡hks'j"pÜ'ctli:: n'
se!.' UI1conjunlo de hienes de consumo, l<lsasUc dcscmpleo, clc, La pregunla es si las
ecuaciones uebcn lrabajarse de n;<lneraindependicnlc ode rorllla conjunta. Un po-
sible molivo p;ira uecanlarse por la segulld<l opción es la cxistcncia de ciertos faclo-
res comunes qucinfluyan en la~ pcrturbaciolies de 1;ISdistinlas ecuaciones y que no
hay;rn sido especiricados cxplícit~menle en las 111<1lricesdc variables cx'plicativas~ El
cunjunlo dc CCU;I\:illllCSpucde escribirse COI1H)

' .....
!'.

lJ t\. Zdlller y 1.1. Thdl. "Thre~ SI,,~C 1~~a,1 S'Iuar~s: ~imlllia"~,,u, ["imali"" "f Simulia,,~nus
E'Iu"I;"'" ", 1:"""1""(";';"11,30. Ic)(¡L5~. 7X. .
1; L" id~a h;¡,ica parle ck A. Z~lIner. ",\n [ff¡cicn! ~IClh\l(1 nf blimalint: Sccm~,,~Il' U",c!aku Hc¡;r~,.
.~i(ll1s "ntl Tt:sts ror ~\ ~!.!rc\!atiol' lliflS 1",,,:;ral uf ;\IIJ('ric.'lI~' S'ff,i.\l¡c"I,\uori",¡'m.
oo, 57. 1')(12. :US.)(JX-
th Cll;lI1du Sl." Ir;,h;lja ~~H1;;l(1d~lilS \k vari:IS l:clI:~('in!H:"s. es i'l1pOrlanh: nn rOl1(lIlHlir.la u(il¡l,aci"J~; de y, cn.
ino indicador d,,: l:ls ol~~L'r\:;li:iol1cs'dc UI\ l1\il11c'ro lk \';¡rial;ks ell un punlu 111llcslr;d , r.'", illdi~and()" lib.
~\.'f\.;Il'illll\.'S 'lúuC~lrak~ 11.:1;1\'ari;lhk
•.. i.csilllil.
 CA"íTULO 9: Modelos Multiccuaciol1alcs 365

r'):2":

.1'",
I = ~
[X'.:

O
O
X2

O
..-
(A9.2)

o y=XfJ+1I (AIJ.J)

(A9A)

Cada uno ue los l~rll1inos que np<lrece en la di<lgonal principnl de L es UM mnldl.

uc varianzas)' cov:.rianz;\s 1/ x 1/. Por lo (anlo, E(II¡II';) es la m:J(riz. UC varianz<lS 'y
covarianzas dc la perlurhació" de I¡¡ecuación ;-ésima.Cnd<l uno de los lérminos ue
¿ fucra de la di;lgonal'reprcsc'nian :una matri7. 1/ x 11 cu'yos elementos son las vari<ln.
.', Z:lS conlempor:íneas )' relard<ldas enlre las perturbaciOllcs de un .par de ecuaciones .
Por dcfinicilÍn. '
.-
£(II;II'¡) = u¡¡1 ',1 = 1, oo., /;,- • (A9.5)
Si i = j, oblel1en;os la perlurhaeión de una ecuacióncualquicr;¡ que es'ho'mosced:\s~,
li~<I)' no aUl.ocorrcl;lcionaua. ~t.yalor ue In.varianza conslante será dislinlo parn ca-
*
da ccu<lcilÍn. Cuando i j. e1.supueslo da lugar a l:orrclacióndislintn de cero enl.re
las p~rlurhaciones conlempor,íncas de las ecua~iones;:ésima' y j-ésim'a, y corr'~la.
ciol1es ¡guafcs a ¿en> cnlrc lodas las. pequrhaciol.'es relard<ldns. Susli.tuyen~o .Ia
',ec~,;~cj(Ín.(/1~9,S).~n.I¡H:cIJ"ci{!Jl,{t.I:9,:4)F~C,oblic l1e;,'";,,,~.',,:,y""'."\',~.':,;'',o;,''". ;..•.. e'::.....:. '.
..,

lTI,l lT 11' (TI,,/ !JI I Un uI",

ITil' 1T221 ... !Ti",l
;

Un
L= ,~( 111/') .= 1'21
~:
u2",
".
0 1= ~c 0~

.-. (r"",,l
lT1II1' lT"'2' uiul (1''''2 (t".",
(1\9.6)

donde (es la nHlIri/. iuent ¡dad de ordcn l/X 11 ycl símbolo'@indic:JeI prodUCIO de
Kronecker. cs decir. quceadnclemcnlodcL~sc I'nulliplic<lpo(I.. . . ..••,.
Scg(lIlla q:u;icilÍn( A \)/) •.Ios mínimos cuadrados gcncrhliz:Jdos (M CG), u:J;~n
lugar :i1mcjor eslimmlorlincal'ii~sesg;iu()dcl veclor fJcn la ccu:Jción (A9.J); eSlo es,
d co:,j.ulJ.~odc ecuaciones d~.he.r~;i,c~:linl~rs'e c()~junlñl11cnlcyno ~e manera separa •
da.ElestlllladorMCGes' '."" .", . , ,. '. .. .
. . . .
b. '-(";',"":I"')~l _I)..•
v' .••.
(,f ..\."" • :- .'. .'\ - , (A9.7)
 366 ~II:TOOOS DE ECO:--:O.\Il:T1IIA'

. . [&11 i
donde ¡-I :::
I.c~101,:::¡ ..... (A9.8)
. . . . (]wlj
. .

. La nwlril de varianzas ycovarianzns del !l~lim~doi MCG es

var(bGLS):::(X'L'~IX)-1 (A9.9)
La eviJente dilicullnd opcrncion:il có~. di~ho estimad~r es que los e1emenlos de }';r
son desconocidos. Zellncrsugiere conslruirlill cSlimn<lor ¡\-ICC factihlc eSlilllíúH.lo
sepn~ndam~nl~ por 1\'IC.o'I,l's 111 .ecuaciones yltlilizand{) .Ios residuos para estimar
C1ij' Los procedin1icntos .de inferencia<.lel ni'ouel~. resullanle lenurán entonces s(ílo
validez asinlólicn." '. . .
El eSlima<.lor ~AN R tie~e dos casos especiales In)ponanles.Sf
. ' • 'J., . .' . ,", -.."

. ..;•...•~.:..~.;...• V,..;.;,,"~~}:.J¡:."l/.-,•..::~'.:;,-,-;;. -•.•:;.J.....~.f-~-";"••:.•: • .;.¡, \i:..;J..(;'~"';;f~:"".:~¿~:r~:';~~~;;.u ..\i iE."~i>~:;~

1j.~?i.:::Oj~~~-"i¡ :'.~.':'";,;.;:,,,,;:'>'.'¡,~:', ~'¡::.{.;.;.. ,<~'::\;}:':.''.,•./~:.~~~'
..~..;'i.';_>~:_~
o XI:::~\'Z:::",:::XII/.

el estimador. MCG se reduce a .apl¡'carMCO a lodas lasecuac:iou~s por scparado 17.

Cunndo,.naerná's, la~ perlurbaciones .eSlán n'ormalmcnle <.Iislribuidas, los eSlimadu-
..res MCO.son tnmbién eSlimn<.lores MV. i.
.~
; . ,
¡
'APÉNDIG£9.2: . :.;.i
.VA ¡lo de Ortl'en }i:levadú .
.' '; ," " ,"'

La e'cllación '(9.1) íJefanfa'cI.pr¿écsp g'encr(1I V A R(p)'c(iJll~ '

• .' ~ "; .' :,' • • ••• '1 ~'" :, • ,.

~ A1Y'-:1 +A75',~i+ ",+ AI')"_I' +E/'.:

.y,~'III'"

L10nde los ~eclores )'incl,uíúnk ~¡IJ'iables y'.habíapn:I,údus.,La mayor parte de la

.. Sección ~.l ~slaba'dcdi¡;a~,a~c.xainiÍ1ar pró~esos VAR(I), eSlo-es, '. .
.. '. ,:",' "y,=I1;+'A)';~;+~f:"(Al).!O)
Veían1Os' que 111'es(¡~cionn~i~d¡id.de 'Iri's~aTi'üb!es yse hallnha (i<:l~f!~inatla por los
'valores propios deA. ~I' presenle ~pénciiéeesludia.lanplicaéión <.leVAR dc6,:<.Ie"
ncs más eIev~d9s' .. An.les de:én1pézar, exa'min,áfenios ei caso <.1<:'primer o¡'d~n hajo'
.un pun'LO de visla ~igera.n;enle,d¡sli.nlo. ",' ',' "'. ' .: .
... "''' .:.
., ;',
.' .
A9.2.1 Proq:soYAR(l)

$.i .omilimos el vector perturbación; el, VA1fqued¡;red~ciJoa ,un conjun:lo,de ecua-

ciones lineales sill1ullá~éas en diferencia;, .. . '. .,'
.' • •• • • 1,

1,'."" •
',' .
.-,'

1,1Véa~cProblcl.nn 9.3 ... ,' ..

,~

'1'"
 .'.'

(,,\l'iTl:I.O'J: Modelos i\-lllllieclI<lcinn¡lies .1(,7

, )

)',::: 1JI + A.I"_I (¡\lJ.11) . )

La solución de la ecuaciólI (A9.ll) expresa)'1 conlofunción dcltiempuy cOllsiste ')

en la suma de unn in{c~ral particular)' lafllliciólI rOI)lplelllcnt\lrja. La illle~ral parti-,
cular es cualquier soluci()n de la ecuación (A 9.11), La soluci(')1I m¡Íssellcilla se oh-
liellc medianle)'1 = )'1-1::: y, que dn comoresullaJo
(1 - A)y = ny = 11/ (NJ.12)

dOllde I1 = 1- A. Supollienuo, denwl.11l.:nlo. quc [1 es no singul;lr. 1<1illlegr;t1 p;lrli- .

cular <:s y = n-I 11/. La runci(in compkmenlaria cs la solución de 1<1ecuacilÍn hOlllo-
génea
)',:::Ji )"-1 (/\ 9,1 J)

. Una posible solución es la que se oblienehncieill!o)'1 = e}"l. don(\ec es un \'~Clor,co .

"''''f¡álÚiñ;i:!c' kéóiistil files';' X¡cs' u nc'scalrir:S lI!rt iiúyei1'C!t;:~'iYI!\ 'úl1¡{ció;f'('X9~1'3)"'lHt'h ~
posiblesoluciólI )' dividiendo por },,'-I; obtenemos }"e::: Ji c.que se rdorl11ula como
. (Al-A)c:::ll (1\ 9.1.1)

. Ulln solución no lrivinl uee p.recisaquc

~ca cero: es decir,
el'delerminanle'e1e la nialriz de.codicielll<:s .',
, .
¡ 'IXI:: Al =O . (NJ.I:'\)
L;s}.. qlie reslleivcn iaccuación(A 9,15) son los ,,(dl)t('.I' ill'il¡Jitl.l' de A. Sus'l:i;uyelldll
v.•
los llares de A en la e:cunción (t\9.J,4) oblenemos d"correspondienle veclor e. que
es c\' veclor propio asociado con}". Por' !o.lanto,1<1 solución completa a la ecuación
(1\9.11 )parael caso de dos variablcses'

(1\9: 16)

Cunnuo lodos los valores propiosliericnrÍ1Ódlllo menor quc ulio. los l~rminos de }..,
li<:ndell a cero cÍla'ndo 1 aumenla, e),i.convergeeúel.l'eclor conslal.lley:EIl cslc e<l-
. so', esle líllimo vector puede:interpr'ctilrse .cO'mo. reprcsenlali\'o de !I'n equilihrio cs-
l¡¡lico, porquc n .;"'1-A es'líó singular,. El moli\;o cs'(ille si t\ luvi<:ra raíz ullil:lI'j;,.
la.suslilucióllen la ecuación (1\9.1'5) dñ'ría com() rcsulta~I(lI/- ,\1,= (J. COI1UI1i1IlIiI'
lriz 11 singular. Sin einlwrgo, .cnel cnso 9UCI\OS ocupa, 110CxiSlC raízqnil:lriil y 1/ -
'AI * O Y n es uila matriz 110 ~ingula~. Deslaquemos, por CJllill1o. que ulilizill1dll un
polinomi~ en el operndor relnrda<.lo, rcformulanlOs la ec'll'acilÍlI. (Al).'11 ) t0ll10
A(L))'; = m .. donde' .. ~r(L) = 1'-;\ l.
A(L)'::: I-;\L = (1.:... ~IL)(l ...;lI.zL)demueslr'aque la c~nditión de que las },,'S lic- ,... ,...'
.~/.
nen módulo menor qUCU;10 'cquivale a que las raíces de .4('-) se sitúen ruera dcl ,-{"
círcu'lounitnrio. Si existen una o más.raíccs'lInilari,,~. o una o m;ís raíces con m'ódu-
I~ i;~e-'lOr 'Itie lino, !fes singular y' IOpaJ110SC'On lasfórniulas de coi'ntegracióll dc co-
rrtc~ióni.leI error djscutida.s:enla~ccción:9.i. Si..'lO existen raíces. unitarias (1cro
. lino om<Ís <.lelos lI. liene'n m6Juloiriayclr (iue 'u't1o. f[<:s lllia 1;lillri~IH.l singular y el
 vector Í' existe; este resült<1do no tiene, sin emb:Hgo, connol<1ciones de equilibrio
porque' 1;, ecu"ción (1\9.16) mueslra uno o m¡ís términos enl" I"orm" h; lllle ;1\lmcI1-'
,'O,
I"n inddinid¡lmente cu"ndo (.llIinénla.' .

9.2.2 I'rnceso \' r\R(2)

Cu"ndo la perlurb"ción es igual" cero, el proceso se formula como

.1', = 1/1 + ¡\ 1)',_1 + A V',-2 (/\9.17)

(1-;\ 1- A2)f =l1f = /11 (1\9.18)

donde 11 = 1,- 1\ I - 1\ 2' La eCll<lción homogénea se resuclvc inlCnl<1ndo )', =, eh', co"
1110 anles. Sustituyendo'en 1;1 ecuación (/\9.17), oblenemos 1<1ecuación delerlni.
n"nle
Ih21 - hA 1- A2' = O (A9.19)
Dich" ecu"ción posce 2k raíces unitarias, siendo k elnllmcro de v"riables del VAR.
CU;ll1lll1 lodas las r"ices lienen módulo menor que uno, el veclor y = n-I 1/1 exisle,

)''' que

Lil solución cs. cn esle caso,

2k

l'
• I
= ¡
,-
e-I h' +)' ~
'
(/\9.20)

que mucstr<1 cómo y, converge <1f cU<1ndo I <1ul11enl<1.L,s raíccs unitarias o exvlosi-
V;IS tendrán idénlic<1 inlerpret<1ción que en,el caso VI\I\(I).
Un enfoque <1llern<1li\'o se bas<1 en el h~cho de que cualquier VI\R de orden 2
o m;I\'OI" es susceptible a Ir<1nsforl11arseen un V/\R(I)de,variablcs tr<1nsform"d"s. .

P"ra,'iluslr"r el caso, rdorl11ularemos 1<1ecuación (/\ 9.17) como

[
)', ] =
..",_1
[/~I
,1
;\2]
()
[)"-I]
.1"-2,
+ [1/1] ,
(J
(NJ.21)

,~, "

Indicaremos l11edianle 1\ la m"lri7. de coeficientes de 1" ecu;lci<Jn (1\<).21), Así, 1<1

",-, ccu"ciún Glr"ClerísliGI ser;í

Ihl - A I ~ I hl- -l !\-¡ 'hl- ¡\ 2\ ~ O

'
(/\ 9.22)

donue la matriz idcntidad de 1" izquierda es ele ordell 2k x 2k y 1" represenl;lda en

forma p"rlid" es de 'orden k x k. El \'.lIor u.el delé¡"mili"nú.: pcrl11"l1.e~e .inaller".d? ~i
,',
I11Ulliplic:ll11l1S las priníeras 'k filas de la-ecuaciti'r1-(1\9.22) por h y lh\'IUI1110S las ul1l-
) •.....
I
, l11ilS k cl1lul11nas por A, d;lndo como resull"do
 cArlTUlo '1'. Mooelos M~\\iecuacionales 369

(/\9.23)

Una flirmula p:na el delcrmin:lI1le de la malriz particionatlacs

;\ 11 ;\121 = 1;\221 .'I~ 11 -~ 12;\ 2~;\211'

I ;\ 21 A22 '

Aplicando el resultado a la ecuación (A9.23), la ecuación carnclcríslica es

Ih2/- hl\1 '-1\21 = O
que es idéntica a la ccuación (A9.19).
Siguicndo uil llrgumenlo similar, la ecuación caracteríslica del proceso general
V A R(p) definido cn la ecuacilín (9.1) es
Ihl'/~h/,-I¡\ 1 - .: • .,...M /,..,i - A"I =O

PROBLEMAS

9.1. En un sislema VAR oc primer oroen con dos ecuaciones, elegimos ,malriccs A que
iluslren lus Casos 1,2 Y 3 oe la Sección 9.1. Desarrolll1r en el oroenador personl1l, y
para casa caso, un pequeiio experimento ue Monle Cario generl1noo las innovaciones
aúecuaoas y calculando las series resul!anles' de la variable y. Representl1r gr:Hicil'
menle oichas series ,isí corno cualquier serie coinlegranle que surja .

9.2. En un sislemi, VA R tic primer orden de tres ecuaciones. suponemos 'lile 1ó1ml1lriz A
es

.r'
A = [ 1,5 -0,25 -0,25]
1,75 0,75 .-1,25
" .
1 O O
Hallar los valores propios oe I\. Gen<;ró1r vl1rlas series)' y delern,linl1r el orden de in.
n?
legraci<in. i.CII;il es el rango oe la l11ó1tri7. i.Cuántos vectores coinlq;rólnles pueoen
., enconlrasrse'!
1 Repelir el ejercicio paról

9.3. Compruhar que. cU;lnúo las perturbaciones de las ~cuaciones no se correlacionóln a

p;Hes o cuanuo la móllriz oe vólriólbles explicl1livóls es 101 mism'a pólra loúas y cl10a unól
oc lóls ccu;lciones. el e'slimildur RANR se' rcuuce a ólplicar MCO por Sepl1rólOO a cadól
\Ina ue las ccuaci"nes del sistema. .
)70 METODOSDt; ECOKO~lcTl\íA
. . . -" .. - ..", . .

94 :'ínveriir cio~d¿~delas va'ri~bics : Úi:'ld'si~~ovacion~sor;bg()nal~S~~rl:jeI1lPlo di: la

.. Sección 9.2. calcLJla~il1glJnOSlcrl11in6s 'las (~nclo'1ssue de r~spllesla .ai ,impulso y
~oñ\p~ra(I~S resullado5 COI) 105 de
• :
Sc~'cióli 9.2.: .' '
•• '
1; o',". . ...
'

9:5. -La cmucu\ura

.
dd modclo
. .t.
mac,HlcconóniicodcKleihes
. .,' .

C=ou+o:¡(IVI'+IVe) +02n +OJn_1 +111

/=Jlll+Jlln~Jhn~I+f1JK_I+lli ,'" ,
11'1'= '10+ 'Y¡(Y i-T;;"II'c)+~~(Y+T'-IVch+,'Yl+11.\, •

y = C.+L+.c
11= y -:-II'¡>- T
K=K.I+I.

Las se'is v~riable5 cndógenass'on Y ('pr6du!=l(l), C(consumo);/ (invcrsión neta)~ lI'i-

,,_.:,\~~:(.~~
Iaúps.pr iyad1)s}"nlb.e-iü~(¡ci6j¡}"y.,KXs 10ck,di~iillij¡II,ikfiliúlJjr,afl(i);~AdC I~¡ís,d c,l ac:';'
d' '/:;,

conslante, las variablcs exógenas son G (gaslo público no salarial), Wc; (salarios pú-
,'blicos),T(if)\PUCStos de socicdadc~) yi (iiempo), Éxamin'ar la condicilín de'rango
para it!c.:nlirica,r la funciÓ,i óe 'consu¡no: ,,' ,

9~6, En clmOdclo
Xi,'+f112Y2i + '¡'¡¡XI' =.1111 ,
Y2,. + .'
f12IYI; + '122.1'2/:1'
. . 'Y2\rJ;= .. 112;",-
'

las; son el\(íógcnas,I')~ .\-'~'XÓg~~llS y 'ú\

= [11 1,1/2J.UII veCl<ir depqlUrba~io'l\es alea~
10r¡;i~no'~ll\alCs sC'riálmenleinllcpendic'llcs Cb~' ,vc<:lor de lJiedia cero e 'idénlica lila-
, 1riz de cov~r'ianz~s no singlÜar para ~;\ua' /. D.;dala' ~i~;lienle ,1~1illJ:izde niomcnlOs d~
~egundo urden, calcular los csiimatlor,cs MC2E dc JI 12y' '111' '
" .'. .'
J' J' ; r . -':'.',:x2
.;.~~~.2...~~"-r
• ~• ' '. " '. I ~.. "
..~"~.,-.'
,

'Yi: 14 '16 ,2,:, ') o

O>'~ 6",10' ,:,21' (),
.' xI'" 2. ,,2, ',1' ,():o
Xi, 3 ' , , '. 1 O' l' () ,
,.l'J' ::0 'q',>':,Q: ..' 01"

"(Uni,vér~idad de Michigail, IlJXI)

9.7. Un invcsligador"especifica los sig;licntes dos modelos y'propone lililizarlus en un lra-

bajocmpirico con dal~s macrocconómicos uc sericslemporales.
Molido L '~;',= °1)0, -1-°2111/_1.,.+111".,: ' , ,
.;.'
i,;' jJ ¡'y, + f12'/ +'//2'
,,' y,='c,+i" , ~.
Vllri~bléséo'lijunlj\mCí\l~ dCpCI1dieí\lcs: e;, i,.)', p ::.0

, ,'" Variables prcdctenninatl,íii: ',.11"_1 " ~ o

¡.
 : .~.'" (

:;7\

Modelo 2. 111, = 'Y 1"/ + 'Y2111/_i + \'1/

,""'
",= 51111, + 52111/_1 + 5.\.1', "2, + f:",

Variahies cónjunlamen(c dependienl~s: lIIi:""

, Variahles predelerm'inauas: /11/.1' Yi

(o) Idelllificar los pa~iÍmclros quc aparecen como ,coeficienles cn los dos modelos
(considerando los dos model~)s por separado),
,(h) Olllener las ecuacionestle la forma redllcilla par,i .1'/ en L'lll1odelo I ~. la eCll¡ICilin :, ,}

uc I;¡ f.orma redllcidapara '/ cn elmodclo 2,

(c) Id~llii[jéar el modelo de dus ecllal:Íoll'es que int.:luya la L'cu¡iciúll de la f'Hnl;' redu.
cida para)'/ en clmode,lo 1 '(una curval~), y la eClIaciún de la forma reducida pa. ,
ra ',en clmodclo 2 (una curva Llvl).
(LJni\'ersi<.ladde, Yak, Il)X(Il:
. _', ," ~ ",':. :., .. .". _ , , ",',' " _.1,:::,. '::' ..: "'~ •... ;.:.~' :.,:oo.:o" ..,.~.;.;~_ ,::o ,"\:1:~:'~_:<"''¡~~'',¡~~~,;~/;:P¿'.~-;-,J:.~
.
';'9:H:(I,fldCnlificilr fós'p;¡diúCiros"(Íc!'sigiííc',üe"sisic'iúú'de cinco ecuaciol\es:
)'1' + /lIV'2t + fll.IY4' + 'Yllll, + 'Y14<4,= 11"
j'ú+ fl2.lY,1; .~ h5.1'5, + ,'Y~~:2/ = II~;
',Y:i/ + 'Y,1IZ1,+ 'Y,1:;z.~/= ".1,
fiI4)'1/'+./l4,\.\'j/ + .1'4'-+ 'Y4~<~,+ )',I~:.I, ""//4,
. 2.1'.1/ +.1'." -: :~/'= ()
(h) ¡,Cómo aller;, lasconcll;siol\cs obl~l\id~lscl hecho de'iluc 'Yj:;':'()~'C()Il1Clllilr.
(e) Explicar brevcllklllC Cllll1,Ócs;im;;r los llar¡i'metros d~. \;1 s ,ec,u;lciolles ~Id ll111delll,
¿Qué fluedctJ~cirsc'a'ccrca.tlc I~sp'ar¡\mclros dc la:scguiúl,:\ cClI¡lción'? ' 1'"
,lJ.9, El siguienle modelo, " ,
f'12Y~, ~, 'Y1¡?,I, +~12¡2, +e'I'/
)'1'/";
);~/ =/J21)'1/ -+ 'Y2.\Z;/ + E~I' '
gcncra la siguicnlcmal'ri¡¡;dc Iliollicnlo's de segulido .ímli.:n:,
- : .' .

.\'1 ")'2 h
"_"',-~'~~¡"'r," •.•••.••,~ ~.~.• '"' po_;'o

'Yl .. Jj, J I , tl '

)'2' , il.s' J .¡
7.1 () ()

I I o":
~
7.,1 , '~

¡,
Calcular: ,
ESlimadores MeO de los parámclr;lS de la forma reducida 1111reslrill~idl)S: .~o
ESlimadores dc mínimos cuadralJos,indireCI()S'
. .
,{i'vtCl
.
i. (.le. los par¡ímclrOS
. ~de la prill,lc, -

fa ecuación.
ESlimadores IvIC2Ede los par¡ímel'ros dc lasegullda eellilCi('lI1.
..
La forma reducidarestrillgida ti parl.irde'losaparia~los (h) y (e).
Un cstima(,lor consislc'nlede E(EI1£21)'.= (112
r;:-:'i~
1, ,..

,:.~,
372

~.In. Dcfi,wlllos ulllllodelo COIllO

."1, + Pi:!Y1, + ~1~.I"2' +"iI.1.1"J;~111,

JI~1."I, +'.i'2; :¡:....
(;I.I' 1,+ 'YHr." = "21
Si I;,s Illalrices de.llloniclltos de segulldo llfuell de Ulla Illueslr;¡ de lOO observaciones
SOIl

. . [Í{O. O - 4.0 ]
}"l' = ' -l"X=[ '2.0 1,0 -:\,0 -5.0]
- .1.0 5.0 . - 0;5 1;5 rú. - 1.0 .

X'x" l 3.0 O
O 2.0
O O
O O
O
O
1,0
O
O
0,5
O
O

11;lIlar 1m estillwdores /I'IC21:: dc

los codicielll<:S de la prilllera ecuacióll y sus errores cSI¡índar.
(Univcrsid¡ld dc LOlldrcs. 1l)7l))
').11. La nlalril, X'X ue tOllas las ;'ariablcs exógellas de un Illodelo es

X'X=
7
O
3
1
-2
O
2

O
-'-2
3

5
I
¡]-
1
Sólo la prilllcra ,1c eS:lS \';lI'iablcs
cxógenas liene codicienle dislinlo a cero' en una dc las ecuaciones eslruclurales esti-
1ll;ld"s por ivlC2E. Dicl1a ccuacitin incluye. d?s v:lri:lbles endógenas, y los eslilll:ldnres

~ ICO d.~l~s,c~e,ri.~::~~,~~,~~.~_~;~{y~r~:r,~i.~IFI;1SJSd,~)S.\:aria_hl~ssO:l, .'. . .

Si la prilller:l \'arial1lc cndógen:l es la \'ariabledepelldiellte. esl¡lblccer y n;slll\'er 1"

.ecu;lci,ín pcrlinenle p;lfa oblener los eSlilÍladores IvIC2E.

'J.12. Se" c1l11odclo

."11 = [J 12."2,+ 1'11.1"1' + 111,

.'1.'
,1'~1 + P~1.\'11 + 1'22.1"11 .j. 1'1.1 .l"JI = "21

.'-.;..,
del quc se disp'1nc de la siguicnte il.lrorlllaciün:
l. Los cSlinwdorcst\.ICO de loseocficielltes ,lel" fOl'll1<lreducida son

[ lO
:) lO 2]
10
•. ~.
5 <.

2. I.as cslim;leiollcs de 1;) \';irianza' delós 'erl'(;'rés de' "ís 'Ull:ficicllll:S de 1" primer"
"-.. ecuacióli'ell ia fqfm;l rcducida son 1,0,5 Y 0.1.
.1. I.as cnrrcspondicnlcs CO\'¡lrí;1I1Z¡IScSlilll¡ldas son lodas igu;lIes a cero.

... '
 ....•
\

CA"ITULO Y; l\~odclos Mplliecu;¡cionalcs 373

..
" t . .
..4. L"eslilllaci,ín de hj valianZa ucl error de la IJrimera ecuación ue la forma reuucl-
. ,. '_- •• " -0:,. . •

da es 2,0 .
Ulilizar dicha informnción para reconslruir las ecunciones MC2E ue los eslimadores
de los cocfieienles ue la liri\iler;1 ccuacit'Jn cslruclúluriil y obtener I;JS correspontlien-
tes estimaciones. •

9.13.
,vII = fJl2J'2t + fJl~J'JI + ~II.I"I" + 1111

"~~~~~r;~
es un;J ecu;lcilÍn ue un modelo de 1res ecuaciones que incluye Ires variables c;tógen"s

t~~'jO"',:,:'¡;": ;,,,~gu~;]':~:"'~'['f :: ~
L"

-:) - <15 70 O - 2 -12 10 ."' O O O, 5

Otllener los eSlim;Juores MC2E de los p:mímetros de la ecuaci6n y eslimar sus erro-
n;~ esl:índar (suponiendo que la ;nueslra incluye ~O ohservaciones). -.

.', .~-
~,
l,

..
-..

9"
J'
 ,'CAPítULO 10

. . ..
~~'.~r~~ ••..•
~~~ .•..
~~.~':..,~; •.•
:""'!t":'~'-l.~."I:''ll~~~''''''::.'.'''¡;''"--:~'H:- .••.,.,.::!_ :-.: .•.~;':"' .: ••. _,,_r. ::.. ".
. .. .'. .

IVlétodo Generalizado de M01l1entos

.....;\.,,:.~:, >~,r.;;:::;,';.• S:.:;i~J,;:, :,::"L,; ~;;;~',:r!.>'¿;«.,:,;;.,;;;;:"

..',,::,...ri:;~¿;:''':''';'';''~''-:-'';'''''''''~'~:'')~I'':.<' ;::.:,;;
,...; .....'.\ .. ,;;.::-;_,",."~;.::.,;
.. ,.,"~;'.:,';,.;;,;,
r rcstarcmos a lOra atención a una clase de cSl,illli,dorcs con propiedadesdcscabll:s
a nivel asintótico o pará IIIl1esirasg'rilllties:,los estimadorcs del métoJo gCllcralizado
de momentos (MGlvl). Casi todos los cstimadores estudiados cn cstc texto son ca.
sos.especiales dcl MGM. Dpdo'que lamayorpartc dc la literalura va más alhí del
nivcl::técnico de este libro, nosotros nos ccnlrarémos cn la prcscntilción dc los con.
ceplOs eJcl ~lOdo más scncillo posibl~. dcj~'-¡ndo quecllcclor interesado consulte las'
rdi:ren,cias cltadas'si dcsca 'información m'¡ls ctelallnda acerca ue la teoría asintólica' .
imp1'ícitiL' .'. ".' .',' " .: ~ ; .' . '." ..
La pasada década presendó unaverd'nd~ni e'~plos'ió,; dt,: il~vestigaciones:macro
y mi~roc:co'nól~lic~s basada's. en ,la ~íiti7.aciÓn de estirllad~rés lvlMG, cspcci~li'¡lente. a
parlif uc la íHl~)Jicaéión, cn 1.982, del documento .dc'Hansl:nl'.Hay dos razones quc
justific;\n csla póp'ularidad: .' .", .' " ..
1. ,MGM in6luyelo~e'sti,l)líi.dores m¡lscOIllü'nc'sYI)rOpofcionü Un marco de tn;\)';\jo'
• útil par;1 su compararaciÓn'ycvaluación.,- .'. ',:' . ". " '. .' .
2 ..t--1GM.es ~Ilá allern:at¡v.a "scn~il.la" respe'ctoa otru's c'slimadorcs, cspccial.mentc
cuando restllta cOl~plicad{)'formular:elestill)ador dc Illáxil-'la vcrosimilitud.
. Sin embargo. enec6nometrí~ (como en .Iél vida) todo .ticnc su precio y I~s rasgos
mencionados constituyen elprecio: , ." , .
En primcr lugár. MGMes un ~stlmild()r p~faniIlCJlrt;.\''-!{¡-{jIl¡fé. Esto significa
que sus propicd;\(icssól~ ap;ir~~ell.tl~lbíijilndo con nHlcslras muy grandes. Típica:
mellle; los cStiniauorcs'.lylGM son' asintótieall1tc.lllcdicii:llics cn muestras grandes,
aunque raram'entcsbn ericieiit~s ennHlcslrris fiúitas.,Én segu'll.do lugíir. dichos csti.
madores súelen reqúerir.algún tipo de'prognin)ación añadida para podcr ser uliliza'
dos:aunque cstOil~ ~s Óbice panique; con,un pOco de habilidnd, puedano¡;lcnerse .
~ ' '., .

',L. HanSCII: ':L:lfgc'.Snm'ptc PIop~itic.s or-Gcncrafiz(:ú MClho~ of' MOIllCllts ES;illmlll(s", f:'nlll(}lIIclriw.
50, 1982, 6~6,6(¡(). ,. . . ., , " t '
,.,

374 [ ..
.. l;i-,,,; .
.~5.~
¡-"".
 ,\

lall1bi..:n de los prog.ramas inf()rm¡íticos eSlauísticos eSl,índar (IUe carecen de Ull pro.
grama explícilO de eSlill1aciún MGM.

10.1
{1'
EL MÉTODO DE LOS ¡'.'IOMENTOS fl "/

'1' ;

" J
JI. = f(x)
¡radicionalmentc; MM cOlisidcra las potcncias dc .r. A vcces la mcdia )/ recil¡e
d nombrc dc nlOm'cnlo de primcr.ord~n, y . . , )
,",
)L,::: '[(.r2)

se denomina asimismo momcnto noccntrado, de segundo. orden.' ¡, \

, St:.lrala ucl priiller "laso dcs-uc 'CSlOSm()iúentosh'acia (lIras ~aractcríslicas 'P(l.
",hlacion¡'l!e's miís iml-í()rlaill~s. Com~ mi.l.csr¡'a el.Apéndíce. fi. la'varianza es suscepli.
blede expresarse' como una fundón Jclusd9S1~1~)melltos quc acabam~sdc definir: ,:::;
'.,
vai-(.r) ..::.E(x2 ) - (£1.r])2 (10.1 )
=1'.;-Jl7, '(\(l.~)
Si[!,uicndu lasucnominacioncs' cOllVencio~f\les.deliom ina r~ll\os w'mhié nmomcnlos .
como por cjcmplo var(x), a lüsfuncion~s (klilOll\cnlos ..
Hasla' ahora hemos hablñdo dc caraclqíslicas poblacionales: y. por consiguien .
te, líos hcmos basado cn JlIOJlICllliJs poli1(lcio'-wle.I'. Par,l vcr nímo eSla discusilíll re-
sulla de utilidad cn la eSlimación dc. j)ar¡ínielros, debcmos definir~llro lipo dc Il\O-
, l11en.\o. Se trala del denominado momcnto IIll1éSlral. Elm.omcnlo mucstral es la vcr.
siónlllllc.\'lrrd delmolllcnlO pOblacional1?nuná 'níucs.lra' nlcaloria uelerll\inada:
. .1 '" , -
~= -
. JI'
¿"
g~.r)
..
(111..' )

COl~struiremos sin dificultad lllueslras aniílogús alas poblaciones. En uníl muestra

uelerminada, el an<Ílogo a la mcdi;\ cs scncillalllcnte
. 1 .
(lOA)
).1,= -
. JI
"
¿x
.Dcl.mismo modo', cl análogo Illllcslral, al scgundo Il)onicnlo poblacion¡¡J cs
.. ~.'

.,
'""-
(
.r"'"
~IClllIJI)S!JI:I'Cll:-:ll~lI: mi"

I
JI •• = -,,¿
"" x2 (10.5)

Ulla vcz hemos definido el momciHo poblacion;lI y <.:1monll:nlo mueslral, i.qlH; es

i\1i\-I'! i'vl,\-Ics. simplemcnlc. la siguientc propuesta:

l'ar:1 cSlil11ar un mnl11cntn pohlacion<11 (o un~, funei{'lI1de nHJl11elllO~pohl;lcionidcs)

ulili!.arClllllS los l'lllTeSpolldicnlcs n1Ol11cnlosIllUcslralcs (o fllllCil)llcs dc I11l)lllcnlos
I11UCSt ralcs).

¡\nles de explicar el porqué de csle enfoque, iluslraremos 1:1eslim<lción MM

I11cdiallle un sencillo cjemplo, Supong<lmos que est<lmos interesados en cstimar 111
\'ariall!.:1 de x. La propuesl;, i'vl1'vlconsisle en sustiluir los momcntos /J(I/J/"ci(l"((/cs
de la ccu:lCilin (1 (J,I) por los Cl1ITcspondicnles momcntos 1" 11c,I'lm/cs. ¡\sí pucs, cl
l'slimador rvli\'1de la v<lri;lIlza es '
/'-., 1 ""
\';Ir(x)=-;; ¿x!-
[1-;;LX, '¡! ( J(Uí)

El cstimauor es sil11ilar al cSli'l1<1dor habilUal dl: 1<1v<lri;IIlZ:l. Illll:sto qUl: con algunas
oper<lcinlles illmcdi;llas ohlcnt.:mos que

\,~.) I
= - ""
,,¿ x~ -',,¿
- "" [l]! X
( lO.?)

I
= ,,¿
- ""(.1' - x)! (10.1)

1
"'" - ""(x-x)2 ( IO.lJ)
,,- 1 ¿

donuc l<lecu;lción (IO,lJ) es nueslro eSlimador. (insesg;ldo) h;lIJilual dc 1;1vari;lnz;1.

[)t.:stac<lrelllos qut.: el t.:slim<ldor i'vl/vl cs sl:sg<ldo, ya que tJivide 1;, suma dt.: las ues-
"i<lcioncs al cuadr:ldo respccto de 1<1mcdia'por JI, en lugar de hacerlo por" - 1, co-
mo en el C<1S0del estimador inscsg;lllo de la ecuación (lO,lJ), Por olro I;,do, la dife-
rcnci:l entre ;lI11bos eSlimadores Ikndc a cero cuando aumenta el tanl<llio tic la
muestra: cl estimador 1\11\'1es, por lo tan lo, consislcnlc,
Dc modo allel'l1ati,'o. podrí;lIl1\lS habcr cmpczado con \;, ddinicilÍn convcncio-
nal dc la \'arian!.a pohlacional y sustituir dircct;lIl1enlc sus :lI1;ilogos muestr;l1cs:
........ v<lr(x) = Elx - C(,\)12 (10,10)
El an;ílogo l1lucstral cs
/'-. 1
var(x) = - ""
Il¿
Ix -:I'F ( I 0,11)

donde susliluimos el \'alor dc C1xl.quc ap<1recc cnlre par~nlcsis por su ¡1I1;ílogo

nlllcSlral:l'. COl1lodcmoslrarcnHJs m;is adclanlc, el principiú i\Hvl, luí slÍlocs intuili-
vo, sino que lambién prt1duce eSlimadilJ'<:s con las propicdades descadas para mucs-
 (,'\l'lnll.o Métudo Ocncralizaud uc MomenlOS
111: :r'l1

lra~ grandcs: Por consiguienle, no sórpr~nde que en es le ~encillo ejemplo nueilro

eslimador MM se ascmcjc I"nlo al eslimador convencional.

10.2
I\'ICO COI\'IO UN I'ltOBLEMA DE l"IOMENTOS

La ulilidad dc Mtvl(j sc dcbe al hceho dc que el cenlro tic inlerés tle muchos ejerci-
cios de cstimación cs. simplemente. un<l función de momenlos. P<1ra ilustrnrlo, em-
pccemos con una scneilla regresión line"l:
)'= XfJ + lO ( 10.1~)
2
donde E sc distribuye como Q(O, Ir ). Q es algun<1 dislribució,i (no neces<1ri<1menle
n0I"l11;11).E ticnc mcdia ccro y varianza Ir2, y X es (11 x k). Supongamos t<1mbién que
elmodclo se ha espccific"ado correctamenle y, enconsecuenci:l,
I-:(X'E) =() (10.13)
L" condicilJn dad:l por la ecuación (1 n.13) es t<1'; impOrlanle que pronlo disc\l-
lirt:mos en del,,11e su sigllificauo. De mumt:nlo. recordaremos únic<1mcnte que la'
condición sc cumple siempre y cU<1ndoelmodelo eslé correcl<1mente especific<1do.
Oblener un estimador de fJ puede no resullar t<1nevidente como parece <1pri-
mcr;! vista. Sin e"nbargo, en 1<1pobJ¡!c.it'ln lenemos,que .\- I
" ' , , \-1.Of'\C'/\ ID" ()
. .' E[X' (y-XfJ)]'='O ,.~ 0'to'f"M. (10.14)
en dondt: ht:mo~ ulilizado sol;lll\enle el hecho deque E =)' - X fJ. Nos enfrenlamos
ahor:l con un problcl11;1 interesante, Por hipólesis resullh que EtX:Ú' - X fJ)) = O. Sin
embargo. no sabcmos qué csJ1, El principio MM sugiere,que re,empla'z<1ndo el lado
izquicrdo dela ecuació,\ (10.14), c.£llt)c~QSomo_l11omenlo_o_contlici6n.qrlog()nal'"
por ~\I-,lIl;ÍlugU"¡lHIC~tr;¡J lcnenHJs '. , . '" '
--'"""..::: . ..

I
- X' (y -' XfJ) (10.15)
11
.. .

y m;ís aun. y;ulilc sahcmosquc c1vci'dadcro jJ hace, en valor~s esperados, el m~-

mcnto /w/J/llcicillll/ il!,ual a ccro. p:lrcce razoílablc suponer que una buen<1 e1eqciótl ~
, . ..... . .' .... .'1 .... ,
p;¡ra fl scr;í aquclla quc iguale el lllollle¡'llollllleSII'l7I ;l cero. Est;l elección rcsullasrr
1<1correcla. El proeeuimienlo MM sugiere un es.til'ftóluor ?d.jJQue resuclv<1. y'i P ....: <'/ ~ 1,

(" '. '. ::y'cV-~f;):0 .f¿.~,(:<Y))(1

- ;('(."- XjJ) ."7. O :. " "}, , " r" '.G-- O (10. k6)
11 . V, r : '0'1 -. X 'f. P -.
furmulando el prohlema hcmos generalizauo tvlMpctmiiiendo que el momenlo de-
penda de par;ímclros dcscunocidos, en este caso fJ:. En'esleejemplo la soluciÓn es
I q
sellcilla; se trata dc UIl simple conjunto de k.ecua.cionessim'ullanens conk p;,rñl1le~
Iros dcsconueidos. Por c{,nsiguÍt:nte, poucmos encoillrar un<lsolución única par;l jJ
que sal isf:lga CX:lCI:lIlleno(cla eCL,~Ción (10.1 ó). siempre queJa maúiz X se;l de r;lngo
r> ) ..\

coJi1pleto en columnas, Refofl11ulando 1,\ ccuación(J 0.16). leliemos que el eslima.

¡j(ir MM es ' ,., .

• ' j1¡'IM'=(XIX)~'~Ylji (JO.l?)

ique no es otra ebsa que d eSlimador J:1CO deJ1!
J

10.3
VARIABLES INSTRUMENTALES COI\'10UN PROBLEMA
DEIVIOMENTOS . , .'

ConsideT,emos ahorau~ problema~lgomásdifíciL Se.a"cj sig~icnle modelo:

. , .', ' Y= ,a " '¡'xiP¡ +~
(10.18)
<.'.;.~.~~.~'~_~~s.~~~"<?'.~.P.~~S},,i~.~
2~.~9~~'~'l.J~:(~~~;~i'~~1'~'.-.'.9:~.)~:~,J~tlJ~:::i~i
~.'pJ}(1~E.~~~~:~\.>;~~.!-l!D}:,~
qt/t.~.J.-=~.
~,l. J~r,(~:~:\
,_".,;;.":.'
,".-
....
":, ..;/",C;,:
le caso. MCO sed inconsistenlc. Como vimos cnnueslra discusión acerca de varia-
bles instrulllentales. una de las pro.pucstas ,consi's.tc en haÚar aqllellasv'ariabíes ins-
trumentales Z que estén correlacionadas con ~'I yno correlacionadas con E: esto es,
E(Z'E) = O. Veamos .algunos ejemplos? modo iluslrativo: . .,,

Supo~lga~lOs que y sQn salarió~ p.or hora,. el 'I;echo d~ ser'. (1 nq ser. veterano, x,
y las variables.inSlrUmenlales 2son ~lriH~s'y;¡¡ñode nacimicnto: LahiplÍlesisa
veri'ricar es que los en1pleadosm~s illuiguos sllrren discr¡lliinacilÍn POSili.,;;,. Eslo '.
es" dado ~'ricónj~lnlo de e'arac\erís\icas"relacio~adas con la pl:oduclividad .. un
veterano recibe. uf) ,salario ;)W)'Q;,q'ue aquel que 11010 cs. Un pniblellla polen.
"tiat (¡ue' áp;lfcce al'utilizar MeO' 'es q~le 10.5.vetcr¡úio's' se 'difcrenci<Ín de los no
. '{deranos en ~onceplosno' observados por el ec'oi1Ó;nc 1l' i}t1> o l' lo tanlo'.
f(,\"¡E) *O.En la- guerra dél.vicll~an1,los militares sercclulaban Cll base a fe-
Ch;lS de náci~1Ícnlo elegidasaieal6~iámcnie (el procedÍlnienlo se denominaba' ',,:
IOlcríaal~ai~ria). Cólisecuel;tcri1eillC. par;1 gcnle e;~ edad d.e recluianlienlo du.
ranic la gúerra. la [e~ha de ria'ciénienlo'se ref.lcit1l1aba'dircclaíllenfc con la pro. ,
babilid;i(J"de con'vcrlirs'e '~I;'i,;elcrano .. En eSle 'c:iso. el lúes v la f~c1;adc I,,;ei-
h1iento T~sullan variables inslrume'nlales adccuadas2.' ' '.'

Supongámos que)' eS'elloga~ii'l11o déei~1plco ~n unú ~Illpresa )' xi. los sal;Hios .:
cOlllrnctu¡¡'les, Ide~lniente'.seríndese'able estimar una curva lle dcmandá l;Íb;;. -
ral,pcroelproblen\ri rc~idc,cr] que ~n~l)i~'~ y"~;II~fibS s';1I11a res;J1I,IIÚe l:lnlu de
los cambios en la 'ofena, como en los de la demando\. En consccúelleia. .
'£(X'I' E) *0, 'Yaquclo'nalariosc,oilLracluiíícs se', negocian :por adélat1ladll, llna "
posible variable inSlrumCf)lal.cs'.Ia iJlj7acióllllo cspcl'llt/a. Pordcfinici6n. dado
: , • : ~ "'.: " . '. ~It

"~,O
. ",'

1 J. An&rist, ,;.'LirCI,nic En~in¡s,~'~;¡ Ih~ Y'¡~lna;~ ~;aDr~el L;;lIc,~ ~Evid~;l~Ce:llm SlIc; ••1 Sc~uril)' "U,,
minimalivc Rccords ..•.Allluicoll £.c:oHo,i,icRCI'iciv.IiO: 199Ó. 313.3)~ .. ' J' '

~ ~'" , '.

'''.'

," '. .': - ,

.'
 l'''''j I \;/,0 w. Método Cil:IH:raliz;¡do (.k ,\ \OIl'¡l:1l10S .17<)

que ni los s.indicalos ni la cmpresa conocen la inflación I;n esperada en d mo-

l1~el1to de ft.rmar ,I~s cOl1lralos, c:sla se camhia por los sod¡¡ril1s re¡des. Si. por
eJcmplo. lal110acIOn reslIllara il1esperadillllCI1ll: elel'ada. los salOlrios reales ba-
j;lrí;1I1yI?s cm picados harían di.:sccnder su curva dedcmanda laboral .•.

~~pongam.os que hallamos dos variablesinslrumcnlalcs . .::I y.::,: incluircmos

tamblen como InSlrumenlola constante l. En forma nlalricial p()d~m;)s exprcsarlas
como '.,
X=[1 .I'¡],'1

Z = [1 <:, <:~l '-,<3

Puedc ser convenicnlc lambién parlicionar elveclor de los par¡ímetros dd mOtlt:lo
cn la forma .
1,il
J1 = [Ct jJ tl ," ,
"" ..c"La. eond ición ..deorl ogon a Iidad 'paracslc'prbblclira"é)(E(Z i¿ j~'lÍ:"D~'t'S,;,:~'Y~t:.V;
..
ma, el procedimienlo .que dcsarrollanlOsanl'es sugicre que un buen cSlimador th:b..: l'
'1
ser tal que haga que los ~2.0n~~U,t~s.~~~~~~~es sean igúa'.es a C,L'ro.cs dccir (IUe ~ (".~\','
'1, I
~ Z' (1: -:- X1) =. O ,"'7'í,',~'{ - '/(-~' ,:) . ('Ile'))1
11 • . , . jJ ., ,::...'1 - ¿ y r::. O .,
't)1 )"- " , :-- '.'

Siguiendo;comu ennueslr(J~j~lplode ¡vICO. inlcnlar'cnllls eSli'marjJmedial;l":

..' " . " ji =: (r,~)[~T.tnOI[.y¡t\~'.)j , (ll1.20)
Slll c'mb;lrgo, nÓlese que (Z'X) es ltna malrii3x 2 y: por lo lÚnlr), no illl'~rlible: :Na.
turalmente: 'in esperal1za matel1\;\tica poblacional del.Iauo izquierdo de la l:cu<lción
(~~1.19)sena eX<lCI:"11enle igual a cero si elmodcfo ruese. cl),rr,,:clo. aunque 'la a'firma-
clon 11.0es necesanamenle cierla'para una muestra {Iaua. ' ", .'
. .~!"problema" reside er.1 que nuestrÍl r'eslricciántt'e momentos impol1e tres
c.ondlClollcs,dadas porcada fda de (1/1l)Z.{1' ;- X/J), sobre sólo dLlS p'ar¡ímclros (Lt l' ,'",
:1' .•

JlI). Anle lal supl~eslo, exislen distinlas opciones: EI1 primer lug<lr. 'po~lrían1lJs tksc'-
c~l:~r 1II1~1de las ecuaciones; es~o c~; p~~~rr~n10sdesech:l.r Illlit"ilri:lhlcin!>fJUI11C'l1lal.
,",
I:.n.scgundo lugar, poranalllgía cOl1lllínimos;Cl'lad;:ados.las d,,:sl'iacioncs'ticl;,s con- tl;~\

diCiones poddan' pOII(.lerarse ,cn' crcoílC'ulo Cori',os mismós pcs(J~ l' minimizar luc"o
la sUI~la ,de l,i~(I~s\'JaciCln~s al.:u~d!,,~~ El1tereú lug.;lr,.'j)lídrío;n1lJs POllllc;';lr ,71s
-ccllaclone~ deacue¡'docon la prc<;i~i~).n(medida porla varianza) c'n la eSlimaci('ln d..:
e.'I~I~1.e,c!!:l.ci(lJ1. " . .'.. " . .,
, -;-.
. Engcncral.Ja pri!ller¡¡. idea 110 es Üplil)li, (des~char'inrorm;lcilÍn casi lIunca lu
es). ~a .segund<l idea,es.implcmcIÚ,al?.!c n()rj)~lal()gí¡LColj-'i~s_ll1íl1inm.clladrad()s. CSlu
es. minimizando lo siguienle respecto afl: " , . .

( ...•..•.

¡f""-
'l.

V" --
 .•-'1,

(10.21 )
l.

,,'

~~~r\'I y LA CONDICIÓN'DE bRTOGONALlDAD

A\1ora)';lcstamospICp<ll,., "ldos. 'Inr<l

" tkv',r
.'.'," '\ cabo un ¡lIl<ílisis m¡ís delallado
, de.los .cs-
till1<1dores ivlGivl. Los elemcnlos son los siguientes: .

1, L<I"Icon<l. .. o 1<1In
' fa 1,'m<l~ión '.'.
'11)riori Ilcv<ln ;l 'suponi.:r
'",.. un;) ClJllilici(jl/
, tle ori(lgo-.
')1' O
I/(/liil(/dcn 1<1poLJI;)ció'n qucúorll1alll1enle tOl11ala forn~a de tlg(.", ,'\:,,0= ".
" '... . '
dOl1deg(')esul1afuI1ClOnConlll1ll<1tL:,l,I, . l' 'l' IllS (1' \,)",
.,' .... Ililr;lIlIclros (J, ,", ' .•.. ' ': '. ' "
"- ..,
2, I '111.',ltlgOnlliestral
,_()flSlrUI1l10Se , ,
r " ' m( (J) a la conlilcloll de ortogon,tilll.\.d p(Jbl,l-
cional y minimizamos lo. siguiente respecto a 11:

... --
 ,'11

. -t:", '" ~
C""¡TULO 111:MétoeJo Gener"lizóleJo eJeMomenlos 381

III(J.'X.
. .
O)"
"
w./,i(j,.x;O)
/-. ,,' .. (LO.25)

<.lon<.lela mejor elección resulta se.( 1I"'porqUe'Hun cSlimóldor consislenle 'de

var[",(.»)". como el1 la 'matriz'dc covarianzóls de Whili: diSCUlid;¡ en el C:lpflulo
•. , •..• 1 '.1 .• • .,1

6 (J. en el conlexto<.le senes tci-npor:ilcs, lól m'alriz:de cov;¡rianzas de Newcy~

West ;Ipr(¡pi¡ldil~. .' ,,' J, .

:1. Si el IY eli.:gi¿hi resulla sercl (íptill1o. 'el v:ilot ¡iiinlllliza<.lci de la' fotmól 'cu;i<.ltáli.
ca de la ceuaci6n (10.'25) se 'disl'r.ib'uye aSilll(S!iCanlcnlc con' los gróldos:de liber~
lad <.leX2 equivalentes ni 'c,xccso 'Rdc condiciollcs momento sobre k'pólráme- de
;; li'os bajo 'i:l fliplÍlesis nula de que se
satisfacen las condiciones <.lemomento. Es-
\.
lo rcsull;, 'cxlrel11adal11en(c 'útll. 'esrecialni~nle para probl~m:ts simii'~les ól
MC2EoivICJE(linealonoline';i1). , ¡ .; '$-" '
','

El ¡Hlnlo (1): la condicióll de Orlogonnli<.litd; es 'parliculnrmcnle im,pOrlante.

Considcrcnins de huevocllllodclo MCO;'" ' "

, (10.26)
Recordel ll0S que.cl 1110delo MCO introducía varias condiciones restricliv,,{el
c
mo-
delo' del;;';, inelui~ lodas las v;II'i;ll)l~s rel~val~les. los tér~inos crr~r dcbíóln se.r ho-
J1l0SCedihtiCllS )~ dislribuirse normalmcille,'etc: Por l.f~sgróléiól. es' difícil que ~n la
práclica se den todas estas condicioncs, Pero. po'r sue'r1e, no son lodóls ellas n¿cesa,
rióls. Nos limilólremos a la consistencia de 11. En el CapÍlulo 5 vimos, por ejen;'plo.
que podemos prescindir de los ,errores homoscedáslicos. Que el modelo 'deba ¡'ncluir
lodl/s.las variables relcvanteses una condición n;~;y tesl~i~l¡vóly:e~'lól práctica, re-
sulla muy poco probable; 1'01' lo tanto,. es r(lzonnble pregunl;\rse cu~ntóls v(lriólbles
ser¡ín .\'II/icie,i,('s para' conseguir eslimadores (¡ables. Lñ respuesta no es fácil, ól'un-
que el punto de visla MGM dejacn evidencin .las conc)ibiones que deben salisf~'cer-
: se en el ~aso de gl:al~~les'l11ucstras. __~~~~~,,,:,":,,?:~:,c,,,,;,,,,~,,;;,,;-::¡t"';7\0:';"";";'~;,i';~"':":;'7
,;.:-;;-;?"'.ti'i'j};lí't ¡cu IÚ ¡"ó'pi'csci mi iremos' (.le Iaildriii';il id';¡dsi:~niprequé :c( t~tnlí nÓ efe
' '. error fcnga ¡lledia ccro. Müs illlponánle, sincn~bal'go,es¿1 tequerinlienloi~lpués'to
por la !ystri cC,i,ón úCl11omcilloqX' ..ü,-::.jI.Para' ver'lo'que eSlc{implicti:éonsidere-
el
úíos diseiio <.le:,eSlÍiii;¡"cií.í,l'iñ'{,s é1¡ísico: el, -c~p~rilllcnlo~colilrol •.•dq, Supongúf,os
que helllosdéséuhic;'lllUnnlJtvo Iratal1liclll(~ paróla)'UUar ,a eliminar el hábilo allól":
boico. DispOllellH)S d..:una illues~r; d~;1I = 2Ji r~ma<.lorcsy ólsiin~mos ;¡leaIOri;;'men •
.le cllralalllielllo T :í>l;i milaúdc lilnlllcS¡¡;'- Ln-~t'~ól-i~jTtnd,de );i li1ues~rn recibe un
_,o ., ..
Iratamienloplilcebo(uillral¡lI11icntosin erecto). El'diseño' c.xpcrimenln) clásico su-
giere qúe un bilcneslil1lador de la.diC¡iciadcllralamiel,ltoco'nsiste cr¡.COlnparnr 1;)
'proporcilliiUe rtllll~lu¡)J'es cnlos do~grupos al ri~l~1 <.lelprogramáo
. ;' .. ' ',. '.. ..

'4'(:1 eSlill;"I<lor 11~1~~\\'~)'-WCSI es IJn_,i,C1~U ;'e~;,ielJr¡lr lI1"irié"s de e~\';¡rianl~s co,;sislenles en ~reseneia

lan", de CIIrrcl;,ei,ill sái:iLe;"l1ll ",""h~lerús.c.~"'aslicid:I"'. Véase, e0l116irúer~sanlC discusi<in. R'lJsscllOa,
.\'il.~s(ln ~~Jal1h.:s'.G~ ~1;1~~i~lIH~I~. i."'(('lljr:r(O'.fcr i" 1::Ct"''¡II.H~lricS.Cnrie,lIlo 17.5; Véas.: l~mhi~n
1::."illl(II~~.;'f
\\'illi;lIll J I.(;ree,.'é: (1'I"'<1/I/I'tr;e 111/(//.",1;,1.2'1<1.Edili,,". p, :177-:171>. .

...J
 r:
.:.i.:

382 .\IÉTouns DE ECO'''O~IETllÍ.\

Efecto lral'illnienl.o = Y' -.y.(

dondeé'y 1 indican e( grupo plncebo (conúol) y el g~upo'~en ,lr<ltanlienIO.respecl.i~a~
mcnte, y yl ::: (1/11) Ij' = I yj!Y, por 011'0 lado, Y; = (I/n) )Ij'= ,,+ I y'j. Resultaf¡\cil ver
que este proceuimienlo puede convenirse enuna scneilla regresiiín'MCO:
Y :; Ct + fJ.r + E •. ' ,"1 ' ( 10.27)
'

) Suponemos 'luc " no cs un parámetro tic inler~~,'I)or lo lanlo si. por cj~lI\l)lo. la Illctlia tic 'I,'es tlislinlil
tic ccro, ac¡uel paramctro queda absornido por la constante.' .. .'
;" .~

;;N':
 C'AI'jI t:1.111" iVlélodo Gcnnalizadll (k Momcntos
"'.) \

lanlo. si c1disetio experimenlal eSI;í bien realizado, se salisface la condición de or-

togonaliu<id y no hay sesgo.' . . ." ", .
_ . Supongn,ilós que lene.mos lá sospecha de que el ewerim'l:nto es i;lC(;rreclo.
¿I,:xlsle alguna manern de comprobar si'.r'eSI¡ih;i ue verd,ld incorrélacionada con los
error,e~: ESle sencillo ejemplo C<\rece de compí'libación po'rquc. con X = [1 x'l. "1 ¡!;'\
'condlclon de momenlo mueslral que produce nuestros eSlimadores dc los declos . "'j
del tralnmienlo, ",.'

r
',' ,}
I .
- X' (y- XjJ) =O
/1

tiene una l¡nica respuesta, que igualn exaclamente a ccro clmomcnlo nllleslr,d. En D
otras palnbrns, no hay restriccioncs de so!Jrcidcnlificacián quc co;nprobnrl,. COIllO ,(.)
veremos en b.re~e, una ele las venlajns de MC2E es que permitc comprobar algunas
de estas restrlCCloncs. . .... . . :'.' . t :')

]0,5
DISTRIBUCIÓN DEL ESTIMADOR MGM

Antcs de pasar a sus aplicacioJ1es. uesarrollaremos la distribucilín del eSlimador

M.Gtv!. ESla ser,\ una discusión muy heuríslica. El lector quc (!l:s.:c s.:~uir unlrala-
miento m¡j'~ formal deber¡l consUltar I-lansen o HalJ7. aunque estos ~1rlículos 's()n
bastanlc cXlgcntcs. .
.~
'1'

. ". Supongamos Cjue tencmos una condición dc momento bicn ddinida (l una con-
dlcllln de ortogonalidad
:.',:\
E[g(y,:\'.Uul=O (10.30)
'donue y, ': son h)s datos y 00 se rcfierenl único valor. d~ un conju'{lo de p~r¡íme-
Iros, que Igunla la. e.spernnza a cero. Oble'ncl1lOs una lIlu~.slra a¡ealoria. Para -un;¡
n_l~lestra da~a ..~1 eSlllna~lor tv~GtvI l1liliiniiza.:. respecto a lospadIllClr(;S O.. la t:xpre~
slon que se IIlUICa ~I conlln~laCIÓI\en la'que cr estimador 1) es la soluciúli ~I..:'
I1ljn (m(y, X. {j)' . 1\',,' m(j,. x. {j)1 (10.31')
11

donde m.(y, X. O) := (1/11) ¿ g(y¡, Xi, O). Y cl subíndice de 11' indican quc plle~lt; scr
u~~~IJunc_19n('e !Oi...Q.ato.~. A~ltmimo~_~¡,!nl~én que 1l'" es una ní'iiiriz siméiric,l. ddi. .'"

~J2~~~!~:a.y que converge .~,cierta l1lalriz'lI~'tiUCial1lbié,~ ;i~~;01~:~~l-~'~I~I~~liI -....

. -----'---..._----~ ._----_._.-:.---- '.,1

.',
b NI~)tc~c. (IUC eH muchas pruehas itlCítlnrin~ cl;\sic:ls. los ill\'CSlil!,~dorcs ClHlll~;~~ar¡¡I~ las (ll(-'"'\",,',"\',c' .. 1 '1 ,'':'''''-..
. '. ,. ,-. . .. .' •... liS U~
Ir"I'"I1',cnln )' I~)s!:rup~)s tic c~lllrul. J\'illeillltlo, sc ,¡I¡liza la cón;p";';}l'¡;;'{ par •• \'aificar que el rq'allll
al:allulo cSIi\ 11lCI~ rcnllzildo. En caso arirIHillivo. 1•.5 características de la IHl'diil d..: amhos !!.rupns :-...:ri"1:1 ,,~'
I1\lSII1:1 lOIl prnnH:dlo. .

) • A. J .bll, "Sumc J\spccts.nf Gcncrali7_ctI MClhutl nf j"lumcllls• ESlilll'llilll'"

.• ••
("'1)"1.,1" 1".'. JI (111,
1/ 11J1J'; ' tJ
r
.\IIIIiJl, •..••Vol. 11. I l)'JJ. E1sc\'icr. .

~!'"

--'~j
,,'.,
~lf:TUI)US DE EC()S()~IETlli"
.¡
1".

pusiliva. El eSlinw<Jor' resultanle ú~"la 'ecua~ió',~ ,(lQ,31) 'será "~o.nsi.SI~nles.iem~;~e

,,':'

que:, cnel límile, el valor verd.luero d~, los, paramelros 0 l~lIIl1mlcel.a eeuaclOn °
(IOJ 1) y se 'cumplail la~ ((lnélicioiles de regu1;lI'idad adecuadas:>, '
.1"
11;;llal'\:mos (j o n.:sulvicndo la' siguicn,le c..ol1llición dc primer orúcn:

i/lll( \" X, Ü) , " •

. .W 'III()', X, (J)= () (10.:12)
, ,1 (J' "

1,;1 Ill;¡lriz de pi'imeras derivadas esG =iJ IIIli/ (J. Debido ¡¡ que el estimador obleni.
do al l11inimiz¡¡j-I¡¡ecuación (10.31) es consislcnle, C( IJ) converge a C( (0), I-kI~lOS
asul11¡d~ anlcriOJmcnle que 11'"clJIiverge a, W y, por lo liInlo,
plimC(O) '11'" = C(IJo) .11' (10.33)
n
L¡¡ distribución úe se obli~ne me'di¡¡;lteun~ ¡¡proximación de serie de TaY,lor
dc s( ñ) sobrc el verúadcro °
0 a parlÍ!: de la cond.ición de ~ril~ler ?rdcn l!cl;~ ecua.
ción.( 1 0.32). Daúas ciertas cOlÍdiciones de regul¡md¡¡d, la dlslrrbuclon de IJ sel á
iJ .!!.. N(Oo. (C'II'C)-I,G'Il'QWG(G'll'C)-I)
, . . .
(11'-34)
donde n =E[g(Oo)g(Olll'j o, ya que E\g()', X, (Jo)1 = O, se lral¡¡ ~encill¡lIllCnIC d~ ,I¡¡
varianz" de 1" condición ,de mOl11enlo. l-Iansen (19R2) demoslro que una elecclOn
óplim¡¡ de W es un eslimador consislent'e de helCrosceu~lslieidad (~ ;llIlocorr.~I¡¡.
cilÍn) ue E{g( (JlI))g( (0)']-1 = íl'-I: Daúo un eslim<lúor eonslslent.e (~e O, será posl~lc
oblener un eSli;nauor n-l. En esle caso especi,,1 úe un 11'" opllmo, 1" eCU¡¡CIÓn
(10.:14) se convierle en
( 11.35)

El leclor vcriric¡¡rá que cualquier olra elección de IV ~boca. ". una m.,,~ri7.de cov,,"
ri<1n7."sque excede de la elección óplim<i en ~n¡~ l11~ln~,~:r~~,~~a.~o~~I,I,I~:~.:._~_~~"c.~~
sea. el peso' de~iill,,;'i~ÚI7.Tllili"";;i'¿rii';""-MGW{~síéúlFrc. COI1SIS(C¡1 lé ya~1 ~'lOII~a,\~c.ll1c,' "
.
II1SCS1.!.l1 ".", 'd'o' se
d O.' ,C' ~uan .' U'I'I'I"lz<'
,(l.
1'1'Il'I'I't"'I'Zcoi'rccl" . MGM rcsull" tamblen "slnlotlc,,-
(', ( ". • •• •

ment~ di~iélllC cnlre el gn,'f'io de éstimat!ores odinitlos por la conolclon de ortogo-

nalitl"tl. '

¡O,Ó
APLICACIONES

Las condiciones lit: I()S'ln0I11CIÚ~)S ~Oll IlH1r,gl:I1Cr'ú1t.:s. En 1;, prcscillC scc~i<,,>n rC'I.)¡\S~-' ,
, I(1S c.'J' e.'IlIrIos de cstim'lción
re mus , " )' conlrasí"ción
. l1leúi;wle los tvlGM mas senc1l10s:

~,:

", ,~ .
 , ' ::i~,¡:;;r!:~E,,'(:':¡
• t ,.L" .-'; ;' ¡ .\.1- ,f ',o \ " 1;: i . 1! '~-.' .
',l',P','
1, • ! {'AI'lnJl.o (i: ~1~IÓUO pChliraliUl~o de MomcnlosJ85! :
. " .
10,(j.1l\1ínill1o ClJúelrados:en.,l?bs E'aplls)';Conlr~sl~s.'
!.:'~,,!¡,,":; : ji;,
JI ;:¡
',';¡ ./:.h i . ~¡ :
1.

tic ReSlriccionés ele So1Jreideniilic:lciólll, ':. , " , ;' :;l ; , :1

,. '. ~,' " ".:::,.:;~L,:",,,, ..:,!,'," '. ,';~l'
Una, úe lana7.~nes ~,e "j popuIllrld.<ld:de Jvl.9Mes .clu;e\Pf~,mite,unprocedimi~~toli'
senCillo de, vC!rificaclOlI ÚC las restncclOnes.resultantes en 'modeloseconomélncos;
, '1 '. , . ¡
correct¡¡menle especificiiúos. EI,caso másimporlnnte es MC2E. - '" ,.
RceonJemos que, según la edinei6n (10.22), nuestr<l condición de momento,
£(2'E)"= O dahalugar,a un estinúluo!' tv1GMque resolvín ,:. "', " ..•. .;
• . ': :', ,'.,.; ",' ,",.' I " í
, ..
í ;. m!n '(~[i,¿,~',yJijJ'i:',ll,,:>~'rz':~ü,~J,yft)¡)
, (1O.J6}"
' 'jJ
,
1/."
,C~.,\ :
" l' "L", 1'1\')\' •"\''-<'~,,'
' 'rl,"
'l.'
, ,.1
.' ,', .? " " ,', , ...
1" que CSlJIl cjcm(110 <Iue podcnlbsgcl~crali7.ar ue niodo que, Z es x 1..;),X es(nx k),'
1" .,: [ .• , ,,'

e" , " , • •

11'" es una l11a~r'izde pes~)s.( L x l~)y / ..¡> ,~. ,Z,Y,.,ypu~den)er.~r columnas en común,;
Hasla '<lhora, hcmos dejaúo un po¿o.:dcladoel probleimulc la elección de IV,;:,vol".
vanHlS dc nuevo ri ~1.1~C\:imlcm;;s: q~lelll1ü'hucnn 'cle,eciÓn ue:: ll'" sería un 'estima.
dorde la invers'" dc (¡'malriz dev~ld"n7.<lSllsintótic<ls'ue nllcstra condición ú~ mo-
mento; r \'ar( 1/1I)(Z'lO') I~I, 'que indicllr~n~()s. tomor< 1/112) VOz]:-l; ¿Cómo cons~gu¡r' ,
un eSlin'i'iiUO¡'cl)jlS-i~nIC a'p¡irlir ~Ie eSla'expre~ión? Apr.il11eravista, p<1rcce que ne.i
CeSil<1ríamos estimadores consislentes de las E, Jo que resulta imposible porquc el,
númcro de Ea eslimar aumenl<l el) proporéióll iuétllica á como lo hace la muestra.:
Afortunauamenle, y a pesar úe que l<ldimensi6ride lO aumenta con "; no sucede lo' <.
mi~mo con 1" din;ensión de(I/II)Z'E" ' ' ". " .' j.
,El rroc~dil11ielllo siguCtlos ¡Jasos: " ":' , ' .
1., '. En primer lugar, gcnemmoslJn eslimaúor consislente de fl,A. Podemos h"ccrlo
de distin'tas l11<lner;¡s. Un<l,de ell<lS consisle cn realiz"at MC2E como de coslutn.
~~"",,C"';7" !Jrc¡ lo que cquival~ <l ulilíz<lr (2'Z)-1 p<lra "J.I~, en el' primer P<lSO.Por sue'rte,i
1 __ o _

"':,~ ,~,r';'F,,¡re~M010::;pioduco7cmirn~.'rtclr,c~m-¡sTm't1is::Coll 'CtiñT~[jrer~'iW~'(7iz1rc""p6'inltr.{~'í"(;ífes./i:;7"< ...•.

, .' ..•.. que ~~adcrlnid~' ppSiliv.L' ()lra~lec¿iól1(utilii<iúiÍ (¡eclIcnlenlentc éuand<)~( .
problema esno Iínea'l}p~ú'rín:~e~lam<ltriiiden'tiuad:'.:' .. " . ..,.
. 2~ Oblenido,C1cSliin<idÓrflc,c"lc:ulaITIoslosrtsiduos qGe:énesit caso, sori 'Si,
y- xA.Sicnlp¡:c(¡uei,,$obscr';'hció~csse::ininuependjch les (Iocu<llsue le 'SIlPO-",
. 'uci'Se Iral)aj;lnd~Jc(jndal()Slré CÓ¡-IClrallsvcts~D:'lIn~~st.inl<lÚOr Whilc de
t 1cs
[(lIl1 )Z'flz]e , '''': ...•..
( (,., .'" '",). ,:1 ,'.,

, ,'p.'
\V,; =~¿jZ;i/d'"
" "".. .
(10)7)
. 1-: . ,-. '.
,,~)" . dbndez/soilcolunliias deZ.
.' . L Con el eSlim~(¡or 11'",I.cto,námos eJproblem<l den~inimización originnl:

flliil(;[
jJ,",,, " .. :"'
l'()''- '\}1,.;G¿Jr. ':w,,' ..,Lti;6''--xAíG~f.)J)..
,'¡-< .. '. ... ",.11 .. ' , ''':'.. ,
'fe 10.38)
.. .Siguiendp h ,liism¡¡ lógicúqq6 l.ienlfJlc"úacOJ{Ja'~cunciÓn CtO,24) Y haciendo
Zm ";'2iz¡ij'd, ol]tcneliios ", '", ..' , ':- ,', '. .
[1, JS6 ~,(TODOS DE E('O",O~IETHIA
":.

f
I j ftMGM '"" [X'Z(fo!li)~IZ'A1~i X'Z(Z'!lZ)-IZly (10.39) 1 .
1 Segúnb ecuación (l0.24),MGt\1y MqEson ieJ~nlk()s,cuílndohayerrores ho- ; ¡Z
moscedásiicos. Sin embargo; cuándo existenerrores,helerosced;islico.sel eSlimador : lar

I MGMes dislinLÓ del /Í.1C2E, y M9Eesnsintóticamenle

El estimador de I~ ecuaci.w (10.39) recibeelnolllbre,de es(~m(/{Ior MC2E gel/em/i-
menOs eficienle quc MGM.

laúo, (A. modo de ejercicio, e1)ectbrAebefra de~lostrar quelos'estimadores MC2E y "10.

1\
,i l MG M son equivalentes
cuando~lra~go
cuando el' modelo :éstá eXar;(ámCIIIC i(li:llli[icfI(/o,
en colu,mriasd~Z es igllalrilrílngo~il colurnnas de X:) • ':'un
esto es,

El enfoque MGM tiene beneficios ndicionales, Cuando L >k~ftl\l:-IGCSI:\sO- . 'tras

breid~nt\ficado. ESloes, el n Ílh1erode reslricciones de. momento deLes mayor que W

c(número de parámetros.' Eri este caso, el )lli'limándo' es también liilconlrasie esta-:' .do
díSliC~'que vali9a dichas reslriccion~s~r3ajojall¡póles¡s 'l~lade ql;elúlds rcslriccio- '. ~' .. ' H
ne.'s s()nválidns, '.' .', .. ::..... ..,',::;",." :. ' .. "; :... . '. " ,.'.

...,;';'<~:~;~:;¡~;;~tl:: t~:;.[.:;.;~~'~:~fi::¡;;~';.] •..<..(.¡':;.~.~~lt~i'~,[:~~':':~(:::¿~j]

:~'.•~;':~~.~' ):;;.;;;,.f"t. '7~
]" ~~:~:)' 'h,\

; '.. . . . '. .. . ,'.:,... } .. .. :....:..., . de

., _' " . , (1 0.40) ~.,"
Cuando los errores son homoscedásticos.}' seriállllenle. inucpendienles, el con- '..
. traste definieJo en la ecuación.(l0:40)lieile una forma particularmcnte ~cncilla: ..
~J-
> COlÚrasterV1Gi-ls/, R2 . (I 0.4\)
. pr
donde el c~nlr~sle :e~ladíslico'es, :simplernente,el n'ún~ero de nbservacioncsI;or el
. ch
. R2 Ob centrndodela' regrésjónde rsobre,Z:' . . "
, 'n
" ; ~.ZTr + error' ':::e.
eJQnúe, ..' :,.' ,,:,.r~y ~~yft~j~M ,,,,.; . '; ,: <
.. M
LainluiciÓ'nesevidenle, Si E(Z'e):; ,O¡res~tlt(l.r'az¿na41e s~spcchar que la's :V¡~- ;; . :'.~'i
riables ,inslrumeillaJesdebefíat) ser brtógoriale's'ri los .residuos. (Destnquel~H)s ql!e .~,.
',."
eSlo.no{unci¡:ina; ,porejemp!o, .pafa' M.CO porque'los"jnslrumcnlos~'-lílS. X""' son
ortogonales ni rc:;siduo); En C:lSOúe s~rlo, el R2. de ¡u regresión'scrá bajo yaccptnre- . "",
mos la hipótesis <.leque, lasreslriccionessóbreidenli[icadasso,.iviÍlidas~.A. menudo '.. :do
el ~onlrasle de la ecuaciÓn (10,40)' n()sé entielldecorr~clan;enle. Nu'se lrala 'de ~1I; ,:.' :
.:Fpl
conlrasi~para probill:'qiJe 'tMasla'~ vari~blc's'i'n¿li'~'n);¿nlales s~,i"v:¡iidas". Lb que " f
consigue el éonlraslees rcspondÚ' a la siguiente pregullla: cLJ¡)n~I\)lln suhconjunto o'M
úe varia~les inSlrUrllCnlalc's es v;ílldo ~ ieJenli(ica:lós coeficienles exaclalllcnle.'i,sllli ~.:-:.q
también váli.ú:¡s las variaL;lc~instflj~H~~¡ales "ex:lra"?, ..' .. ' '. . . .. . .' , ': 'c
DeSI:lC;rClllos quc'ei eSl'imaJor'MGM yel corre$pOnÚi~llt~ ~0I1lhistc lcndrí;ul'
la misma.forma ihclusoen el c¡¡,so'de cjU'éel 11l0Jclo fuera nolineál..Para'u[l'a'regre-
sión general no lineal' ,; .' ::'-I.
,,' '
;' .::..';,"
.'.. 1
~R Dasm'ann."On fíni'lc Sal1;pl~ D¡s'lrÚ;u;í~ns of Gc,;~mli7.c~ C1~~~icaILin'c;,r I<Jcnii[j¡,hilily Test Sl:II(S•. .' ,,: (as
lics~, 10"",,,1 af

•. -
,h,
Ailltfic,,;¡ SlOiIJ¡jCIlIIlHOciril;Oll.55', ¡i)(;O. 65l).65'J. ofrcce una~crsió~ asinl,ilic:i e1lui.
valcnle del le~l. Sude mcnciono'rse I:\mbién como el conlr:;sle de Dasn,a,,,): .
','
.
• __; .••..• ' l""
..
" '.'

. '
< ~ ¡;.~ !. :":.11

;".':\
",
,"'; •. : ;:', .••• ,1
~', •.
L ..
_._~~ .__~_
 l',\I'j'lJl.llllI.I\-kllll..Iu (jt:lll:ralizaÚI) lk ;-'IOIllt:ilIOS

. y =1(X.j1) + e. (1(1.-12) l! }

Z'()' - Xftt.1GM)1 resullaríareeenlplazado por [Z'(y ':"I(X.;]~'(j~I)l

yse puedc C¡¡leu- ,"1
'l ••,~
.
r la matriz dc pesoS'Corréspolidienle:' . . . .,
J

.6,2 Ite\'isión de los Contrastes (\e\VlI-Hausman

.' . .
g;:upo interesnnle eJc contrastes de especificación mu); 'rel aci o na'do. C'Oillos con,
sles MGM son los llamados conlrastes de l/(llIsmol/,II'II-I/(lU.1"ll1f1l/ o Durhil/-
Las tres citas m.ás habiluah~sson
WII-Il(lIH'JII(1I1. Dlirbin .. \Vll y ~lmllY influyenle
ocumento de I-1allsOlan In. Newcyll explora la relación enl re los contrastes de
HaUSn}ílny los conJrasles MGrVl. _ . . '.' . '. .. ,
"Dichps contrasles aparecen en la literatura al respecio en una gran "ílriedad de

~~i~
1:1;;II:~~~i~ i~~;"~~'~12u7.
~'~~~{)~;~it~~I~l~.r~::l(:~.~;;~~ii~;C~~t:C~~'~:llcd~~~,t'~':1t;1 I~~;~1~'~iil~II~;;~ ,:'..,
~~l

e Illomento.que dcflllcnun eSlllnador..: . .

. COll~iucrcnlos el Il'lodclo hnbilunl
.
>', =jJYi+EI.' (IDA)
"
-Ielllos .ViSlÓ que cuando ElY'2E ¡) = 0, e.1 estiinador MGM (que es igual al 1\'1CO)
roducc):stimadores consistenles dej1 .. Dcbidoil (\ue lenemós razones par:; ~ospc-
har que Y2 es endógena, oque está "colitaniilínd¡1 ''.; la condid,in L1i: llrtoglma\iJad
( \

no se nlanticne. Si tenemos un' c.onj'unto de variables íilSf,:ulllcnla!es ortogollales a

.I,r;odr~lnos construir Uh estimi)do.r MC2E dejJ que' s~a consistente, sin -importar
<lue.)!2 esté correlacionada con El' Sin embargo, cuando E(y'2. ~I)= O,e\ estimador
MC2Esiguc si<;:ndo COi1Sistente'aunque' es' menos cfici'enle tlue MeO. Sería útil cn.
ipriccsliallar una prueba eSlaclíslica que veriricara si ly\eO ~s adecltndo.
.. '.Ilausman (197H) sugiere el sig'uienl<;conll:ns'tc: . . .
". - . ." . .
/¡ (Jii.:l'co
5 .. :-fi 1\;('2~)' (varfl~"~E)- var(f1MC~))':1 (Ji ~ICO - fl,\'C'2E) .!!. X~(g) (10.,14 )" :.'

olHlc g, el númer() de regres<ires p~tenciallllcnle cn<J¡)genos.:cs I en nucstro cjclll-

lo. J-1ausman (Jl)78)~denlOslró qüei::\'térn~ilio,cen'lral dc la ccua~ión (IOA4) -la di. ..~.•. \

ferencia enlrehl matriz de c.ovarianzas de.loscoe'ricienles eSlinl'ndos mediantc "

MC2E y.la matriz de covarianzas dc 'Ioscoeficienles eSlimados mediantc IvICO- ad-

qÍl!crc'.ésla 'convel~icnte forma porqi.;c no resulta .~'eccsario' c;i1cul¡¡r la covarianza
cntrc.alllbos cSli.madorcs. ,.

I
.--.
."J. Dllrhin. "Er"HS i" Variables"; 111'1';(,':' o¡,},,'llItl'fo"/;()/l/Il S/"/¡.lI;¡,,,II,,,Ii,,,,,'. ~~'.IIJ5~. ~.l.32: D. \\'11.
.,...•
",\Ú~
, r';¡;li~c"'i'c>l.s ,;'¡' IlnJcpcll;lencc hClII'ce;, SlochaSlic R'e~rcssors a,nl Di~llI•.hi\llccs". fl'llll"lll,'rril'tl. 4 L
1')7J.7~.l.750; .l. II~llSmi\Il."Spccificalioll Tesis.in Econor)lcirics":Ei'(lilllllll'/";l'lI. ~6. I'J7X. 12.) 1.1n l. vi,
sc'lal\lhi~n Capílulo 1l.2.5..

~*t\2"2~' . . ...
1 \Y. Ne¡~ey, ..•.

..... . ..
Ccncralizcd MClhou of Mo;ncnls Spcci[j~aÚ.¡1I1TCSlill¡:", ]""l'IIlIl o{ f,:ol,,"/('rricI: ~'J.

\
r "U
~(Pq
"
::;¡. J~8
\:.-
..~.
;~,

p
Cuando la dir~renciaentr~ los úos eslihlaúoreses grande,.MCO no es aúecua-
'" l'
úo. p'or esle motivo a veces se discule el conlr;:¡sle como ~i ruern unaprucba de "en-
" dogeneidnd" 'úe )'2' Como veremos, la arirmación no es del todo ciertn. El conlr;¡sle
~"'l
ev;dúa sila e'ndogeneid;¡u liene algún efeelo sobre la consistencia dejJ.
," 1'''1';1 profunuiz."r en el co;úrasle, conside~emos la ecuación (10.4:1) Como inle-
"
grante ue un sistel11a ue uos ecuaciones que incluye adem,ís la siguiente ecuaci{¡n en
la que Z es una matriz. de vari;lb!csillslrulnenlales: "-
"~l+;' .
..,
,-..
~\l
+ EZ, )'Z = :Zo
Seglín los supueslos renlizndos hnsta el ;110I11CnlO,la ccuación (10.45) divide en dós.
( IO,~5)

la V¿li',innz;,ue )'2' Una dc 1,15 pades',' Zo: no eslá corre!;;cionndn con el error en)',. E"
La ol'rn pnrle, b. (Jo.l'iÍI/cl/1(,lIie se correlacionn con E,. Por lo tan lo, el contrnsle pro-
PUCSIOpodría c~litemplarse como lú \feri(icación de si e~ ciedo que COV(EIEZ)= O.
Prorunuiznremos l11ás aún en 'el lel11nconsiúerando un dcs~rrollo ;,Ilernalivo
del conlr;'lsle de I,Iausl11nn. L;'I discusión se bnsn en el docull1ento de D;'Ividson y
MacKinnon12. Dos artículos ndicionales sobre el contraslé de Haulilan son los des;:¡:
rroll"c1os por Ruuu y por Daviuson y MacKinnonlJ. En l11uehos cnsos, es i11ás direc-
" \0 c;dcular el conlr;'lsle oe Hnusmnn a pnrlir de ,simples regresiones artiriciales.
I~csulta tilil considerar el conlrn~te de Hnusm<1n como un vector de co}/traJl~f.
C(;nsidt:rt:l11os t:lmodelo tinenl canónico
~, )' = XjJ + E (10.46)
,.il'
dlliHh: ¡iene media cero y \';'Iri<1nz.nuZ, X es (11 X k) }'tnntó)'
E como E son (11 xl). '
..;1 ("Illllp;¡rt:nios un cstimaoor de!J, por ejemploMCO.
Aleo = (X'.>.')-I XI)' (10.47)
(on 01 ro cSlinÍ;ldor. por cjelllplo jJ,\ •
.'7
= (X'X)-I
,f

¡j,\' X';\)' (10.48)

donde ,\ es III¡n matriz sil1\.:trica (11 x 1/) con rango ,io m~-,-¡o.~_q.l'(~_L,J2-~~eJibirell)Qs,...
A Ségll jd:i'\.I11.c
n te','''"" :"'i"y~c:~:~',""'::-:"';-7:'.r-:'::~_.'."'7'-""-":7:¡~:-"":',> '" , ',' .• ",'", ''':I'';'':~',' ';

: 'Rciliil,;rcmos la COI1\[1rir;¡ciÓlicalcul;i~do el veclor de '~Onlr¡¡Sles:

.fÍA -A,~o= (X';L\.')-I X'Ay - (X'X)-i X')'

= (X';\X)-I [X';\y -X';\X(X'X)-' X')'I

= (X'AX)-,I X'A [r~ X(;.\",\')-I X')y,

:: (X'/'~X)-IX'AM.\')' ( 10.49)
,
'-o
'. I! R. Davidson)'
M".
J, MacKinnon."Tesling
5, I 'JSlJ, J(,J,3S,1.
for Consislcnc)' Using Arlificial Rq;'rcssioos". CWillllllcíric Tlu ..'

1.' 'P. RlIud. ':Tests' of Spci:ific;lIion in t~on{ll11c'iics". fwillllllcrric IIn'ic, •..'. J, 1'JS,I, 211 ..Z~2; Ii. f)'l\'idson
r J, i\lacKinnon. "Specificaliun Tdis Oascd on Arlificial Rcgrcssiuns ...,1l11tr1,,,lo!'iI,, -III",,.ielll' S'tl;iJiicnl
,1JJlfl'i",i"". H5. 1'J90, 22o:i27.
 t 1\ t 'l~ " , d,'; ~.; ¡ ,.
, l' '11 .0." ,1 i
1';;~ I q¡ di:-
.. . " . t ,. rt \ ':\1 1", ',:1': .• !:
<,o

¡, '1: ,1 '"j'; '",;':: ,'\ :-1<' r,

I

','
"

'! ", "'c,'I.¡rliL.'o:m Mtl6d6 Gcnci'<1lizndo dc Momentos

t. . ! 1 ,! ~. .:' " • :.. i' l. "1; ,
. . . . l' . 'to ., !: ';", ~
' ' ,,, ': j ~ • . . • ~. •

: ¡ donde M; = 1 -,'P x = l;~ X,(¡Y'¿)!:.( ,r ,~s la ya, c'opoci~~ matriz (n x n) s'imélrka,

1, , idempotente y "crendora tJe'rcsiúuos,",
\ ' • ;r •
y Px es I~ ta~l1bién 'conocida mnlr1z "cre;:¡d9-'
",,!. l • '1 ,. ". -. '.. , ~ :.

m;:¡t,tiz,? ("" x 1). M zX ~s lamalriz. de

j-'. •.•• • . ,. " • ".. , •

ra
.
de
...,
v¡¡lo;'es
'
p'reuichos".
, ". ¡..., ~.,
Esto'
',' , " l'
es,
'.
[1nrnderl;:¡
\, ' .....:

i, residuos (11 x k) obtcnida a pnrlir de la r'egr~slón de. c;:¡dilcol U'1]l n a de X sobre las Z;.
P;'X~<,la l;l~lri~ (1/ .~' k) ~Ief~n~o:e~ ,p,r~'dY~\io'(obte'rido}:n pn'nir de I~ r~gresióil~é,
c¡¡da colull1na de X sobre Z; '. ¡.. ,,', .¡ ;':, , ;' i, - , , .' ¡-: ';,' .,'
I La '~I~cciÓn de:A 'de[1Cn'd~'~~de;'~~~bl~l~ri ñl qu~!~¡~~r~e~le
' c'l ín~e~tig.ad~r;
: CU,1I1Uq;\ =P¡r;,cn'to/lccsft,liéS elesii,~~'dót'mf¡'i!llo c~n;drálico e~ dos et~,p;:¡s d~jJ,
' 1Ilíliz.anúo Zcol11o'varinblesillslrul11elilíllts. ;Pnrn el,estimnú9r dccfeclos riJos (V,4~" :
; se Cnpílulo 1i),;\ = M o. dondeD el conjuntó de vntiáble~ ficlicias' de las unid~.,: es
; des ue Corle lransversal, y ~1o es/n m;:¡!~i,z~lIc.: ~o~,lo lail~o;I~~nsrorm;:¡los dnlos F'~
' desvincione~co.nrl;sp.c.cI9 ~<;¡as úe Jl.1eúl.(lSIl)dIVldua,les¡:~rc:clrl~as. ,',; ",.,' .,"
, Cunndo el modelo de 1;;ecunción (10.46) ,es corredd.'el Jrmile en probabilid;¡d
de In oirercncia de
la ~~unció¡n (10:49), es edro. L~ ~~e'ds~l~S imponnnlc si c~.be <:1' ,
" . que, yn que (X'A X)'I es una mnlrii (k x k) ,de rnn~o con~p!clo.el vector de conl rasi
' tes tendrñ Iímile ~,i rrobabilida~,:~g~.;'I~;cer~ si~n..l~~~: ~:~i~~dO' '¡ ,', : .':~:: j'
'phm :-(X'AMxY)= O, ,. " (JO.5Ó)
,,' ,'"", ',"':',:/1 ' "", ", ' l' ,.;. , , 1
Consideremos hhora In comp<1rélció,ir ~,nt~e MCo yl1~E, En esle ca5~. diVidd
remos In matriz X en [XI X2]. don~e X, es, una sybm;:¡triz:(~1 x g) de regr~sorcs pOl
lencinlmente end6gcnos y Xz es la subm<\Íriz (n'x(k- g)]de reg~esores ex6geno$
úel lado derecho. Tcnemos'un :conjtinlo de 'inslrumenlos' Z ~ (Z. ""2]. donde e!, r;
nueslr;, matriz (l/X 1) dcinslruhlcntosi"¿Jcrúiflddores' con (/,~ k)", con cuafhuesL lo
lfn mníriz;\ CS. simplel11crúe;i\ '= Pl..' " , ,
• , Estnll10s interesados en saber si 1': , ' "
,", .¡~. :
,
r'~;'
;',~ ~';;:¡:~',i:\::7;:;CT~':{';"f'~;'~0~,:,;:,,'~;i~:;~:ip1nn+~~;~j~T~.?C;?"';~!',~~:"\~SiP~':~:'~X163T
-~.~,.:
<, ':.-. ,'. 'h" .•• '

. . l' .. .... ~.

EseviueilIeque vnriascólúíhnas'!-Ié X':PzM.r senin'igu;'\les~cer9.Eslose ve.en

• • • ..' ~,- :' " •• ~ .'. , • -.' • :. '. " • ", -. • ,; '.:' > • :' ,_ 1, ;. '. ". • ' ~. • • - • _.', •

\ , 'YI P:,>[8\,]"'"
'':'''Z:~i\,''
," >',;, ,'(1052)

donde ,fij, 'I'im 1>01iz~ 'lal11a t;'i~ ,.dev;ló~es r'redi~ho~¡de ,~h.~;'reg~~siónd~. lascol u~-,
nns de xtsohre Z;Ya(jucX {ZlicneneneomúflXz• es ,cvidentcque X2 :: Xl' Eh
este cas~),dcslaqlier!lOs que' ",' ,

-J
-,
'[:X.:2','.
?',iJ ',~'1x: ' '" ,,',
,, ,. (lO,53)

í
, es igu;,la tc;op:lr~ ilq,{,eJifls ril¡¡st'6r~t~pondiGn~cs.aÚ,f'~rquc los resiúuos de liri¡i
{'
1,
{,
regresión d~ :i:2 sobrcXsQniguales;¡c~rb,' ',' " '"
., , .:' . '. ...", '. . .
t
:;
.. : "r ..
 JYO
l'

Limit¡¡rcmos. porlo tnnto, nueslrnútcnción a dctermin¡¡rsi

I '",' " l' -'".
plim ~X'IPZMxy=plin)'~¿Y'IM~J';" lJ (I05~)
11 ',,' ,/1 '

Rcnlizaremós el contraste median le Un estadístico F sobre fidc,)a-r~gresilÍn artifi-

cial " ,
,
,'" , y=Xj1+fYlfi+residllos- ,:, ,(10.55)
El, modeló cón fi ,.; Ose~á el modelo' restringido yeictlli(lcidO ü)llí~asie r \;¡ene da:,
dO,en estc C;¡SO,por(IO.56)' " ,', ", ',' ,",,',
.' " ,(SCR, -SeR;,)/g
Ji "- .' " , ',,:.'
'" . '; "'SCR;/(II.-:k-:g) , '. ,','
','',' Anteriormente,dijinlosque clcontmste¿je 'HnUSm;¡ll sliele interpret;¡rse como
..~n~a prueba par;¡ vcrificarsi lnscolunlilnSckx¡. sonendógelln~, cualid6 loapropiado,' "
, e,' "..J,,;:'úc'ci:a.::i hié;¡;p r el á do ,có',Íió:éo'n'l'r:rs'i:~'P{l'fa',:v-<ir i[¡ón 'r's i',In>!,¿,illog~ n é idjIJ;:'~i'cÍ\ c~ilA ,¿ f e(::'..,,'::.::::':;::"

10 significativo sobre los eSli,m;¡dores dc'j1. La últim;¡ ílüerpr~l;¡cjl"n 'rcsuli;¡ más'cvi.<',

dente considerando una versión de!contri\std de Hnusm;¡n relntivo ala omisión de "
variables. Emreza~emos ca;)
elprobl~rní\,v¡sio 'a~\eriorrnellte. L~ diferencia es que,
~n llig;¡rdéeválüar la diferencia enlre'tvIC()yMC2~;con;ríar;ireillos un estimador ,'o
MCO ,con C?tro estilnador MeO qtieincluya:Z*éóii1O'regrcsoresálJicionalcs. En'es-
tc'caso •.nueslrO~eC[Qr 'deco'ntl'astes-,: compai'í) el eSli)11a40r !vICO ,d~ laccunci6n
'(10.46) cQn cl.esl,imadorMCo. defJa'prirtirde , '
, ': )"= XjJ +,7,*,-y+' v, (10.57)
, dolidc'Z* es la'n;alrii. de'vil~iab'esin~tr,lI~le;llalcsde nuestrocj'ell1plo MC2E,~le~j'_
nos aquellos' instrtúiiénlos 'jue lnnlbión sé hallan presentes cni. ' " ,
.' . Nos ¡h¡cresa sabcr' st los 'codicic 11 lés 'dcl:conj'ulllo.de X lioillc1uidpsell, Z se,
" ven ilfcctád'os .'uf:ind'ui r ';ilriables adidonales.-' RecordelTIosqúe ci tcorell1adc
\' Frisc1i',Wáugh.Lovell,14 ;nos'per'ihité' o¡'ú:I).er'lo~ ~slimúdorcs corr~clo~ de fJ .(ealiz;¡n.
. d,o:cn'. primer Iifga¡".la'rcgr.esi~n <.1e'Xsobre'Z* '. lomando luego los: residuos y reali. '
". ,znndo. posleriórmc'nte la regresión de y sobre:: dichos residuos" :," " ' .:, '.,
, ' .. - ,Eh ese caso, realiz¡\~ÚllOS' una'regresión 'MCOdejo'sol¡re X después de, "cx' '
, duir" él valor predicho d~.\': (Pz.X = Z.'(Z,*'Z"')-IZ.'X). La 'matriz al respeclo cs
!I!i. = 1~Pz':, :.",' ,::,1 .',
y=tt/~.Xj1+IJ " , ( IO.5X) j
~.
:
'. \
o',

Como M l' es j<.lel~potcntc, cJ eSlimad?r ¡vitó p;ir~ el ll1o<.lélo~s

, ', ' 'fl alil\l'c~la~o ~(Xíl':Íz.,yf.1 .Y'M;,.y. (1 (Í.S!)) ,
Es evidellle ahor~ que la'l~alrIzZ:de 1;,~'écuridó'll '( 10.'18) ~s~s¡I;,'pi~mellt~,íHz y, 'por ,'~;'
, lú l;¡nlO, la regrcsiÓli artificial COrrecta se convierte en ' " ,¡ ,

.: ,1 .. ,,_ • i ~ '.: ' '",. " . • .' •

. ;,'. ",:'..,
,¡""',

..
", '

, ~:
"J,'

I\f
"",' .i'
>
~.' , '
 ,"
1-:'
C'AI'in;l./) III.ivf-élodoCi..:ti..:ralil.adod" ,\-llllll":llloS ,1<) I
"

y = XjJ + Mz.X fi + residuos

y = Xj1 +'cx .z' fJ+ residuos (IO,W)

, ¡..' .'
dlln<.li.:ex¡,z' son los rcsiduos obtcnidos a parlirde una r¡;gn;si<Ín tI..:g Clllllllln¡¡S d..: X, \,)
sobrc Z. En esta regresión arlifici;¡l, el conlrasle F d" I¡¡ hipÓksis dc qu..: ¡¡ :: (J, cs nll-
.méricamen\e equivalenlc al conlrasle desarrollado prcviamcnl..: ulilizando un¡¡ rc~rc-
silÍna'rlificial, ;¡unque basndci eilla comp;¡r;¡c:ión delvlCOytvlC2L Esto cs. la COIl~P;¡'
r¡'ll:ión dej1 de Ilueslr¡¡ espccific¡¡ciónMCO origín¡¡1 cnilt\'IC2E Cllll 7, Clln111\';Iri¡¡bks
inslrumcntales e1acon)o reSull;¡do el mismo contr¡¡Sle cSladísliCllllbICllidol'llmp;¡r;IIl'
do j1dc nUCSlrn especificación /VICO original con la espccific¡¡ci¿'1I1;-vICO ;¡UmClllal!;1
'con Z*. aunque, ell eSle (i1limo caso. no existe problema tic "cntlogcllcitl;¡t1",
En resumcn, el COlllmsle de J-lausmnn para comparar ¡viCO ~; i\'IC2E pucdc 1'0.
1
aliz;¡rse de tres m;¡neras: ' 1••••

":.~.,'
..I-:,,... Calcula liuo'tI i'recl a menle" clveClordé,c6nÚi)SICS;'ÚlmlJ él;' ¡í:~~lI;¡éiú,r~r Í1\h:)',"
2. Esliniando la r~gresi(íil de los regresorcs pOlenci:dlllcntc cnd,lÍgenlls slIhrc los
'ins[rumentos ycalcul:\lldo cl valor' predicho a parlir de l:dcs r..:gn:siollt:s. [sli,
m;indo, a COlllilluacilÍi1, por /VICO un¡i e(;uncióncn.l¡¡ que se illcluyen las vari;¡.
, bies creadas y contrasl;lIldn'si éstas, spn SigJ1ific;ilivils. como SUCl:t1cen la ":ClIa-
ció n (10,55)., " '" ". '
:l. ,Estimando la regresión de los regresor.es pO.lenci¡¡lme'nle clldóg..:nos sohrl: los
inslninlentos)' calculúndolos residuósdeesos,rcgrcslln:s. ESlimalldolucgo por
MCO la ecuación que inCluye lasvari;¡hlcscre;,uas y'vcrificando si éSlas son sig-
, ilificaliv;¡s como sucede en la eCllación (10.60), ' "

.' Véase O;¡vielson y MacKiri;lOri pnra un;e1iscusiól; t1claliacla -tio.: I~s dos'úllimos Illé-
ll)t!USYS\I extensión a otras clÍmp;¡racionc's.,' ' , '

,.';""
•... ~

,'L;lseSli'llladores tle maxlma versosiinili,tutl licncn tamhién ulla illlnpro.:la-

ciúnlvllvlG. En el C;¡píluio S ml:nci.o'n:ibamos'quc para m:l:(imizitr la rUllcilin do.:"c-
"'I'<,)si'militúd, igu;¡lábamos'l¡) primern dérivnda elel logari1modc dicha rUllciún
'¡¡Inl L(X, 0)]1 ao (grndienlc) Hcero: '
. 'iJIIlI.
" II/(Y, X 0);= aB. =.0 (lll.l1l)
',--'
.
Diéha cond¡ci~íll es scncillíln~cnlc [in;, contÍiéiónde mOinelll(;.RClomalltlo cl caSl\ ,.-J
m¡¡s sellcillll, "la fonnalvlMG" dé cxprcsnr el probleinil consisle cn solucill'~ilr: ,"
, .
m!n (m()', X O)','lI-1 ; m(y.X O))
,o , '. . '
dlllúl~ la,lIamatiam;¡lriz dcpcsosll e.s lav'arianza cicla condici(')1l de Il)OmCnlo, Es-
lo'e<,1{= ~ E(iJ2)n L!iJfJ iJO'). ' ' .' r'
"

_A
[ ... ,;--
~
."
.'

En esle sencillo t¡ISO; á resuelve la condición de primer ordcn niinimil.anuo cl pro-

blellla ql.1Cacabamos de ddinir. Porlo l:lillo. 6 dcbenj salisracer

¡,~In/. ;/ IijL
-.-,-' 11- 1 -----:- '= () (IO.ó2)
. ;) (}(j (J' ;) (J ¡

¡J,:
. I'..:rll eslaL'CU:lcilÍn cs 1;1que definc precis;lmellle .Eivl V y. por consiguiente. pucde
,~',
scr considerada COIllOlin cSlimador IvIlvIG.
Si esle es el ~:;~o. ¡,por qué cicrlos'inv~~ligadOl'es prdicrcn tvlG!v1 a ElvIV?,
lJno de los mOliv(ls essu f¡ícilmancjo. 1\ veccs, cuando resulla difícil calcular el es,'
limador do. m:íxi/l1:~ verosimilillld, eXisle' un es'limador lvIGlvI quc. a res¡¡r"dc ser
menos diciente :Isinllllicamcnle que el cslimador !vIV. sigue sicnuo co,isislCnll: y
Ill;ís r¡ícil de calcula)': Un segu,ndo molivo cs que.a vcces. allnque no se cono!ca,lo
suficien\e el proceso dc ge'neración de los dalas que cspecifica por complclo la run-
cilÍn de \'erosimililu:t1;si se conoce lo suri~ienle como para poder cspeciricar condi,
. ' ciones de'lllolllcnl(¡j)ara un cslimador MGM.

"
.3 IO.G.'1 Ecuaciones dc Eulcr

Olro ejemplo linico para j\.IGi\'1 cs el c'nroquc cOIH~¿id(; como' ecu<lcilln de Eulcr.
Las ecuacioncs de Elllcr SOIl condicioncs úe primer orden de prohlcm:ls'de oplimi-
: ..J I.<lci,jn dinámica. !vIGivI considera dichas eondicioncs úe primcr orden como contli-
ciones de moml.:nlo. Lo iluslr<lremos medianle un ejemplo. Supongamos qlle el tob-"
sumidor represenlalivo licne en catla reriodo una función dc IItilid;¡d sobre su con-
sumo c inlcnt:1 maximiz<lr

I,¡
.•.•.....
r '
sujcto a /1,=:: ~:¿.,(I; ,-)-T(C'+T-11',',,) ( IO.(4)
= Il ' , ,.

, donde E, =esperanz<I ll,l:Ilem:ílicacop'I¡linrorm:rción oblcnida hasla el periouo'l

,¡/I
'.....•.
.~ = 1:IS;\ de prderencia temporal su1Jjclil'a
r = lipo t1cinl.crés rc';¡I'(ijo .
T = dur;¡cíón de lavida económica
e, = consumo en 'el pCI:iodo 1
11', = ingresos en ci periodo I
A, = activos-c'n e11)eriiJdo I

H:dl(197¡» t!eslaca quecll11lldeJo irnplic¡l unileCU¡lCiún de Elllcr (una 'condi-

cióndc'prilller nl'den): j

{;', 11'(e" I) = '(11 'C e,) (10.65)

 ;",[ , ,,¡;' ,,:¡ 1,; ',i ;."" , i'! ;
, ,J. , I ' l' 1
.t '. ' ¡ \ 1 r
t I ~. ti: 1~ I .i' ¡ !

,;: 'í ! 1.'","1' ¿LO' 111:M¿IOlJó GC,l •.it'nlizauo uc MomcnlOS 3<}3

-':':" ,'" ',". ,"~ :,ijl;';;\~'(b ,i,\:~;;;" ¡1;dV.: !
';: th~nú~, ,((.) ¿ la,ulilid~iú'n~¡~;:'~~P~I>Jhl~~,I?~'~1I~9.:Y,~ ~ti':~~)/(i t~~j's.Una fo'r;~a'
,\ cquivalenle de rortllulrll',la~e:cli¡\ción',(19'16~)"es, t, '1,:1;,:" '," ¡' '1'
" .. " .j,'k i ;\)',;, ;y¡¡'(~)+ E ," i':;:::, ," -, (10.66). ¡
. ,¡ q '"i,'¡ ¡"¡
'; _" ,',r tt
.~Ij I '.--~: J,;i,~.,~.: .',:',: ¡ , "I(
donde ,E/l1 rcpresenla.la diverge'ncia"dc ila' utilidad ,marginhl :rcl,ardada del COnSUrlló', ¡
dcscoill:,ua res pecIo a su valOr nCluaC6i~lió lérmillocle hrr'of posec varias propí~~!
, ." : l' .,1, '1 "
.: " ,\ ~ " ", :'." 1: ' " • ,r ' ' , .' .~, " •• 1 . .',: . ,¡ • ~ •

dadc:~ adcm:ís de IcnCl" media cel:o y, n'ó 051ill' corrclaCió"nt.Jo serialmcrHe: (uanuoo
= r. 1:, utilidml n',arginal es Jna cOlls¡an(~exCCI)ld paro la 'info~l11acióri l/lleva recibi-
da enl ré~lpci'iod{l I')l't ..: "/1'1>,' tdhsi!iúicl\!c':C1 ctroro;'inbovación" dc In ulilid"d
nwrgi;wl no sc correlaciona con'I;(¡nrohúrición(1hl~nida durantc o anles dcl perio-
do ,. U'cl;n~licilí¡l p;i¡'c¿i:u,;;,cOífdidó,ú:de'brló~onalidad.', é ,,'

, .", ,"
' . ',~'
, £;Z''¡;/'(c,'+;~L-;,.,.('~,)r~'O::.,¡1'
~~t. ;', i. .
"
¡_\. 'L,r 1,' / ') .•r:,',., . ,¡,-~d~,¡",i':~', ":"1'~"'! :
(10,6]).
','_

d(!nde Z,CS ,c~/(/If//li{'r, il1fprm¡l~iÓnC?blel)id"dur;¡n I~ ,e,lned?dli'1 o ,ant~riormenle ¡á 1, ;

)1eril!do ~, Supo,nicllt~~~,!1l1e,I,aJ~I~<;ión,~~t(tili.ú,i19,'S~I~,u,r¿Jrá.liFa e¡n¡clconsl,J~O (lo, ¡
que 'l11pllc,,"que la ul~ll()a<;ll11argll1al,es )1Il~alcn cl ,consun,o), podrcmos formular la
• • 1 • 'l._ ~ " ' " • ! , I \ \. •

slglllcnlc cXpreSI(lIl:, ,,' , , " 1 \ , ,

\ , . .1' ..• , _" 'l.' . '.,

,'" ,(10.68) Cr.r=:Jln+;-YC'-~'~1 "',' ,

:Una pregllllla diri61' de reS)1oi)de'r cs: ¡,¿¡ué debcmos induircn 2¡? En principio. in-
cluiremos cli;lIquier inforniaci6n oblel1idn durantc'é1 pe'riodo 1 o anú:slo cuolnos,;
ipropoi'cióna. cscncialmcnle, un númcroilimilado 'de v;'lJ'i;ibles jnslrumcnlalcs~ Sin I
:emhargo. en la Imíclica'111 col~liraslé res~I1I11'poco persunsiv.o 'si lo que dcseamos es
¡comprol)'ar 'dllllo cl'liCChri'l\c hiladir1:!s'venl;!s debalbn~sde. ngua dch<lce'lO pcrio-' ','
idos nos' ayut)¡(r;í' a pn.:ccüir ('/+( be~e¡'ílln16s intcnlar IÓ':que sugiercn olroS leóricos
del coiisluh<i. Duesenberry (11)41;)sugcría que los nivelcs:pasadQs de ingreso o consu-
dilO (de :ní;1s ~e mí pcriodo h;lcia atnís)'son imp0rlanlcs pueslo que los consumidor<:s.
una vez alcanzado a¡"~ún IlHíximo local <1lo largo del ciclovilal, son mucho méÍs re(j.
, centes a cons;l.mir m:n()s, ~¡'cn~odo'que t1is';llinuiréÍil sus~h~rros para ;ilantencr su ni-
";:'.:}":vidm::toi\'~(¡"1T6'¡\1~lt(iÓfl7í:E1iTIfé~d¡;;'QtélT~'g,::¿~.6)~};1Imrt¡~~:a-prtd~tYt>ci't:¿;n~¿H;~?':V:,,:
..t"
" Siguie'ndocon, el cas~llonac.¡'~'tuhóÓn¡j'e'ulind~¡j;ts '~uaeÍ'r<híca,deb~n;ós
conslr;;irvna;'FllriI.Z cilla'fo"nlúiguicnIC¡ , ,,' " , '.. : \
, ,,' ' Z,~ti'e,y,]
uonuec" )'lsOl;:I'especlivamcntc,clcon~U!ilO: y,cl ingrcso.: En csle, ejemplo. el con:,.
, lr:l~le cSladísl ico!ví tvlG ucsob,'ciden ti rieación delas r¿slriccioI1C'scs
". ". '." .' " - 1,' - '",~". - . " :

SCRri - SeR" ;, "

---~ - - X2(J) (10.69)
SCRu/n - , ~.- "

. 15il'. II;,Ú.....~lnchi,slit.l'Illplíc;'li""s ¡,r IhcUle C);ebl'crlll~ric'I1'¡:hieóm~i-l),polhesis: Theórya;,ll E,'¡ucn-

cc",l,,,,,,,¡,j"U'''',',¡ntl i:rtU""I/,'.H6.1'J711:"I'.'J71.9117., ,',',' > :" .'. ' "
,I"J.IJ;ic_<cnhény: "ln211I1lc'('(IIl~ÜI;,;,iiól; l~c,l:lIitÍ~~ril1dT,j6irf";'plichlio'is:'Emp ¡"¡¡o,,or o/ AI,,¡:; 11..
1/"".\'rII. por).!"'l',I;/\. /vIclzlcr')' ni ro':, w.i,v. N,;rl~n:194R,54:HL, ," , ,

".(.
 " .. ,

." "

. ~
.. ' ..

. doli~c SCRR es la suma de cU:ldrndos delosfcsiduos(l!Jlenidos a pílrlir de, 1II1arc-

giesión de e,.
I sobre un:l consl:lnle )' e; (el Inoudó ••reslringido"): y sCf~,\ cs'la su-
l1Ia iJ~ CU:luradosde los residuosoblenidos apúlúde.unú Tcgrcsi(\'l aniricialde los ..
~
.rqiduos dcl.l)lOdeloreSlringido sobre)',. Vé:lsccI ProblCnl:ll 0.6; .'. .
PnrailuslTar eSlec¡Jso. liemos elegido hifotmaft(ncional de la ulilidad que da -:
lugar a un n\oLldolinel\l:S¡ri em!larg();Ui1Ode.íos¡¡specl~lsi\g;i'aLl¡\b'lcs d~ MGM es
que podríamos haber elcglLlouna forma run¿¡onaltle utilidad quc no (1foporcionase
un l1\odd~ lineal. MG M sirve.: Jllllia(isí/lliio/lllú.üúi\biél\
-.; .
pad'mpdclos .,. no 1¡I¡cales.
, .' ,".

10.7
LECTUI~AS

.'....,;'..'<"';:;':*!;~#fJaYW~f~~~I~.~;~~~~~;'~*J~;!~~'~~í~h~f~1.Wf:~~11:~!a~
se incluyen algunas consideraciones relativas: a scr'ics lemporales que aquí hcmos ig- .
nor:ldo: Da~idson. y M,ici<,il)n6nincluyeli bücn:ls disc'úsiolics soh;'clos conlraslcsde .
11;lusl1\:J1\y los cónlraslcs t1C~S'I)écificilciÓJ\,;' .' .
'.
"l.

, ~ "
'

' ,.','

,," :.,',. '

" ': . ~,',

PROllLEMAS
'. 'j:"

1 O. LLa sum;i' Jc dos '~ilrial;¡'c~ .iilJcpcndicl)lCStlliiformcs Jéfiliillas cnl~c (O. ti), posee llis- ..
La
" tribución'lr!ólnglllú' .. J.un\=ión(\(: dcnsiu~u dt; pt<ihal~i1iu¡l(\(\e cSI;\Jistrih~icióil ~ie"

';::¡;C ililJájl\ir';' :.'. . ~,'. {~'~':,~l

:~.'" .,~'s,r'~:.L'"., .
,. . f(x) = ~ 2 '." l' . : ' ,O , .:".'

. '. " .:'; ,> ,.' " .. :.= o, .:;~'. c'n"O;I~'Ocaso

.d.,'

, ..
, ; i' (n) .Dcl11~iSlril~{lite C~¡ll;íaaJee(l¡lua f~nciÓn"Jcde¡lsidad" !. ~,

(bf-¡l¡dla~,EIX'J,;; 1...• 1. ,.- ". '",.'

"
". (e). f:Ialr~J c 1,CSIimad.or,dc. O ppr,c I,ni~I(lJ9.dc ,I~~sPlOP1C!llos. ~';'\
.¡
.....
," ..• • .'. " .• , ',', ' ". '.0 •••• ''',' .
',f, ;
10.LcoilsiJcrcinos i:I 'nioddo'. ..'.... "
,',' .: •• 0 •••• ,y~o+JJ.\-.+'t. ;, .. , ·"
'dond.:'ycs' una\,'ari~b¡c iíldicau'or'ql;¡;IÓnia el ,;albr igllal al si d' pacicnlc dcja dc c.

.fumú'-); ()cntilsó'crill:lril'rio;'x'c~ .'umi \~ad¡;hl~iguaI a I sicl pacienle recibc trúla. ,~,

mierÍlO ~.igúnl'~'O si rc~ibc el piaccho, Dcmoslrnr:qu'cJj~I~:(i es igualalefccl() Irala- j

¡ .0 ~iCI\IO.d.;riljiJocriJaSc'c~iÓlí!OA,Calqilari;Je;ll¡ís «/'>1(.'0' . '.'

10.3._ Enla cé'u'a'ción.('! O,~4 '~~~IOSl;a( ;¡'~I~c¡c~;rl;; y:n~ J: 'il ~l'da 11Igilr¡~lIna;ari:lllza Jel
..':.'
eSlin;ador MG~1 mayor q~c Jav:lri¡inza':obicnid'¡¡ ~ljliza:)do ia 1!}¡I.lr.izóplirÍla[cCua~ ", ;.:.-

.• ción '(IO,J5)) (C'r1 cl'sclí\ldoqc (¡ucia Jirc'r~llcin e~pósiliva~I~'rillidi1), '

. .", ,.'". , .•1'" . .,.. '1'" ,," '.' .
.\ "
J -~
:> :.... ,' "'.'.

..
-1 . "

,.•
, " "
, l' •

.~,~n.,.~
j,' '-~)T.
",_': '.;'.' ,l.;"
 .,1):;
,r:,
. - , .... , '; ,Jo I

í~
.. .J

(".1'

~~;~!:x~'1ff¡~}/~~~IJ~t'~'~Xo~~;{~~;N~.":.';,.~:,;.)
'-'~'$~'~' .
I
(''"\

~~~~~
I

.'\

~~~~~~~ ('"
.1,

.l'.
!::~8888:;8
. ".;j'
' . , l' , ¡'

!::~8888888 .-,
, l" - .. l' , l' .

, j •••••••••.

!::~ 8 8 8.8:;
- ¡- ...
888
, l'. "1" '. ,

e5
~
!:: ~ 8 88 8 :; 8'8 8 88
. l' , •. -: 'I~ " ....
.~

.- ,

,:".;.;'
:i,

~
r ..
¡,",
",,'

396 ~I"TODOS DE EnJ~()~IETlli,\

.,.
!,'.1
10.4, DemOSlrar que ¡j~lt;~1=Ij~lct ..incluso en c;;so de heteroscedaslicidad cuando MC2E,
est;í exact;imcnle idcnlificado. . '. ,
,
10.5, DcnlUstrar que las e'cuaciones' (1 U,55), y. (1 0.(0) rr.op~)rcionan el mismo conlrasle.
1
'" I,jl
lU 1'.
.\J. I)CStllTO.11ar l'"a CCll.H.:IUI1 (1") .).(1) (l'I\1• a' N'úlese <Iue el 11l'Ohlen1<tconsiste en re,dizar
l. • ••

lvlC2E, pero ning.una de las variahles del lado derecho es endógena. Ello signifIca
que la rcg.rcsiún.lipica dc primer paso de X sobre Z da lug;lr a un v;dor pn:dlcho de
X quc es exaelamcnte igllal a ,\),, . '1.

lO.? Ctlllsidercmo~ la n)¡llriz de covari'ani.,ls, de lap;íginn anterior, de expericllcia ;tjusla-

da a los (,II/l/LoJ' a(1O a ;lIio ell ei logaritmo natural de il!gresos ,Inuales y hor,ls para
los ,lIios comprclldidos cnlre Il)(¡~)' 1,973 p;lr,) 1000 hombrcs bajo el mismo emp~c~a-
rio, El error eSI;índar de cad;¡ entrad? es aproximadamcille igual a 0,01. (1.;15 nllnus-
euhs indican'locarilmos nalUrales). Abowd )' Card del1lucstran que \Ina s~ncdl;¡ ,vcr-
siti:, dclmodeio-dc ofer';t d~ (rabajo Inter!'emporal implica la siguiellle relación enlre
el 10garilnH; n"lural ~khoras)' e1loghril;ilo n;¡tur;¡1 de sal;¡rios (ajuslados a la regre-
sión): 1

6";, ~=r¡61\'¡, + error _ . ..

doncJe " indic;¡ el tOl!.aril11l0 nalur<11 de horas n,tlur¡lIes trabajad;ls por cada IIHlivl-
duo i en'~1 periodo" ~!;, indica cllogaritmo natural del promedio de in~resos por ho-
ra y 'les un par;ím;;\ro17. CU;1I1do el descanso se considera C0ll10 u~ hlen normal. el
modclo predice que r¡ > n. Rcsulta útil ¡ndic;¡r que los ingresos equIvalen a I;¡s hor;¡s
l1Iultiplicotdas por los salarios)' así, para periodos \;Irgos.g = 1\' + ".
(11) Utilizar los e~l¡madores anteriores para generar un estim;¡dor de r¡ quc sea posi-
li\'o. . .• ". .
.~I '

(b) Ulilizar esos estimadores par;¡ gencr"r un estimador de r¡ que sea negalivo. ¿Có-.
mo se explica el resull;¡do cuando existe un error de dkulo?

....:...' , •.•¡ ,
(e) Consideremos

. ,,'
h o ri1ji
.•
' :;-
en ni "C 11.=5';
-~::;;":'.":t707~-:
. -~----~-.--.-.-
.." .... "';¡;;'h¡ ¡~"
el siguiente modelo. de "error dc medida", p;¡ra el logaritmo de
•• -:--.- ~~~",:,~.~,~.":,-_::-- ..,..---:- •••... ,-, -.. _. -.'7:",~~~7,-'~-,-

donde (;, se distrihóye cb'ilio'N(O, (r2/r)~¿Es co~sist.enlé con c1modelo la evid~~.

eia de 1;1m;\lriz dec~\'arian7.asdc ingresos y hOras que se adjúntú? i.Crimovenfl-
cario'!

\.:.1

\ .... '

11J, ,\I)(I\\'<IY O. ("r<C'IIlICrlC'nipor:ill."iior SIII'!,I)' ;11,;1 LOlll:'TcIIIl 'iClllplo)'IlICIlI(olll"lel,,", /I,!uricrril

,:."(,('1110111;<: !?l'\';(:w. 77: ¡t)07.50-líS:
,
'\..'
.,
 , ;
1"" l. '.', .,,¡
:,l'¡'j' ¡:
i t
. "\'
,. ::!
t
";'
. ,
'.1: t 1, ,
L: l' 1 , ,

,¡.:y
!

ti !
'1 \";.i l~ <.,
J ',. ,
,'.,1 " '-
CA I'ÍTUCOll,.,.,
!';'.
,'::','
.
".':"
'~. .! ",'. " .... '.",
1 ,
• ~ , ,r;

::~~:t~~.~i;¡~::~;,;,'::~lL:.l~;~,¡'''~=-
.. 'r','

:,~u>J,a~':LJ.\Í;L •.. ,.l'; )~~"'~, A. ''';''" ••

~}
';'fI'
, ~ ',:, ' T "~ 1 l.,. \ '¡..:~:.!~,',' '¡ . 1 • ~ " •

. í"
.r
'::.. Un Slnorgaspor'~:V9é Métogós :'i
..
'.'¡'
:i: Intensivos .de' CálQ:uI6" ' \ "."!.'
I

,',
,", '":,' •
J;
.)
1

.;'1:
. :~~'
:¡ 'i .,' : h J t, :": .tl" 't ! { :

''l. I ,
"Y,
t'.1
.¡:
"1"'

~ 1".,
";~:.):1¡.1.;~~¡,"~';~\'1
• t l'. l' ~.. "
j'\;-j

r
" f . ,~, , ¡ \'

;~:. ' ,i .• ;¡.

',1 I
. "'1 ",,\' ... ;1 'l., i ,. .; " . i' ",o' '.; "1
':í: . , 1 •. '.'.
1

~:"
"h :l;~ '", .'1. '1!Hi, 'lr~,,: t ~~1:\1'!':;
~ '
.t_/' r:;
" - .
!~' ."~ ';J
'¡'l,i'* ~ >¡\/"""~~"_' ,:ti' '¡I~~~¡; ~,' j,- '," "'\' ¡_'~¡
"1,,, F, .. ,,.'¡i.r:I<'i'Ir!;,,,:.'¡' .,:. ¡.'l'; ';'.,J'" ,l,!
.".1'; ,.,";; ';""':1" '!,¡¡;'.\~: ,:,.',- j..j,! ;l.!.:.. ~_;>:,( l';;! ',.. ~' .. '1

E,i el I:'¡~~~enlc'ca pi! u IC;\¡;la\1\i~~,.1,i;clno~~r~~~m'~,n

I"'.! '1 ", '. '.-,:\ '.' ,1."
'.
1:~",~lg~;~~~n;il'~cios cc~n'o,~:é 1~ie'o~
"".,
' ' " . 1', '. ',', ! •

degrnn pop~,laridad debido 'n los gl:nndcs avances le~nológicbs: l11élodo~ de Monle
.. " .. ,.,', i~ \', >:.,. ..",-1, •.•. ~ ,~ ,,! ~':"', '1 ,.ji ., ".~ •• ,J •

Cario, conlrasles de permulnc,on y aproxIOH,eló,nalenlona, bootslrapplpg. eSllOl;)-

ción de densidat!llo 1);HaíÚéliic~i re~rcSión no pai-nrllétri~a.' '" " ~.. í T
• 1 ¡ 1;' .1"
; .'~ I ,> ,t
. 1,'

•I "! ! I '\ 1" 1 ' ."; . ; ~ .' ,_,~ i ":

11.1 '.'
<

INTRÓDUCCIÓN'A .
Los MÉTODOS
..: '.' ':
tmM6NrE:CARLO
." ". , '

Considerare~l1os en pri,il~~lugnr ,los mélodos de MOllle Cnrlo. El objeló de i~.

(erés suele scr u,i eslimador o u;, cOlllr~steesladislicbcon propiedades desconoci-
-;7':r:~~.?.I'
:.,..•.~~~,~}~!~~ fi.~!.~~~.~~,i~;r.~:a~2.g~I.\\~':~~-:lg}-9S,;F,#P:~~;~~.,tJ,y:'WW~c,g
..,.~'i,de,s\.Js'p.rop,ed¡¡dcs'llslnl()(¡cHs). Puede 'Ihleresarnos'eñtender, por eJe~plo.cómo se
.. ' .. comporla eleslimador MC1E~'é,i ¡apriÍcliea ••..El próble!1Ja resid,e a rileriudoen sa-
ber ~i ¡as propicdades .;\SinIÓlieas conocidas de ¿¡eriéd~slím;¡dor conslilllycn':ln¡¡
, . gui:r ¡Hil para descubrir I;¡s propiedaues(desconoc1das) clc diChóeS!imador'én
1
muesiras r¡nií;¡s~ Au~qlle exislen c,if~lques nrialílicos'.que eSluclianlil dislribución de
los eSli;il¡l(Jorcs el1 i)ll\eSlras Ji'nÍ(as;' súclc ser- ,rilás 'sehtillorealiiaréxperiinenlos de
Monlc:Cn'r1o.:::Dc hecl1o;',cÚnriclÓ, ros,recúrso~ .inf()rmáli<;Qsdel :in;csligndor superan
;" . 'susreci.lr~os:'mcnl';ilcs;; ~~iC"S~dtc~i1)h~ápor','~~'¡iZnr\lrl esúidio de MonleCarl~, ,
. . .Dcform<ll1lllygCi\eial;.iin eXIJ6(Íli,c'ntode MontcCariciconsla de' las siguien:
. ,"",. . . •. ','.
les CI,lP,IS:

'.. ".' .' .' • f • ~:;. ! '. '.~.

J. EspecifiC;¡r comple!amcIlIC.¡1O modelo "vcrdadero".Pot ejemplo. si el. modelo

vcrdadcl'O,cs cllll.oticlo l¡ílCal:csliÍl;dar. <;Slc' héchó.implica especificar la dislri.
bUcí(mlJcll¿rílijliod~~rror; 'iris varinblc~' expli~a'liya's.16~ coeficientes yellama-
',io cJe.Jn mllcSlr,i.. .' . '.
 J9S'.,. ~itIOUó~ Ll¿ ECO;'¡O~IEml;\ . . . •.
•• I.~ •

2. bcnerar UI; conjunto 'de datosutilizalH.1oJicho inoJ~lovcrdatkro.. '.

3. tal~~lar eiconlraste estadislicoocstimad?r(i~e ~wtsie:'H.J¡j ~\';¡Iuado a partir '.'
l'~

'de la mue~tra generada artificialmente)' almacen;¡rlo's rcsullados, ... '.. ..'

4, Repetir 'muchas veces los pasos 2 }' 3. To~onuevoconjunlü de dalos g~n~rauo \ ,
J.

", ~ecibirá el nombre de replié(/ciqn.lVl:\s ildelantediscllliremoscu¡Ínlas veces son

- - • ,",o • ", _. .' • • ~ '. ", •

"muchas" veces. . ..' .' .

5. E~ahjar el comportnmicnlodelestimnuoro CÓIl qué frecuenciacl contra~le ~s- .
tádístico rechaza oacepla el modclp~'."erdaueto"en el cillljunlo uc replicaclo-
"né's.' .. .;
,

':,.ti, Olr<lS pnlabr:is, setecomienda renlizar el eXI)crimentoen aquellas situacio-

nes en las que sé descClI1ocen'las propiedades de llll cstimador o ue un contraste es-
. '. pci:í(fco.ineslnscircunsiallci,as,s<:s~!nCleal,?Sli'i~a'dor aun~ í\mpliavariedad de .•.........'
;¿""~':;'Q(fft~fii'¡:ó'nes'"dis¡in láS'{hiücs~tt~s~shl.lula{.lt\s'diSl~i1ta.s)"y,1 tic g:o.:se .'¡¡va'¡ úíi ..su"cOI11PO rl.a.':. ,~. ;. i~\:,.
miénio.' . '. . " .... . ." . '"" ..
. 'Noiexislén~egl¡j~ ~sÍticins'qúe definan (Iuées iaque !lnce: (Iue. elexpcrimenlo
tleMonie Cnrlo 'resú\(etán util. :úJnqucsugerireil1bs nhorn!=ierla~ normns, .MUchas
vece's;lo quesimplemenle busca'el investigadores dcmostrnr qu~algoes "posible",
'1< ESlo's'son 'algunbs'ejernplo.sde problernnsestudiados median le el. mélotlo de .
MoillC Cado: . ',.
t ~ '. :i .' ..
I;Elco01p~rta:mi~nlo de, MC2E cuand~1;1 váriabkinslrumenta\ s;llisfa.ce ,\ns con- .' .
,.tliCiones necesarias deorlogbnalidnd perono:est:\, a.hamei1le correlnclOnada con.
\nv¡(riabloclÍdógen¡¡I.' .. . ' ... " .... ' ,
2. -El' cort1(1oriámienlo dclos. c6nlraslcs.dc.,i:xisl~llci:r,de '.r¡¡íces Unil¡¡ria~en mues:
,\ras-finitas1;::' ,: .;.•.••...... :'" ' ,:' : >':"~, . ',,:<.' '"." ::,. ". '.
3: ella'ndo se cdnsiciernia :l:'stim:ú:i~nde ,üll'iliód<;lo ~e c,?,iiipóJlcl)tes del error bn~ "r.
Li .•..

'

'sado en' (Jnlós ~le p'anel(discptidoc"',;eIC~p.rtlllo12) rlosJíltos ?c,p,:ine!.no CS~

• iánequilior¡\<Josd sa~, iúcompléios, Seesludia la pérdIda de; enclel~cla ~~In() re ..
su I¡¡j(jo de In aplicaciÓÍ1 de 'los' tradidoilíllesillé.lo~o:i en 'lilUestr¡¡S equlli.hrnd~s
'en elsubpanel qu'e :esiác'orilplelo(~s<decir. e~lel pnncl qu~ resu!t¡¡ de excltnr
:nquello~individuos.de quicnesn'6se4isppnede,up c,Qnjun,t~cOr!1pleIO dcobscr~ .'.
.¡
vnciones) respeclo aJaulilizadón.dc rpétodos'mas con~pleJos para .casQs de da-
loS no'equilibrndosJ"" . .

..
,. ;..
'

t C. Ne'1s6ny,R.' SÚim.:'~'Th~biS't;¡¡\.ulion ,~(Jli~ ín;lrulllcnial V'lIrj¡!lllc~:Eslim;"ur ',in" ¡IST'.ll,illu", JiJ/I~.

1II,lofD/lsi/ltu,63,i'J90.St'25:S140: '. '. ;'~':' )" . .:::,. , .. ' ... ' ". .'
2 b Rudcbusch ~Thc'U¡lc~rláin.UniIRooi in GNp'''lIil~':íctllI:('(m","kU~I!~'''. KJ.l~n, 264-272.,. •• t.

'3L:: 'Mályás y .~.

Lovri~~>~Ús~ing.ob~ervati~n~,and rancio Dilf~-,i.M(\~IC, Cail,,¡\nillysis",nlJ'~IJ,l/Iic
i..~;f~;S,
37, 1991.~'J.:4<.." .
"
< ' ,.' '. ¡
';':: . cf .,' '

i j .• ," '.:l'.' '"'\ ,"

. .-. ~
~.í . '.
.~1~~
~
!,',
~' '. "
. ,
¡',
 .1')') -- .~
¡,';I

:'J

11. 1.1 Una Guía para Realizar ExperiIl1cnlosdc Monte Cario

,"
I
, ~,,
Anles de conlinuar con los mccnnismosdelos experimelllos tle;Vlonlc.C:lI'lo. consi:
tler'arcnHls cicrtas normas de ulilidad, Igual quesi de un expcrimcnlo tle lahoralo- ;,} '"
rio se lralara, un bueli expcrimenlo de Monic Carla debe g.ozar tle las siguientes ca-
racle rís'licas.:
1, Econ(linico y f¡ícil de coíllprendéL
2. I~elevan\e_ parn comprender problcmas basauos en dalus reaks.
:l. Debe permilir calcular la influencia dc lodos Io'sfaclorés relevantes.
'1. . Suficienlemenlc preciso par¡i los problemas habituales, .
La norma 1 arirmaquelos resullados de Monte (¡irlll dcb~ríali.scr f;ícilm~nle n I

. clllllrrensibles, Scgún Hendry: ' .. .

. - . \. .

,.....
<../. Ciíantlo de lo que Shral¡i esdc:i;iicj-'p~í:ci¡¡r'-I¡i~i:idc¡iC¡i;"c'i1Íri;'¡c;:fa;'cc~i;~'i;l~I',ia'
lelÍrica licntlc a n:qllerir-fori1ll11as gcneralcs, aunque scncillas ..él"C ~ean f¡íciks úe
'comprender y reconiar. nunca cnormes'tabulaciones de~rí.:sultaJ(ls ¡m-pr'cc;sos qut:
son espcdficos de algo tlesconocido:l.

ESlO significa a menudo que debemos considerar con detalle tanlo el diseiio del ex-
perimenlo como la presentación de los resullados. Hendry y Dí'vidson '! MacKin.
'non5 tliSClúcíl el llamado enfoque de ¡ús slIpi!rflcie.\' de rÓ/Jllcs/11. El conccpto. b¡ísico
esque c!¡\I1álísis de regresión de los resu\wdos d<; Montc Cario suele ulilizarse pnra
résulllirdichos resullados dc formn sencillil, Una'. Car¡¡Clcríslica alraclivadcl enro-
que reside en el hecho de (Ipe es posible verifie¡¡r lo adecundo de In forma sencilla
clcgida.ge'neraÍ1do más:contrasles. En lam~yoría de IQs,,~asos, el formalo elegido
son' histogramas y labias. '. . .'. .
. La norma 2 es evi¿lelil~. aunque a veces diricil de conseg.uir. .1am;\s PUC(1e es-
tarse seguro de que iOSfCsli'llados obtenidos son relevantes cuando las condiciones
experimentales a las que se ;enfrenta el'estimador en un e'sludio de 1vlonle Cario no
se dan Ilupca en el "mllIldó renl", Nalurillment.e. el inundo real es complejo y en ¡Jo-
cas ocasiones el mundo d<r Monte Cario ~e's~dta ser su copia exacla. ¡\ menudo exi,-
'te 111101 contradicción er1lfe generalidad y compre'nsión: En otras pídabri,s. cuando
. los resultados analíticos: solamenté pucde'n establecérse en casos esjlcciales. enton.
ccs el mélodo de MOnll: Cario pucde resullar' n~¡\s general. T¡lIlíhién es posihle en
ocasiones utilizar datos verd¡ideros para dlseiiar el experin1crolo.' ..
I~
La norma 3 se relaci(lIla con la2. El rendimi;enlo 'dc' un eSlimador depende a

4 D~.I:lcndry: "Monte Carl" EX(lcrilllcntalinn in 'r;~onnlllclri~s';:. II~",¡/I.j",k "f /:'WII"'}Il';rin. V,,1. ~. Z.

"riticiles 'and rv\. D.lnlrilli¡:alor. EI~cvier~'I')X~. 'JH:'" ., . ...
5 It DavidsonyJ. MacKi;lnon, "h~~rcssion.l;ascd f\.lclh"dsfllr [Jsin!! Cll;llllll V;rialesin ¡"'lllnle,C.:1I11l
EX(lcrilllellls", }III"'IIII "fLClj¡i",j¡drirs, 54,'1 '.J'J2;2lJ).222.. .. .

~~ft'
 ~()O

m.:nudo de v<lrios faclores. En el si'guicnlc'cjemplo; él scsgo del cslimador MC2E,

dep.:nded. cnlre olr<lS cosas. de la c<llid<lddel'inslrumcnlo (de hasta 'qué punlo se
correlaciona la variahk in'slrum.:nlal con el regresnr endógeno dell<ldo der~cho) y
dd 1¡II11aCHl d.:l" n1\h.:Slra. En esle .:aso. resuli'aría ue gr,in utiliuad que nueslro ex-
p.:rimen\o d.: 1"lon\e Carlo nos ayudara a juzg;lI' cu;íl es el efecto en el sesgo.de
j\lC2E. \anlo del lanwiio de la muestra como la correlación del instrumento con el
re~r.:sor endógeno.
- La norma <l reconoce que la precisiónde los resultados depende del número de
"r.:plicaciones" que. se realicen en SI e~perimento. Evidentemenle, una sol~ replíc<l-
• j,'
ción no es sufiei.:nle. \' mejor muchas replicaciones que pocas. n.esulla \;II\1bién 'po-
sible uliliz;lr lécnicas ~Ie reducción de \'ariall~<I que minimic~n el nlllliero de replica-
ciones neces<lrias p<lra conseguir cierto nivcl de precisión. Hendr)' discute el tem<l.
lIuslrare'mos en hreve.conlln sencillo ejet,llJiI~).cómo t!l.:lerminar el númeroneccsa.
rio de replicacion.:s. " " "
Las cu~\ro nOl'n;<ls son simples sugcrenci<ls. El diseiio definilivo del exper'im'cn-
lO depender;i h¡isicamenle de la natura1cza de la pregunla en cllcSli6n.
, ,'. "

11.1.2 Ejemplo

Hall scilaló que cuando el ingreso futuro cs incicrto y las preferenci;ls de los agentes
,.>-'" cconómicosson indC¡lendien\es' L1clliempo. la maximización de la uliliLlad esperada
implica el~igllienlc comportamiento en el tiempo del consumo agregado. C,:
, (1 + 5) .', (11.1)
U (C,+ 1) =--- U (C,) + E,+ I
(J + r) " ,

. donde
ó= l<lsa de preferenci<l lcmporal
" r ,;,'\ ibÓ~¿je;~1tcl'ésre;i)(CÓn$I,úíTC)-~:7--C7:-7--':""""~-"-::-:-:----'--~~""''':7'C'''':-:;;
.~I

E,+ i = lérmino de erro¡~ nocorrelacio;lado con C, (, . ' '

" Nelson )' SlarlZ Ulilizan métodos de Monle Cario para investig;H los problcl1l;ls ,
que üparecen cuando se eslimaun modelo dees\elipú, Consideran el caso en el
que la u\ilidatlmar~il1al sc'cxpres<1 median le UI1<1fon;1a Cll"dr,itica. Suponiendo que
¡) = F. c1modclo se Iransform<1 en
, e,'+ 1. + ¡lC;+ 1= e, + JJC; + E, +.1 ( 11.2)
22 " ( 11.3)
C,+ 1- e, = -¡l(C,+ ,- C,) + E,+ I

donde f3 es el par<'lmclro qlle refleja las preferencias, Ne\son y SI;\rIZ sugil:,'cn que la
eSlilll<1ción MCO del moddo es problem;ilic;'í porque la "ariable independiente
, ..
'- .
(, le 11,,11. "SlochaSlic II11l'licaIilll1Soflhe
.
Lik:Cyclé -l'erll1al1CI1I II1(\lille Ily¡,,'lhesis: The"'Y:lnd Evi,lcl1'
ce ""j"'Ir"."/ uf I',,/i,ie,,/ Enll".II;',I'. lló: 197~. \).71.\)~7, . . ' . .'
,1

"-,
 \ ,

. . , '\,i . .J•. ~
""- .
(',\I'¡TULO'I': UnS,il(irgasborduc MCIOUOS lnicn~ivos de C:\lculo 401 "
. I - . . ,',. , •.' l' : I . 1::, ,~ . 1"' ;, ": i':' ,. . ~ ,'. ;~ :;,; . t

(e; + 1 - C~) y c1lél'mií;?'tj~errortie~~ne~~,po¡,'e:nl~s"~'o!;';IU,nes: Ensay¡¡ron con ¡ün

procedimicnlo de vari¡¡hlé Í1!SlI'Ume!l.l,al,ulilizando C;'~ t;_'I como v¡¡rinble insl~u-
l111:nlal. , .. I~' , ' "',' 1,'
o '. ." • i' '. ,"~; "t / ' ., •. " •
SupUl~g:'!llosahllraqu~~1 m{)()elo ve~~adcrovie,ne:d<ldo,PorjJ =0. J=:SIOes, el
consulllo SI¡!.UlZlInpaseo alealorio ..: L¡\ sigúiel1te e~pai:ióli, uescribc eli);Hrónde serie
temporal del C!J~1S~lm() ell<llldo ,:,:'0:: " n
. ", . ' .
C'+I=C,+.E>;; ,', (1).4)
rar;, veriricar si
el consumó sigue'lInpnscoa1calo;'io o un proceso ¡¡llern;¡livo~
utilizaremos laccuaciól\ (1I.Jr~;;rrl rC:llizarun cOillmsle (deleslimadorMC2E de
'fJ.' Norm:llmei,ic. el eSliJiindof,Mc2E'Ji:'f3, e~' consisle~l'e: Surg~n, sin emb~rgci,'dos
pregulll;lS: (i) Si la leoría a~illtólica eslándar d ¡¡plic~ble a este caso. ¿cuánto se
aproxima 'la~.listribi.lciÚi1 nsi\\lóti2¡¡ a la d¡s,t¡-¡bución~~,jliuest~as finil¡¡sde,/J,.,ót/l;
(ii) Cllillldo ~)iíjo la hípolcsis Ilula apal'cee' enlre;los d¡¡ll;>S,una'raíz unilnrin, ¿resui-
t¡¡n aUc,éu<ldoslos nrgunlell'los cbnve~ciot\ales? ESlo'.e~J¿es posible que íos resulta.
dos <lsin(6Iieos. q'¡I(': n()tlú;íhncnICe(ln'sidel:':Hí;1I1iOS'.P;'l!'~ 'MC2E, proporcionen' una
guía lltil para la illfCÍ'ellcia ,en l1lucslr¡ts'fiiütns que, soni,fm; que, de !~ech~,' cl~~On~lr¡¡.
I1lOS'! Inclusu ;\dl1li\iCI)do que lo!; resultad?s <lsinIÓli~d(~Slánd~r son unn gU[:lutil.
¿que pasaría Cll Iluestro ejemplo, en el que ,el proolerr1., de raíces unil~rias'dificLJlln
el t1esarrol1ode los resullados asihlólitos? ',Lt "
Los elifoqltes analíticos quccal'ilcterizall' la dislrioución en mueslr';s finila;' del
eslinúldor MC2E tic JI en e11l1Odelo deseritden I<lsecuneiones(11.2) y O 1.3) resul-
tan complejos. Por clloelc:\perimento de Monle Cnrlo', s~ eo~vi~rteen un c<lndida-
tu idcal.¿Cómo hacerlo?' , ,,' ' .
l.' Genera'r,
• •
por ej~l1lplo. 1'20 E a partir
'
deu¡'a'distribución
.11
norll1ai con varianza
.
unltann. Este nlÍmcro e~ susceptible de ser modifi~;¡do con poslerioridndr ,(120
represenla 1;, t1l11'<lciónde una serie lemporallrimcslrallípica) .
" 2. Medianle In ccuaciÓli (1 1,4), gel~erar UIlC", ¡',' , •• .~
',l,
;''''':~1':,~~;n;:-.-:;1.~t7{;~~i;~~i~:t;;~~r.~:;¡tcn'~~&;;"J+!;l;)~ü;I~?;i9.~~~~:R
'.
'4. Mostrar)' ;'l1111ó1eCllar lacslimaciÓ,'l def3:y s:nr<l'zó~i/ "
5. I'l.epelir l1luchas \'Gtéslo~ P¡¡SOS1"1;1 O.OOOveees~ porej'el11pIO ..
(¡.. AIl,di,,<lrlos resultados ' ' ..
LaFiguralLI ,mueslra lIn progr~llin tIe ínüGslraext~~fdO de SiATA 7. El programa
es muy,directo)' ser" la. base de las discusiones ncerca.,diversos aspectos práclicos de
la s\l11ulacióllde MonlcCarloll. ' , .

7E! código uc,'c:ilculo. el resullauo rin"ly los resultados numéricos del presente capilulo y los siguienlcs se
oh~ienen a pani'r"e STA '1' /\.. aplicacióninrorOl;ilica disponible para ui\'crsos orucnadore~ l' sistemas ope .
. rall\'OS "e STAT/\. C"'por;,Iion.,Colicge $1:,Iion. Túa,. ' , .
, 8 NlÍle~e "fue la I'ig, I L rilO i'l¡cnla,~er UI" cjemplo'de '¡In I"ogramn bien escri'lb,' No loes: E~ EVieivs
'. '1'$1'. Rals.~~S:ST ¡\T~.c.i,c",e~: f:icilprn¡:raOl:"r'dc ,~,~nCt~ Ol:ísC?;"pacl •. ESlepro¡:,ama ¡iénc jusliri"c.:
Clón 5610 ucs~,; ~m puulo,c!e, ~i'la.r~u~gói:iw: .. , .' ',. . ' . , ,
'.: .. " ,.".:'

'. ,.. ,:',

J
 402 ~ltOTODOS DE ECO¡':O~IETIlI •••
"

progrAm deline hall

verolon );1
lOt JIlOre1
QUhtly .macro def1ne _ll
lOt lOed 1001. "Choose.e numbú'. 'to begin'"
.- '~th~ rsndóllln.;w,er.treAlll"
wh11e , 1i<a 10000 .¡'Yor 1. le •.itli~n. or eQUal to 10,000"
(QUletly( . "Dothe lol19win9 lOOP"
sot obe. 123 ' . " '.S ••.••
Ple.1%8 .. a11)" .
gen eainvnorm(un1lorm()) "Gene~üe~rrorfrollllltend8'rd n0I"lll41" .
replace eaO 1i _naal ..[,lrllterror a'.O; 1
1.'.Let
.gen ealOO,.um(e) ..j'G~nerate.c(t)"

.'. .... .. Note:. e '= 100 + ¿:~a;t E' . .

:~",
,~•.~~:L'i['.~:J",~,'.:.~;.~
'.~~~';~_1~;~:"",~>.).;:':~i:f...
jj) .•.• ~.•/::~~~0.,-;~ij-".~"';~(~::"'" .l~ _';:1::_;..:~'. ::;,'; .. ::::~:j~\-'
i¡.~4t';:>-:': ..\~:~~'~l',;~,,~~:'~<¡';~A~;'~J~Z~~:.:
....
~~,~~.).~~.~,~
~.:: ::.•.~~,,~'::"::-.~'\""''"~"}:":.'. .::"J "./,:" '.

gen eiael_o-1J "Genorate lagged e(t)"

gen y-e-cl . "Oenerate depende~~ v~riabls'"
gen xa~e'2)-(el'2) "O.nerate 1ndependent v~r1able",
g~o .z.xl_o-l) ,'een.rete 10átrumentJl vari.ble""
reg y x (1) " j'Ruo isl:.s',
} '"
di.piey' ~¡;i~) ...;b(l~I''':8e(x) .:.')"Dlopi.'~y b'eto,o,nd t-rst10'j
.cl•••
o,.r . "Clúr 'do,to,.
oet"
. .
¡'IncrOlllent 1 o,od .to,rt loop og0,1n',

FIGUHA 11.)
I'rv~r:\ma ,oc n\UO;Slril

' .. .'t, " ~

... " ... ,1.::, .•.
.,

1
. .'
(o:lo~
i,l:3G'é'!'\c;'adÓri dcN "¿11Jérod~~cud~Llca".
. . , ; ~,
•..
" "

Un "specto '¡)ásico d'c'cúalquic;~rog;"";'l¡; dcM~nlc C,irll; c~la geller;;cilín de nú,

mcro~ alealorios. . E'n el pro'gr¡Hr~"dcl.l)uCSlra
. .. ~ -.. : ' (Eig.ll.1)
: . . ~..,-
1.•!lín<:~lc~
' . '.
'.
. , .. ,,' - t ' .. ,

gen e '" Invn.orm(unlform())

El pro~esOCOnSI¡{ de.dQs.ctapils.La prim'craconsiste en gcneri\i'un número ""Iea-

torio" a partir de la distribución ün'¡[onnc.cn.(O,I). L,; segunda, en transformar esla
variablc uniforme en' una . v~riablc no'rmal estándar 'mcdiantcla inversa dc la Jun.
ción dC
distrib~ciÓ~.normaí Í1cun;ulada. El. proc.csb de transformación dc una va;'ia- ,~
....
..
blc unifornleen lll,uvariable, n'órma'\'rccibc'cl' hombre dc n,éioelO dc Imi,s!orn,ú- . '.~
:;j
ciÓt!. L:l idea es que c;,h/qllierf~n~ión dcdist~ibuciói;'á¿~mulad~\ Origina un númcro '~:,'..
comprcndido en e1.intervalb (0,1 )'.;Sabi~l~d~ c6pwgcné;'ar un . ~ariablc ~Riformc, .
obt.cndremosuna Variabl.ea parlir de.la dcnsidad [utilizúndo a il\versade la fun-
! .: ,', .
~r.
j¡¡i,:'
.,
 (,AI'¡TIII.O 11: Un Slllorgilshoru ue I\it:'odos 11I!L'lIsil'os ue (¡íleulo ,~
.,! ,J

t:ión de distribución norlllal at:ulllulaela a~ociada a dit:ha densidad, ST ATA. como

casi lodos los programas inform¡ílicos, 'i)O~cc una fui'ción para la .normal' cSliínelar.
acumulada (media (J, varianza 1)'. La ecuación que go:n.:rauna variahk normal y
,'~
t:On media 1/ y varianza 112 a partir de una varianle.normal t:sl,ínllar x, es

y = p.+ X . Ir (11..1 )
I~
l'

donde x cs la vari:lble gcnt:rada a p:lrlir de la densidad unirorme cSI¡índar. Cuando

I~
en STATA dcsccmost:rear una variable dcme'dia :\ y varianza .1. util'izamust:1 si.
guiente cOmando:
gen e_all = 3 + (sqtl(4) Invnorm(unlform()))

Para crear una v:lriablc uniforme (a¡ /1) parti,enelo de una variahle un¡l'lirmc
,.{lL.I.)•.nccc.siliu:enlOSuJl a..tra Ilsf{)f1naci (¡nsillli lar;"I;I.c.nfo(IUC 'es.c,~ 1e nsi blc.ul. i::¡Ú;,(,);',j'n': '.
que el invesligador desee crear un cd.njunto dc variabl~s normales corre'lacionad,ls
en(rc ellas de un mudo prcviamel~tc espct:iricado. .
¡,Cómo sed I¡\ variable uniforme generada en primcr lugar? Exislcn div~rsas ; ~\.

maneras dc genernr una.v:lriable U(O,I). El primer delalle importanle a rcconoct:r

es que súlo podliÍn generarse números pseudoillcalori.os. Esto eS.. generaremos sc,
ries de ,'u'imcros que sc com[1orlan como si ~Ie números akalorios se .Iralara, aunquc
son complclilmcnlc llelcrminíslicos. Esta caractcríslica cs' dc gran utilidad. Se espe-
.'
,~

ror, pi)r ejemplo: poder rcplit:ar cl trabajo rcalizauo. En cse t:aSll. sería úlil ClllHlccr
cxaclamentel:i cadena de números pscudoarealorios uliliz.ada. .
. Un método muy popul"r úe generaciÓn de nllnlcro~ pscudoalc"lorios es cIlla.
.n)adoJllélr)(/o ccmgru('JI(:;al. Par',,'"i1ust""r1o,.qmsidcrarenlOs el ejemplo de un genc.
rador congrucncia!. La siguiente ecuación. <icUi);I ~I ccnlro de dicho generador:

H." + 1= 69069.l?',,'(I.nod 232) . ( l I.(¡)

dont!e' 232 cs clmúdu/o )'1'01noi¡ició~'s¡gnifj~" ql;e lomamos lac¡inlidad quc le' pre'
cedc. la dividimos por c1ml'ldulo )'lonl<\m()s.el n:slo,.]'(ldo iniemlno de la serie t:s
un númcro cOlilprcnúido L:nln: () y 2.12. El númcro (¡l)ll(ll) es cIlJlltlti(iliclftl(}l'. La clce.
dlll\ del .multiplicador es sllIilamente importante .. Una Illala ekcciÓll lendriÍt:onlO
consecucncia propiedades iú) descadas. Pal'a iniciar el proceso. cl usuario. ciL:her¡'¡
especificar, para el valor inicial.Ro, un vnlor seJllilla.En IHlL'slrnejel11plo. la progra.
lllilt:iún de la siguiente línea.

sel seetl 1001 /.' Choose' a number lo bc.gin'¡

.r-
,-
¡'lhe tandom numbe( stream'¡ t.;

esPCCiJiCil COl11oscl11illael valor 1001. Podríamos elegir ~ll1as.:milla aleatoria en rUI\-

ción, por ejemplo, del licmpo horario, Sin eli,hnrgo. cuancio la semilla se elige pt:r.
SOnalll1entc, rcsulla posilile: rC[1licar cxnclaincille un cstudio ele ivlonle CIrio eli,
giendo la 'mi:snia sci'nillil. .
.r
I.~

t~
 Cu~ndo sc utilice este método; I~ semilla inici¡¡1 sed un nlll11cro gr;"lde, impar
il y positivo. Un elemcnlo tle la serie U se transrorm<l, rol' división, en un número en-
lrc () y l. por ejemplo.
R ,,+,
x,,+1 =V ( 11.7)

dU11lk x es c1nú¡;lerual.:;úurio tlese;ldo. Uno' de los aSlieclos más deslaéahles tI.: 'un
I!cnerador dc nLÍilleros¡¡lé<ltorios eS su periodicidad. Todo'gcnerador tle ndnkr'os
;dcillorios se repite t\'entuillmenlc: ú¡¡ bltcn'gelier¡¡dor dé nllmeros aleillorios dcb(::
ria prolong;lrsc duranlc un periodo IOlll;ís extenso posible. ElmlÍdulo imponc 'a la
I)eriodicidatl su limilc supcrior: por consiguicnte, se inlentar;í que se;1 lo m;Í$ grandc
posible. Es frccuenle increment;¡r I¡¡ periodicidad éombinando inleligenlemcnle dio,
Jáeliles c;¡c1en¡¡s de nLÍmeros ¡'¡Iealorios, 1'0r:sucrtc, cl investigador '110csl;í ublig;¡dü
a rl1rmUlar su propio g.enerador de !lllllleros aleatorios, aunque si que dcbcr;í aseg.u-
r,lrse tle que el clcgido tenga una calidad acept;¡ble. Cu;¡ndo se sospeche que existe
,I!gún problema. cl g.clh:r;ldor sc ,icriric'ar;í illedianlé el cuntrasle cSladístico april'
pi<ldo.
El reslo del prognllila es evidente. Una vez creado el conjunto de cpsilones E,
g.ener;¡remos 'un;¡ serie pam e, y su rel;¡rdo. Las variables dependiente e indepen-
tlicnte sOli simples funciones dc esas dos variables y crearemos el instrlll'llenll1 a
partir del relardo de la va~'iable independiente.

11.1.4 l'rescn{ncicín de Resultados

UilO dc los aspectos más complejos tle cualquier esludio de Monle e;¡rlo es la rre-
senlación de resultados, El problema. sin cmbargo, no.diriere cn gran m;lI1era tlel
q uc p 1I eUj.SD i'gi l' en .éll1í 1i:¡Uici' 'csl'UdlO"'Ci)íji"ífico;-C'sc'lfi:I¡;-'r-;'l?,HC"OI'lü'TCt)W¡Vcii';lIó'" ::.
.•.... quier;l., LiSIamos a conlinuación alg'unosde lus métodos utilizados:
'.,1

1, T;¡blas'con csl~dísli'cos' dc resumen dclos aspectos dc inlerés.

'J Histograma o cSlim,ldores tI<.:densidau kCI'I1é1 (que dcs;lrroll;lrem\ls en el pre-
senle ClpíIUlli),' , " .
3, Superricies dc respuesta. Este método se. sirye dekcniclsde regresi(~n para re.
\ ...
sumir la sensibilidad de los resultados. respecto a l(lS par;imelros deinlerés. J\ ¿Ii.
krcncia dc los casos eO;l\'ellcional'cs quena son esludios de Monlc Cario, sc
realiY.ar,ín lil¡IS ~;pcri.Jl1eillÚS (liando ~cdcscubra f;l!la de \';lI:i;lcilÍn en los pad.
~.:..,
. ..
metros de inlerés. No líos exlendercmosm,ís por ahora cn cuanto a 1;ISsuperri-
cies de respucsla,T,lnlo llcndrycomo D;I\'itlso'il)' ,lvlacKillnon rresentan interc-
santes discusioncs' al respeclo.' . .

Recordemos q~e: cn nlics!1'O ejemplo, .I'tihí(/l/1().I' que IJ era igual a o: La' preguil-
1;1enl()I1ces es la s.iguicnle.
~ si JI. = O; ¡.con qué rreeucnci,1 rl:cha'l.arernos la hipólesis.
','

'\.;.
 : 1.

t ..
: l. "

¡ ; (,,\I'l'n,~.i'l"U'i Sm'orgasbord de" Método:s 1.;icnsivos d~ Cálculo 405

11
. ~'
! " •

.
',. ,:-'

. ,
•• • I j"'.

,¡ nula en presencia de niveles de si~nific;¡ció'l conv~nciohal~s7l;¡ ú~ica forma de 'dar

algun;¡ luz n esla y olra~ 'rrJgun\aS pürccldas consiste en ,I~bular losesladíslicos p;¡ra
4
! las estimaciones dé Monle enrio" La Tilbla'l 1.1 presenta vadQs 'csl~dís(icos de rQs~
men uc nucstra simulaci()n tle Monte: enrio. O;\doquc losobjelos de nuestro a~óli-
sis'c;¡reeel1 tic dislribucitÍn conodda/rcsuitará úlillllostr;¡r Jistinlos percenlilcs.
:. ~ ,- -¡,' - ',.! !... . ,., '1: t ¡ ..... 1

l'
,
I j'.,,,, ,'.

'1',\111.'\ n.1 ",.,' -.,.• TAIlI.A JI.2." ,Ii .' ..

1 "", .; .. i,., ",t •• !'

Esladíslicos de resulI;~n pa~nft~;C2E Número 'dc 'replicaciones !llonte '.!

'.'" )' raz(ín (para lO,OOOrcplicacioncs :" Carlb ne'cesarjas .

l~ ••. l.a.'l.-"-":_I ••. I."r" •..••..•.•
:••.••_;.•••...•..••.
u.-a..~.I~, •• '" M••••••.••••• _ •••• _n;. __ .•.. " .. ~
I'cre.cnlilcs
,
'..- , t 'j'l ,\

I -,OOI4!1I0 -O OOJ27 ¡
-'.",
S' ,003712 i. .;0:i'~706' ,
10 p '. ,01 ,02
..• ,0042636 ' 0;61606 .","
25 ,0046738 3,53549. ,01 1,521 )RO
50 .0049745 11,73876 ;,05 7,29\1 1,825
i 75 .0052915 25.72853, .
,1 13,830 3.457
90 ,0057522' . <\],<\2638.
"~
,15 1\1,592 .4.R9R
95 ,0063265 57,37334
,
!
99 ,0113449 ' 95,86761 .
,2 24,586 6,\47
,25 " ,28,812 7,203

Scgúl~ la tcoría convencio'n,<l1 tle la distribución, ,rech;¡z;¡ríamos la hipótesis Íluln

;¡I lJ5 % tic nivel tic conrianz;¡.cllando la r;¡zón ( fuera mnyor que 1,98. 'Es U.111I maln'
'! notiei;¡: el 75% dc I;¡s veces, la rnzón ( es mnyor que 3,53. Asimismo. \;¡ mcdi;¡n¡¡tle
la rnzón (cs haSI;¡nte clevad.j, 11,7. lo que implica rechnz<Jr ddinilivnmcnle la hipó-
tesis nula, a pesar de :l'lIher qucln hipótesis nuln cs correcta .
• La I;¡bl;¡ sigue rcvel;¡ndo olr;¡s 1ll;¡I;¡s noticias rcspeclo ;¡ ÍJ~IC2E' El vlIlor medio
... t1c/J,\Iur: es 0,005, y c;¡si lotla la distribución se silÚ;¡ ¡¡ I;¡ derecha dcl v¡¡lor vcrdade-
;:---:-:',:O;{Jc IJ. ' , _.~~, " . , , , ..--~:~'.".';"""'" ",""•...,..,~",".• >'....~..,.."..,~,~~~..,' '--- H,

.,;~ i,Cu;índo habremos renlizndo "~suricicnles" rcplic;¡ciónes?La respuesta dep~n •

..,
de dc la pregunl;l' realizada, aunque cons.idera"renlOs el porcentaje de vc~es que reo,
ch;¡zamos (rals¡'¡mcnle) 1<1hipótesis nula o elt;¡mai\odel ~Onlraste.
El ;llélodo m;ís sencillo consistc C~lutiliznr la aproximacíón habitu<ll.;¡ la bino-
, mia\. H.ccortlcm'~1s q\lcla varianz<l dé .un;¡ Yariablc binomial es .
P (1 - p)
u2 =
l' N
sí'loqué nos inlere~asci~l~si~lerv~ios de'conrianz;¡ del 95% tleI i;¡'m¡¡ño d~1
conlraste 1,/) ser;í clrorCCnl<1je tI.: v~c~s quc rcch;¡z¡¡mos incorrectam~'nle lahipÓle-
sis nula/J= 0.S!Ji1ollgamos que llucrepios que el inlerv;¡lo de con{innza del 95% si-.
luadoccrca tleI nivel noniin;¡1 delconll:asle sca ,01'. Medi~nle la nproximllción nor:
mal;í la biIl1J1nial,elil)ld,,;¡Jú dé CO'1riallza uc195% cs ..,. '. '.,-, ..
...•... ¡.. . ".•.

61'011 liJ -. (t"lÚ')(,'~ ¡J. <} +O'/,l97.;~I'= ,?s':

."" .,', - ..... , .. ,', "',: '.
 ~06 MÉTODOS DE ECO"OMEndA

Para es'le ejemplo, precisaremos que

2 !JI" l,96 =:.01 ',_ ;'

La T¡¡bla 11.2 mueSlrn el. númerode rc'pfi~a'clo'hc's neccs,;rias p;ra pro~ucir un
intervalo 'de confianza del 95% de 'iamaiiojH o ,02 para'distiillosniveles de ¡J. El
número de replicaciones neccsarias'ucpe;lde del valorverd~d¿ri:; Jc I~',de~c9nOcit!0.
Un enfoque cOnsiste en lratar elnún1ero sUgerido;Üe prueba~ ckMo.nte Cailo como
cllimite inferior de un número dcobservaciones reqi.t.eí'iúas. , . ,.-_ f

. Un modo alternativodcprescnlar)6s reslJllúdos de este experilllCl1l0 de Mon-

IC Cario es traz.a'r el gráfico de la .'úensiúad .é'llpfrica llc)jMi~E.I~ueúc utilizarse un
histograma o, enesle caso, un,estimadorde densidad kernel (descrilomi\s adelante
en cstenlismo capítulo).' .'
"LáFigura' I 1.2 mue¿ira un estimado'rdc.;Iade;lsidaddelós estillladcires MC2E.
fl~¡t!.'.lg~ >(qJu¥,~n.do~,j¡is:,obs~rv,aci~n cs.s i'Úl,1(:1"nspo ¡'¡d ti eiJila~(1e "1)(: r~~' ',.' .~.•¡
'."H.:;!,,,,g:~?.!~,~d,.\VJ19~,,J::tj"-~
centil 950 por debajo delpercentil 5, ya que en la presente simulación los estimado-
res MC2E oscilanenlre":"258 y 659). Esiliteresanl.e destacar que la disl;ibución no
lielle'nada que ver cOn un~ ~ampan'ace¡llra,daen cero. .

.8

, .'
.6

"
". "::J"

~ ,4'
.c.
.~
O

,.!.
l',
,2 ; .(
) .

.' ;

o
, -3 . -2
i'

,Esllm~~or d~ mínimos euritlrat!os'cll t1~scl,api\S

j'" "" • •

flCURAlÚ' " , • '1

. ~, :
)

'.'•...
Pistrib\lti6n de iJ~lcíÉ"'" :, . ,':.:

, )
 CAl'iTlILO 11: Un Snwrgasbord tic' ,\-kltiuos Intcnsil'os dc Cilndo ~()7

Lo m¡ís inleresante tkl expcrimento de ivlontc (nrlo es (I'UC es una vl:rdatkra

dl:mosl.ración dc que la proposición.que sejialabaqucla t1isll:ib:ución nsilllútica tll:-
be nsumirse ciegamente es una aproximación muy pobre a la Jislribuci(ln l:n nllll:S'
tras finitas. Sin embargo, no es deltoúoeviúentc cúmo los resullados Je ivlonll=
CilrlO se generalizan a otros problcmas de vilriabi<:s ilístrumclitalés. ¿Es cierto esto J)
para toúos los estimadores tvlC2E? ¡.Estribad problemnen que c1tamaíio mucstril1
es tlcmasindo pequeño? Tal vez el problema 'Sea la baja correl:lciÓI1 entrc la variable
instrumcntal )' el regresor endógenu, Una tlc las d~bilidaLlcs l:viLlcntes dcl ciÍ1cu'lo
Monle Cario es su especificidad. Es dccir. aunque comprelltl;únos bien este c;\sn l:S-:
pecial, no sabt:mos exactamente cónio Se comportan en 'Otros cast'ls' los resu1lndos
obtenidos respecto MC2E.
Nelson y Slartzl amplían la demostración consitleralitlot:ll1lodt:lo
"

donde /1 es N(O. IT,?). Sin p~rdidade gellt:ralidad. consideran el caso en quc fJ = (l,
El reslo del proceso de generación de dalaS viene descrito por.
X='Y/I+E

. Z=:'fJE+V.'. .
. ~' ...•

dónde l' )' ESOn vnrinblcs norr~)ales estíínd'ú nocorrclacionada's ni entre sí ni con ;/,
Los'pa'!'¡ímelros'Y y (l (además de N, c1n(¡niero dc obse'rvnciones) permiten l'lnil am-
plia'variedad oe circunstnncias. El par;\melr(l'Y c¡llibra.e1 ses~o oc, ¡....I(O. Cu;,ndo .,
\~

'Y= (l, MCO es,ELlO. El pnrñnielrO'(l cali¡)'ra In calid'ad dcl in~lrumento. Aunque ~
''7'
,es IlJl instruinenloa,decuúdo 'porqüe se hnlla c(lITi:laciotlrido con,\' \' 'no con /l. cuan- "
do p es pequeiío. 1. resulia tin instri.trnénlo limiiaoo 'porque eSlií P~)Cocorrelaciona-
t1oconx, ' .
Nelson )' Slarlz deciden examinar varios panímetros de interés. Para ilustrar
t:stasi'llJación, eXilminaremos d ,caso en qLie fl es, pequeiio cn relación a 'Y. Expcri-
mentaron con (l vnrinble cuando '(se mantiene igunla I :)'e1 n'llmero de obscl:,;acio-
nes se fija en loo. Decidieron. presenlar los resullados en forllla labulnda, L;l Tabla
'11.3 es una modificaciún de la Tabla 11.1 de Nelson y Startz '.
Se evila, evidentemente, la utilización de un instrumento pobre. Seglln 'el p'eor
caso, dé~critoen la Tabla ll.3, cuallclo 'p =,00 1,Ia ~Iistribución eI~ fi~IC'2E es bastnntc
pobre;. De hecho, el remeoió(MC2E) es peor que la cnft:rmedad (MCO) CUillido In
distribución se concenlraalrededor de ,5. Es conveni.ente destacar también la dire-
,renciaentre la distribución nClual de /jMC2E )' la distrib~ciónque predice la (eorín
nsinlótica (las columnas etiquetadas como ASY). Exceptuando el caso cn quc fl = I
,.
'L
,(caso de I,m buen instrumento). la dispersión tiende n ser mucho menor que la que
¡¡'punta la teoría asintótica. ,Segl~n .Ia Tabln I L 1, una razón f elevada no nscgura quc
el~esgo dc la mueslrn.finila de fI~.iC2E s(:¡i inadecuado,: . '.;

. Tal. y~~mo indicall lós aulores, ulía dc-Ias pósibles prólecciones conlra inferen-
cias erróncas es observar directamente la correlación entre e', instrumcnto y In va- ...•
riahle explicativa. No se trilla, sin embargo, ele una tarca'c"idenleya que las estima- .
".1~,..

t
aJ
 ciones Lic 1••,corrcl<1ción son también sesgad<1s. H.esultainteresante el patrón del va.'
lor d.e prob ••bilidaLi del contraste de Hausman [p(H)] de la Tabla 11.3.. Cuan~o el
instrulllcnto espo!)rc (1' ",r,(l:": el)'l: .OO\), el contraslc dc Ilauslll,1I1 lo rcchal.af.a con
frecucncia. \)cstaquelllos. asimisn1O, que cuando fI = 1 cl comportalllil:nlo de IJ/vIQE
eon j\.IC2E cs aceptable. .' . . . ,
. f\.\uchosinvcsli\!adorcs cre(,:nque la consecuencia de un pobreinslrulllcnto (un
inslfun'lcnlo que es~xógcno .pt.:ro que está débilmente corrdacionado COl.l~;.Ivari<1'
hk c11thígclla) es un cs.timadorlvlC2Epoco prcciso. Siguiendo dicha IntuICIl:n, nll~'
chos de ellos arirman.quc el problema de los instrumentos pobres se dCtcct;l Investl'
!.:;lndo el l:sladíslico 1: cuando para el eSlimador MC2E cl error esl;íll(l:1r no es gran.
~Ic. sc arirllla que los inslrumcnlos son adecuados. Aparcntcmcnte, se lrata de una
inluicicín errónca.
El cnroque de Monte Cario sugiere, por lo eontr<l1'io~ quc la~ consecue~lci;.IS de
cnrrenl;lrsc con instrUmcnlos pobres son estimadores de fJr-.'ICO y fJr-.IC2f'. no slgmrlca.'
liv;\I11enlC distintos entre sí, incluso en el caso en que el (Jilimo de ellos posca una
r;wín 1 clev;¡da. ¡.Cuál cs la ral.ón quc justirica el lIébil comportamienlo dc MC2E
en csle caso'! Al fin y al cabo, el problema salisface las condiciones est;índar de ¡;¡
uliliz;¡ción adccuada dc 1\1C2E: dc hecho, la v<l1'i;¡bk instrulllcntalno sc correlaci.o.
n;¡ con el lérmino de error y se correlaciona c~n I;¡ v;\I'i;¡ble instrument;¡d<1. Como
hcmos visto ;1I1tcriormcnle, cl problema residc el1 (¡ue cu;¡ndo la.coirelación entre
1;1v;¡ri'ablc inshumenl<11 y I;¡ vari;¡ble instrurÍlentada es baja, la distribu~ión asinlóti.
ca d<.:f\'IC2E resulla una ;qnoximacióli muy d¿bil a la distribución aclualcn muestra
rinit;¡. Ndson y'Startz discut<.:n el caso en detalle y proporcionan diversas res'pue~las
analític;lsY.

11.2 .
i\'lI::'rODOSDE MONTECARLO y CONTRASTES DE
PERMUTACIÓN

Ll discusión de lOs c'onlrasl'es de permulaciónde Fishcrlll son un bu'eli inic¡'o'para

;..,;
nu<.:slr;l discusión :lc.ere" lIc hoolslr:lp y;¡ que est~ proecdillliento csl;Í mu)' ¡.d;lcio.
n:ldo COll el conlr;,sle dc pcrmul;¡ción. El coí1tr:lslc de pcrmulaéión suele utiliz;¡rse'
p<1ra verificar si dos mucslr'asproviencn dc la misma dislribución .. A moJo de iluso

t) C. l\e\sol1 y H. SI;IrI/.. "Soll1e FlIrlher Hes~'¡" "1l1Ihe E~ac\ SlI1all I'ropcrlics o[ Ihe Ilsl""l\el\~1 V~ri~.
hk ... Es\im;llur". Ec(}"",,,rlrinl. SX. 11)\)0. <)ú7.lJ7(l. bc~ta~.lfcl\loS' que Nclslll1 )' Starlz concluyen, l:rrónc~.
.••...
y . ..
lllCI\IC.qUL I¡lllstrll\lCllllllt.:/
l' '\ '. l. ~.ICJE
. __ 's hili1Ud~1
L. ., Cll"lilllol~ , "arjalik il1slril1l\el1lal se corrclaéiol1"
• <.Iébilmcn .
."

le \:011 la ",,,j,,hle objeto ud ¡'nSlrllll1el1lo. G:S. Maddala y J. kOI1~. "The 1:~'1C1SII1~1I Sall1pk DlslnbullOn
tlr lh.: IIlSlrllllll,'nl:1I \';Iri;ll,k r:sli!11~ltOr". {':oHItJIIU'rr;n( (,11. .1')1)2. l.:\I.IS.'. tkllHlcslr:1I1 que 1;\ cnnrIU511)tl

l'\ ;I)cflncrl:l :lllllq.U~los n,:~~:lI.1t..:src~~llt-;ldo~

del U(ll:.l!,ll~I,),tl!
~Ull(~"Il,."(ll.IS.> . l' • ~. ""~
1111(,1\. Fishel. '1"'" lieJig" o{ [XIJl'ri1lle,,/.\'. I')}). Oli"a ;lIld Ilo)'d.

\ ,1
 (",\I'lnJl.o 11:Un SmorgaslJord de Métodos IIlIC,:,s,ivos de Cálculo ~109

tración, consideraremos los d¡¡tbs obtenidos a partir de un conocido estudio eJe Da.
vid Card y Alan Kruegerll sobre el s;¡lario mínimo. . ,. ~.
El diseño del estudio ~r;¡ muy evidenle. L:!S versiqnes más sencill<1s del modelo'
de demaml;¡ y arena predicen c1¡¡rámente el impacto de unincrcmenlo del sal,Hio
mínimo: si el s;J1ario mínirúó aumenta (esto es, si alc;¡nZ<1un nivel lo.suficientemen ..
te clevado como para aféci"r a varios lrab'aj;¡dores), el empleo debería c.aer en res.
pucsla a un precio dc 1" mano de .obra ~n;ís elevado. Card y Krueger seaprovech;¡.
ron dc Uil exper(mcn1(; natu'r~l'fonuito. En New Jersey, ~991, est;¡ndo en el gobier.
no el Partido Demócralay 'rcéién' elevado el sal;¡ri~ mínimo a 4,2.5$ por hora, se
voló para que elsalari¡) mínin~~ ~st;¡lal se ~ituar<t', ~ pa;tirdeabril de 1992, en 5,05S,.
cs decir, por cncim;¡ del mínimo federal. Duran.te los dos años lranscurridos entre la
dccisión y su 'efectiva puesta en marcha, lá m~yorí" del Partido Demócrata.t;¡nIO en
el Congreso como cn ¿I Sena'do, ru~ reemplazada por una riu~va mayo~ía esta ~~l
del P;¡rlidó Rei~ublical~o. A prin.~ip¡os lÍe 1~92, sin tener',;¡ seguricl;¡d de que 1<\nuco .'
va ky acabara p<lIiiéndi)sé en m;¡ rcll<1, Ca~d y Krucgcr investig;¡ron los rest¡¡lIr;¡nleS
dc comida r:ípida de New Jcrsey y I'ennsylvania. Des'pués de un¡¡ secuencia de grao
ves inciden1cs, el incrcmento del salario mínimo se hi'~o efectivo. Seis mes'es m:h
tarde, Card y Krueger investigaron de nuevolos mismos restaurantes. Comp;iraron,
en primer lug"r, 1<1distribución s"l¡¡rial en ambos est<idos antes y des pues del incre.
mento del salario mínimo en New Jersey. Los datos mostraron que el s;¡lario míni.
mo había tenido un impacto en el sal;¡rio de muchos trabajadores. En segundo \lI-
gar, y lras demostrar lJue el salario 'Í1íním~ aument~ba p;¡ra muchos trab;¡j;¡dores,
comp;lraron los cambios de empleo én los dos eSlados. Si 1<1variación de sal:irio mí.
nimo hubiera len ido cl efeclo apunlado por el modelo económico m<Ís sencillo, el
empleo h<1bría caído en New Jersey con respecto a Pennsylvania.
A ekctos ilustrativos, la Figur;¡ 11.3 presenla un subconjunto de cambios en el
cm pico ekgido alea1oriamenle. Un enfolJué eS1ándar p<tr;¡ verificar si )¡¡s dos m'ues.
tras de c<1mbio de empico tienen su origen en distribuciones idénticas consiste en
calcular un sencillo contraste 1: el estadístico ;¡propiado, suponiendo qU,e ambos
conjuntos se originan en una distribución normal con varianzas idénticas., ;¡unque
tal vez con medias distinl;¡S, es .
X-y
u\.{ 1/11) + (1/111)
La direrenci;¡ cntre las medi<1s de ambas muestras es 2,]4. El empleo allm~nta más
en NelV Jerscy (el esl;¡do con aum.cnto del salario mínimo)que en Pennsylv;¡nia.

1I Véase ~\1 oiJra ,'/"''' IIt"f }./CII.\IIn"IIICJlI: 711l~ N('II' F:C01l0Ill;c".r (Jf r,,( A(;II;III"'" lV(JJ:r. PrinCClon "Uni'''cr- .
'¡Iy Pre,s. IY'}.~. j),,,;,"n e,celenlc (aunqllc cOlllrovcrliuo) csll"I;" accrc" <lc los crcclo;rcon~mjcos del so.
i:uio mínimo. El lihrn resulla. asimismo, un ejemplo i1cccsiblc sohre las leorí:lS cconómiC;lS de conl r;)S'a.
 ,>-
r . ~1

.~

~\() v:JM
'O _., . -'
"i 00 6 oi N
'D
"""
M N .NM ~.
N_ ~N
.~
I I .
c:
O
u

,'.

;{"~':;'" '

. -.'
....• :r:
','11 a:
.' "." '..ro n
c:
'
E

e"

,~.

í;
,."

1',

~
."
:"; :.
410
 CMiTlILO11: Un Smorgashord de M':lodlls lnll:nsi\'oslk Cílculo' .111 \1.,'

,"
,. i J
¡.Es ésta una difercncia signirienliva'! El resulladodcl conlfasleldescrilo anlerior.
Illeille ofreec un valor de 0,56. La probabilidad de que~ Iwjola hipÓlesis nula de que
las muc'slras se or'iginan en una 'misma dislribucil')'n. se observe un valor mayor que
,',.)
esle es .5775: por lo lnnto, noexisle evidencia de unadifercneia signifiealil'a.

~:I.camhios en el empico en NelV Jersey

-20 -17,5 -13 -12.5 -4.5 -4 -3.5 -2 -1.5 -1 -5 -,5
O O O .5 .5 1.5 2 2 2.5 3 4.5 5,5 6 6.25 8,25,
9. 10. 10.5. 12. 14.75. 34
7 camhios en el cmpleo en Pe!lIlsyl\'ilnia
-7 -'6 -2.5 -.5 4 4,5 4.5

FIGURA 1l.3
. M,n:.~tr;loblenida¡1 p¡~ni.r.(I_cl~~s,~laIQS,\le
' <;.',~' ':/ ""'"'\"."'-" ,'~''''" ~
C¡lrd,J(ru.egc.I'.. ' .....:
.... .
,", ,
". ",.' ;.'~ ~ ".

Un enfoque alternalil'o. que no se basa en suponer,qué los dalos se obtiencn a

partir de UilOldislrihueióniHlrmal, es elllamndo conlr<isle ¡,le p..:nnulaeióil. Consilie-
r..:moslioS'lI1ueSlras iid: X dc 1;lIilaiio 11 e )' lielalllaiio I'I!. En caso de lJl!": amhas sc
originaran en una misma dislribución', cyalquic'r,pcrmulación di: el~menlo5 ":Il X e
l' es igualmcnlc probahlc.,A partir (1l: eslos supuestos. proecd..:ríalllos ahora a enu-
mcrar l(luas las permutaciones posibks de da los. calcularí;II11OS la diferencia de Ill":-
diiis enlr~ c~as niueslras "X'; e ,. y" y I'eríamos cuül csla 1)I'(;b,lbilidad J~lllllen..:r. a
partir del conjunto ue 11ermlllaciones posibles. un result:\(J~) tan ele\'iluo como 2.1-1:
/\tlem;ís, ;lO':lenclllos por .qué reslringin'l(;~ ~olal11ellle a' ulla comp;ir'ación de me- , ,-o

dias ..Paral'crificar sial11boscolljPlllos dc.:núl11er.os se originan CIl una sola dislribu-

eil'lI), podríamos considera l' otros contrastes. U na Cllrilcle !'¡Sliea inle'rcs;lnll.: u~ los
conlrnsic's construidos de eslemodóescluc 110es' necesario 'aiindlr Ilinglln supu'eslo
.suhrelú dislribucj{¡n dc, íos datos. ..' '. ,
. En princjpill, L1ncontrasl..: de perl11l1'iilci(')Il'puede re;ilizarsea base p;lpel y I,í-
piz, a[I;I(IUI.:..:sto iillpliea ellllmer;lI:uil i:ojlj~lillo deposihilid;¡dt:s L'nllr;llL'. lJn;1 alkr.
naliva consiste en ulilizar un el)foquc de Monte Carla. Ell lug;lr de listar sistem;ili-
qmenle lodas las pcrmulacioli..:s.simularemos lodas las posihilidaJ..:~. Gt:ncrar..:-
1ll0S una distribución muy nproxinl;']dnde las posibles permulaciilnessi":l11l)re ~'
euando elijamos un nltmci"l(ie replicacioncs 10Sll!'icicntl.:n\enle grande. (El contras-
tc'cs exaclol:uando las p(lsibilidac!l:s se enumcran sistcm;ílit:a;ll..:nle; Si s..: utilizan
Illt:lod,is de Monle,Carlo, eSle tipo de conlrastes,l:ecib..:n 1.:1,Ilomh!''': dI.: CIJII/J'IIS/('S ril'
1I/c'lIflJri?,ai-it5/l a[JtII.I'ill/ll¡Ja). '.', .',' . ',-,:

Eti nueslro ejcmplo,'seguiríamos los P;¡SOSsiguicntes:

1. Á pa~tjuic' ,la tOlalidad de 11 'UII óbs,CÍ'vaéiones (l11cZcland() las dos muestras). ,-'

ex trn~n!Qs dos Illuestrns si ti reposici6n dc',lal.naiiCl.respccli\'an\e nI..:, 1/ Y 111. (Parn

losdalosdcla I~igura 1I.3,I/Y//l spn 33 y7,rcspecli\'amenlc),
2. c.;.lculnmosln(lifercncia en valór absoll1tp (osi,lipleml'llte ,,; diferencin si'lo que
'(
interesa
:... es UI~cClIllraslc ~Icdos . colns) entre las m.edjas (¡eamhas l11uestr;IS.
 ';

e 1 .~,.. ~ • ..f

3. Repclimoscl proceso muchas veces. .

<1, Calculamos el pói'oenl~je <.le\'eées <¡'ue el valor de 1:; diferencia ~ntre medias ex-
cede el valo'r,eaicula<io':l partil: de lñs ll1ueslras originales. Elnllnll:ro obtenido es
e¡nivel de significación lk la diferencia enlre las medias.

.1

.:'/ '

JI

,,",'"

- "
"::J

-"
.~
~ :; .05
4 ..'
e intervalo dc
':." , c(1I1,fianza
~I \J5'Yo

(j,

-l.' '-12 -J/J' -K -Ii -~ -2 O' :2 4 (, ¡; If) 12 I'¡

Deferencia eJe medias

",
'"
FIGUltA 11.4 .

,. . .
i'v1edi;¡nleun progr;¡ma inform:ílico,
.' .
realiz;¡rell1os el Paso 1 lal como si~ue:
1, Generhr ui1núIllcro ale;iloriopara la totalidad de las 1/ +'/11 observaciones.
I 2. Orelenai- los dalos según sunllmerO;¡lenlorió.
'-- .l. Etiquel;¡,r I;\s primeras .13 observaciones de la c1asiricacilín COIllO Ncn' Jc:rJcy y
!;¡s 7 lI\limas como PCI/I/.I'yll'(/I/;n:

La Figura 11.4 mucslrala estimación resullante ele la fUnción <.leelensid;¡d ele

IO.O()O r~plic;lcillncs ele t"lonle CIriO oblenielas n partir de los d;¡IOS ele In Figurn
\:. " 11.3. Sc~ún
...... los njveles cOlwencion,iles de si~nlricación,
.... .
;¡mbas Illucslras son idénli-
GIS. De hecho, la prob;\biliel;I<J ele obserV;\r u'n'v;¡lar ele la eliferenei;¡ enlre las me~
:1...,'
di;\s n\ucstralcs mayor qut 2~14eS,en valor :ibSO!Ul(l, igual a 55() (Illuy similrir al va-
lor ohlcnidn c(in el con{raste(coil\;enéibl;:¡\)~'nc hecho, r-isllcr-elcsa,:rolló ~I c~n-
tr;lslc de pcrlllul;¡ción' P:lI';1jusliric;lrla utilizaciónllel contrasle I eSI,índar.
 '1" • \"

1'

¡• j .: ~ •

. C'\I'FrÓLÓ '1I! iJn 'siiiüig;isbOhl 'tIe Mclod6s Inlensivos de t~lculo 413

; \ . ",l":" i l' 11 'p. I''';'~ ' '.

t ,,', .• •, ,,1 r"•. ,í! ,,~;.: ¡ 11 I <' " ..' ¡:,-..: (, -' .
-i El contrasle exaclodc f'isheresiá ¡;,uY,rcladonado con elcontrasle de permu-
',.. 'laclón. En el i~i'iJ1J~ro.sc!c¡'lc~ia fnloíalid<ld'CJe perrnLI¡a¿i6n~s posibles de una labia
2 x i con vatorcs marginalesidé,ili~~s' a;'los dclalhbl~:;i verificar.' La probnbilidad
de la iabl;¡ ix 2 objelo de:l"cibscrvaci6n se ea\cul'a, 'b"sicilmenle, enumerando io-
" " das las l"blas 2 x 2 riosibles y hallando.l:1 fr<leciónde laSlabl;¡s 2 x 2 que inleresen.
"¡ Dichn idea general tiene Ollias nplichciolles. S~hmoyer demueslra que median-
.:¡ le un co'l~lraste de permulació!l es p'osible, construir una versión del conlrasle de
. i Durbin-Wnlson.,que nodepeilde nide,ln normalidad de los lérminos de error ni po-
'see una l.~n~ de ;;';/Clc;'III;IInc;ónl,2. LQ~ ejcici~ios: ~ICI 'presente cnpítulo son ejem-
",i plosel~ eSlcconirasle.J<íing y Andc~son n1ueslrnq ol¡-ainler~sanle aplicación13•
Aportnn'dalos rel;¡do¡'ad~~¿on ~nso~'pr~'senlad~~, <int~v;i-ios Jueces de Ona misma
jurisdi,cción. Los juec~.~ dispón,ende inrormadó~' ac~rd :d¿ los cargos de lodos los
;, .¡ 1 casos adjudicados y la cor~espondienle scnlentin. I'resur11ible'!lellle, si ellribunal es
.;: "benevol,enlc",la Tesoluc.ión del juez es'irrclev¡lI1l~en 'relación con la exlensión de
,! la senlen~i;l. ..' ,: " ,. ". .','. .
. ,( ., : ,

,Aunqúe se lraladccon'lrnsl(;s tle algún valor :encierlo~ conlextos,liénen el

probl¿m~ de q'~c'los r'c~I;~iosde,'¡;¡,hipÓI~~is' Inllasuclen enrce~r de i~rorrnaci6n
acerca del'mod~o'de 'lal rcc11azo,'M'"s ~un,el i:olllras¡~l'dcpermulación que aC<lba-
mosdc d~scribir; liene poca aplic~ción' priíciica. Siguien'do con nueslro ejemplo. su-
rongamosque desc;¡mos verifie,ar si la mueslra de cambios de New Jersey lienc mc-
dia,igu,al,ácero. En esleeas<>', n9 hay nada que pern\ular y el cOnlr¡¡sl'C de permUla-
ción rcsulta imposible d.c aplicar. " .' ¡ ..•. .' , . '¡'." , ..

,1
11.3.
EL UOOTSTHAP

tw,.:," ..fl,,~qQ;I~:J. e",~;L~onl¡:.r~le~c:perrnl,lln'Ción"Tse;-Il'li-liZ'n':>'~¡'. - ..7":

t:¡;¡P~C;:-Etl:,~110,S'111¡í,~.,y,~tS,¡ítihq.u
'c¡¡tla' vczm~s' en cc'~n~nié~da:~plicacÍaI4.Suelc úiilizatse. baJola~siguien l~S éirtuns-
'. tnncias: ". " ". " .' .

l. 'CuantÍo es muy tlirícilo imposiblecülculnr unaesli;llación ~~nlílica del errOr cs-

..
"
!,
'
t;Í]1~ardeUlleSlinlillJor. .,' .' ,. •... '
2.. Cuandoelinvcsligadorlienesus razones p:\rn creerque laleorí¡¡ asirilólicapropor-
ciona:resultndosrÓbrcs en,rClaci6nconlá precisión de cierlo eSlim;¡clor y desea
. tlnn ailernaliv:í que Icrropbréiont Unanlejorllproxilllación cl\mueslras finilas;
"
.'.
,

, 12 1~,Schrno):er.:;l'eri.1111I"'i;,,;\:T.:~,, [<ir'CorrCi"cio~¡n' RC¡;r~ssion:Errors",Jor"'lt/l nll"~ A",,,i«l;' SI(l/iJ.

ricill AJH);'ititioll, H~. 19'1.'. 1507',1516," ... ". ','
rJJ. Kling y J, Á,,<ierS(\ll,. "pi,i S~"len~i~¡; Guitlclines RcLluú f)isp~/¡I)' belwccn Judgcs in f'risonSen-
lences'l':,,;,imeo. M"rzn .1\J'.I6. M;;s,sach;,~cuslnsli'ule of T ~clin;,lo¡;):.,bcri~r1mcrliof EcunOinii:s.'
14 U. Efilln."lJclolslrap t-lelhtiLls': Állulha LOclk allhe J:icknifc""""/ftíls ~IS'~li.'I;ts. '7. ,1979, 1.26 •.
 .414

Sin ser la p;¡nacea. el boolslrap proporciona prometcdOres i'~süll"Jos en muchas

aplicaciones}' su ulilizacióri es caua vez mas común en H\.b::ollomi:lría aplicaua,Su mo
venlaja resiue en que, a diferencia uel mélouo UC rVltinlcCar1o, noes liccesariocu-
.nocer el proceso subyacente ue gcncración tIC'los ualos.. .
.. ;. ,
11

11.3.1 El Error Eslándar de la I\'lediúna La

, .
li\
La iluslración clásica ue la potencia del bootslrúp es'cl cá\cu\odeefr{.lr eSI¡íllllar de
ej
. la nlediánamucstral. . .
ol
Co~side¡'enlos una variable aleatoria .I:eon dislribJción [(.r) y únamueslni de
taillaño/! ue uicha dislribución. La aproximación habilu;il para calcülar el error cs- el
. tándar dela nlcdiana consisliría en uesarrollar analílicarncnle uneslin)lIdor) calcu-
>,I)Oo
..',::jM:'At~.~t~~~~9d~t~~;~~~~~i~~ll~~~.j~~'~;~~~¡r
..:=.;~.:.:~:.;.,~..•.,.~.."':>•. , '....•.:,:';, '~t-:...ll
:;~J~~$.~I~;9:SL~r.81,~Lbt\~:':
.Smcuian"; ~4ff(O( . 1

dond'e [(OYes un eSlimador consistéiÚe del valor dcla funci6nde delisidad'dcpro-

' ..
babilidad en el punto O. A continuación ten'dríamosq\le útilizar los dalaS para gene- :,.,.
rar una estimación 'de la distribución y ca\cular.lu'ego j2(O). UI) sc~uúdo enfoqliepa~'
...
..i
,-'o

ra cal~ular la precisión de la mediana' consiste én (i) ~xt,ra<:r':de ia distribució;'f(x)

..;'
un gran número de mueslras de tamaño /I •. Ui) calcular la médiatla de cada lIna. de ""

estas iúueslr')s y(iii) ~,"cul¡Ír, después ue rea\i7.a~uni~;\n nllmcfo je rcplicnciollcs.

la raíz cuadrada de la' varianzá de dichas medianas esiim¡\u~s, .. :.. ..
S¡ supiéramos con exaclil ud l~ forn1a dc lajistribu'ción q~Il:'~clieranlasillues- . ...
Iras podríamos; en ambosenf.oC)ucs; cakular un' eSlinii~uor C9l\si~lcnle lId error cs-
1¡\n'dár..EstcIH¡'es el caso habitual. Efron sugiere un proccllimicnlo que consislc cn
generar u.na eSlimaciói, :cte'la,distribucionapartirde .los:d;llq'S nlueslralcs. Dicho de
aIro n\Odo, se trata de uliliz;,r la distribución .cmph;ic~: l>i;raconocer r;IUiSlril)u~ión
aClUaL Para una mueslra X y coni == 1. ., .•.B,seguil'cmos el si.guicnt'e procedimienlo: '
'\. 'A partir de lamue~lra originalX. se l¡alade ge;le~~lr .uha n~ucslrilaleal~ria Xi
. ,. ,con n;posición, .. ' _.. . ... . . :. . .: ... . .
2, ;Calcular, para ¡¡,nueva n'¡ueslra,'la h,e¿¡ian~M\.',,' ;, ,
3,' :Almaéenar e(~;alordc Mi; .• ; , ..
, ." ': . . .. ',". ,'. ~,-.. ,; \' ". . ' .', .', ;,

El número Ji: rcplicaCio'l;es en clboolslnip, B, d'cberia ser lqnlOÍs elevadl)posi.

bIe, co'rno sucedía en lós experil11~nlos ue Monle C:1I'1,;, EI.error cSI~nlJarll()OISlrap
de la meui¡¡na es ..' : .

.. (1bool ;: ~iliti.~1,/'1
B-J.j=I ':'¡ ..
2

:.•

dOÍlue . ' .:. 1/ .':'

M(')p l '\'
¡Íj¡i " '.'.
.. ~. .. .. . .' .'JJ.'-'
1=1 ¡; .'
'.:1"
[

: .'
 .,..
.[

CAI'iTIJI.O 11: Un Slllorg,asboru de tvl':lOUllS Inlcnsi,.os dI! C;'dculo . . .(

"
En c1l'aso 1, eXlr.aemosde la Illueslraorig.inaluna mueslra dc lamaí'lo 11. ESla.
os. por lo tanlO, ils'ignando ulla órobabili'uatr 1/" a lod¡i ob'scr~;acióne'n la muCSlr,1. • </J

{)
'1
, l
1.3.2 Ejcmplo
:.:' t
a técnica bootslrap lienc muchas aplicacione~ .. Pucue, pór cj<:mplo. utili7.<lrs<:co-
\tl allernaliva al contrasle de permutaciónanleriorment<:dcscrilli. Aunqu<: <:1
jcmplo que moslraremos a continuación' no es el caso lípico dc utilización dcl bo-
lslrap, lo uisculiremos aquí paraseiíalarla relación cxisleÍltc entrc el bootslrap y. '...
!
'.'! ,¡
l cunlrasle uc pcrmutación. .
Ulilizaremos los dalos dc Card y Krueger (Figura.' 11.3) .. EI alg'orilmodC un " \
.'
o.I~lri1Pping' para verificar (juc los'cambios dc empleo sc()rig.inan en la misma dis~ .~'J
r:
..l:ih~.cl(~ií.~s.'d
i;~ii
~eúle;.":'- ,'.. •...•,-- ...~:...:,".,."";...".'. :... ,,',-'-'.-'<'... . . . ,
.",' . ' •.

1. Oc las observaciones de New Jcrsey y Pen'ns~.h~¡!,Jia, eXII:acmos ulla ¡nuestra

con rcposición ue lamaiío /1 + 111.
Ctllc~IIam6s la uirerencia en valor ab~olulO (o la uircrenciil actual cl;al~d(; <:1ob-
jelode inl{:rés es un conlraslebilaleral) entre I¡¡smcuias de lasobscr\'aciones
de New Jc.rsey y las obser.vaciones de Pe'lnsylvunia. "';)111: d<:bémos realizar una
tegn~sióndcl cambio.de empleo sobre Una cOlistanlc y una variahl\; riCI¡~ia quc
indiqllc si la observación cs, o no; de Ne\\'.Jcrséy y llbscr\'ar d clldicil:nt<: dc.la
variable riClicia. . . . .' .
3, .I~cpelilnos.muchas veces los P~sos.1 ~ 2.' .
4 . L:ilclilamos d porcenlaje dc.1 r1úmer'o lIe vece~que cf\';IIOr de la dircrcncin en.
. ¡re meui,inas exceue el valor calculadó apartir uel"s mucslras ori~inilles (esle
. valm,ennueslro ejemplo, I,:S2, 1'4). Este número es el nivel de sie.l~iricación de
, lii diferencia; .. "
[Ii cstCC"Sll,e1 buolstr¡íp'da'colúore~~IIlilllu rcsplies.l"s mu)' similarcs illcon'.
tr"sle aproxim;ldailienlcexaclo; lo cu;1I esrcconfonilúle. UIl intcr\'alo de cOl1ri.anl.a ,~-

Silllélricó ~eI95ci¡., Illilizanuo bool~lrap da como resultauo (-2,6, 7,2) Y la infen;ncia

sóbrcla naturaleza ue los cambiosdc'cnipleo cnalílbos éstados us I,imis;na; Rcsul-'
. t" in\cresante co;nparar los 'resullados oble;iidosa.parlir dclüs lrcs cunlra,slcs (Ta.
bla 11.4). . .. .. . . ..
'. LIS lres pruebas proporcilÍn,in lIna inrcrcncii\ 'iJénl icasl)br<: cl d<.:CIOdd cap'.
bio de sal;\rio mínim.o ..es decir. ql!e 10s.cali,bios en ei salario.mínimo no licnc;i.re.
percüsi{m significali,;a sobrecl emp1éo. Conviellc destacar la silúililud existent..: en.
,tre el.enfoque boolslrap y elconlrnste' deperl~ilttación. Lalinica uil'crcncia ,,:slriha
en que en el caso ue bootslrap lri n]líes'lra'es con.reIJOsic:i61j,'La mueSlra del conlras-
Icsde permutación ha siuo exlraída sin. reposición. . ' ..
.•... Un,tI forma allern~liva deboo;strapjJar~ ~eriricar.la dikr~ncia de medianas ,.,....
. '!
Cll\isi:;Ú~'CI1'Ü'lili'l.;li:dlau(sticos'¡)ivOIC,. M,ís'
. auelante< di~culireil;ósbrcvcmenlc
' \ . . . las
(~
"
"'~2
e' ~16

n:nl¡lj¡isue. e;lc, lipo d: n:1.nlraS\(;s. I~or cln~,omcnlo; el ejcrcicio se rcducé al c;ílcu~o

del cstadhlico l.

f.' \ (SU',lx) + (s}/I/,\')

.~,.I

l'al,.1 las IJ nllí,,:slras hoolslrap (Ii= l.•...• 1J), donde

, 1
1 2:"'(.1';- :1-)-
J" = ' - :
, ".,,-1
siendo
. -. \
1/ el número d..: ohservaciunes de la variabk .1'. Los lérminos referidos a los.
L1.¡IOSI'S":lli:rin..:n d..: mudll similar.
El r":Slil.lado es una distribución.ue. "eSlauí~licos 1". La idea cs comparar el es-
ladísliclll d..: 1,1n1ueslr'a original con clCllnjuniu de "pusihles" esladísticos It!OC pu-
di..:ran apareccr. '¡::SICm.:lodu pivotc se denomina. por las ra7.(~nes ql1:: Illcnc.1Onare-
mos \:n seguida. h;Jo/sím/l 10 Ilerccl/lil!. Para ulla discusión mas amp"aua, vcasc le-
ong y Ivl;¡dL1ala1:i.

.(',\ 111.'\II.~
El problcma <lc <los mllcslras
• i .: ..._ '. ~

Clllllr:1s!e Inten:1lu de ClIlIli:lIl1.:I

de195"1u

1'<:rl11l1li1ci(jn . ''-6,9H a 7.90

BoolSlrap -2.65 a 7,25
¡\sinllÍlico -5.56 a 9.H:i

El pOlcnci;d de ;lplicación dcl bootstrap cs mllcho Ill,ís exlellSo que ~~ del con-
1ras 1c d e'pe l;n1\11aciúll.;¡$UpOIl ga Il)OS;,'1';> 1:,: ej cmpI();,quc:c-\HI ie-"11lCnt~ :.I.I,JVI~ran.1P~la:"'f
lllucSI¡.'<l'(í~;.'C;\I'líl~'¡o~kclllpko.deNcw lersC}; y quc'dcse<ir;)I110S venrlsar la h1pOIC:
sis de q.uc',la mcuia cs igu;íI a cero. En cslec;¡So, no hay pcrmutaciÓn posiblc y, po~
consi~lIienl\;;
. ~ ' "
el c\)iilrasledcp..:nlllll;lción
',-',
111) sii'yc,.aull<¡uc si e1.boolslrap.

11.3.3 El Bootstrap Paramétrico

I.a al1lpliil gal1lil,de<q1liG1CiollCS Irac.:qlle cl boblsl.ra~) sca cada vez ni;is popul;¡r en
el l1lundo econol1l.:lrico: Exislcn dislintos proccdll1llcnlos hoolslrap. El /)()(}I.I'II"lIP
IllIlIIlI/(;II'icO es ullode 10s'I;I;is comunes. Lo iluslrarcmos con un cjempl~J.
 ¡~+
'f ,_,
,i ~ t •. 1"
" ¡'.l' 1, 1""
." l ..
, .i'i
1.' li 1 ¡..! .'
.¡ (,o\I'iTlil.O 11,Un SI110r~I¡~b~):~dde Métouos Intensivos ,d~,Cálculo
'1"
\J'
"':'1(,. !:' :-'! (1"

''-; ~"
COilside'relilOS
,:: .c."
I;¡
"
r;¡ZÓll
',,'.
(o""'i:ti;¡!quíerfu'nción
'. . , .,
lineal) de'. dos
_
pnrámclros:'
. :

:ii'
: ~'.. .i
,
.- ~
l'." ,,:.:
rnzon '= a
('(1;

(1 L9)
;1. . .;' ": f. ',} ',' ,

;;.fSupong;lIilOs; adem;ís, (¡UC ~arecen~os ,de eslimaciÓn de la r;¡zón aunque si posee-

~'(',:;mos las cstimaciones dc ('(/ a' p¡irti'ride ui\;¡'nllieslra (o SSlud¡o) )'.tx2' a partir de otra
.' ~ muestra (o cSludio). l:J¡ú\ cSlim;ición 'e'videntc de fa razón es
1: l '" ,' .' ,' '... I~" ;-, ,"'~ _ .' ;: .
!'f
.~\ ....filzóÍ1:._1
--- II
(11.10) "
,¡' f ", u2
~ '* . ', ,: .. .'~. , 't 1 ,. • - , ' •• •

,':;"donde bIS [t¡ soil los dos"cstim<ldores. ClIilriuo deseemos un eslimador del inlerv;¡'9
';;' de conrianza de la r;;Jn, uliliz;¡rclllOS lo que reci,be el. nombre de bOO!Slr;¡p p;¡r~mé-.
>.1 trico: " " .., ." ~,' '.' ,. .
'(;'. 1'. A parlir de la dislri!lucit'JIl N(G1, ;;\;1'); don<ie,;':-2,,1'cs );¡ v;¡rian7.~ c;st!ní;¡d;¡de'
" ..>1 lIl" gcncramos IlLl)OOcxlr¡;cciqncs 'dé (tI Convielle,idestnear qlle suponemos,
~. :;,'." propiedadesasinl(!licas)'.quc,I)Or lo t<lnlo: lililizalllos la dislrihuciLÍn normal.' .
:~ :.~¡!2. A partir de In disl.ribllció;uY(U2;;':-2tt2);,dolidc;':-2;.2 es In v<lri;¡ñ7.;¡eslim;¡u;¡ de a2' ','
generalllos I,O.OO()cXlracciones d~ a2: .r., .....,. '" :.' '.;
. Mcdi;¡nlc los dalos generados. cnlcul;¡mo~ 10.000 p;¡res de al ya2 y su r;¡?ón. i
PrCScnli\ii;OS ÜIi in'lcr"al,) de conriÚilZ;¡dd195%; ',!' :
'l'

I3úsicamentc. el bOlllstrap paranléli-ico cs mi expcrimelllO de MonlcCnrlo en'el q~~¡

los par;imclros dc la simulación se c;'lIcul;¡il¡1 p;¡rlirtle Ibsda[os y ulili7.amosun;¡i '.'
dislribucióncspécirica como. por CjClllplo; Itl 'distr:ibucióil norm;¡l.' ,. "
, Consiuerelllos el ejclllplocon núis lJcü\ilc: La Figum I L5 nluestra los có'digos '
inrorm;ilicos. Según el código ulilizado, alpha.:J =al • nlph:J_2 = a2')' se.al ysc.:If. '.
5011105 errores cSI¡indar de al')' a2;' respcctiv<llllcntc. El documento de Vallctla '
f :;~.~;.:~~}\.~~~ :J-f(,NJi!j.~jl~Je[,~:,~~,~~gIN
~~;\)};\9r!yg),~,~:: !~~ ~¡
~n~~f.~\.'}),F;t
S?!~':"','~;r,v?;~d::~~'~~7;':"~'''''::~'~~'~
','.'
.' ." ':;,'!':", ,!' ,', : : .. " i<' '.. ..¡ . . • '~.- t

'" "
8et ob.:1ÓOO,o /'ü',OOOOb.ervat.1ODiI'/
'OQnerat,e ep.llonloO fn~no.,.,'(il',rilforUín), "'o'
. l'Ge~~r~teiltd. 1I~~18 '/ .
'.' generat,; ep.ilt>ri2'~inVhOm(unifDrmn) ',,', I;Cen~rate'Btd'.: .1orma18"/
;
. lIeneratet.op< 81'pha~1'.'ep'¡Úonl'.' .e~a1 I'Genef:at'~¡;wn~rat~~ of ,ratio'/
g~nerate bottom:= alph,,_2. ~'p.l,lo!l" B,,_a2 :'''''no .• ame(á;d~no ••1Dator '¡ .
.generate ratio. top/bottolll ¡'Co.npot:e.ratio'¡
cent ile-o, ',ra t 19, _.._c.e.~ti '1 e (~.'. S; 91'.' S 1-.. , . '~rDi.play':95' eonfiilence Interval' ¡

" , ..:,.: ..... ','

1(, R.U. V:ollell:O. "Ulliclll 1:((;:,:" ';IlMlin¡tip:o;E';"rl';)'~l~lli:OIl"\V:oges -A Lon¡;i'uLlin:01 Approoc'h",

. JOllml/l."rl."fJt}r1;('áll;"';¡~'_f, U. 1l)'n5.15.51~-, '. .
 418 ~1~roDOSDE ECo:-;O~IEmtA
, ,

Probablemente, calcular e! erro; csiánd'n'r de la ~slin,a¡;ión nosea Iilienn idea.

Recordemos que la razón de dos ncirmal~$están.dar.: iíl~cpendienl~s lie~e distribu-
ción Ctillchy, 'sin mediá en losmomeíilos mas eleva.do~.En este ejelllplo, tal, vez sen
más sencillo indicar que el denominador. casi siempre se acerca acero, lo que con-
vierte la raión en infinila. En este cnso,el método a .utilizar es el /IIétuiloild percen-
,, .
li/. El mélodo resulta baslante direclo cuando ládistribución dela razón es aproxi-
madarnenle simétrica. En primer lugar; das¡ricarenlos las mzones estimadas por or- :i

den ascendente tI<:tnmaños: Ir" r2' .; ...• rio(xx)\.Entonces, el inlervalo tic confianza
dé195% será .
. r251 .,;;r ~ r;'.7~ii

, ,, '..
Cuando la 'distribución ¡io ,es~il;iél~icéi,;'dpn)~c<.Íinlicnto ;idecliadoesellll.élO- ;
do del púcell'/i1l11(Jfj¡jic~dó;Si eJ'objcl'o de int,erés e~uíl inlervalo de confinnza,del

.".,' ~:óo~~s~~,:?::
Ü~
'. ", •••••.c•. ;.,',.':'
l.a.~,~~~;:;,'~i~:;l.,r,:~,~:7~~t~~~jl!,~/~,'.:~S
.. ;;:~'3,~:~,:.~:,~,~~'..¡~;~:~,,~,~:X~tr.
~!~(;J.~~,~~.!~.~~,'::a-,:,:,
'¿'I;i~¿~d'c;'~lie ~~(i¿~f.~ciJr cn~"ni~lo ala utilización de boolslrnp parnmétri-.
,~, ,.;;.,,

co: Suponemos que .Ios dos pnr;ám~lros(aly(i"2) 59n, ind~pendienles. En 'caso COIl-
lrario', e! proceqimienlodebcr:í nlodificnrse para incluir eSlc hecho ..

11.3.4 Rellluest.reo
. .de'los
. Resiuuos:Scries
. " . TClll¡JIlI:¡IlcsyPrediccilln
-. , .

En'lI~cniorhb de scries'lemporalcs, 1Í\~liiiza~ió~ '.Il,is ,habilua!. c~nsisle ell la reali-

zación de ulla I~ueva.mueslra de los residuos. Pa~n'lIn modelo COIl/ observi\ciones

: >.
'. ;-"~, ;'x;/1 +\'.,:'
, (' .',
(11.11)

el proéediJÍli~"I¡O bootSi;áp";'.é ;:~lIii'iesi;iJ del(Xr~:riditi).{rai'ncalcl,hl~ I¿)s~rrores, es~ }:

tándnr de jJ es .. ,'. ' ., . . '. .. .~
1. Estimar j1.," .' : ".. '.,
2. Calcular.9 y.'el résidl.!o É. Gunrdarpo'r sejjarndo ji y€..
3. ' Rcescalar o eSlandnrizar los residuos com'o' se describe a conlilluncián,
4. Proceder como ~iguepara lasB mues'lrns boolslrap: : : ..
(l. Aparlirdelco~jl"nloderesidllosreescalcjd()s~!I, extraer una Illueslrade la-
maño Tcon'reposición. . " .
b. Construir nuevasvmiables depefldienlcs ytllledii\llle la rórlllula
. yl' :!:y, +~¡, ,
Esto~~,~xtrae~,: pára cadaeleme;~t~dcy. ti;l i'~s¡duo ajllsla~,; POI:'llli 1ll~_lO-
'do de elección álealorin ~bn 'rcposic\ón y gC'nerar uiln nueva variabl~ y n
partird~él~. '." ... , ", ', ..... ', ,,' : ...• . ., .•.. , ,
.',C. ./:.17
, Realizar. la regresió'n dey b sob:re ,XI )'s¡ilvar los codjcicntes e~linwdos.
. .1 i .' '. '. . t . .: I ' -. ~' .:~' ~.. . i! '. '.,:
~ü
~ ~~~.
..
'\ '.
,
,'-- "',
~i'l
: .',."

.ll
',.';.' .
 CAPiTULO 11, UnSlllorgashord dc t\'léloumlnrcnsi\'()~til:C;íh:ulo

1,.
5. J'ylcdianle el método percenlil, calcular un intervalo de confianza del 95% o cal. ':;,,1

'cular el error eSI:indar uefl

a partir de la mueSlra dejiuble'nida con boolslrap-
ping con la fórmula eSI¡indar
-
.: .,1

donde \. )

COIllO yahell10s indicado, utilizar .sólo residuos río es lo 'apr"opiado, ~Por qué
son ¡an l)equeños los residuos no ajustados? Queda pendiente. cOll1oeje rcicio para
elleclor,.demoslrnr que cuando E es iid, el residuo l\'ICO de In ecunción (11.11) li~ •

,~l~.~" J"i¡~r,l~~I,J~u
n1a", , .. , ..'. ", ..".,,' ., . ..,•. ,' ,.' \ .".
..•... ,
E[€ij = (1 - h,)cr2 . (11.12) "

donde !J/ se define como

",= X/(X~Xrl X/o

. Alt¡;rn:úivan;enlc, podemosrces~nl;Ir 10s'rcsiulÍ,is rilcdianlc

_
E/=
__E_,_, __ . i~,N"
¿
E/
.(11.13)
~ NS-=I~

A veces, los resiuuos oblenidos después dcun'rcescéllado recibe:l ,el nombre de resi-
duos eSlandarizndos y, por Olro lado: ", es' el e1emenlo /,ésimo d~ la dingonalue la
III(I/'Ú su'¡,lJri:ro. El segundo lérminode nu~slro nucvoresiduo sirve para aseg,urar
que la media del residuo resullélnlesiguc sicn(1o' cero. .
El b'oolslrap de remueslreo de los residuos suele ulilizarst: en aplicnciones COIl
series temporales. A ltlenudo el cOnlextodc'uichas apli¡;aciones consiste e;l ulla si-
tuación donde cl término de cri'or posec Una correlación lemporal (conocida). El
documento de l3ernard yVenll ml.lestra un ejemplQ (Iue evidencia la utilidad del bo~
,"--.j
olslrapen aplicnciones de series lempornles17. Uno de lo's objetos de su interés cs.
enlre otros lcmns, el intervalo de c(lI,rianza'i.Ieln predicción. de la demanda tic elec.
lricidad yen cierlo nlOmenlo fUl"uro.
(Jernard )' Veall eSlablecen el'siguien(c sislcmn dc dos ecuaciones:
.1'1 =fJo -:fJI.X, +E, (II.I~)

X, = Z,,"y + ')J, ( 11.15)

,,-
7 J.'I'.'Ílci'lltlnl y M. Veall. "The Pr~hahilil~;'Dis:l'rih\'liun o[ FUlllrel)em";l<!; The Case u[ Hy<!ro
üuehe.c".
. lI1WIIII/O/lluli/H',{",IIII1/ t:wlIIJJllics
.
.~III1i.\'lic.f:5,I'Jiú."
. . 17:424,
~ ."

l (
 ~2lJ ~II:IOl)(lS1>10 ".f'O:-;()~IETn¡'\

donde E, cs' iid y ¡", sigue lui pi'o~eso autorregresivo de primer orden
." . .
P,= PP,-I 11, (11.16) -1-

l:n<l de los Ilbjdi\'o~ es conocer el intervalo de.confianz<I de.\''I'' (una prediccil'ln de

la demanda rutura de elcctr'icidad). Supondremos. C0l110iluslraci<Ín, que conocemos
los v,dl1l:esfUluros l.k 7..
L;I ejel'UCilin del bootstrap implic;, dos P;\SOSconceptuales previos. En el pri-
I11Cl"ll,se rormula un proceso explícilode dlculo de una predicción. En el segundo,
"t
r-
.• dicho proceso se realiza COIlboolstr<lp y de este modo se calculan los cst<ldísticos rc-
kvallles.
Esp~c¡ric.:al11os ulla predicci<Ín dc la uel11anda de electricidad en cierto momen-
to'ruturo. T*:
l. Estim<lmos median le tvlCO fJo y fJI y c:t1cul<lmos tina eSlim<lci61l MCO de ¡.
.., UlilizanH;s Iris residuos obtenidos a panir~h: la estimación MCO de la ccuación
(11,1 (J) para calCular ¡,.
3. Utilizamos la estimacilJn ¡, rar,\ calcul<lr I'~ICG para predecir.l''I'' como

,Í'.,., = Z",''Y.IlCG
'c' p;lra cieno conjunto de valores de l.rJs. '
r> -1. Prel!ecimoS:v.¡. mcdianle la ecuación
1:.
(:
.r, ~I bootstrap implementado en esle procóo sigue los rasos siguicnles:
1. Calcular las estimaciones dello
.., Construir n mUCSlras boolstr:lp:
,jI Y -Y~KG ,PI
l' 11) Extraer del conjunlo de residuos.:;ji una mueslr<l aleatoria con reposición dc
,,'
¡> l<líll:uio T. .
. I
1'.... h) Tom<lr el¡iri,iler eh:menlo dc;:ji), J'ii'i¿lirlo I)oi' (VI -¡I~),I()que d;1 C0l110r~-
,f
,s 1.111.~<!~fJ,~.. :,,~,.,.~.:,":;:'::""0:'~'}7":r:;"?:::'T:C'~-:-':'-'-:'---:':-
,_..
r.-' , L') 'CoIIs"!ruirlos, elclllenlos restanlesinedi;¡nlt::
('. ~1:=¡;~':_I+;:j: para 1:;,2 .... T
;,) .. Lú mLlcslra';'rlifieialseljesarrolla entonces como
x; = 7.'-Y~I(,(; + f,; para I = l .... .,.
. I d()lldc-Y~ln; cs la est'¡'macióll ivlCG origin;lt.,
?'-.
r) Se completa laillucslra uliliz;lI\dó
~
x;=.rill+fll;\:+~: .par" 1= l .... r
. . ', .. , ,

I~ IkrnilrJ y V~i1l1Sll;'llll~1lrrilzllllal;l~i;;~llle) que 1" s~';l1b "11.1111

flllllJIl 1•• slIfic;~lIlelll~llIc.lcjilno•.dc
~. modo qlh.' plh,:Ja ignorarse 1:1illn'lli.:l1cia ¡'.c J'r.,Cu:lIHIIHal SlIIHll'\hll'" íl11pcl~ihll.' .. ra pn:di('l'il.H,.t1cbcría'¡Il~
l"llr¡lnr:u el 'eh:clt) dé Ins ..e¡-r.lil'L's:'C"ot~.fl,,'.laci(lI_~a(gl~.s.:~r);dll~cl1.h:.-\J~~a..•c "la Sc(ci~ill (¡J';~"Pr\ ..dicci~il con Pero
l\lrh;".:iIHh.'~ l\lIl(l(orr.dal"i(lI);It..l;l~ ..'. .
 • ~ '1 •.

t • <'",,<
,.t l'
'.
!;
l'

,l.. ",
."",.,:!-.'(~!<.:.~,,~,
('Al'iWI.OII: Up ~"l!orgasbot~l
.
,. ; ,. 1,:';' ji , ' ,_..
... ,: '-,'
,de lvléto<.los, !l.lIcnsivos
.

I¡
<.leGlclllol\21
-;.. • ~ •.• .' .J

I
1, donde P" y PI son las cSlimaci6I)esMC~.originalcs y el sc mueslrea,ñ u~ nu,c"
l' V()'~OIí reposici(lIl ariÍrlirud .. il: .. ' "'. . ..
. . .,'. ' ." . '1 1" J', •
! Una v~z eli illlses'ilÍ'; de las. ;l1u'csl~as hoolstrar, se 'calcular;) un conjunlo cJc':
'prédicciones pnr~ .r,;, '" ' . '. '",: I ':' .
! ,', J¡'.~:Z~~-ytIOG (11.17)
\ " . ;" '. ' , ,.. . 1', ..• \ I . 'l' .. ' ~ ,.... l' ! .) ••• .

dllndcel subíndice ; !n~lica(lui: laes.li~n,;¡~ión, seoplienc'¡¡ !);¡rlir ue la mueslr~.bo-

otsl ra p ;-és,im;1. La esl imac:i6'1.i~és¡'¡la .IJqOIS¡rar, junl,o wn I<lScorrcspOl¡'dicn tes cs-
limaci~nes bO,olslrap de p,
se 'utilizal:¡\n parri .construir 'la eslimación de .rf '. Fin;¡l-
mente .construiremos losint¿~'val~s de'!¿oliri~nza l11e~liantc esta mucslr<l de estima-
....
I ci~nes~bolltst~~r, 't';¡I;cO~'1~ ;nt~r'i¿;r1~~d'ntc'~~' lia(i~~crito. .. .,
Una de las desventajas de este fl'létodo es'tlue no se <ljusta a <lquellas situ;cio-
nes en que los términos ue error (condicionados.<1 un proceso dccrror conocido) ;10
son idénticos ni se h;llhín ~1i~lrii)uidosindepcnJicntemenlé.Por 'ej~mplo,en loséa-
sos cn que los términos de erro'r sean hete!'osced¡íslicos. Recor~lemos que 1<1he.te-
rosccd:lslicidad es ulla rehlei(lIl clllrc'¡';l'v;irianl.:l"del ttrlllinlJ de error y I;\s {'ariables
independieilles. En el l:cJ;llIestreo'de'los rcsiduos', losdis'linlo~ lérminos d~ ':er~or'"
se enia~;;n con dislin'l~s x y, 1)0'1"ici"I<1'íllO;h rcl;¡ción sc vuelve conrUS;¡. P;¡r<l 1;¡les si.
tuaciones scní n~ces;¡'rio ún tipouislinlo dc boolstrar. .
"',
,"" ,

• • "t ,

11.3.5 Ilcllllleslre() de Dalos: palos de Corte Tr;¡nSVerS:ll

, ",~." , . \' ;

'; El leclor quc haya scguiuo I;¡ presente discusiQnpucde penS<1r que exisle un enro'
que m;ís direclo de boolstraren c1.conlextode regrcsión. En lug<lr dc cxlrner nue-
V;¡Sll1uestr;¡s ;¡ partir de los residuos, ¿por qué no extraer nucvas ll1ucstras a P<lrl~r
de rares de datos (y, X)? De hecho,enc;lsós ue dalos 'cie corte lrnnsversal. dCCI,iV;¡-
I11cnlc eSle es elliléfodo I11;ÍScomúnmente tltiliz;¡do. ' .
1"1"¡)ci.:ftl(].tf~f6"1ít~t.,';6¡~fQ'íf:~rH{'2icr2i'?;'E~'i0{d.~8?;-~':':;:~:~~:'~("~''7,:tC:-"~"'~-:7?'2':'/~<':~
..~'<:""':"""';"'~E " '.; ...
.);;= :'Yí~' +E/" (1.1.18)
... '.~: .

el, pr6cedinlienli) cs el'siguicnrc: :<', , - "'_

l. OI?lelll:,'un:I'l1ul:sIril coil reposiCiÓi\de '¡p<ll'cs"dc. v~Iorcs (l',:\') a p;¡r1ir'de la
ml1eslraori~inal. . .
Clkularel~st;¡~lísti¿oqi.ic;'osinlerese. ,
Rcpelirimlchas vecGS los Pasos Iy) ...'

Dichol)':¡lcedi,'n¡én!.o;a, dircl'encia'd.cl:~nlerior¡resuIla robusto cuando existe hcic-

roscedaslici&id. Esto :sisniricíl qllc,no. c$nc.ccs;¡ri,o suponer que Jos errores son ¡id.
Eilgcilcrai;cslc es e( rroccd'i;nic,fIOpl:dérido:so. comrprtamienlocs muy loable en
' <lplicaéiollt:s dedalosde ,col'lc.lr;¡I1S~ersal9condaIO$ de ranel (véase C;¡pítljlo J 2).
. [)csgrl1ciauaincnté:cl p¡-oé:e'diliJic,l¡o 110 es aplitablc' en Ianlayorfa dé los C<1S0S
de an:ílisis de sci'iestemr~raks,.' ..
éi; donde cftérmjiio (Je error se coi-i-cI<lcion;¡ <110
- . """ ", -., ' .... ,!;' .,•. ,. "

J
A22 MÉTOOOS OE ECü.'1ü~IEmIA ~ ."
-f'; ~ <:

:.f..

.J;{rgódcllicí~lPO, Extraer nuc~asmucstr¡¡sdcIO~ d,;IOS de cslamancril reproduce la

cunf usión enl¡¡ relación entre lérminos de ej'rar adyacenles'.
~l
'metr
': 'Para que el boolslrap pueda ulilizarse con da 1()s"'d e p¡¡nel, es preciso una pe-
'Iícn
queña '~lOdific¡¡ción, Deber,in volverse a Obtener illueslrns de g/'tl/Jos dOlllle cada in-
mal
divi.duo, o unidad de corte lrúnsversal, sen un grupo yno un funjlinlo de obser~n-
: lesis
ciúncs ..Supongamos que cJisponemos de dalosde pancl ()'¡;.X¡¡) de N individuos y T
. crro
periodos para un IOlal de NT ()bservaciones.'Súpbng¡;mOS~lue y; es c1vec.iur T x 1
. dc observaciones de un individuo iyX¡; la matrizT. xk cm'respondienle de varin-
bies independientes de un inJividuo i. En lugá'~ de ol)lél.1crnmesIJ:\s con reposicion
'11.4
a parti! dclconjunlo de NT observaciones,tlCbe'rí¡únóS'ill,cer!<í n partir de (y¡ ,X¡).
,ES
De esemodo, se IlJal1lienenlas correlacioneselltre'¡rld¡vii.lüo~" '. '. .
",-';':", '

:.',; ,,-' .. ' . La

,'~~¿.Iosc
"':".~o:\r..;:,:~- ..:.'' '~,',
~;.. I¡;cn
. . .ciün
'lorio
daue

una
.quc
jcrc
l'ob
HC
'Irilll
lan~
de
~CI
.'

. do,

':,; '\",' •.. <,,",,:

'.; . . ~', ':.;'. ,.'

Tcn
1<JPor ~jelnplo. ~i',e con;lruvc un' csi:iéJisiko
¡ • , '" 1
/'d p~rt¡~Jc lúi.7.;in ~'l1irc1:,~sli,;'¡,~i<i11del par:imc;rn jJ ), 1:.
' ....,' "~ , '.' . - . : clla
eSlimaci6n OCsu error eSlanoarll; poseerá una dislribuCión / sin imponar Cll~I.cSsc~.n..los v;t1nres vcroac.lc-
"
ros oc)) ,yis. Lus cS.ladislicos c~I)'a disl,ribuci6.n ,io c.Iepcllo¿ oc,.losvai~rcsesl'cdfi~"s oe lus parámclros
subyacc'nle~ rccibcn,eI nombrc dc pivoles; .', : . '. .' . ". " par
20 J. Horo,vil;,. "O~ol~lrap MClh¿o~s'in'Eco~on;clrícs:TI;eory ;;,;o'Numcricall'crí;"'llanéc"; Woikin¡:' blc
Paper ScriesM95 -' '10 July .1995. UnivCrsilY()[ 10\';'1, Dcpúi,;u.:nf (j( Éco,iomies .. ;" .' . ',' '(::
21 O. lJrown)' \\'.'.Ncwcy. "Ooolslr~~l)ing 'furGI:.IM",Julio 1992,. Massnch~scIlS:lllstiluIC ofTcchn<llClgy, . , .' :.::l'yen
DepartplCIlIIlf'E¡:onomics sC'n{inarllotes.' '." .' '. .
.~. " ...:, :1.sidad
, :••¡\:. .
'..:.-..l;

'.1 ¡

l. '
;;~(*:.~
 11:Un Sl1l()r~a~h()rd de M~I()<.l()S Inlens,in)s
('.\I'ínll.o
...., .. -, '~'. . ~<.le. (.¡
.
!c u lo.,
... .

finalmcnie, varios autores cucstionan el énfasis quellluchasobras uc eco no-

ría ilplicada ponel1 en el cálCulo de los efÍ'ores eSlünuar. JC(;!1g y t\.t':lddala soslie-
que "los errores estündar inleresan únicalllenle cuando ¡a distribución es nor-
...•.. Si lo que sc desen es trabajar con inlerva.los dc c,(lnri.lIlzay wnlraslar hip\¡-
s. dcbe utilizarse direclamenle clméto~o buolslrap y, cvitar el c;ílculu uc los
orcs es(;índar, plleslo que éslus carecen dc ulilidad.l~ _ '

4 ,.. .. ,
;~)
STIIVIACIÓN DE fUNCIONES DE DENSIDAD NO'PARAME1TUCA-

cslimación de runci~nes de densidad no paral1léJrica es un tcn1í! muydistin¡óa ....

considerados'h
,.' ' ',,,,,,''.' :.. ,, .., ~;~.:.:.- asla
',' . e :..•....
l.mome , ' nlo .. Lo, \! iseU.limossolat1),e.n
, _......... lepofq licse.1 ~¡lt~,dc/pr{¡\~,\~'<'
•
nica. que gracias a los avances informálicos. es cada día.m.ís popular. L¡'esllma, .
n'de rlJl;cioncs de densidad no paralllélrica suele utilizarse cn <.:1 an:ílisis explora-
o'cfe'd¡;loS aunque, como iluslraremos a.continuación. rcsulla lambién de ulili-
en Olros análisis dc dalosm,ís soristicad6s. . .
El objelo de inlerés es la funci<Íl~ d~ densidad. Para describir la densidad de
avúriable sucle'n adoplarse métodos ¡Jara~l~lric()s. Por ejelll¡Jlo. sude ¡¡firmarse
c1.iogarilnlO. de IQs sali1rios de.losllombreses aprQxillladamcnlc normal.: COllsi'
cm~~ li~les.lra mueslra de .1.00U ilciml?rcs. e'xlraí<la de la Eilcucsta Gener;ll a la
blació~(Cu;f:cnl.Pópulalion Survey,de 1988) (véase ejcmlilo(j.I,;.~onlr¡¡SICS de
CléroscediJsl:icid'ad~'dcl Capílulo 6). El enfoque' param~lti¿o que ul:scribcla dis,
l¡¡;i\~'n se .inic¡iiría cspcciricilnc,lo' uria, dislribución(normal. en' csle caso). calcu'
~loun cónjunto dceslndísticos suricientespara I,i di~lribuciónoblenida a partir
;~j

la IpueSlr¡¡ (Ia.l'ilediay la varianza, en este c<iSO) y utilizando. a continuación, la

Il';ICió;l de la' r~nci6n de densidad normallal}', como sigue:
I (.\'_p)2
.'1:.",
¡(x)=. ~xP-~2-'
. V2n ;;2 '.. .~_' (r-
,idc ¡i.y ¡;J. se eSlimande la rorma habiluar. es tJe~ir:

, . r '.f!:;> . "-, (f.'=.

... ¿IV'...(Xi "~fi)2 .....,
p,=,--; ¿"A.¡"
N,~I' .' ,=j N':'¡ 'l!.

ncmosahora una cc~ación quc d,; lugar a una cSlim¡lción tkla dcnsidad' para
al¿¡liier valorde x:
Cuando se sabe 'lile los dalos se dislri'buyel1 normallllcnle.c1 procedimicnto e I
ralllél rico cSlremendamenlc úlil.f:n particular, hemos partido del cUlllplcjo pro- ',-'
¡
c'ma eJe describir Una muestrn pnra reducirlo ala estimación ¿k dos par:lmelros: . .- .;.¡.
Porolro ladu; supon'gamos que no es\¡¡m.os' seguros de (luC los datos se dislríbu-
nllOfliüilmente: El enroque pnr¡¡métricoimplicaría lomai' varias flmci6nes de dcn-
d (normal. beta, giullma, logaritmo non.ll<Íf,.elc;). eSlimár los eSladísli~os suricief)-
. . , ~ ~ ,

~
rlili
f;.. .~

¡;¿:~. ~2~ ~ICrOIJOS UE ECO"O~.I[TltI"

e ""
tes dc eS<lSdistribuciones. rC<lliz<lrlos contmstes de hipótesis óldecu<ldos y. fin<llni<:ntc,
{-.
csl<lhlcccr un<l djslribucilÍn quc nos ofrcciera un<l buen<l cólr;¡clerizólción de los dntos.
'>1'.
El enfoque no p<Íramétríco e~ b;sla';te dislinto: La ide¡; b¡ísieil es lib~r<l.rse dc
I"
r.
,",
la neccsidnd de especifie;¡r por <ldcl;¡nt<ldo una fbrnw [uíiCion<l1 en iJ<lrlicul<lr. El
hislogram<l es liI forma m¡ís sencillá ue cSlinúición de la [unción dc densid¡llJ no P<l_
f' r¡ll11étricól. La Figura IIJi COI11¡)ólr;¡c1enfoque p;¡ral11étrico (suponiendo una distri •
• ~ I
hución nOl"I11<1I) con el histogrólma.
t:: A unclue la interpretación del histogr<lIil<l es intuiliv<l pCI" se, siempre resull<l líLil
,r ,
<ldoplar un<l pOSlllr<l un poco l11iÍs[orm<ll. C<lda recl¡íngulo se denol11in<l eaj<l (hin).
(~, L<I Figur:~,11.6,inclu)'e cinco cajas ue <llllplitud 1" El procc.dilllicnto consiste en ele-
g.ír un punlo inicial XII)' traza el primcr reCI¡íngulo UC <ll11plitud Xo + /1.
(- El segundo rectiÍngulo se inicia donde el primero dcj<l de cubrir el in(ervnlo
"
(,:" (xo + Ir, ,\'0 + 21r)"etc. Conociel1do In <l1ll'plituu: existe un algoriil11osil11ll!c q'ue deler-
l11in<lI;¡ altur<l de las C;¡j<ls. Ln allur<l de un<l c<ljn es una eslil11nción de 1<1[unción ele
r. dellsid<ÍtI en cicrio v<llm de x y. por 10(<lnto, fOrJllul<lremos el <llgorill11~ C0l110 sigue:
'ro " [(x) = -
I
[nul11her of observ<llicins in (he inlerval (x, x + Ir)]
(' NIr . '
;'1
I'v!eneionnrelllos tlos inlercS;¡nleS camctcrísticas tlel histogr<lma. En prinier lug;¡r,
'l;~-
la eSlim;¡ción de la densid;¡d depcnde de J;¡ elección del punto inicj;¡\ xo. En scgundo
... ~
O).
.. lug;¡r. y IlliÍsil11porlnnlC para la tliscusión posterior, la [01'111<1 del histogram;¡ depende

e tle I;¡ ;¡mplitud dc J;¡s c;¡jns, L~s c<lja's más cSlrechólS corresponden a los his'togr<lmas

.. ,'-, menos "alisados"; )' I;¡s Ill¡ís <lnchas corresponden

Consideremos,
ri los histogramas m¡ís ;¡Iis¡¡dos,
por ejemplo, los d;¡li:Js de 1<1Figurn 11.6 aunquc con eajas m;\s es-
.,l
'1.'
trech<ls )'con la eSlimación p;¡r<llllétric;¡ sobrepuesta <11histogralll<l (rigur<l 11.7). A
pesar dc utilizar d<ltos idénlieos, la representilción es más dent;¡dil y 105 datos mucs-
tr<ln picos en varios puntos. Como ya deSlaC;¡lllosanteriorlllcnle, una de 1<15c;¡r<lc(erís-
t ica s. nle,ll os,.d:c,~e~1;.1
e s,-.tlc,H?iS1~gr;¡Tl1";l~~s:~T<i:-dcljcntlC-4C-Iin:le eei6iYdcl' pn ¡tI o'(I(rli;ft~
tida. La rígtid 11..R es lJIi histogram;¡ c07n 50 eaj;¡s <lun<)ue conun inició ;¡Igo dislinlo.
7:"'. L<I obscr\i;¡ciónll1inllCiosa de lacolaelell;¡e1o izqtiitrdo p;¡rece revelar un<l e1ensid;¡d
'1-,, de (orma distinl<l a la e1el histogri1m<l;¡nleriOl". Al igual que suceelía en cl hisiogr;¡ma
., .
anterior, In forma IlO es muy ¡¡Iisaua.
'C, Un<l sCllcill¡l soluci6n al. prohlema es el es(im;¡dor ingellllo (nllil'<,)22. Recorde-
. ¡
';/'--. mos la dcrinición dc 1" fUllción de densidad dc probabiliuad uc un<l variable alealoria:
,p,
,

. 1 . .
..,. J f(.r)= 11I1l-p(x-/r<X<x+/r) (11,11))
,~, h-ll 211 . .
In, •

. -:;.,
.;:1.•..
y..,
,':(
f:> ------~.-. . .. , :~. ~..•.
"':

,:¡!., 2211, Sih.crr;lan. ()':II<iIV I:'.Hilllllli";' ¡o, SI<I,i.wicllllltl f)"I" /1""I."JiI. I')SI., Chap"'o" :'nd 11,,11.
!~;ir)
:~
):)
"
~, '
 , ,;. ( t • ¡ .\ ~ •\ ., ",: ¡

", ,.! ". ~' . , i ~, . " 1I

.-~ " i \" \ ' '.. '" " iI; :¡, • I'¡ , • \. ¡:, " I \ " '_ l"

C,\I'ITtJl.o 11: Un Slllo'rgasboi'd de Mtto~bs lritensivos de C;\lculo 425

" ,,! ' '1', ,.. , , '.'
.
.,
,
",.1 '! I

.5
'l. .',! ;.', 1

ti
_
•

l l.

c:
'O '
'.ü"'.
u
ro
t:::

j,

e
; 1";'

2- 3
\f. l;'g tlcl s,:ll~rio,
.'.~
FIGUHA 11.6
His'iogr';úúa con' cirtco c.ilj~s'(l,.i'ris).'" i ,.; ;' .
.'1'

.' ~, '"

. '1 '.

~".~',~'c!~;
. ':
. ';.'

L;¡ ;¡proxilll,ú'elllOSp;¡m
.' '.
cieno_. \'<llordadodcl/. . <::on10'
. . '.

1 1 .'.. .....
f(x) =- -lv<llordeX1, ' .. X'; delltrodclilll~rv;¡lo(x ~}¡,x + h)J (11'.20)
N 2" .. ..' .

('r~x'). .
Veremos cn seguida lo útil qiJe¡eslllladescribir este eSlil~ildor CÓ~lO
. . .--.1 NI ..
....N
=-.2:-...
....[ (x)
i"'l"
1\1 ~."'.'
.'. h.
..
¡
(tUl)
",,"
donde 11' es, un;¡ . r;,ncióndeponderacióndcfin.id<lcomo
-'.. .,.'. .~ , ' , ",.: '~ .. '.

.,.()
w z = -1. {. s.i.lzl
.'.. <1 ' .
.. ~'... ',Oen ~{ro cas~~
 ; :',"

.Ol> .••. t
D
d
p
t
.06
.1

,da
I
c: ,()~
.c e
'ü
'-'
w::'"'

i . . " '3
tog dcl s;il;¡rio'
riCURA 11.7
l"Iislo!:r;lnia con 50 t:;¡j;¡S

" .lJlt

,i

c:
-o
'ü .l~1
u
1:
'u..
~
';

.02 - .

."'
;
O

4
Log del salario ,',
. ".;1i
FICURA 11.8
, '~.' ... i\~,FI
HisIO&;:ma con 50.cajas per? c~n PUPlO'i~!.cia<lIi,~ii'~!¿' ,
:::~:;ESli
,:Ü~:';:
'.,J.
::;:,"

• ~."1" ,
 lAI'lnJl.O 11: Un Smorgasborll lIe rvI¿ludos lillCllsi\'os lit: Cilculo ~27
;\
l~!}
Dicho eslill1,ulor se relaciona directnmente con los histogrnúHlS que ncabnmos de
describil'. La diferenein suslnnliva eSlribn en que el eSlimndoringenuo carece de In
propiedad poco uesenble de que SlI foi'mn depende de la e1écción ud punto de par.
tida. Silvermanuescribe el eSlimnuoringenuo como "UI) intento ue construir un !lis-
10gr~mi1 u.anue eauá punlO es el centro dcUrÍ inlervalo mueslral.".'.22
. La Figu:¡'a'¡ 1.9 ofrece un ejemplo. de eSlimndor ingenuo utilizando los mismos
alos. ,El histogranl,i es sntisfaclorio por muchas rnzones. pero mejorarlo resulln
Illl!)' sencillo. En' pnrticular. este estima,cior no es un estimador alisauo: licnc saitl)S
el1 fus bordes de las cajas y derivad;¡s cero en e/reslo ..

.754

""

..:...

1'.-
o
2 3 ~ 5
Log lIel sal.;¡ria

IGUI1ArL9 ;,..,
illl¡Í¡¡oijilg~ilUb ¿oh 50 cajris '...... :. '".

.
't. ~(
:J
 ."I,"IIJI)I)SDie ''l'''~I)SIETl(i,\

T'\nL\ 11.5
¡\ Iguuos kcrncls cOlllunes

para 1,1 < I

cn caso conlrarill
1:l'an~d,nikll\' par;¡ 1,.1 <"\15
cn CaSll conlrario

(jallssianll
r '. 'para 1,1 < I
l{cclan¡:lIlar
<::'. en C;lSO contrario

r--, .' Triangnlar para Izl < I

en caso cont rario

Definiremos una función (.le kernelconlO ;lquell<l función que

, ',J"K(X)dX=I'
_:t' .•

" En lugar de utilizar l;l runcit'lIl de pesos anterior (conocida como kcrnel rcctllng/l-
-'
l~.
(01'). l;l sustituimos por una función kernel alisad;l y sus deriv;ldas. Esto es, a dife-
i
,,' renciadd estim;,dor ingenuf), el principio básico dd estimador de densidad kernel
c-,
.' consiste
¡ en ""llll'ear"
::> Illdlls los IJunlOS de la estimación. La Tabla 11.5 presenta los
kernels l11¡íscomunes.
'~'I
Ddiilire'mlls ;11101'<1 una exlensa clase de e~timadores de densidad, el estimador
.i. de densid .•;Jk~rncl de ROSCllh((/II-I'(/rZl'I;: .' , '.

.,-..., f(x)
~
= - 1 ~L.- - I ' K -- (x - Xi ) (11.22)

r.c.
J Ni=," "
donde K se rdicre al kernel (nOl'm:1lmente, tillO de los definidos en la Tahla II j) Y
" a In ;lnchur;l de banda,
. . A.u ife rtlnbi :1.11ch:: sIi11li1UO r.'ingc Illlo¡doses ti nr;itll)i'csdcde ilsid nÜ'uc'kenlc:l'sair
1'~ca'lí,)6i\t¿';;li'sa'dlls: La I1ccesiuad- de tal suavidad dej1ender¡í cid problema ;ll <]u
noscnfrcnt"emos. t\ ckdos'pnícticos, la eleecióll ue kernel carece casi dc importan.

- -.
.,.....
l.
cia (aunqUe si'l:eslIlle liril \'erificarlo)~ El resultado no es uellodo sorprcndente,ya
que ;lnlCs inuic;lmosque. el I/I/c¡'o de [)(IlId(/ de un histograma era importante para
delermi,i;lr stlsua\'itlau. .

11.4.1 Detallcs GCl1crales sohre Es!imadón.de FUl1ciol1esdc Dcnsidad No Pa-

ram é Iri ca

Unos col11cl1lariosgencrales :ltercat!elosesti,i¡;¡ciorcsdc uCllSidad kernel:

Los IUélOdos t!ceslimaciÓli de ucnsitl;iJkcrnelresultan de f;icil aplicación siem-

"-.
---
..••... ,. pre ljuc uiSpoiif!arilOsde probabiliuaucs mueslralcs, fvluchos conjul1losde datos

"
 1,1'

'. J,'

.,' ,.',.r, 1,' :'," ' ,'. , I '.' '. •• '. : ~ ! " ' •

('""i-rULO 11: Un Smorg~sbon.J

": 1, ~ , ', ••• l ....• , (
de .•,'
M~lodos
• '
In'tcnsivos tic C~Ic\llo 429

(la ,Encuesta G~ncral;1la r'~l;I~~iÓ,n';~l.Esludio('anelde Dinámicn de los Ingre-

sos, la EI,lcuesla ,de Ingre~q~,y Progr~\l¡¡' de Participación, por ,ejemplo) suelen
incluir Ul)a ponuera,ci6n que, r.eflejn,e1 iJ)ve~so.de la ,prppabilidau deque una uni-
d"d pobl"cion,,1 ~ea sel\=tcionaua para, I~ muestra. J nuicando el peso C0l110 0, la
cstimación dc ueljsiu;ld,kcl'Ilt;ls\I1l,ódificndireclnmcnlc en 1" fllrma: ..

....•.
'~¡X)I~.~l!:.o.,~(:I.'~',y;).
'.'
", Ni=l/¡ ,/¡

i.Cu:í1 ~s"la amplilutl ~~I);lI~I!<I a ?I~g.ir'] En.'érmino'sgeller"l,es, deberá elegirse

: ,'.:,'
'entl'c. "afianza)' sesgo.' C\J"nto:mayor'~e;l la :im'pli.lud de la banda, n;enor será la
vari"nza y mayor el.sesgo, y "iceve'rsn, Existen m~tchos mélodos de elección 'au-
lom;íl.ic<lde ;lm'1Iitud~¿I<I.ba,nd\,2,3.',En JlllICho~Sil,sos, será suficiente un simplc
juicio,visu~J,,<:sdecir. aquel,19 .•(i.4c,resulle,soher-cnt\:: a la:~ist'a.,Como regla genc-
1~I, lInainspec.ci6n gr;\ficati~n(lc,p sU;lv¡7.a(e"n'c:~~f!SO,:;,': .' " ,
D<:l)emos.o}.1I"!1~'.conc:ltjte!a cll<~nd9ap'iC¡u.éi)lOs mélodos kcrnél a (Jatos con "c'o-
las larg~s:> Encstos casos; suele'n' an"r~cC:r ruidos 1icticios 'en las 2blas ue bs e~-
- limacio,,~s, ..Cuand,o .sci'~len'tasuaviz~r'd erq2(o par" evil~r el problema, puede
ocu,rrirquc se pl,'oduzca un sU,;lvi7.;]J;tienlo"exccsiv'o .en olraS partes de la densi.:
s d;lu. Existen métouosdc alisados (Ir/apI(llil'os: cuando la densidaues dispersil; el
alisamicnto tiene lugar allí donde la densidad es menos dispersa.21 .
Cuando los datos scsitlian en unintervaloacotado, la's estimnciones de densj.
"¡.
dadkcn.lel deb~r.;ín rC>,~~e.rI,,"pr9pied'nd'uc ~stinm In densidad posit¡,va en a<]l1e-.
1I0s .puntos siluados' Cuera del dominio,de la .variablc, .Un enfoque consisle ,en
Ir;lnsCormarla conveniencia de la vnriable: Muchns vcces el problema se ignorn,
simplcmentc, Véase SiJvcrmnn p"ra la discusión dc 011'05 mélodos.12
Y
'o'.

l' :'
6'b't'c'TQ~'S:¡iXr'jb~!'\';:.i
",:,;"y,J).<l.2'Vn :I;:Ap1i~.llcit1lj~~t'ri'S':Efé¡;rt\fiT&'Jhs',pil,rtl'fi'~~'S'm'iJi'~:irc:H
ue , ", :.. ':~ .' ..... ;.; .. '-.'.~ .... ',' :.. ,~'~.:'.,";', '<'~';':''¡,:.;..,~:''''''~-,''',.'.:.- .. ''-' ',:- t", ':'. ', .•. ,.',~ •

.La esli l11;i~ión I;~\ paramétric" ,de ladcn~id:t'u~S~(ll~'aJ~~rr¡rnl ie nln ú1i le n ;n;\ lisis 'd' i .
plor¡)lori(J dc d:ilOs, 1'01' cjelJ1pl.o.t~stilt":'r;jcií:;prC2i'ri~la 'pr~scndadell~;¡ plJ~ra
a gf<lli(ICymó"íl (citcl vülnr '~clsaI:n'i9.njfl'iili1d) :il;e'dÍ<1Jlle:cstii,,:iciones sencillas no
paf<lmélricas dcladclísidaddel iógaTil'líO.uClos.$~larib~ dé'niujcrcsen 'eI periodo
cOJllprendi~ociHrc1979~)989(periqdoimcJ cúal~lsal;¡rio mínimo, con el "juste in-
nacíon ;lrio, Uism inú yt\); loq ú~ s\' gi e fC)l IIC. e I sa la rib'll1Í n inlo juega tinpa pe I im por-
-
tante cuanuoselral ;¡dS e~rlicar 10s.c::lJ1ibios en Insdcsig'úaldadcs salnriales2( La
.; - " "," .," .-". ,.... • f" •

2JS.Shcalcr na'l1;d,;:¡thSckc;¡o:n .~lcIhod '(,lr Krrnd

)'~I.JllJll.~.~>\I{d:;,hlc<():\la:n;¡~ctÍ Dens;ll' Esl;.
- nI'I;(il1",lrilirm/( f'jllri;11,i.\'trl. sÚl/iú;";,i.S'(lI;"(j':/I,5J, I?~I. (,1'.1:(,110:.:. . '. :,.
s . 2: J. D¡N,rd.o',N.F;'rli,"y}',':c'nl¡~UX: ••L'\l(lrM~r~cl.I'ljSlillllioI1S~I1(llhc, O¡;lril;UI.iOilo( \\'ages: 197J-
I.g<n ASclIl':' anllllc.lrlC Apprn:,ch.'.1:Y'I/fÚ""lriC(I,rn'cdicil\n, . .

:: "
,"

~IIOTOl)OS L)t:.ECO:-<O~It:TIlIA .

estimación nopara métrica de la densidad se utiliza también en pr9blemas de esti- d

mación y co'nlraSI;¡ci6n. . ....'..,.. '. d
. No sorprende, por ello, qtie la eSlima¿ión no pan;ni¿tr.í"ca tiC la densídau'r'e.sul- d
. te:de gran utilid;¡d cuando el objeto de nuestro iillerés es una densidad. Considere-
mos el siguiente problema, ¿'CÓrilOafeclan las uniones sindicales a ladistribución. de
sal;¡rios? Aunque nos centraremos, en particular, en las union'es sindícale's, el aníÍli- ",
.\
sis admile de modificaciones que permiten considerar otros faclores. .
Empezarcmos postulando dos écuaéionés salariales.distintas, una para ~i~ec-
101' sindicado y otra para el que no lo ~~líÍ: . .
)''' :: )("fJ" +'. E" •• (11.23)

)''' :: X"¡J'" + (': ..(11.24 )

.Cual.ldo la s'elección no presenta problemas (y lodo parece indicar que no), lo
'.
míÍs sencillo es estimar regresio'nes separadas, una para la.muestTa.sindicada,yolra
par; la muestra no sindicada y obtener las eSLimaciones de fJ" )' ¡J", respectivamente.
ESIO es exactamente lo que hace la conocida descomposición de Oaxaca. A conli-
nuación, se realiza el siguienle dlculo: . •.
Y,::: Xlliy.
V':: X ¡r'
JI 11

dondcfJ" y fJ" son las eSlim;¡ciones MCO de las ecuaciones (1 1.23) Y (11.24), respt:c- .
tivari1enté, y..:..'<" Y ,'<" son' las, medias de las variab'les Xen el sector sindicado y no
s¡ndic¡¡uo25• 5"';: es el salario medio de los trabajadores sindicados CU~lljo son relri,
buidos de acuerdo con la función de salarios del sector no sindicado. 5':: es el salario
medio de los trabajadores no sindicados cuando son retribuidos de acuerdo con la
, fun'ción de salarios del sector sindicado.
Calculamos el efecto de las uniones sindicales sobre los salarios medios de los
trabajado~es sindicados mediante la siguiente diferencia: •.
Efecto unió.n sindic;¡l :::Y,,- Y,: ( 11.25)

donde.f'" es la media de los salarios del sector sindicado.

. El enfoque es útil siempre qlle el objetó de interés dclestudio sea la IÍledi'a, pe-
ro no sirve para comprender las consecuencias de la distribución dclsindicalismó.
Un enfoque '1lternativo consiste en utilizar la estimación de la densidad no par¡¡mé-
trica. A destacar que la definición de probabilidad condicional ¿ja lugar ¡¡ la siguien- "

te re.prcse~.tación de la distribución gencrnl de salarios:',

J
g(lV) ::' [(11' í x)h(x)dx

H 'R. O~xaca: ..M.alc.Fc~~le Diffcrcnli~ls in u'rb,;I; L~bor Markcls". Jllrwlllli/llllll CCUllOIII;C IIrvicII','I4,
1973.6?)~709.' ", •. .... . . ' ...,...
 "-',•....
.,. "
1'1
("MíTllI.O 11: Un Slnqr~asburu de M..:touus Intensivos de Cíkulo .DI (;:':/J'

!:':""
".
donde [(11 I x) es la dcnsidad cOIH.!icigll¡¡1de salarios. También es útil definir dos
1 )~.

,I~
'"
dénsidatlts '¡¡dicion¡¡!cs. En prililer Itigitr: ia 'deilsidad de salarios cn cl scclor no sin: '/":')

dicado: ~
..~
:.
\.'¡
!:(I\'III~Or:: jr(nÜ)h(xill::"O)tlx , . (11.26)

d.onde P'(III Ix) ¡;¡; [(11' I X,II :: O). Como antes, P'(I\' Ix) represcnla la eslructura sal¡¡,
r~¡1I~lcI seclor no sindicado. De modo similar. I¡¡ densidad de salarios en el Sector
slnlltcado scr;í: '

. (11.2R)

:"\.
( Il.2lJ)

( JI.3D)
.' .., .
~~n.d~ ,U:: [prob(:,. ~ ~)V(prob(1I :: O).':')]. Conviene deslacar. sin cmbargo. que I¡¡ : ',-","
eCU.1Clon (11.3n~ cs Idenllca a la eCliaClOn (11.26), exccpt[¡andll ci¡Jc'.1"rIfI.
.. Nos gUSI¡¡na s¡¡ber cuíÍI sería la distribución de los salarios si todo el lúundo re-
c~I~lera sal¡¡rios no sindicales. Nuestra primera e!Ccción sería ulilizar conYo cstima,
clOn la muestra no sindicada. Desgraciadamente, I¡¡ distribución de las c¡¡r¡¡ctcrísti.
c,as x ~e esl¡¡ muestra no reneja I;¡ mueslra de caraclerísticas x dc la población IOlal.
1 nI' cjemplo, la mueslr¡¡ no sindic¡¡d¡¡ tiene demasiados doclores \' no suricienles
o.l~rcros c.omo para poder representar una muestra de la poblaciól~ total. La sol u-
clon consiste. en dar un peso mayor a ¡¡quellos miembros de la muestra no sindic¡¡da
que. presull1l~lementc, estaríÍn poco represenl¡¡dos,
. .
Ambas prob¡¡bilidades
" . ..
son r;íciles...de eSlin¡'lf'
! .
'c l.
1)1'01)(11 -- (1) .C.>.\ .• ue
proporclOn ,1

II1lelllbr~~ no. slll(\¡cados en I¡¡ llIuestra y prob(1/ :: 1) se estim¡¡ mediante un m~dclo

dc.c1ecclon discreta como el Probit (que discutiremos en el Capítulo 13) o mediante
l11elodos no paramélricos, dividiendo o agrup¡¡ndo la muestra segün las ~ari¡¡bles x
,."!!"--"

~!

-..J
rl( ':,; -132 ~IU()I)OSI)I':H'U~I)~II,ll(i"

de C<lf;lclcríslicas de los indivieluos, calculando luego la proporci'~n de indiviuuos cn,

r:.: . .- -
cad:r ci:lua. . l' . . d '1
(,. '., I1uslraremos el proccdimielilo mediante \;1 rnueslra ele 1.000 o lSCrV:lCI(~"eS c
C'I'S l. . II)SX. En IJrirner lugar, ulillzarnos
.. . Ia.,lOI". ¡'d'
I ,\1I Il'C l.,1 l11ueslr'\
".' (cs decir .' 1;11110
. 1"
\ra1J:lj:l~lures sil1dic:ldos curno. lio
.
sil1uicados) para ".
eslllllar UI1sencl 1Io pi'obll CI1 h•
1'01'111:1: • . .

'.
S. I'C~c'I('lr1- (1) (cxllerrCI1Cla ..
.cxnerrel1Cla a I CU,I
. d'I;H Io, eSl"rdo
. , civil , liempo parcial,
r .) .111\1.. - .• ' • " , (1 \.JI)
:lIios (k cduc:lclon)
r~',
t\ conlinu;¡ción. utilizaremos elich:l ecuación par:l generar la prcdiccicín ele la I:~oba-
bilidad de scr micmbro del Slnt . l'IC:ltO. ( :1 d'es l':lC;lf (tle
I ' dcbido. . '\'. (IUC la ecuacton
..., de
prl:di'ó:ilin gcnera la probabilid:lu de s~r micmbro del Sindicato. pO.I.lel1~o~1'lInble~
calcular l menos 1:1prob:lbilidacl.esllI1i:ld:lucpcrlenecer a un slndlc.~tO). ?b
ICllem'os como reslI!lado el términoprob(1I = O Ix). C:llcul:lmos, :1 cOnllnU:lCI~I~,
,
,,-'-. p;'0\1(/I = O). corno 1:1proporción cié individuos no sinuic:luos cn la mucstra y lo ulIII-
',' zamos. junIO 'con la eSlim:lcicín. anlerior"p:lragcncr:lr O. " I
. . .. ', (eI et enSll
Realiz;¡mos. enlonccs. una cslrnwclon .' l',11I k'cr n.1
e (mcdl'lntc
.'. el kerne. .
Epanecllnikov) con la muestra compuesta sólo de lrabajadores no sl~t,lr~ado~,tltlll-
r)
, 1.:,ndo p:lra cllo nueslras estimaciones de O. ESle p~so d;¡ lug:l~ a la ~rslrrbuclon u~
salarios de la econorní;¡ cU:ll1dn todo c;ll11undo recIbe su salarro de ,\cueruo COI11,\
estructura sal:rriai de los no sinuicados.

.H
-- Den,id"d "CI\I"I

- - - I)cnsid¡¡l! para I\I~ no sil1úk,uJO$

..,. ".",",',' ',"':'<r:,-

.'
í
,>.~
'J

\.1:, I
~'.

()

_ .'.. él 4 •

Log.del ~atario
~ ,:-J
FICURA 11.10 .
1", I
.•.. ,Eí decto de los sindicalus

\
 ,,
.....•
.,-

'l',\I'iTUI.O 11:Un Smorgn~bord de tvlélodos Intensivos de Cálculo 4J)

;. .
~;
La Figurn 11.1,0 nillCslr:l dos dislrib'uciones .. L:I primera, cliqtle(:ld:l como
"Densid:lel (Jan los no sindic:l(Jo's'~, es 'Ia'distribución que qued:lrí:l en 1" pobl:lción
tolalsi todo c1mundo recihier:l el s:llariodc los no sindic;¡dos (Iá estiri1ación dcscrí~
0 la ante~iorníellte), L;¡ segunda dislribución es una eSlim:lción de uensidad de kernel
utilizm1do la totalir/ad dc la 1I/1lc.f;ra sil!' nueslrospesos O. L:I diferenci:l enlre :I;nbas
densiu:ldcs es el efecto de los silldicndos.... i
La cstimación sugiere que 1:1dislribtlción s:llari~1 lie'nue a igual:lrse p:lr" los in.
lcgr:lntcs de los sindiclllos dc"los ESI"dos Unielos.Conv'iene dest:lc:lr que 1:1den~i.
d:ld contraraclual ("Densidad para los no sindicados") liene menor peso en el cen~.
lro de la dislribuciÓn)' ¡myor.cn.I:I,mil."d inferior. Una simple explic:lciól1 de este
result:ldo es que (i)'cual1lo más elcv:ldo sea el s:llario que reciben los no sindic:lelos, :
mcnor propensión lendrán :1 afiliarse (Ioslr:lb:lj;¡dores con sal:lrio 'menor tienden ;l,
eslar sindic:ldos) y (ii) los sindicntos elevim los salarios de los lrabaj:ldores con S:lla-:
• :
rio menor en relación :lsus'eonir¡\íi~ros
.. •
no siridicndos. El ereclo de la sindicación'
; ¡,. Id
; ~
'

:lfectan poco;' 1:1$col;ls:pocós Irab:lj"doÍ'es c~ial~;\n SilU"dos en I~ col" y' co'n ien-
I
dcncia . a afiliarse, • •

.
•
\', '1'

L:I joroh~ de la coln in,ferior de bdislribuéiór1 es intere,s;rnle porque "(J;¡'rcCC'

en el v;¡lor del salario míninlO'. DiN:lrdo, .Fortín y Lemieux2<l exponen en detalle el ..
\ ..,. enfoque genú:l1 y :ln;¡li7.an él declo del s:llario .mínimo,nlienlras que DiNardo y
i Lemieux lo :lplic"n :1 los Est:ldos Unidos y Can:lda26. La joroba de la cola derecha
. :f.,.
de la dislribuci<Ín cs también interesante y tiene diversas explicaciones. incluyendo.
1:1posibilid:ldde qlle ciertos individuos "redondeen" sus s:liarios decl:lrridos a cier-
.1 l:ls c:lnlid"des. El documenlo de C:lrd y Hyslop ;¡pOrla IIna' discusión fascinante a
este rcspeqo27. . '. .

.~
~: t.

¡:: :~r:GimSlÓNNO PAHAI\1ÉT'lUC'A

-':'-~.'~~' .i.'r'.( ...• <.:,.'.: ..,'<'s~~.:';''i!7~":';'¡~~0:~':''''''''';<r:.7'; <~,.<
",~'7'.r.7~.{;'~¥.(."7.~:':~;.~.'T'.!i77:!'.:.;v:,\t.?~:::.r",:~:7::r"':::";'?:;i:::'.,"""
.{ .....• L1regrcsiólin~rilt;lIné(rica.ocupaUncaín'poconsidcraGlénienie amplio. Aquí Ira- .
i. laremos solildicllIe uiiapcqüe~ap;lrlc.de los"alisadorcs"cn el modelo univarianle ..
La regrcsiónno paramciricapar;¡elcaSbdeunü,*Oregresbr se describe' co-
mo sigue~

.y;= 111 (x¡) + E¡ (11.32)

L:I rcgresi6n no p"ramelric:l inlentrireclll,>erar lá función 11/: que 'supUest;'lmenle es
,,!lamentc no lincal. La rcgrÚión no p:lf<lmélrica resulta sencilla cuando dispone-'

26 J, DiN~rdn }'1'. Ltl1lic"':"Di\'crgi~~ \V~gc Ineiju"lilj. in ,tic U.S; nnd Can "da: 19R 1.19S9. Do Un ion!
E,,,I,,in Ihe Dill~rcncc'r'.ll)inieo,Uni\'crsil)' l11 Cnliloríli"-lr\'irie.'Dcj'Qrtl1lcnl 01 Econol1lic!, 1994. •
27 D. ('"rd y'D:ll)"'I"p .... D¡)c~ln'n"don,'Grc,,~e ¡hc W¡'cels 'ollhe. LnhorM,uki:I'". Industrial R'tlalion .
Scclion Wilrkinld'apcr nu,ilhC'r 35(,. I'rincclon Uiii\'.cr~il)'. Dce. 1995. .
 "i
:~~.

.. '. 10- ••

mas de varias observaciones repetidas de )' para dislinlos valores de x. El caso más
sencillo es aquel en el que x adquiere un pequeño número de valores discretos. Por m
ejemplo. consideremos x tomando lres valores (1,2,3). E,) esle caso. la regresiÓn no re
paramélrica es: s(
( 11.33) ra
re
donde D;.i := I(x;:= j) ydonde 1(-)es la función indicador qúe ~dquiere valor 1 siem-
pre que la afirmación enlre parénlesis sea ci.erla; En olra~ palabras. hemos creado
un conjunlo de variables ficlicias paraca(.1a nivel de la variable x. En eSle sencillo
caso. los cocficienlesjJ1.fJ2 y fJJ son las medias de)' para cada nivel de x. Esle enfo-
que' es el mejor siempre y Cuando x no adquiera' demasiados valores. Sin embargo. TA

cU<Jndo x adquiere muchos v<Jlores distinlos, el mélodo falla debido al hecho de que l.
, "

no dispondremos de o'bserva-ciones rep~lidilS suficienles para unmismo valor x. En O

.....'é'se't:rs6~"uHlrt¡¡icjntSs'1:téllídis'iii,~r~':fl¡ÍláS>,:,;,~,,';;',;;,':""'- ... .'.':,i:"';';:,<,'{",,:, .f": ..,.;.,. ...:.;~. " '. .¡.;i~.::

Exislen dislinlas olaneras dc'rcéupcrar la funciónlll(x¡). Considerelhos un am-

plio conJunlo d~ fuh'cioiles' "alisa~~r:is." co~ la fOflll'¡¡:' .
~. 1.1/
111(.1')'= - ""11'1/;(.1'»)'; (11.34)
. 11.4
. . • I '. .• 1 .
E\.eslimador no paramétrico más sencillo descrilo en la ecuación (11,33) es un caso
especial de es le alisádor uOllde .
1(.1'; = x)

(lin)2:;l(x;=:,x) C
OicJlO al¡sad~r es s~lsceplible'la'qlbiéJl de inlerprelarse como una regresióli ponde. cn
rada. A deslacar que 111(.1') c.s la s.olucilJl\ c1probíema siguie'nlc: .

. ',hin.:= (~i"'/I;(X)(Y; -.
PII.PI ";=1 .
';u- /J lX)2) .
=min(~.
'.
i
";=1.
Il'l/i(X)!)';-IIí(X)]2)
.
(11.35)
s¡
Esto es; el i1lisamicnlo puede' considerarse. COl~.lOuna ~eric de' regrcsiond; oe míni- fu
mós cuadrádos ponderados y lIí{Xj como el eSlilllacior/ocál de lIIí"illlos cl/[/clraclos211 .. ve
ye
La regresión no pa'rámétiica d~ y' sooreximplica reali7.,ar una regresión. para cada
()
valor tic x el1 el quc 'procc\la eslin1ar la relació,'~ y = '111(.1';). Tíllic¡lmenle. el proceso
de ponderación da mayor pesci a 10's punloniluados cerca de x y menos (o ningún
peso) a los alejados de x. . .. '. . . . de
La elección' de 11'(-') origina distinloslipos de alisadores. Loe.u es úno de los
• • .• .., •• ,i

2:1
y~
z.I
., lo
'~"
28 W.lIarllle. "1'1'1;,,1 NOIIPMlIIlI(If;C.fl<grc.uioll. \990, Cnlllhridge Uniyer~il)'l'rcss. .: Sc
de

.
~.'"
 ,"-
--'~
.J l
Cl\I'iTlIl.O 11: Un Sll1orgasbord de IvlélOdos Inlensivos deCilculo 435 :J

" J

mél~dos n¡¡is populmcs2<J: Loess es un /i,élOclo clell'eállO IIIIÍJ. ¡ÍJ'(í.I'illlo. En lugar de

ealizar el promedio dcla variable dcpendiente en louoslos valores de ..\'. loess hace 'lJ .
(!lo el promedio de las y "vecinas" a.r. Precisaildo m;ís, loess SI.:. resume en 'dos pa. ,j0.
amclros. (t y )\,-Esle último lérmino loma dos valores -1 o 2-' sCi!ún lil función de '/.
;!
egresión local sea lineal o cuadrática. El caso convencional es cúa~do A := 1:
. . . ,
min:=
¡J1/.jJl ( 1 11
-"NlJ
,= I
1\' (.r)(I"-fJ(I-¡lIX)2)
111. ., .

AIII.A 11.6
.)atu.~ generados para)' = scn(.\') +'E
"'-- •.• ~ ••••.•.
- •.,~ ••__ ., .--, ••••.•••
~ •.•.••-_ ~y •. I"t""l~~_,~ - ..•." .•._ ~ •.....
I ,
Observacilin n°
..... y. .r .Obs~rvació.n n°. ':'.': . .. ,1' .- ., ..~.
-/ . ...•...
\l"
1 0.82 0.79 11 1.23 &.64
2 2.52 1.57 12 2.30 9.42 ¡.
3 1.66 2,36 13 0.19 ¡0.21
4' 1.50 3.15 14 I.11S 11.00
,
\',.'
5 1.47 3.93 15 -1.71 11.18
6 1.60 4.71 16 -:0.]0 12,57
7 0.49 5.50 17 1.42 13.35
8 0.41 6.2& I~ 1.31 14.14
9 3.09 7.07 19 0.79 I~.n
10 1.32 7,85 20 0.22 15:71

Cu;)nd~) A '= 2. las regrcsioncs ii;lcales locales que calclll~ loess s()n cuadrálicas en x
n 11Igilrde lineales. En es le caso. loess es la solución de ' ..

mil; = (.~ ~ \;'/I;(x)(y¡

fJlI.PI II.¿
- fJl) - fJIX2 )2)
. ¡';-"'.
. . ,= I ." .
Sin cmbargo, ellérlllino m¡ís importanle es C1caqllel qu.e calibra cl'~rado de ¡¡Ii.
¡lIl1i.c;nl~, Supongamos quc, cn unall1ueslra: de 1¡lInaiio JI. q = inl(,,'. -11 ¡'donde la
..,
un~llln In~(.) se l.runca cn el enlero m;ís.pníximo )' u es un mini"ero cnlre () )' l. Los ;"

ecinos mas próxlIllOS a x¡son los 2q + I vrilores de x situados más cerca de (e inclu.
en)
.'
X', es dccir. el conJ'unlo (,' ,. . . . '. ')'1' Y e conJunlo
. : '~II".' ~ (".1)' •.••. \; •......•. \¡. (,/.I)'.'\i+ll
",
, ',''''~

);.lJ'y;-(,I'J) ....• )'; •...• )';.(II.J).)'¡I,). ".

. Con fincs iluslralivos. sl'lpungall1¡)s que lenemos los' datos de la. Tabia 11.6 or- ... ,.
.••.

\',
enatlós de neuerdo a Xi, . Cuando u := ,l,loess considerará 'Ia vecil~dad de lamaño

1 S~i,il; E, Oey.clalld. \1;.IlII1I;ÚII.~()"III. 19'.1), Hu'harl Pr~l'S. ~llérn;illu pnll'i~llc lid n1cm,ín 1'/('.1$. a"rc.
~alllra d~.re~rc.S1~" Inc~l: ~c. e~collllc.á.quí cicrln juegode p:..lahrn.s. porque 111<'.1.1 es el lérmi'Hl (IUC ulili.
I".I(IS gculogn, p.tra desenlllr d oeptlSll.u oe ~edlli1cn(o que llurmahnclllc sc ellCUClll ra cn los ,'alles -por
o 1.\IlIlJ. Ulla ~uperlielc.
• ,
La Sutileza .'
parece hahersc
.
perdillo l' muc'll'S
• • 11
,"cces /')''" s''e In Icrprcla como 1o.
• '.• '

"'.IJ (cl.mcllllC), Ha~dle. por e¡clllpln. utiliza el lérmino como acrónimo de LO\\'ESS -Lucall,' \\'eidllel1
caUcr plnl Smunl1ull¡:' IUlltque cI procellilllielllo que ucscrihe es Ull', li¡:en \"Iri';nt . ti l. " I '.
escrito, ilsimisrno. por CICVc!;HÚJ. '. . . ~ " ,1 • -' • lo: t,: ,l(llIl l l..:="C11'Oy
,......---~...
I -:¡¡;.
..•
~~1-.
',¡J'
(~.~:;l ~II~T(JI)(JS IJIe U'(J:-:(J~IETllf"
!.:
(,.,?/
1
If =.20 x, 1'= 2 l1Ir.cdcd?r de xi' 'C;::onsider'emos el dlculo' de unvaloi' 'p~'ra'I~I' fÚ;lci6n'
de r~gresión cuando x= .7.07, o In'ob~ervaéiÓn numero 9. Ln vecindad dcrillida, en
.:stl:' I~unto cun;l¡!tl (/ =2 sPI¡Jasobs~rva'cibnes compr~ndid;is c;11re .7 '11~ La csti. y
macil',n locss s.:r;í el valoi' predicho n pa'rlir de' una regrcsión'li;1cal (I)Onuerúda) de
.1' sohre x para l:sas obser.vaciones. " " -.
Dc modo m;ís form;.1I. cuillldo los datos se Cl;,sifican de menor ;, mayor, ddini.
remos el conjunto
J •. = Xi: Xi es unnrj-vecindád

.
r;""\1
r':~'r

donde .i = max¡ Ix¡ - xii Y la función de ponderaciones recibe el nombre de,/rimbo.

El procedimiento. l:ntonces, es,directo:
l. 1-I<1l1nr:parn todo xi, su vecindnd de tamaño r¡.
2. Cnlcularel'peso corrc.:spondienlen c<ldnx perteneciente a In vecindnd.
r::. J. l~e<1lizar una ,regresión mínimo cU<ldr;ílica ponderad<1 de)' sobre X en todas l<1
".1

r-.
, vecindades y predecir .i7 -el v<1lor aliS<1dode Yi'
Con el obj'etivo de ilustrar <11Ieclor acercn de In in;pOrlnl;cin de 1<1elección del
par<Írn':lro a dyl alisado. realizaremos unn regresión loess sohre los datos de In T<I'
hla 11.6, generados a panir de Inecuación
Yi = sen (Xi) + E' . (11.36)

donde E es ulln vari<1hle normnl cst;índar.Ln Figura 11.1 mueslra los d~los originn.
les. la función de rcgresión "verdndera" y la estimación loess con un valor de a=: 2.
En este punto. parece que el estil11<ldor se comporb nccplablcmenle en cuanto a re-
/"-,
p rud ucir la, ."<iIÜ'S:i.QJ}-ll\,º~i]q:-I]J,G-,,"'t-;.~_ ..-..••',,,,.-:--,-':,.: ..-.~-;'- ," -"':.'.','--"---'.',;":_,"', ",",.:.'._:,",:".':
"'C:
'~"
i :':;'~$jtl'c,i;íÜiírg«suavi~n/~ncxCcs6 p~lé.de()~ig¡I1a~ un sesgo significalil'o. La r:igu~
'r,tn.2 com'[-lnrn .dosCSliill~cione~ 10css(C'l =,2ya;" ,S) con In verdadera. Apnrenle-
l11entc. S'es (kmasi~;ído gr'al;dc.' La surva esdclllasi"do "sunve" y su comporlnmien-
lo. no cs :lccplable.:.n cuanto. a reproducir la vnriaci<Ín suhynccnle. De nuevo,)' Inl
tomo vimos.en el c:;so dc la estilllaciónde densidad no p:lralllétricn, ya quees'm:ls
~\:l1cillo."lisar a ojo que \10 idisilr, es prcrcrible alisar en ddeclo quecn exceso. Lo-
ess no es el' único método de ali~nr que existe, aunque si el que I)osee In deseable
propiednd de seguir" la línea muy
ele cerca. Unanllcrnaliva consiste en utilizar lod(js
los datos y un estimador kernel cOI\vencional:
-.-
~,
. "'"." Jl/h)K[(x-:x¡)lhl
/.
'\I',,¡(.r) == \I'J¡¡(x) =:, _ (11.37)
, f¡,~x), .'
dolltk

'<" ••
" : ._' :.. [" (x )'=: ~~,'h K (.r ~x ;)
 1,

j'
l'1\ l'i:1'lJLO 11: Un' Sn;org;'\sb~nJ~Ic./vIclodos Inlensivos Jc C~lclllo 4J7
.,-.
! ~
:
i
/ .
. ,
,l'.: . . '

..•. '-.. "\""". ,

~; ".•.l•

-. " !

'2 ",'l' '

'-'\'
I

o
, . 1"

'i ~
.;.
, ,.1';': .
. _.~'-_! .• ~L?csscsiim~da c'ullrido n = ...2
. l
--' Verd"d~ru ,,;Ior

-2 ",

"

". O . '5 ',,' "

10
1s x

FIGURA 11.1
Un eslimnci6n luess scnéilln

Vcnl;ldcro \':llor

•..•..• Lo~ss esii,m:u.J:I CU:lntlo n ,= .2

L.oc~s cS.lim:HJa cU:'IIHJn.h 2' .R..•.

~.\ .
"
:"'::"".';:t! -,.:':'

y:
r .' - ~' .

. {
15

'~

rICURA 11.2

J
438 ~ltlODOS DE ECONO~IETRIA

Sin embargo, suavizar en exceso puede originür un sesgo significativo. La Figu- res
ra 11.2 compara dos estimaciones loess ( u, :: ,2yu :: ,8) con la veruauera. Aparen- qu
temente, ,8 es de.masiado grande. La curva esdc:rilasiado i'sliave" )'su comporta-: m
miento no es aceptable en cuanto a reproduci .•..layariación subyacente. De ~uevo, y dl
tal como ~imo$ en el'c¡!soJé la estiilHlción de uensiu".u n(~ pa'ran'~trica, ya que es
más sencillo alisar a oJoque no alisar, és preferible alisa'r'cal ucfecto que en'exceso .. ne
Loess no es el único método de alisar que existe, aunque si el que posee la de- su
seable propiedad de segl/ir fa líllea muy de cerca. Una allernaliva consiste en utili-
zar todos los datos y un estimadoi' kernel convencional: . .
do
(1/11 )K[ (x - x;)/II I ( 11.37)
II'I/;(X) :: II'II;(X) :: _
¡¡,(x)

, ' ,

".'_ '. ";, ",,"1':'" ( x-x;

" .)

,
,,' ¡¡,(x)
. ..
=2:-
. IIh
K -. -,
11
'; .' '. '., ' . ,
Na
Aquí recphoceremos, sin problemas, ladensid¡ld Rosenblall~Parzen que. tratamos lip
,enl~ SecciÓn 11.4: Yaquedichosj)esosfueron propuestos en primer lugar por Na-
.' - .
daraya y Walson, el ,estimador suele denominarse estimauór de Nadaraya- 01
WlIIsoll30: Igual que vimos en la estimación de la densidad, es m¡ís importante la l
c1ecéión de la ampliluu de b:\Oda que del tipo cJc.kCrnel. ~•
.
2.
11;5.,1 EÚL:nsiól{: EIM ódelo(lc RegresiónPardiilmellte Lineal
,'.".. e .-:..-:....,,~':.
',Elhec.1,i()UC 'lucios mélodos de ¡'cgre$iÓn nopaúimélrica estudiados hasta el mo-
mento 110 sean aplicables a nu\s de dos variables. constituye una de sus más severaS 3.
limitaciones. Estimación, interprelación y presentación de resultados se. complican
en cuanto inlehtamos lrabajar con n1<\sde dos dimensiones.
ES
Una' solución ~l problema consiste en el modelo ue regresión parcialmenle li-
eS
neal
co
)'¡:: Xi II + f(z;) + E¡ (1 J.3S) se
üonde una parte del modeio es line;lI (las X) y una única variable liene una relación. :~:
pOlencialmenle no lineal con y. Cuanuo la variable es categórica, el método I1l~S:. le
sencillo consisle en dividir z en categorfas siguiendo el patrón de la ecuación r
(11.33); ell otros casos, se necesita un enfoque nllernativo. ;~
Supongamos que la variable z representa años de experiencia laboral. Un en-} 1.
foque consistiría en incluir z, z2 y z) como regreso res y aplicar MCO. Esto método:'

.,_.. _------ '

)0 E.A. N"d"r")'". "On ESlimali,,!: Ilegressio." •.•.jullrtllll of I'ro/mlli/;I)' ¡I/'pli<'lIl;(JII.f, ro., 1964, t8ó.I9<!;:¡ JI
í6. • -- , .. + sUy

:.
: G.s: W"lsóñ. "SllIoolh Restession Anal)'sis", Snllkliyn JI. 2(,.1964.101-1

. '. '.~~,
 .......'
di.1

.•.....
;.J .. \

CMITIlLO 11: Un Smorgasbord de ~.•.I':lDdos us de Cálculo

Illlellsi .•..
¡ID
[£1
sulla adecuad? en muchns aplicacioncs. Uno de los inconvenicnlcsuel sistema es ,~ ..•.
';'IJ\

ue resulta partlcularmenle Sf.:nsible a la existencia ue llllOS I)OCOSvalores exces'I""'" o

mente gra ld' dA' . . ,
'. .'~. es e z. pno.f!. es po.~~ seguro saber cu;ínlos .l~rminos del polinomio
l:bcn utlilzarse para aproxImar suflclenlemente bien f(z). .
. I Otro enfoque allernativo consisle en aproximar f(z) median le una funciúlI li.
ea '. lruncada " Cuando "eJ
por ,'e mp 1o. e'1 rango d e Z oscdaelllre
. O v 100 d .
ustitUIr fez) por, . . . po cmos

onde
Z I :: z, si z .,¡; 20, Y O. en otros easos
Z2 :: Z, si 20 < Z .,¡; 40, Y O. en olros casos
z,l :: Z, si 40 < Z .,¡; 60. Y O. en olros casos
.i'.¡'
Z4 :: z. si z > 60, Y O, cn otros casos '-
aluralmente, es posible lruncar los dalos de otro modo Un d' l. . . .
po de enfo ue .' ..,'" . a l: "svenla¡as de cse
. q s es que aJu~lan razonablemenl~ bien. en e.1elllornolinealtradicional.
Esles )' Honor~ en un d '.
1 . . .. ' ocumento reCiente, sugieren una posible alterllalil'a.11
lservan .Ia pOSIbilidad d.e Iratar la parle no lineal de un modelo parcialmente line:
• COI:l~ ~I de un C~'cI() fiJO se tratara, El estimador se oblielle CllllHI siguc: .
Cl,lslflcar los dalos en orden ascendenle de valores 'z. .
~O~IO~ ~atos ya ordenados. calcular la "'priinera diferencia" de los valores ad.
y"cenlcs a y y x, conslruyendo '

ti)' ::)'¡ - )';.1 ó.X::X¡ -'X;_I .•..

.,
,

Calcular la regresión MCO.

~y:: ó.'XfJ.+.error .,
Sles y Honoré demueslrnn que b" . -... ' . .. '. :~1'"
Slá acotada) el estjmadorJ~ ob .. "Jo cler,tas condiCiones (ell panicular. cuunl!o, ~ 'J.",(
. . .' • tenIdo median le esle método resulta consistente L
onsistenCia de fJ es consecuencia del hecho de que cuando 11 ~ ';C l' ., l. " ,a
acercan cad .' .... . .' ,~s, aL) acenles
. ti • a vez m.~s entle SI. Como consecuencia. cuando/es contiñua la uife-
:Icla f(z;) s~ aproxllna a ~e.ro nípidamente y, en consecuencia. puedei :ílOrarse
empre y cuando 11 sea lo suflclentemenle grande. g .. "
. f':;-"

El Jesullauo sugiere un cnfo que d e d os etapas para estimar la forma d¡; f(~): .....• '.:
.'
~:~.ular. median le el proceso rcéie~lel~)enle 'descrito.estimadores 'consistentes

;,t .•...
E. Eslcs y U. Honoré. "l'arlially Lincar Rcgrcssion Using O"c NC'lfCSI N'i 1I .. )' -.;
y Deparlmenl o( ECOIlOlllics, Mareh 1995. lllilllCO. • . e g 1 HH • I nnCClon Uni,'cr.
r.2'1
\ál
qj~:l.
,0)'

r.? ~~() ~II~T<JI)()SI>E El 'O;';O\IEllli"

¡,j
~~.

2. Calcular los "rcsiuuos".

ír ==)' - XjJ
. ,
.1. R<:alizar una r<:gróil'lIl no p;lram':ll:ica cn,la filrilla:

"; = 111(;::;) + error

r,
Las .aplicacionl's <:mpíric;ls Jc cstc cnfoque son escasos y por ello uebel110s tc-
ner cierta cautela al utilizar la técnica.

Por otro lauo. uicha 'técnica parece útil para an;ílisis ue dalas cxploratorios. Su
cspecial alracti\'o reside en su sencillez y aparcce a menudo en los programas infor-
m.ílicos estadíslicos eSI;ínuar.

1 Uí
I{EfERENCIAS

El capítulo de Henury~ aporta una útil uiscusiéln acerca de los métodos de fvlontc
Cario. No es frecuente encontrnr contrastes de permutación en el enlorno econo-
mélrico. pero el artículo ue Schmoyer constiluye un buen punto ue parlidal2. Véase
Efron y "l"ibshirani para una discusión b.ísicn sobre boolstrap32. .

Para aplicaciones econométricas del boolstrap (con especial hincapié en I;¡s

r.
aplicacioncs con series temporales que aquí omitimos). véase J. Jeong y G.S. Mad-
dala I~.

La obra de Sil\'erman~~ es un buen punto de partida (de f;ícil Ieclura, auem;ís)

pi1ra l;lS discusiones acerCi1 de estin1i1ción de dcnsid;¡u no paramélrica.
Vé;¡se DiN;¡rdo y Lemieu)(~6 en cuanlo a dCl;¡lIes acerca de la aplicación p;¡rli.
culi1r de la eSlilllacjÓ\l,de_.Jellsidad:!lo.pal:i~I1lGl¡:ic:vs.._,._:-._ ...." ...._.:.... '
. '.-'
r.
, '¡.i'~¡;:~I'~;,p~rt~ una I~'l;ybu~;lain'¡';od;¡cci¿n (dc elCvado contcnid~ técnico) a I;¡
regresión no paramétrica. Cubre, iluemiÍs, muchos de los lemas que ;¡quí omitimos.
Por razoncs lantlltle espacio como por no hall;¡rse al1l1presenles en los progrn-
m;ls inform.ilicllS eSI;íl;dar. omitimos cierlos desarrollos rccicntes sobre regresiún
\' no paramélrica ..1.1

__ o
Por,ejcmplo. J; ¡:"P describe un mélodo dc "regresi6n no par"mélrica de elise-
,io a la mcdid,," quc. aUn(IUCsimilar a loess.lo domina asinllllicamenlc y funciona a
~;- la perkcción cn mll<:slras f¡llilas.
ro
"
,'J~"
•....

\!;i
•..... .1~ ti. Uron y IL Tihshirani ..,llIllllm.l/loiulI'U ,1". Uuur.>I""I', 1')').1.('hap"'an & Ilall.
\: ~~~:.;
 . ,:"

" , ;,.

c,\I'lrULÓII; Un Smorgasbord dc Mélodos Intensivos de C5\culo 441

~ I ~, • !

,(, ",;

Recomcndamos dichoproccdimienlo, c(lITIOtina valiosa alternaliva a e'onside-

rar. por parle de aquellos (¡ue no se arredren;~nle ulle'xccso de program;¡ción3J., .!
<¡ ., ¡ ~ •. • ; I ,'. . ' .. : ,," . -, .! 4

Finalmente. cltexro de Clcvelanu es ulla introducción múy asequible a la 're-

gresiéln no 1);lf:t111élricay a formas alternativas de ,:isualizar datos.2'J .
• • • '.¡ . • " • •

PROBLEMAS ,\ ,.

'-"f.' ' .

l., HcnHlscomenl:;do que',I~,5iÍ11ui~ci;')ri.(cn ~ar'licul~r,'lnsi,i1tJl;ici6n c~lcul;ÍtJa ma~ual-

menle) es un huen cjer,~¡ci(l,lle;\pren.dizajc." ,
Consideremos. en parlic~lar',e1 ramos,o rroblcn)adc"Monly Hall"J~. Hay tres pu4n;¡S
y delr;ís uc una de ellas hay un premio. Las uos pucrlas reslantes no tiene premiÓ. El
cuneursanle clit:c una PUCrl;" pcro no'laabr'e,.
•• • I ;"..".. ",1 .

,\ ('(lnlinuarilin. <:1prcscilladur :,b!'c lII\a de ¡as puertas, tlelr:\s tic la cllal nú hay'prc ..
mio. (Es tlecir.aulHlllc,'c1 prescnlador ~iempre rcvela lo que h:lY dc(r:ís de un:l, ub In'$
puertas no elegidas,' no rc\'cb dónde 'esl:íel p~emio).' El concurs:l"lIe puedequcdarse
con su primcra elección o elegir In PUCrl:lreslilnle. ; ,
(/) i.Debería el concursante qued;¡rsc con 1:1puert:l que y;¡ ha elegido o cambiar. o. ~or
el contrario. la estral~gia e1egidanoliene"impor(anci~? .':' .
,,) Después de que el prescnl,adorh:lya abicrto una de las puertas, ¿qué probabilidad
(iene el concursan,le de ganar si.cambin su elección?
, 'r) Crear un experimcn(o.de Monlc Cario simulando cl juego y ch1cular lo probnbili-
dad de. <llIe,el cClnellrSantc ganc'si elige tina de las siguientes
.
allcrn;ltivas: ..
i) Camhiar siempre.
ji) No cambiarliunca (esto'es,quedarsc con la pucrla clegida i:n r-rimer IUS:lr).
;';~:(;f.'''. ,~~'~"':-"v
.. t .•••~•.""'" ~:r.:":'¥="-,:.7¡~...?>~rr::'~.'7:~~.,1."'1.~;'.:.~;;:i7;~7T.,,;r:7="~3.:.~~'::;,
'~::::. ¡'.~~~4.~.'7."::r~.,:~r:-~:~~)
.. ..~;~~tt!~
..~:~.~?:7,;y:~
...:.~;~).::,:,~.1::;;_'~,~,~'.;~",:
;,:.;...;} ..-:?;(;}~~::;-:~'.
,", .. , 'd)I.Cu;rni:r~'simlllaeíoncs dc:Monlc,CiHlo"ser5nncccsilri;¡s¡1úa gencr;¡run inlcrvalo'.
deconrian7.a dcllJ5%ue ,;;odo,q'(IC los'exir'eOl'osdc'l inlcr\'illo dc conrianza& la
resplIcslúorrecla nó'sc:in nia)'o~cs, crn.:ilot ahsoll,ío, que ',Ol? .

2. Unili\'eslig;~dor gt:ncraK,~ariabks nlcptorias csl:índarnormalcSJ indepcndienlcs. e"

ci ....• c~ ullnde. . ,. ,

JJJ. F;;n."O"sign.:id"pl"li\'~.NlJnii~~"onctric Rcgrcssior':, ¡(JIIrhn¡"Orlh~ I1I11U;rnll S'''';Jr;cil!.I1.IJorinl;lIlI.

R7 •. Jt)(j2~ l]t~s.-f(){':t ",":" . o," :~ ••••• <

J.I 1\1IJnl)' ltalt fli~ dm(l(kraü~'rdc.lllle(Jncl~rso'icl,c,\.isi\:OI!.'U)' popul'l' li!ulado "Lel's ~Iakc n' Dea''',
dOl1lk.lo,'elllleursanfcs se ,lisfr;íz;rhan )'"éumpelinn"p':tra'ganar.graneanlidad de bienes de consurllo. Uno
de hlSCIlllclIrsns ud ShO\\'CPI1111ysi;l1ii:\r,nl,n'1liidcscrilo .
r :~
'1

4U METODOS O~ ~CONO~I~TRIA'

.y <.I~seagenerar K v:Jriablo.:snormales correlacionaJils l:llcsquc

o';

;p:!. N(p,l:)
donde

•..
':---.
P,= '

"" .

. Ln I.nalriz. P se generará ~omo:, '

" :
p ::'P +.A b. '
u~nde A es la descomposición Ch,?~cski de t. Esto'es:
..•.. ~~/~ I ;" ~ ,,'
. ". .

1":: •
,I'~.

:'(
3.. Verificar'la e<:uación (11.12).:"
4. Se realiza un experimenlo ¿égo para é,omprobnr el decto 'del;1 cafeína sobre la cilJlaci-
dau de leclear. Vario~ eSll;dianles ~ecib'en el necesario entrenamiento Jlilra escribir' a
, máquina. Una pa'rle de ellos ~o lonH~ c~feí'ln;elgrUI)OIl:slanlcrecibe 200 mgrs. lleca-
fdna. Ulili;'alla versión de Monl~ .Ciif16 del cQnli"asled'e pcrmulaciún pi\l'a veriricar si
;,,;;
la (lislribu'ción 'dellc~leo csigual para;,mbos grupá~>Col11pnrnr I,os rcsuhndüs obteni-
. clús. con uí'ia pruebat ~ol1vcncionaI35.,
" ' ' '.
'
. .. .. . ~ .
'. . , ,', '

"
,"

'l.::

,"
 ~,.
~5\
, ,

CAI'ITUI.O 11,: Un Sruorgasbord de l\.lélLluos Inlensi\'os de 'Cálculo

No cafleine:
24 22 4 5 24 4 24 8 2 47 24 8 24 2 24 4 24 6 2 4 2
200 milligrans dI calreine:
246 248 250 252 248 250 246 248 245 250'

S. Re~l1izar el siguienle experimento de Monle CarIo. El 1110del0 verdadero viene dado

por:

y = fJu+ IIl.!', + E,

donue

E, = pE,.1 + v, :;'. \.

.."/y :':/Son vilri,\bl¡:s n.qrf)!,alcs" eSI,¡I!d;I.r)IIl)~p~.n.~,!it¿Il,lI::S..fIil.yjJ" ,11

. ;.;;:}P.I.~~<,: nlb{l.s,.ig.ua.les a,' .
cero)' ') = ,1 para un lalllai\o nlllcslral de N = 100. ¡'Ia¡;er lo siguiente:
a) Calcular el canlraste eSlauíslico de Durbin-Walson para 1000 mueSlras de Monle
Cario. "

'b) Utilizar cl siguiente conlraste,ue pCrinulación pafa' calculo)r una a-hernaliva a cada
I1lUCSlr;¡ <.leMonleCarlo:
. 'j) Calcular

j = \lXI

2: ,e,c,.; ,
ti ~ j =I
i'= mI'
"" ';:2
'j
'.6'
= 1,

r;ra la mueSlra tleMonlc Ca;lo.

.r~

, ji} ('ara cada mueslra dc /Vlonle Carlo;:conslruir L I1lUeSlras de E. de lamai\o lOO

''(está c.s. ordenar Illstlatos de nucvoalcalOrian\ente).
'-o
jji) Calcular

j = \llO

2: ';""1
;= I
,

"1
1

d,=-----
i== IOU
~¡:¡ •

',,'
t t'

, =,1

para caua una de csasL Illuestras,.donde '.es la mUeSlra reordenaua ue residuos .

j¡.) Calcular el perccnlil dc r/ en la mucstraL.de r/;

c) Calcular la proporción dc veces quc sc rechaza lahipólesis d.: que los errores no se
correlacionan serialmenle y evaluar la pOlencia ue ambos conlraSles, L y (l pueden
Illodificnrsc a ereCloS de aprendiznje.
 (i. Con ;os dalosue la ril!ura 11.3. ulilizar mélodos de Monte Cario rara c;dcular la t1iSlri.
!lución del eSladíslico"I. Conslruir una eSlimación kernel dedensidad no paranl':lrica
de dicha t1islribucilÍn y compararla con la dislrihilci6;1 par:nllélrica I que se eSlimaría
rara esos datos suponiendo que los dalosson normales.

J~.
..

'\,'
( "

>'.
"c' "
, .•••• l
'1" ".
""":' l'" ""'1,) •• 1 ""
, ¡'

CAPÍTULO 12 '

~"I ....:...o...~.f•. :""". -';-:':L7:":,,~.:

.
,
..•;,::_:,
, .,'. ~,
•. j::>J...LL.'~.'~~,,,;..;";.•:.:~,;.,.:..,":ü.,;:u.\l~]r,"'.c:wrn;
. .,:.
•••• ta •
".
"t .,'.....,tU~.....
",un .. J.;l!.: •• u..w~
,', '.

!
'

Datos de 'Panel'.
'"' .
•• 1' .•
'; ','

", l
,
,l. ,

, "
'.'
\ ",' ,'. ! ", I t' .

En eSlCC:1pÍlulodiscillir~l11os iécnic<lspar:1 dalos de p<lncl..benonlin:1l11oS<lsf~ ,nh.;

scryal'ioncs ~epe(idas ,fel mismo ;colljun!o ¡le unidades de corle !r:lIlsyersaL Esl~-
blczcamos. MIles que nadry. :1lguna nOI<lcióngener<ll: ' ¡,

XiI = esel valor de 1" vnri"ble dependiente par" )"unid:1d'de corle

Iransvers<l1 i en el periodo, l. dondei J ..... 11)' I 1•...• T.' = =
, i XiiI = es el valor de la ~ari:1hle cxplicntiv:l j.ésim<l p:1r'<IlIn:l \lnidad i én el
, periodo l. Existen K variables explicativas con índice j =' l •.... K.
, , t;~•. >

Scgllirc~ilOs limil'al~d9 nll~slr.a discp~iÓn <1)a e~,lil11;,ción con p<lnel~s rr¡llillbf{f~

dIJs. Esdecir.~ll llltÍaunidad de' ,corie lransvers<li dispoliel11os de idénlico núrhero ,
de onservaciones. de modo que el 1~1~I'de observ<lciohes será 11. T. Cuando"
• -' ;.
i: ly . •..• l'
T es grande. 1I0S ellfrcnl<ll11os <11ya conocido C<lSO,de dalos de series, l~mpor:iJés.:
Aná log:1mente. ,CU:1iHlo'T =} y"n~~úr.~lJde,--J~;Li.J.rC;:1,)JQ~;4¡1.io,~,,~~,'f9r,lq'\.r:an~:v6.'!~-a'.~"
.t"""nJS':'ií\émdo~Y-Jc' 'csiifH¥mÓiL ¡fc\liilhs'.-J'E"p;~'c(~?~
eN~rch ..~",iJ qu cllÓs, 'eh 5'05', c'~."qll'c" '"
, 1/ >1 y T> l. tnesle C<ll)íllllo dísculircnlOdúnidiJ;enk losc:isoscn que Ji es ieln'li.
V:1l11enlc grand,e respe<:lo aT.'l,a :i~orra"sinlótió ;¡uliliz<lr supone que il tieride.n
illrinilll yTttil11atlll.Jalqr fijo; " .', "
El modom:ís cumüllde, OJ'galli7.n1'105.da tosesnú:ái:1J1tclIlI idades de deti~ión.,
I'llr.lo Ic~I~.I.()
•. ' ' .. , .... ",' . .-~...." .. -..... - ',;. .' ' ... '
.',..
;¡ " ;2 ,
,.
1,
.~ ,Xii ....
~ ;r2
;, i2:
, Ei
"

=
'"
(i2 ] (12.1)
X~t, (iT

donde Eililldic:icilérmi;lOdcpcrlurb<lciólldc 1:1tlnidad i-ésimaCil el pcriodo ¡.->Es'

rrecll~lIle eñcontra'( losdlÚoHn>I<l forl1ú'" ','. ,
 i: 4-

.'
446 MéTODOS DE ECOI'/O~IETRIA

)'1 ..... El] d

)'::; Y2 '. E ' . c
>'
E;;'
•
2 ... ' .
I
(12.2)
:' . :.. :
XII. '(,; . s
s
donde)' es 11 T x 1, Xes liT x k ,y E es 11 T x 1. Expresaremos el mudelu lincal eslan-
dar como . . . . . .
)' ,'= XfJ+ E (12J) ,
JJI
dunde fJ '= fJ2
s
, '. . fJk
.'.".",.\;i.,~:--til'jo~l ;téWt~'i;p'fídi~\'o'~YSil';lili;'I'~~
¿;s'''iil'olJ~lJ~";q(¡:~.'út~'tutj;f'c~~cN'¿' ¡¿:'.
"J~'(~;'~'~J~
lineal estándar expuesto cn la ecuación (l2.J).,Los modelos ~c diferencian en sus
supueStos en c.uanlo ¡¡ la naturaleza del término dep.erturbaciónE:.:
Nue'stra discusión no incluirá aquellos Illodelo$ en tiue lbs codicie'nles varían ¡¡
través del tiempo osegú'n lo~ individuos, é> 'Iosque incluyen variables dependientes .
relardada!i.' '. q

12,1
J
FUENTES Y TIPOS DE DATOSDE'PANEt.
',,;
.
..
Anles de enfrenlarnos iI losp~bble'mas de eslimaCiÓ~; disculamos las fuenles y los.
tipos de d;úos de panal más comu¡les... .... .
Ul~O de los conjunios d~ (Jalos' de pailclj11f¡~ üliliúdo es el Pal1el deesludio di-
n<Í'mico dt los ingresos (PanclSlody. oC In'comeDynal~iiés '(PS!D», recopilado' por
el Inslilule of,SoCi;ÚRese~rcl\.de la Universidad de Michigan. Desde 1968, lus in-' t \':
. "
vésíigador~s han r~eopilado inform¡¡cióh de niás de 5000 fa,milia's. , "
" Los mien;'bros deeSI¡¡~ familias' s()n enlrevislados anualrnenl~ sobre su CS!aluS
ecén6mico;'se recopila informaciÓn acerca de'los'cambios"profcsionales, cambios de
ingreso, cambios enei c'sta<,1o'civil- y ólrasc~ra¿icds(¡~¡lS socióeconómicas y\JcI~iO- .
gráficas.' '. . . .. .' .
La cncuesta sobre ingresos ypr~grama dc' participación (Survcy of InCOllle and " ~
T
Program Parlicipalion (SIPP,Í),S. ,bepartlllcnt ofConimcrce, 13ureau ofCcnsus))
es parecido al rSID, aünque cllbre un pcriodo de tieri1po ,ú;\s reducido y las entre-
vistas sc realizan cualro "éces al año.'t~acncuesla canadiense sobre la aClividad en d
el mercado laporal (C;¡n~di¡¡n Labor MarketAclivily'Survey(LMAS)) recopilaios
d¡¡IOS'de pal;el's'obre las cbndici.ones cconómicas dclos canadieI1ses.'Cada vcz son
más los P¡¡(scsquedispónende conj'untos de datos sir:ni!ar~s. . . ,.",
.Ol~,? ~¡po deconjuntós dedalos de' p¡¡ncl consisrccÍ1 observaciones:re(>ctid~s , , 1
de e.ril!da~es'de' gran ta,n1año,lalcs con~oloséslados dc los Esia~os Unidos. La obra ,"
',; 1"'
 ~
('l
.
1""
, )¡
c.\I'ina.tJ I~: DalOS oc Panel
J-'-
..~
de David CarU sobre los efectos de las lcyes tic salario mínimo sobre el "empico
conslituye un buen ejemplo', Card recopiló informacióntlcl p¡:riódo coniprcndiJo
"::=~~l
en,lrc 1lJ76 y 1990, para cada estado a nivel 'inJividual. ~obre lasas de empico)' llc. ':~:I
scmplcll juvenil, tasas de escolarización, sala:rios medios y otro raelllfes. E1¡ cste ca.
so en panicular, la unidatl de decisión sOlllus estados.
;¡?
....
.':~ .. ,\
finalmente, 011'0 lipo de dalos de panel lo conslÍ(u)'cn los e.onjunlos tle d¡itos l.~;

de corte transvcrsal en clases relativamente humogéneas. Uno de los enfoques m;is )"';--
\ ..:
C(lmune~ eonsisle en c1:lsificar a los individuos en razói1 de su edatl. sexo y nivehk
f.T'I
eSludios. Cuando el proceso se repile con d:lloS de Carie lrans,'dsal iJeolros p<:rio.
dos, los conjunlos podrán lralarse como un toJo contil11lO. aUnCjue "sint~lico". Véa. :1)
se Deato,n para un ejel11plo2.
.',
"',:

:.".; _., .• ~'.' " '•• ~ ""~""":- .'..~ _ . "l'

<r~
12.2
,1"'\
EL CASO lVIÁSSENCILLO: EL ESÍ'IMADOH POOLED \,'<.,

Empezún.:n¡os consiJer¡Ú1do el método 'de es~in¡¡\~ión m¡ís sencillo. es dccir. aquel

~i'
que ¡'gno:ra la es'tructlll'a.Je paneIJe los dalos: Nos qucdarel~1lJS con lo~ datos lal Cl). ~~i
~;-
~"
:
nloest¡\n .descri.los en la ecuación (12:1) y eSlablecelll'os .el siguienlcmodelo:' .,F;--"
1,

1'}
'l.'
J.onuc suponemos que Eil - iid(9,u2} p'úa lOUt?!')' 1.'Esto cs. las obserl'aciol)es cn.
lre lus di5~inlosindividuósno eSliín correhícionadas.scri:limentc y los errores. en los ~r
individuos )' ¡\ lo. largo 'deí tienlpo, SOI.lhomo~cedásiicos.
. La estiilÍación del mouelo.es directa. Los'supueslos reilli~.ados corresponden al
/:7:
.r~
tilOuelolineal clásico. La estimaci6n diciente '~onsislirá cn eSlimar los dalos me- :ft.l
di¡uliclylCO. Sinembargo,nl~uponer 'quee~da ci¡)s'erv~eión'es ¡itUo que hacemos ,,"~
'"..;~
es'ignorar la eslruetura depancl de los dalOS ..A pcsar de .tralarse del m~todo de es-
lin1;lciún m;ís scncillo, explicareli'los a Coílliúuacióll ¡i'or qué \IU es el m¡ís adecuado. ('
.,--
.;oh

12.3 ' .
DOS EXTENSlONESDEL MODELO SENCILLO ,-

TomcmoscOlllu punto ue partida i:I siguicl1re.modelo:

Yi¡::;'X,JJ + Eil (12.)) :"¡.O"

donde ti caso h:lbilual es aquel en el que hay muchosinu'il'iduos y pocos periodos

.. . ~ '.-. .

"~ "

I D. e'ru, ."Usillg Regional Vari'llion in\Vages lO ESlil;lale Ihe El1lplo~'l1lenl 1I1lI"'CIS on Ihe ;l.lii'¡illlll1l
Wal:c". 1IIIII.I'If;ril,,"c1 L"b"r I/rlt";oIlJ 1), I'N2. 22,37,.,
I/r,';rll', ~.(,( . .. .
'i:-t
',',
1,\. Dcal,?n.:'l'anei Dala [ro", a Scries o[ Rcpc;lIcu Cr,iss.SCC1ions':. JO"fII"""{ Fmllllllll'lrin. JO. I 'IX.'. '-: ..
Im.IZó.' . . '. . .

.:i~~'. ..
.. .~.
',
 .J.J:-; ~II>I()IJOSI>E l;cl)~ll'"' mi..,

dc liempo .. Podcmosiru'n paso in~s all,í y especificar para cl tér.mino de pcrilIrha-

citÍn la si!!uicnle eSlruclura'de crror:' .-
- • . E. = {l. + Y\. . , • , . ( 12.(¡)
" .' '1" .

dondc suponcmos que 11;/ no se correlaciona con Xii' El primcr l~nllino d: !,a ~es-
composición, O¡_recibe el nombre de decto individual. Nue'~lra "Ignorancia, l,ene
dos 'partes: lit primera varía segtín el indi"iduo o scg.lln la unidad de eorle lransv~r-
Sit!. aunque se ma;ltic}le cql1slante en el ¡i'enlpO; dicha parle puede o no ~orrel~c.lo-
narse con las variables explicativas. Ll segunda parle varía de modo no slstcmallCO
(l'SIO cs. independientemente) enlre íos individ.uos y a lo larg.o del liempo. Dicha
ftÍrmula e~el modo m;ís sencillo de evidenciar la idea de que es miís probable que
dos ohseJ\'acio'n'es de un mismo individuo se "parezcan" entre ellas a quc puedan
parecerse las ousen'acioncs entre ,dislinlosinJividuos.. . .
Ivlüchas aplicaciones cmpíriCas implican uno de los slgulcntes supuestos acerc.a
r .. el efcclo individual: ".
.
r. '
I Modelo dc e{C'c/o.\'II/C'(llOrios:i't: ,l nó
o .'" •
cSI;í e'orrelacion¡¡do'
.. ,'\.", , .

2, t\-iodelo de f/C'C/o,\' .fijos: lti csl,í. correlacionado con .\;r'

con X¡r'

La nomcnclatura no cs muy aceru\da y varía segllll'el aulor. Nosolros hemos 01'lado

por utilizar ¡'a'terminolog.ía miÍs utilizada enlre los investigador:s (y :~ los progr~.
mas inform;íticos eSIOldísticos). Para evitar confusiones, sería mejor ullllzar denomi-
naciones dislinlas para cada ,'noddo: la difcrcnci'a nds impol'lante entre Olmbos mo-
del'os no reside en el hecho de si el CfectOes fijo ono, sino en si él efecto ~e corn:I¡¡-
c¡ona o no con 1;;5variailles 'explicOllivas. Sin cmbargo, ¡¡Itratarsc'dc una nonlendatllr<1
perfeclamente estabiecida. a(luí seguirenlo~ ulilióndola ..1' '

12.4
EL i\10DELO DE EFECTOS ALEATOIUOS

El, m oclc.lo. d¡:'crcC1ós~;ne ,1rotiO¡;~j5'Oseé'htésrñ:lc1üras¡-güici\1c::::: .... ,.

,"'';':¡..''', ;.' .... . "\/;r=,\;, fJ + Ei' .

'~, dlllJdc , . Eir = n; + 11;, (12.8)

.~
"'r~ Resulla impon,lnle deslacar que el supueslo mií.s impor~ante quc ~Ii~tingue eSle,:I~o'
t, dclo dcllk efectos rijos es que el cfectoC'l¡.invariante rl'spccto dclllempo y espeCIfico
.-..¿:....
en rc!;ición con los i;ldividuos esl~ incoi-relacionauo con Xii' Esle h~cho es suficienle
pOlra que MCO rcsulle insesgado asinlólicamenle (véase CapílulollJ). ¿Por qué, en-
lonces ..no ulilizamos simplemcnle MCO? .
Elprobkma lienc dos aspectos. Cuando .el modelll verdader() es un modelo de

,
,.
,''¡---
"
cfectos aleatorios,
l. IvlCO producir;ícslimadores consislellles de IJ, pero lus errores eSliindarqueda-.
r¡in atenuados ..
"'.)
~
,~,
'l.:.)"
ro,
\ .1[:
 \:\...:..:.
CM/rULO 11~Datos de Panel ; 449
.. :
'.
2. MCO no resulta eficienle comparado .con un procedimiento de mínimos !tU;¡-
tirados generalizados factible (MCQ). ,
En resumen, el modelo oe efeclos ale¡¡torios es unn d~ )¡¡s formas de enfrentar-
"
se';i1hecho de que'7' ()bser~'acion~s'dc '/1 intlividu~)s~o e~ lo mismo que las obsc~va ..
ciones de liT individuos cJislinlos. 'La solución e's direcla: Deriv'¡¡remo~, en rri~ler
lugar, un eSlim¡¡dor de la malriz' de eovarianzas, cJel.término de 'error. En segund~
lugar, utilizaremos la estructura de covarianzas eil nuestro.estimador defJ.
,
Resulla útii ser un poco nl<ís explícito sobre la ~aturale7.a del error: .. '

El,,] = O , " E[",,']= aV"T " f

',' "
qll;u;l";b,I;nr:~' lbll~'I::f.'j'I' ~E[0¡~~(~~2" (12.9)
" , ,,' 1, l.

'. ' £(('(¡11;,I=O ..• ',1' E[o;] =0 , , ,

donde t'od;s las esper;IIlZ\lS eslñn condicioll¡¡cJaspor X. Co~ dichos supuestos,'fo'r-
nÍtilarcmos'las covari¡1I1zh~dclóserrbr~sdel i'é¡-;ninb'dC.perÚlrb¡¡ción d~ locJoindi-
v¡;luoin'tcgr.a.nte, lh:'ía UI;id;~d'~I~C:~t:I::nsv,-:r:;~om'o: •. ,::, 2' ]" . " :'.,

. ,"l ('1 n u Q

, '~ ElE¡E'j] =UVT+(J,~;;I = (J~ (J; + lT~ (J~ (12.10)

\.

(J'f. (T~" (J~ ~ (J~

. .' ,'e .... ",.,.. ' " I
,'.
dondc l esun vcctor d~ l)nOS,T xI",Cunndo,losdalos se ?rganizan como en 1., ecua-

l
ción (12.2), la covnrian7.a dcltérlllino cJc,érror cJe,todáslas observaciones del modc~

lod, 1, m,d6,,-(1i_:~:.~:n~':':I::::': ~~Iij]

"'_,
__
~
-.(~
2i? __
..•....•...
-,' .....
~'"~ r:"'~l'V'c;. •....•..•
, .'
,~';."-,,",","''''''''''''''~
':.: .. ,'
"ff'--'''T":r''''';";'~'''':'''~~''''~,1=:'S~'''
...
. ':',', :-:':".', ':.'
',~ 0-'" .'0""/"",'0'.' '''~.,~-,: \•... ~'.,'r" •..••. ~
'- ~ " ",
~.,J' f l.:.rv .,'J' ..,'""-:.,

donde L = r:[E¡ E'¡ ) es la matriz T><. Tdel;jcct;acign( 1~.1O). La for~a di~gó~¡¡1 ~n

bloques de.l1 f¡¡cilila.l., blísqücda,dc la inversa; ¡¡síquenosscntrarclllOS eli haliarln
inversa de );: Resullól dirccto, nllnc¡u'c tedioso, demoslrar que . .

¿-1/2 =.i, [17'- (.!...=..Q. ;;,)] .,

. un • T

dontle
, (12.12)

es lInn cOliltidad descollocitli\a cÚirii<ir,:

¡vrCG [¡¡ctibles rcq'li¿rc()blencreslimacio¡'csde las' cantidades desc~'~ocidas .
./ .
.. .
delac;cu'ación (12.1.2). Lo qucnecesitalllos,en rarticular.: son ¡as ~stiniacionei (¡e.'
-'

IOlS\'arianzóls lT~l yu~ cn O.P¡¡raOulencresliIllOldores consislentes,'será suficicnle re.'

/'

. ..
450 .~. MtroDOSDE ECO:-:Ol-rETllíA

g
alizar .¡jnanfilisisd~ varianzasencillo. Scr:íútil. pbrJo t¡into.disculirantes que nada
I
amboS e~l.i,)iadores.En'(el proceso,desarrollaren)osun sei1cillomélodo de cálculo
d
del e~timador de crútosalealOfiüs.
. ' ";" , . . . .' '

1l.S
."'

. ..' e

EFECTOS ALEATOrUOSC0l\10 COMnINi~CIÓN

DE ESTII\'IADORESINTgAGRUrOSYENTREGIlUPOS ",

Corisiuera mos ahora dbs, est i;l'ladorés c~úsi~té;1tes •.¡íUnqUcno '.é ficien lcs relali va-
nrentea MCG. El priniúoes ba~lanieiilÍuiÚvo:cpnvcrlir lrilütaliu;lddc los datos
.. ~n.~p..rol~)~diosilldividuaks especí,ficos y eSliillar.porMCÓ cO,n'c,1c~)njunto "ci>lapsa-
. s'íl rryiíf'poi' 'Mqb'l~'::eé::-u
:',"'dé """J'¿-'(l ~'l(5f~'M~i'~~p'¿2m2t\¡:rl'~r{r(;'-;c fiéiü ,.¡.-sig.l' íeíite: J.,..',',.'.~:.:~- ", ,

,Y;'= Xi .fJ~' crror (12.13)

dOII?e,c1 lé~mi.no i~ésimo de y; , CS '-:..' .} .,.'. '. ,

'_"
y Xi:','se'define
'...... ".
dc'n10do'simi1ár:Cone!
Yr .. = ,': , .,' Tk,
fin de, mostrar los:datos en forma matricial,
Yi
.

seguircmos' ~on los.dalosan,lcriorts Y de(¡nirenlOsuna.I1UCv.a .malriz D.II'fx.ii. que

.es.l~ I~~~trizde lI.va(iab'lcs ficticias correspoirdiel1t~ a c¡\lIauniáa.udc corle transvcr~
sal. DÚi,i¡re,nios <\hóraP f) ;;, .0(.0 '.D)7~Dt~'linamlltl'iisimélricae idi:mporcnle. p'rc-
n~uli iplici.lndú por es'li\ málr.ii..lrs'dalós sc\rans(Órhran cnlasmcLlias,dcscrii¡is \:n la
eeúaciól\ (12.13):l:i \;aliJ(pf~Ll.icl,Ó~lu Y>llbíCíiitlo;Í parlirdc 'lllú;regi'esión 'Lle i;)~ii.~.
viuuosficl¡¿ios cs.simpiem~ritc.y;~ .,',' .' .'<, . -' ." ' -; .. ' • .

, . EI;j est i¡naJa rccib~' d no,)rfjry lit: 'c:HiIllCII/or CÚf!:~;;rlli)().\: y es:

", -. - .. ~.,,:......... ,,'.,' ,',' "', ,"' .' .
. ~jJB:;:" (x'p¡)>."r',~Y'/~D)¡':, _ ( 12.14)
, .':
E.í'esÚmador entre' grupos"cs consiste;r'lc (a~l~que' nO ~'riticnle) (u,\I'ldo el MCO de
- la' ~r~'est~a c¿'nju'nla es cO'nsisic'ntc. En '-plfOS c~)lltexlos. el estimauor recibc el nom-
. bf;;'de' eSli.lr)¡¡dor de Wald\)orqúe;.cuando Tes lo' ~u(icicniemenlc gr!,ndc; es un es-
'.\ im~(klr robustoanie el error de ,nledida c1ásíc'o de las'variables X (siempre <¡uela
cü;;Üiciónde' ortogona1idaclsc'cumpl¡~ COI~.1osd~los¿orrectamei1le medidos). La i;r-
l¿rprelaciÓI;,cs mú"s.fúcilde enlen~ier\uand~. nos pe'r~atai~Hls'de queel estima~or se
corresponde con1Y1C2E, ulilizúirdocomo instrUlllentl~.> los irldividu~sricliCios'¡.

• El lérminll de will/lIi/'" tic 1I';,¡tll;o'del>~r¡a COllrUildirs'eCO;¡.cl-ksi uc \Vall!. l..•ni~II11lllin;ici,ill 'Iicric su

origen en A. Wald. ~"lllli Filling '~r S'lraig¡'lllinc~'j[.l3oih Va;ial>l~si\re Suhic~lll; Error". ¡\lI/w1.I'. ;;/ Mili.
IoCllw;icnISlfllülicr.ll: 19:10.28'1-300:'0, Ashen(e1lc~ •."~h'cro~c'onl;ll\ic;,'nd' Mii:roCClllltltilic An;,lysés nf l.'"
bor Supply.", CilfllC¡;io./loc}JCSIÚ COII/crC/i'CCSerics ni. ¡'I//>Iil: I'u/ir)'. 21, .1;)~..117.156. muestra ll/,a scn,in ••
;\lilicai:i6n. det- enfoque. J. AngriSI,."Groupeu.Dala:Estimaiion ;\nd'T,:slint: in Simplc L;,oor.Sypply Mo.
.. deis". 'Jolmll!1 o/Ec,?IItJp,,;r;cs, 47 (2J),.1991';2Ü,2Cl6.clabó;,i\ apprta i¡úi.s..uct ••ncsnhrc el cn((xllle dé
. Asl,cnfcllcr.'.A. DCl\lon:"Pancl'f)al~ fr.(lIIl'a;nr~c~Stricsnf.Cr~ss.Secíions". JlJllfiiill Of.ECOI/OIII<lfic'<', 311.
1985. 109.\26: l.1¡SCUl;un e~fÓ'lu~'similar y cOIlS;"c;;il;;mbién FI' sesgo' quc'ajlaréCe ~uanJo s~,uliti1.•í 'lin
, g~.ürJ'ue ,¡,cdias iñuesfraleÚniprc~is~ o-con:'erro~cs ocullós"'cn I;'gar dC las I1lc<1¡'asucl¡;rí,po p<,hlacinllal.
r •• ,1

'. ,
 -1.'1

Tambien podemosulilizar la información que "desestima" el cst'imauor entre

grupos. Definamos Mo =II/T~D(DtD)-1 D'.olramalriz simélricac idempotcnle.
I'remulliplicando los dalos por M D y eSlini;indopori\'ICO con los Satos lransfórma-
dos. oblcnemos el $iguienle nf;IIJ11dur illlragl'lllJOs:
/,. '. .
JJII, ==. [rIff)X)'(Mf)X)]-1 (MnX)'(.\IoY)

==. (X 'M /)X)-I X'¡\{ o>' ( 12.15)

que es el eSlimador que resullaría si estimár;lIliospor IvlCO utilizando iodos los ua- .?~
los e inclu}'cnuo al1cmiÍs un conjunlo complelode variablí:sJicticias. La malriz ,\In '.'
",
~
puedc inlerpretarse corilO una malriz generadora de residuos: dicha inlerprelaciÓi1
reprcsenla una aplicación ud leorema de Frisch-Wl\ugh'Lovell discUliuo eh d ;~

Apéndice 3.2. Pren'lulliplicando por esta malriz. los dalaS' se lransforman en resi. "1.:' )

UUOSdc las regresiones auxiliares de todas las'v¡úiables de Ulí cojunloccimp\i;lo'de .:'::~-I

,.c~)I)SIHn{csilJ divjd p a~t:~:eS~t:5((ica ~: Y..,Y?:~19C.F!.II.alf~(pr~(li,c!
I(l:d,c.d;i~l)~,.,r¡:,¥,rF<~!,ql~.~f <
" . ~
slmplemenle la media IndiVidual cspcclflca. los rC.l'll/lIos no son mas' que las deSVia-
ciones de las meuias específica.s cn relación" cada individuo. La"ccuación (12.15) .
equivalc)l eSlimar por MeO la siguienlG ecuación: .
)1._'--) •. ==.(X-',Y)j1+.error' ,'. 'o" "('12:,IÓ)
" • 1-" "" •

En breve discutiremosqu~, si los su'p\leÚo's sub~;accnles cn 1Í1ouelo de~efect(;

alealorio son corrcctos, el' esl imador ¡nlm'grupos. es ialnbién un eSli mildor ~oll~'.is- ~. ~- \

. lenle,; allllcjuc no eficiente; .EI dd.cClÓ eS',cvid¡:n,l.c porq\ielrcnlOs in'cllíiuo u v{iria-

b\'cs extra innecesariús: Recibe tl;lOmbreu.c"cSliiúaildr inÚ'agrulii>s porqui: uliliza
sóio la .variaciónill/r;¡gmpó-" cn cn.o;, urlidad,cle,corle l nI nsve'rsal., . '.
. ,:"Coll~iene t1cslacarquc,c1 eSlii)lat\ór'MCÓparatodoc,\'corijunl¡jde dillóS e,s la
suma pondernt1a dc lós eSlimadores i'llrag~'ui)os)' 'enl\e gi'lIPOS: . . .
. ;1= (X'X)-I X')' .' :/.;;'"
'¡

," "7t'-
,=(Xik)-I~X~MJ).~'. +,1'[>,;.\:)' . ~'

. . == (X'X)-I.X'MJ)xA\.'~ (X'X)-I x'[>J)X¡ill

: l\ecordemos.ahora. la discusión de la Sección (¡.7 ¡ll'CfCa de cSlimacilill l\ICG
en prescnc¡¡~ de perturbaciones ¡;Ul'oi:orlclacionllllas: Aunqile. en general. MCO .re-
sull¡i_consiSlenle, es incficicn\e porq'üeno. i(rcorporanueslro conocimienlo'.a. priori
,sobr.e la forma de la correlación serial. En el ells0dcefe~los aleatorios. el eSlimador
MCOpara el conjunlo de'lodos los dalos'no utilizala in(órmación sobrela,hcleros-
cedaslicidad rcsull'~nte de !Is~r obscr.vacionesrepetidas de lasnrisnlas u'ni'dades líe
corlc tr~qsversal. EI'problenia del cSlinlador. conjunto es que pondera t~das las oh- '.~

ser~aciones por un igual. ESle r~o,es.,en'gencral. cllralamieplo óplimo, ya,que es

poco. probabie (Iue añadir. una ob~ervació~ ¡¡, cuillquier in'uil'iduo incluido ya cn el
; ..• '1--
conjunto de datos,- añada tanta.in-formaci(¡11 ccin~o la quc aportaría la observación
¡idic,io;Hilde ~ónuevo individuo (i,ídependienle). . '.. . .' .
",
.';'-
"'Eslalllos ahora en condicioires -dc caic'ularlas cantidades necesarias que deri lu- ...
. gaLa ';In MCG' faclible. El ANOVA e'sl¡\~r,¿lar¿úgiei~ los.sig.uient~s cS,limadorcs:
 .152 .\II.IUI)lI' DI: 1.t'(J~'fl~ILIIU,\

, . 1
Ir-'I =. -----¡i' ¡i
IIT-II/.::"II 11' 1\'

• I •
~ _ 1/ /I'¡ /1
U/J--.-.- ,
II-k

, '. 1
(,2 = (,2 _ 5 .
11 '. /1 . 7' ,
.¿
("
:, don~: ¡i••.son los residuI)s de la regresión 'intragrupos'y ¡in son los residuos de la re-
greslOn entre grupos. Estos residuos se utilizarán pnra construir D. :,
~'

El lec lar debería ser capaz de verificar que tales eSlimndores son estimadores
(~.
¿, >. ,~
nsintótical11ente insesgados de las varinnz<Js relevantes, Ln fórmula de &2 se deriva
p~)r ~jemplo, deslacando que las desviaciones obtenidas de las medias dejan en ~i
termino de error sólo a lJ, Resulln nhora evidente por qué introducimos los estima-
r".,'
r:, "
dores: cunndo no hay acceso a un progrnrmi informático que los cnlculcnutomálicn-
mente, exisle un sencillo método de cnlcular el estimador <le efectos nlentorios. Es
el siguiente: .
;< 1, Calculnr los estimadores entre gnlposyintrngrupo~.
2, Utilizar los residuos para c;lIcular los 'términos dc vnria'nzn adecuados.
3. CcHcular'O. . . . ..
r'-, ¡".-'
4, Estimar p,?r MCO 'el modelo con las\;ari~I~I~s t~ansforníadasy y X donde
. . " );;,=)'¡,-)';, +0)';, . (12.17)

,\:¡, = Xi' -: X¡, + O X¡ : ( 12,18)

La trans~órmn:ió~ r,estllla inluiti~amenien(rnctiva. Cualldo no existe campo-
nenle. ~Ie vannnza Individualmente específico no correlacionado [ (T2" = O en In
ecua~JOn (12,12)J, n = 1, entonces el es'timadorde efectos .dentorios quedn reducido
al cstlmador MCO con todo el conjun,lo de dntos'.

12.6",,\;;) 'r-...
ELrvIonELO DE EFECTOS FIJOS EN EL CASO
DE DOS PERIODOS

T;d ~'cz pueda pa,:ccer C¡I'IC losdalos de panel no ofrecen nado; Iks'tacai)le en compa-
raClon con los datos de corte IransvcrsaLDe hecho, los datos de panel presentados
hasta el momento han sido c,onlemplados ca 1110unaversicín compleja de los datos
de corle tr:lnSl'ersal donde, adein<Ís. nos clífrenl:ll1los al desafortunado hecho de
que 'lO existe lanta infllrniaciiín en losllindividutis observados T veces, como en los
liT individuos, Anteriormcnte hemos.di~cutido que esli\ l,ijl1itacilÍn se s'eñal;¡ explíci-
, .,.•....
')
tamente observando que. cuando la varianzn del compOlfentc ind'ividu:r!cs c'ero, el
eSlimador de efcClos ale;ltOl'iiJs se reduce ni eslimador cni\jul1to con un línico carie
lr;\nsversal.
\.,!
<~ " I
\, :
 \ 1,:

CAl'i'rULOJ2:
Dalos de Pune\. 45)

De hecho. ya h:\y quien dice que unade Ins ventajíls de losdntos dc, panel es,
,'.
que "~enera más puestos de trnhnjo paralos ecohómetrns". Si dicha afirmnci6nfuc',
ra cierla, pocas ventajas aportarían los datos;de p;¡nel. Lo que sucede, por el cont,rnc
rio, es que la Creciente popularitlad tle los tlalos de panel se basa en Stl promesa de
reducir üno de los más gr;\~lcs proll1ciipsn los (íu~ se enfrentan los investigadores:
la carcncia de una list'a ndccuada de variables independientes que explique la vnria-"
,
, . hle dependienle. . ','
Para comprob~r1o;'empecemos .con"un;¡ discusi6nilÍluitiva 'acerca tic un' esti.
mador. de efecto fijo.
COl1sideremosun nlo~lelo,sencillo de, d()s pGriodos (1 = 1, 2):
,,)'¡,=X¡,f1.+2¡fi+E;( (12.19)
donde X =' es una 'm;¡lriz de variabfes explicntiv;¡s que va;ía t~nlo a lo Inrgó del'
tiempo como con los individuos., .
,c
Z = es una matriz de variables observatlas por el económetra que varín ;l
lo largo dcltiel11lJO, pero que se'mantiene constan le parn cad:\ indio
,viduo'a lo largo de los dos,beriodos. '
Siguiendo
i
el desar~0110
.
reali7.~do 'cn el caso del ;;',odel~ de efectos aleatorios, ¡,
definí-
mas
, .'E¡, = aí + lJ;( . (12.20), .
Igual que antes. establecemo's los' siguientes supuestos, como en In ecuaciÓn (12:9,):'
E[-nJ
" =0 ' ''E['. lJlJ, 'J .= u'l2¡"; liT
'. . ,
., . '. .

E[u,<l¡J= O,par~ todo j 't') (12,21)

E[u¡lJj,J ~ O

donde tml"s las esperanzas ~sl<Ín-co;ldicionadns' por X y Z. La diferencia susl<lnci~l'

......•;".ft ~t'~'~i"c-~rll'rc.':.c}:Gn59:'q\fc:;~~n~,;{1l:lIP:n:Y'a
1?!it()"(tctp,:.a<::''l:!-r~e~C1STl1,I~iTIi('fI:ías:'cs,':t ¡¡:-e-xiSTé'!lf¡:i')l'iÚVil ,.....
",: . supueslo atlicion¡¡l en. cU,a"i,tb nI efecto indiviqú;tlespecí(ico.Sici'1do j V;; :; [Xi, 'Zjl~

.\ . suponemos que '. '. Ell¡h ¡,] #:0" . (12.~~) ,

itE

';i Lo que nos impmla,cOlltrclameple, es saber si~luestras \'ariable:s independi~ntes

, est<Ín correlacioll;it1ascon a.Si. estncondicióridcortbgonalid"d no 'se cumple' e'n-
tonces "p"reccll consecuencias imporiallles.ConsidereiTIosh estimaciÓn MCOcon
sólo 105 tl<l\os del primerpc~iod~: ...' .. , ;¡
.. Yi/=Xilf1+Z¡S~'Eil (12:23)
:: t

.~. Adiferencia de lo que sucedía en el c¡¡sOde efectos ;¡Ientodos, ulla c~nsec\lenci" dc

.,
i,
:,
la ec'uól;ión (12.22) es il;ICMC() s~rrí scsgW1ó.El larllai\o y la direccióll dcl sesgo tlc_'
pender;in ILe lallaturaleza delnrelación cnlrc~1 ef<;clocSpÚífico indiviiÚ,ar}' el.'
" testu de varlablcsexplicatii,las: El sesgo se analizar~ siguiendo el nÚlllclo' e'11ple'~do
" ~. . .

J
 454 ~1£T01)OS
l)( (i.:oso~lEndA"

en el Capílulo 8 al disculir d caso de variables omilidas. Resulla ülilimaginarnos

rcalíiiíndo la sigúicnlerégrcsiórt la poblaeioll: el; ' '. ¡' '"

" . "a;.i=Wi,*+crror :;. . .. (12.24) :.

. .L~s ~ocficientes poblacional~s7T dee~la'proyc~éil~n lin~;II' l'l:pl:eselllan .el ses-
.go; Porcjcmplo, si]12 esel.cocricienlc MeO de las~gunda variablccxplicaliva de la'
ecuación. (12.23) Y it2 el :pa.fámelro poblacionalde esla:misnla variable explicaliva
en la proyecci6nline;¡1 desct'ila enlaeU¡¡ición (12.24). podemos escribir. .
. . . < plin;]12 = ¡j2 +TC2' . '.

donde ¡hes el verdadero valorpoblaciollaldd coe'ricienícde lasegl;IH..I;, variable

cxplic;Í(iva .... '. ., '....." ,'.' .'-"..,"
'... ' Me4iilnie unalógic(lparecida,libs~llfrenlaf)~OS úl nlismorroblen;a .conlare-
grcs¡ÓnMCO que ulilizaúnicame'nle'lbsdal()'s'delsegundo periodo:' ...• ..'.. .

.., :....,i"f.'iE,:::.,¡::, ...: o.,:}i. .....,,¿:.,,;~:.:.,;!

:,' l"a :"mag~a': de los dalosde
...:~,;,\i~~3i.+~jj::~t~#.j,j!:i5ili:,;;:,.f..~;:,,:::\2:
panel ¡¡parece cuando se demueslra que las ecua-
!.~;
..",..:.:," ;.o_:,:;::, ....:..tl..~,i~2.,."
...'./e::!;. . ':"~.
.

ci.~~ic:s(12.23) y.(12:2,5) 500 rcp~esenlaCi9nes v¡llidas, dCl.mulldo real y quc, por lo

1~lllo.cllalqu ierconl~illacióli de ri:I~\(;ioncs lrimb.ien.es.cier\¡i. ES¡lCciric¡llllenlc. '
. )'il .~. X¡I'jJ~. Z¡ S+, ~il

Yi2 = X'1/3+Z;0 na'

" i¡2'- Yn ~. (Xii": X;,)jJ + (2;:-, ~i) 5 +.(Ei2~ Éjl)
... , ';' .... ":~; ...;;~XjJ+I:iZ5 ..~~.:~'€.
...,..... ~"' .. : (12:26)

dO;lÚ¡;:'l) 'l:~'0.:1 dli'l;ra~or ~Iirtii.~ííci;;.i)~r e'jcm;)io .. ~x.:,x,i'.:..Xii'. La co,;;,aCil'Jll(12.26) .

équivalc;i.' . ,,': ..... ", .. ' .' ' .. ' ,'. '.' . t
.. ~,
. ~y = ó.XjJ' + i1il ' ( 12.27)
dOllde resallamos que 10stérl~~i;lOs.i;;~iiri;lbl~s.c()¡)~lli~rnpb.ZiY (Xi dcsaparecen al'
aplicar. el ()pcrador.dife.~enci;LUr difere¡)c;ia bási'ca cliirc'la .ecuación (12.27)y nues-
tras 'versiones no lransformadas;ecuaciones{12:'23)' y (12.25).cs 'lúe la condición
necesaria de orlogonal)d¡¡¿(sceumplc a,hornpam los dalos lr,;insformados. Especifi-
camenle, .' . . '. .. .

.~:~:.., '.' ".:' EtI:iX'ó.t¡l=O''-' (12.2B)

,::., La ~ons¿cu'c'ncia' rbrluiia'cl~',¿l.;\ obs~r~ilcjónés¡llIe I(/I'~gre,\'iljl/ NiCOtle :/os
"dIO! .tr¡lIlSfO~;li(/(lo,\' 11(1 II,igiJra ej-ií,iwcfvl/d.i' 'il/.\'~,\'gátl(/.\' de 1;~.~c()L'fi~'iel;it!:I' dc'It;,\"'/!~-
riaIJldsX .. ESl'a ~s I~esenci.'\d~ IÓs modclos"de.'cfeclos'rijl)s., Con. d;ilos de panel 'es
pOsible oblcner eSlin1aciones consisiCnlesde los p.ar;ímelros 'de inlerés. incluso CII.
el 'caso de oníitir efecíos cprrélai:i6n,ido:~~ CuillldoniJ'slinia'null pOI"MCO con¡lalos
de COrle lransversáldclos individuosconsegu'iríamqs dicha consistcncia. Inluil iva-
mente, ulilizamosindividuoscomo ton(ro,t'esde.sí mismos. ,C'onesle sencillpejc.l)\-
:plo, 'oblcnemosdlras.lres ieed6nes 'que s?,n eXlensibl~s al caso general de efeclos
'fijos:' 1,
'J,'
;.'. < :, . ".,. '",' , .
..

. , ','
.
~.l- '
"
, ,
. ,J"' "',
~t;'..ti I

, . ~,
 C,\I'iTt;LO li. Datos ue Panel

l. COI/ cstillllltlureJ tic ('feclO.I' fijos es illlposible, ell gel/cm/. vh/(,I/el' cstil/lllciol/L's tic
I'arillbles' cX¡JlicaJil'tls COI/SlI/l/tes'{/ lo'ltlrgotlel ;Jié'l/pp5; Cu;¡ndo'c1illli'namoslos'
efeclos correlacionados l/O o!J.I'el'l'tI!Jlc:s; <:ti' excluimos' l,iiÍlbién los efeCtos de ' c>
cualquier variable o!Jscl'I'{/{ltI que permanezca conSlanle ir lo largo del (iempo .
En nueslro ejemplo, la lransformación de di,fcrellciación hace quclanlo Z, co'
mo 9.¡ desaparezcan de la eClJación fiilaI a eSlimar.Todos los efectos que perma,
necen con~tan.t.cs a 10 largo delliempo reciben él mismo lralamienlo.
2, Nalurálmenlc.la olra car.a de la Lección 1 es que c/esti!/I(It/ol' tli:, efeclos fijos I'S

¡'V!JlIJiU O1;/C ¡ti omisiól/ t/cc/l{/Iqitici'r~grcsvr reldvollt('If/lc PI/I'IIIIJIIt!Zca COII.\IIIII-

:r'"":'\.
Ic ;/ lo largo dcllielll¡Jo. Se lral:í •.dehecho;de la promesa Ui;lilcslimación de ':':.
efeclo fijo. En principio, con la eSli,m;)ción ~e efeclo fijo. he.mos minimizado el .":"'i
'1.

requisilo de información necesaria para salisfacer'lacondiciónde ortogonali-.

';S'\
dad. Presenlaremosen breve un 'ejemplo para ilustrar esle punto. . . '"
.3 ... CUntldo d, lIIotlelol'c efeC10S'alL';'lorios'es'vIVitlo,eleslini{/!lo.l.'de.iifr;clpsfljo,S,N!:,,;",
.....~~~'~.~;g;~.~"i~.:;~
....ii.~/;~ ,./;i~
ro ~o;i~isí~;'i{
'~~~!i~};J'j(/~/'~j'~'~ ~;/<~I c~:
~:'¡ó'.\: '1)';ú"f;j7~'ú:o'í:'" Itldúú¡i Z:;~\b'te'J"~ io'., . <•• t.'s
cs. la condición deorlogonalidad pe la .ecuación (12.28) si.guc sicndo vMida
cuando'el modelo deefcclos alcntor.ios describe ia siluación'del mundo .rcal. '
~,
;~"
..
(Aunque eneslc caso. y ~omo disclllire'mos.~ conlinl!ación. el eSlimador (.k
- e.fec'los rij~s no resulla eficie¡lle en comp,¡ración COI) el eSlimador de ,efeclos ...
, .!~'''''..'

.. •~'-X
. ¡¡Iealorios). "1..:;.'

12~.7.¡. . v. • -. • ~.. • ' •

.. ~
.EL¡\.iobeLO DEEFECTOS FI.JOS.CON.¡ÜÁS DEDOS P.ERIODOS ,. , ..;-..
DETlE~'1PO ..' .... . '

'"
..{" ,

Anles tje 'disculir aplicaciones clnpíric¡¡s. ~ci l)lodc,lódc deCl~)S fijos. deriva'remos
esle enfoque paraelcaso de m¡\s de dos' periodos deliempo: .' .
. Como que el inoUelo de efeclos fijos se inicia bajo el supuesto.'de que
. c~~(Xi/,af *'
O. úc\)erem'os eSlinlar. el mbtjel,? cohdic'iáiwdo por la rr~senciü dé
"'.
:~¡_.
éft¿[os fijos. Dicho deoli-O,iíoJo, sircfoiri1ulamos él inodelü como
.. <-
Yi; =:' XiljJ~'cxi-l:"!1;I' . (12.2lJ) ":
I;js~. se eonsi'deranln los pa~ñmeiros dcsébnocidos. ~uedebcmoseslimar.Co'nvienc '",.
, • • w ••• '. • .' •

deSl¡!car'. sii1 embargo, lailúposibilid¡¡düe 'Oble'lier.csii.müc.ioncs c.?nsi~len,tes de.

esos'parñmelrosadicio.nales en el ca's'OliaGitl.!al de uatós'tic pancLEn este c;¡so. r
. es'p~qucñoy ;,.es grande. Nuest~a, teoría asinl(¡iic_a' se basaell In ic!ea deque 1/ crecc !}~

cada. vez IÍlás, Si.n embargo, el] .este clllOfl)oel.número derarámelros crece a la

,,(
~.A v~c~~. y cu~riuo uispon~mos ue inrorm~ci6n a prioii,accr'ca u~ los' clcmcntos uc los regrcsores liue "a. "
rí~n '~'Io I~rgo dclliclllllO. sl'resulla posible retup'c'rar los cocticientes ue lós regresores constanlCS a ": lar.
. go del 'ticlllp~. Vé~sc J. Hausm~n y W. T~)'lor., ..r~ncl. D~l.a.¡)(id Unollsel\'ahlc Indi,'idoal Errecl,'. ¡':m'
llull/ctricn •. ~9; 1981. 1)77-13~8. Véasc tillilhicn c: Hsi~o.l\l/lIlysiJ o¡ /',11//'/ f)1I/{¡. I ~X(" SCCCiúOl-3.h,\. '
, ,. ~: <, " ' .: •
 ...."
misma I"sa que crece la muestra. Aunque no podamos estinlilr cOlISislenlell1enle ni.
..
~', ~ sí q.ue podremos estimar consis!entemente los restantes par~melros .
'para ello s?lo Ilece,sitamos realilar la regresión
J' = XjJ + [)á. + TI ( IDO)
donde f) = /" 0 ir cs. cOln(i anles, un conjunto de 11 variabies ficlicias (1lIia por indi-
viduo), Sq~lIn'c1leorema de Frisch-Waugh-Lovell, tenell10s ql;e laediacilÍll (12.JO)
es I:xaclamenie equivalenle a estimar un.i regresilÍn sobre cada una de nueslras v,,-
l. riables y yX del conjunto de variables ficticias)' eSlin;ar, a continuaciÓn. la regre-
sió'l de los residúos y sobre los residuos X. La matriz generador" d~ dichos residüos
es la ya conocida ,\I/J = /- O(D"D):'" /)'. Podemos estim.lr por MeO sobre las v,,-
riables transforinadas M /J.I' sobre M /)X)' (¡blener '

(12.J 1)

SI: Ir;)ta. simplemente, del eslimador i/lll"llgwlJOS de antes. El eSlimauor intragrupas

es sólo uno de los rosibles esÜnwdores de 'erectos fijos. Cualquier transformación
que noslibel:e del efecto fijo. pro(lucir.í un estimador de efectos fijos.
( <-. Consideremos. por ejemplo, la malriz F, 1" x (T - 1), que transform;) unveclor
I x T de observaciones repelidas sobre los mismos individuos el1 un vecto'r ¡x T - I
de primeras diferencias. oblenido premultiplicando por:

-1 O O O
1 -1 O O
O l' -1 O
F=
('.
O O O O -1
1<:-",
O O O 'o I

. :,
Dicha lra~sformación es la transfo~mación uc priínera di'fe~encia que b'usc;íbal11os
!'-.
cn la sección';)'llerior._Élle,ctor.~ebe:ría ve;:ificar que esta lransfor'm;)~ión,eonducea
laecuacilÍn de ereclo fijo. '
Volvil:ndo a nUeSlraS observncione's en (lesviacioJH.:s del enfoque de las medias,
1,../,
\'1:1110Sque los dalaS se liber.1Il de los efectos fijos excluyendo las mediasde esas va-
ri;lbks;) lo largo ck la tolalidad ele unidades individu;l!es en el cor'fc transversal.'l:s-
\-..' lo es. el valor predicho de y, pertenécientc' al grupo i: es I:rn1f.:di.i de ese grupo (del
mismo modo que una regrcsióil de.l' sobre una sola consl:liili: daría lügar a un valor
pí'ediého equivalente a lamedi'a cálculadil'sobre'la loialidad de la iillleslra),

.'0\-:-:-
=Yj1
l0
+ (l:, +:n
"1. ( 12.32)

)' y:1 que la media de ll¡ rara un individuo i es, simplemente,. 1I¡. podemos d-ircren-
ciar las ecu<lcioncs (12.29) y CI 2.32)'parri ohtl:lü:r .

,( 12.'33)
 457

Es evidente' quc, o bien la priniera dIferencia o la di.reLen~ia de medias i!ldivid~"lcs

consiguen el resultado buscado~. " ,." " " '
, , En mllehas aplicaciones, la forllia más fácil de cons~guir u~, estimador de efec-
tos fijos meJiante llll I)rogl:;¡m";¡infohnático c?nvenc~onal consiste en'in~luir. ~In<i.v?-
riable fíctiéia distint" para,cadn individuo, Dicho metodo suele denomtn~rS,e mC,lo.~
do' de 'mínimos cuadradós con variables ficticias (MCVF), como en la ecuación
,¡
(12.30). Sin embargo, i:uand~ 11 ~s IllUYgrande, resulta pi9hibitlvo calCular los cocf~.
cientes de todas las unid"dcs del corte transversal."En ese caso. obtendremos el esti-
mador de cfec,los fijos siguieildo ,los pasos siguientes: . ,, ....,;'
• Transformar todas las variables reslandó las medias específicas de cada IIldIVI' ,
duo,
• Estimar por MCO con las variables lransfornwdas. , ,: '. .,
Dich<i enfoque funciona a la perfección siexce'pluamosel hecho de que esnccesa-
rio corregir los errores esl~ndnr, Los errores estánflar correctos son.' , .',
-' ',' '" " '(J2 (X' MoA'tl ".' ,. , ,', (12.34)
El resultado es casiequivülc~le ill resllltaclo <¡'\le obtendrí;Ímosmcdianle el
prl1l.:eso en clos pasos definido :lIllCriOl'm~nte. De lodos modos, exisle el. prolilenia
de eómo el ordenador genera la estimación de (r\. El modo correcto sería ¡., .'
, I
&2 = 11 11'''",
" nT-II-k
dondc el denominador son los grados de liberlad correctos -liT observ,aeiones me-
nos (11 medias calculadas)' k par~metros). Sin embargo. el resultado del progr"ma
informático de rcgresil'lIl nosabe.que hemos estimado 11 me'dias. Lo que hace es cal.
cular ll'~ como

Corregir los g'rados (le libertad ¡'csulta sencillo porque " .

2 nT-k ., " (12.35)

'&,,": 111"-/1- k . {r-o',úcn,ún,
r i . l..

El hccho de q\le el estimador de de.ctos fijos p\leda interpretarse como \Ina

simple regresilÍn f\'lCO dc variables diferenciadas P?r las medias; explica ,por ,C]ué
dicho estimador suele calificarse de estimador inlr:lgr\lpos. La r¡¡ZOn es obVia: dicho
eslimador uliliza única,i,ente I¡¡ viiriación'que tcn'ga'lu'gar en cl inferior ~Ic un con-
junto de obsér\'acionc~ de individuós.
. .
-' -~-

/, S'in elllh~rgn,)' en ¡:~nernl,~ll1hns eslillllldoress'er~n dislinlos mll¡'éric~llleOle: De h~ého. él que los'dm

eslilll;"hll','s den I\lgar~ dislintns,resu1JlIdos es I~e\'itlcncill de que 00 se cumplen los supueslos del mode-
lu [jjn.

~
,..•
-''i

;,(
r'
J
 ,".":',

453

11.8. . .' .' " ' ..'. '.. ....

'LOS'RIESGOS DELAESTIl\1ACI6¡\¡'OE EFECTb'S FIJOS
~ - . . :: ".'
s

LaeSlimación dc ereclos fijos' rcsuelvc 'losprol1'l¿rnas las v;riablcs omitida).> ':ex- . de

~cluycndo" algun¡¡s delas varianzasqucco~lamiiúln, bi~~ Meo; b¡¡~n.cl estimador
de efeCtos alcaloriós.Todofuúciona bi.cll haslaelmomc,ilo. Podcnios :prcgtwi¡¡r-
~os¡'sinembargb, '¿es peor'elrcmcdio que ¡¡¡ eilfermcdad?
" '...• ! ':, ':.' : :',; ". "', '. o,,'

.
12.8.1EIelll¡>Jo
. . 1: EJ:ror
. .
de l\'lcdicln
.
eÍtX

. La r,dspuesta es sí, dcsgraciadan)é'nte.Consitlerémoseln~odclo Jincal en;! quc la úni-

,~a vari~blc' explicativa cstá médida con Cfi'or. Supongarilosquc ei valor dc la v¡¡riablc
....;<:",i;,;}~inDSI\llY'1.,,,,~,~~jg\J.ílJ~IJ.ª;~~.l.:d_q~IJ,;.tí),"r:.~.,m~s"úo'.crr.o"r.dc.,cálCld:Odc..rllidóilila'ixco;,'"c. ... ,;~J¡, "Ir
"'.' ". '. x'= x' + y " (12.36),'-';
.dondc' .t*- N(O, b-~.)y' v' ':'N(O: CTtr'En el siguicnle mOddo~ sin Crcctos fijas,cansi. ..'
.:,
. dé l' C'JÍlos cl' plim dc'flá Ó el cstin1ador MCQ,ic un únicoc6rtc'tralisvcrsal tCT) eú .'
eJ'sigu'ientemodcló, ¿ütindCllas efectos fijos nocslán prcscnlcs: .-
. . .' ')'i/=a.+j3x¡¡+,Eíl . .' (12.37)
.SuponcJno.s:.cIU'C:'CdV(X';,-,fjl j ':".o, cs ',dccir; sc cumplen todos las propiedades dcsea.
b'lcs.cxcépt~andoelcrtor dc,iledicJade lavarlubic cxplicalivq. DemóslranlOs que
(vé<ls.cel Cal)IIUlo,5) '. ,:.... ~', ' . ..,'
. '.
'.
. "t'. .~p ~fl. ú~,IJl'lT~:..'
"':',';,:' ,~.'~.':".•':',~'pli'~~'Acr .'
.!

.¡¡ .' r '. <

'~sto c:: :Ias ~slim,;cibl~e¡.lcridci;1n';, q~:~~~r6(2"';l;dl'S,,~sc scsgal'iíl1'li~Cia'cC;O"'dc- .

'pendiendó dC.qué proporciÓn de lávarianzaloial. ~n l~lIcs.irai:l)e,dición ;~= ~~,.;. O'~

rcprdsenttl la variáción'dcuidil al.ctror derl'icdición, ". "." ..

•~ . - , . : l- ~':; ~ ': • • 1. • '.'" " .•, :.

,. La cstiinilcióll'cslánuarde efcclos fijossuel.ccxacerliilrd sesgodc alenuación,

cspecialmentc cuando las ~arlabicsexplicaliv:isesl¡íll'corrclacionaJas temporal-
mente~ 'El. ~esultado' es claro si cónskléran10s 'In'vcrsión ,de prilileras difcrencias . ~.

(PO) delrno.dclb ¡¡nleriqi. ,Dcn10slr~mosque '.'.

l' fJ . - fJ ,''¡j(r~,
plmFD---:(,~ )[221 (12:J8)
. ' I P.I CT,I' + Ir l'
• ". " , ,c' '1

i)on~~ P. '::;COy'(x ji, X *¡ /_1 )l~ar(:r'). Resulla'ev.idelile

" 'l . "
dónde rcsidc la dihc'ullad. El
.' . . ;

5~SgO parece el del caSo estándar, cxceplu'ando cl.lérminG..l- P que aparecc <;n el
~deil0minad.o'r. Oe'hecho,cuandq las)'.ilQesláncoirela~ionad~s Jcmporaln)enlc'
,(1' ;;0), lá rórrnul¡jse reducc'¡¡ 1¡¡'desa~rolládáp~d¡.éíplií'nd~lcs¡imador MCO con
da'los'de
- .. ,'
COrle
.
transversaL
,.,
'. ;",
:,
'. " . • .' . '."

1.;
..'•...1
,',o
 ,
r'';\-

.
.1:") .v'

\.:.;
f)csgraciaJamenl~, lo normal csquc {J'nosc¡¡ muy pé(IU~I)(J. (ollsiuercmos un
scncillo ejemplo de llfcrta laborúl.
';:'
".
hil = U"jdl +Eil (12..'\9) .~ .'I
dondc h incJicalas horas lr¡¡bajadas cn clperilldo &:,rcfL:rClíéia,Y u:*,c1s,!Ii.arill real. .
Sólo cxisle,'sii1 cmbargo, una ~;crsiÓn dt u,: cl sal'ario reaL quccsl~ calculadocollun
crror dc mcdición.
El problema es el siguicnlc: Aunqul:. haya consitleraples\'ariacioncs s;\larió.1les
elitrc.llls indi\'iduos -lJ2\\'. es razon;iblemcntc grandc-'. h;1l1ilualmcl1lc exislcnlllll-
chasnlcnos variaciones cn los Cl/lllbio,l' de los saló.1rios a lo largo dc l. ClIó.1ndolos sao
larios ,:c'¡]escambial.l lu'suficienlcmcnl~tl.esp.acio: Iqs.C¡.\I;lbi.l;sde los sala'[i'os c'alelÍ- r
)
lauos dcberían rél1rcscntar cl error de !11edida. E,n términos de la ecyación 02.3:) .
(.,
P será grande cn lanlo quc cl sal;Írio dc ll,{indi\'iduo no cxperimcnle grand~s Calll" ,
bias deun aiion aIro. Allonji. enuncjcmploampliamen.le citado. dcscllb~e,q,üc::" .
r¡,~íiic\,} íi'-SO~kue 'I~''v;ll'iÚ eiolliJe Ios'¿;¡-¡ iííhi ó,i' ~.iilil¡lar6';;"(1 el! psf6 'I:;,rl~d-C:'dcG'c'j'~¿";\' 'i::~','.'"
crr~r de IllcdicJh1. Oound yl<ru~ger, ¿le~cl~G~~nrcsultados Silllil¡ms para elYSID
uliliZando' dUIOS adicionalcsp'róccd~liiés 'lÍc Ól~r~invcslig.~cióIlX. [)ichas 'o,bsc,f\'aciq .
nes sugicrcn quc, a mcnos 'qúc se consiga'úna corrección, el error dc mcdida puede
scsgar gr¡iVCnlcntc las cSlimacioncsdc efccl~sfijqs.. . . .
Grilichcs'.y 1.lausman sc,)alanque'conla:a~;ud¡¡dc cierta eSlrUClllra.rcsulw PI)-
sible cstimar el impacto dclcrror de medidaeilclcslinlíld'oi' d'c prlmer¡¡s
rJifcrc.ncias~. O,bscrvan quc clproblcmaenjpCOr¡í cúando i)'es.gr¡\mié.ca~liqiic Sl;C'-
le ;iCülil~c~r tuanuo el pcrioé.lo de.tiempo critre la~.dos unidades de C'Orle.lr<ins\'cr-.
. sal.e~ 'pcq'\.Jeiio. Esto pucdc ¡;lHílizarsetolílpai'ani.lolqs esiimado;'cs de pril)lCraS di.
fcrenci¡ls de i1e;iodos at.lyacenlesconlós'qu,l: rcsull;nfan \:cin~di fe rencias" mayores".
. L.a"idca b¡ísica.cs ql;C, cuand() cl'n'¡o~etocstandai~de c'fe~i;), fijo escor,retlo: el esl i.
m¡Ídor de l>rimeras diferencias, .(¡u.c ~ltilíza'.obscrvacion'csdL: c.one Ir,al1s\'ersal de Un'
rerio~lo;ól' Jcbcríaseridénli'coalcsli'mridcirdc p,:inlcras difcrcnci,1S que utiLiza cib-
serv¡1cioncs de cortc ír¡¡nsvcrsa'ld~. L > '1 peridtJos,ó/..Sin. cmb;lI:gn. si hay errores
de il'1e'dida, cl scsgo alenuanlcde I.as difcrcnciasmayorcs scda mcnor. Esto cS'. la re .
lación clllrc la sCI)al y ci ruido cs il1a);Or'cüúntlo sc uúlizan'.csti'llladl1rcs cOlidifercn-
'ciaslllayores. Scglín la {órmula ulilizad¡( csp~rarCl1lOS tillc C;l la "l.layor'í;i tíall1Stic ;.--.."

de pajlcl' ' .. '.. .,",. ', ..

(l.~ fJ.\') < (1:~'AI¡.).•. . . (1VllI)
d~ndc ¡¡!¡repr<,sci11;1 la corrcfaci6n cnl~clas 'x'~bsc¡'\';\das cn/., pc;'iodl1s y dondc 1.
>1.
Vale . la pcna deslacarque. aunquccl. _ remedio
... - pi;l'dl'
... ser ¡lcor que la enfermc-
.'~

1 J./\hollji. ':III\enelllpural 5ubslilUlilli, il) Lahur 5upp!y, b'i¡j~nc~ [rllm :'-licrv Dal.".)"""/III "! 1'"li,;",1
Enllloi"icJ, 9~, 19S6, 5116.5215. .. .' , . . ..
• J. Ooun<l \' A. Kru~ccr. "The EXlenl o[ Measure",enl Errof in Longiludin;¡1 Earning' Dala -11" Tw"
Wrongs:-iai.caRí&III:¡".)u';TII"'o!/.,,',,,~£cí}//;;'Í1¡(:J~'9.r9'J1.I~i.i. , .
'/ Z. (j-riliches )' J. I (nuslllan. "Erro,s.in V:,ri.hles'¡h ¡)nn~IDil'¡:\ ":Ji;,;,',,;,lo.! ¡:;"II,~oll/l'lrjn. 31. I '!::Ic,. '),1-111<.
 ~I,()

uau, ello no implic;l necesariamente que deb:lInos conformarnos con In enfermedad.

Es liluy posible que existnil' tniJ(o ~'dectos fijos correlacionados:' como errores de
l11euición. Si el modelo es
, Yil=xilf/+.o.¡+TJi¡ . (12.'.11)
uonde el error uc medida'd~ x'es C1111ismode nnles,,pouemos ver qUl: d eslimador
"leo dI: corte lransversal es incuílsislenle:

l.
P IIn
1'1 .'-
'CT -
f."
J
COV(X¡,
+ (1
°i)
2) (2
jJ(]'~,
2)
'( 12,,'12, )
, (r:;".+ (T v {T ••. "+(r,'

Tnnto los declos fijos c¡lmo dierror d.e m~didn son e'l origen del sesgo de los'
eSlimndores de corte transversal o de los'estinindorcs de conjul~to de daios. SÓlo es-
te último prescnl¡i p'roblcmas en la cst'i'rriaeión de credos rijos'. ~n el ti,¡lO n;ode- de
los (onsiderados hasta el mo'mcnto. saber qué estimador es menos sesgado depen- .
dcr;í del a!cnnce de los ereCIOS rijos~ dél nlcance del error de Illedida y de cuánto se
correlacionen Ins X n lol~rg~ del 'tiempo. En ~unnio n¡'nlcrince del error de medidn.
es posible disponer ¡illlchns veces <.leinforn~ación independiente. las técnicas de va.
rinblcs instrumentales su'elen ser de gran nyudn pnr;¡ eslos casos.

12.1\.2 Ejelllplo 2: X End6geila

En el caso <.le<.los periodos. los cSlilil:\(J();'l:S dl: declos rijos sencillus implienn esti.
mar por ty'lCO n p:irCir dc lus CIIl/lhios de Ins vnriables. Otro problema potencial de
los estimadures de declo fijo es que la varinción dl: los cambios de X en el lie~lpo
pueue no ser exógena. Sólon iiuslra elproblelnaHl• Considera la eslimilción de hnsln
qué punto In pag<l por trnbnjós con elevado riesgo en euanlo a In seguridad "com-
pensan I<lsdiferencias salarinles"; i.recibirínn Irabnjadores similares salarios en rro- ..
medio ril;ís c1e\'nuos a 'cambio de nceplar los trabnjos 111;ísj)elignisos? El módclo
m,ís sencillo serín 'w' ...[••, "'.-'\\"'",

, " ,,'. =0. + + ~¡,(li.41)

d~nd:"{) eS un~ ~'nriahlerictici~ equi~:ilente a I cuando se Irata de un lrah;¡jo con
clc\'nu~¡ riesgo y O.en l:I caso contrario, Supongnmos que no existe Inl diferencia sa-
larial y que n111boslipos ue trabnjo se ragnn a partir de una IJnicn uislrihucicín~ En
7:: este caso, fJ = U -no ha)' lIiferencia. SupolIgnmos. ndelil;ís, que los trabnja<.lores pre.
fieren los trabnjos seguros :lrosillsegurosy que inlent;nílOS estimar fJ mediante un
~:'
modelo tk clecto fijo:
l'.ll';1 = l'.Di;fI + l'.Eil (12.44)
~
J
donde tllI';, = lI'il - 1I'¡,I,I' Es impoi'lantc consiuerar/}(}rqllt: observamos la vnrinción
 CAPITULO 12: O;¡IOS de P¡lIlel 461

en /::'Di/. Parn que la estimación resulte consistente necesit;¡hlOS que la vilri:ición

lllueslrül de l'.D¡¡ sen exógenay no se correlacione con /::'E'il' Desgrnciaunmente, ésle
110suele ser C1caso llabitu:t1. Ell este 'sencillo ejemplo., un trabnjndor que tenga un
Irabnjó seguro io cambiaría 'po~ ~mo insegurb (l'. D;¡> O) sólo ,cunnuo recibiern a cam-
bio ún' s;¡laria I~ayor (/::'Eil :> O). Por otro la<.lO.los trabajadores c~mbiarían un trabajo
i¡¡seguro rol' UIIOScg(lro(/::,lJ;¡ <'U) sil' recibir a cambio compenShci?n snlariaI algunn
e. incluso. con' cierta disll1illtlciún salnrial. Si fuera éste el caso. los Illeremenlos snln.
riales de :lquell6s que decidierail Cnmbi:ú:seil un trabnjoinscguro serían superiores a
los aumelltos (6 disminucioncs)s:ilnriales Mloslrnbajnuorcs c¡ue cnlllbiaran.atrnba-
jos seguros. Como consecuenci;,,'ln estimaCión de'dedo fijo dará como resullnuo unn
fJ positiva nunque In fJ real se,n cerp:.q~~de.olro punto, de visLri. /::,E¡¡ determirin ó. Pilo
En general. In dirección dd sesgo~ o,casioniI,c1o por Inl sClección, individual depeil<.lerá
dd rroceso qu'e'deter;nina los cambios de la'variable de¡)enuiente'r , ' ¡ ..
, .- Siempre es posible incorporar ?i!ee.i~l11ente la dinámicn de In autoselección en
laeslimnción de modelos COIIdatos de pánel. Sin embargo, este tipo dc n1Qdelo,s S.OIl
mucho lIífís él)mpléjos 'y' lIú¿sii,lr'cl11oscicrta in(orIÚ<lcióllpara idcntiricar~:cll?ro~c.
so de sClecci6n. La discusión de;t~les rrohlem<ls'vn m<Ís nlln del ohjetivo d,el rrcsen-
te capítulo. "'o',.: ,_.,', l', . ~:

Merece 1<1pena dest<lcnr que el problema de s,elección in<.lividunl es sólo Una de

las muchas dificultades implfeilnscn la,"selección ••..aIrO ejemplo del proble.mn'.cs
cl de~gasle deja sclcccióil. En muchos, conjunlos de datos,de panel es n)uy'freeuen-,
t~ lopnrsc con individuos que' 'aÍJ<lndonnn In muestra. Y más aun, muc1~os i.nves\iga-
dores fuerznn clequilibrio de sus mues!rns (idéntico nIJmero de observnclones por
unidn<.l de corte Irnnsversnl) con o~)jeto des;mrlificnr el método de eslimnción con
raneles equilibrados. E.xcluí'r individuos Con el objetivo ue equilibrar In. !TIuestrn
puede resultnr problemático sinquellos individuos excluidos de !a mucstra'son ~i~-
linIos n I()~ que permanecen en ella. ES'l~usiblc (1'llclos d,al'os'de ranCl dejen de ser
iU;,!,!{~,~rJ:.p,~:~!,;
s~~}i'.--;ltU$"!,!f~!-!!I,~~.,$!
. re p re sen InI ivos. Cu;\ n tome 11os r.eJ?r~~£!_l.!l!~li:!-
,

?",::.".tiIY6'iflotslrp ii'C~fúi;''f'tffil1\i o5';ig'p'óbT:id6ñ: db'jfi(),~C~h\~C'úr6'

ihié'r'é{: , ",. " '; :', t,

"

,/
,
..•
",
12.9 , .; .
~.'

. EfECTOS fIJOS O EfECTOSALEATORIQS'!

l." """,,, '
.. ", . .... ",' ;"; ".' "', '.

COI'nó ilidiCiib<lmos en la SecciÓn12J.ln (liJerenci<lenlre nll1hos modelos se bnsa en

snber si loscfeCI()s constnnlcsenelti~mpo estáncorrc!ncion"dos o no con los re-
gresores. Hemos observado"a~imisl11o,que Cltnndo el nlOdl!lq dc'ef~cloJ nlcnlo~io_r es
l'/Íli(ÚJ, el e:.wil/;(II/or de: efcelos fijos siglleprodllcielrr!oeSli!"ncione.r consisfénles de
10.1' p(;r/ÍI//('lmsidelllifiCIIlJle.,;,. Pare,es eniQnccs. en ge'ncrn(que ~I esl ¡mOldar ele cfe~.
", los rijos-cS pr'efer¡'b,le al ~Ié,ef¿élos ~Icnlorios,a'menos que e~lenJ{)s seguros'éJe ser
" 'earaces (It: medir lodos los fnclores éonslnnteS:l .lo lúg'b dcllicmpo }' que. cSlén.l~o,
l'
siblel11enle corrclncionados conlo's otros regresares.
 ,461 MtroDos DE ECONO~II':TRI,~

.:~ Aparenlemenle, much?sinveslig;idorescfecnq~leunaeslimación precisa de la

estimación de efectos fijos eSh)Uéhom~sil{rl\tliváquc'tína 'csliinilciÓli 'pr~¿i~'a'c~ ~l
niodelo de efectos ale¡Úorios.EslaconcIJjsiQn no ¿s:Ii1¡js'qué ulia cobsecuencia de ¡;
muy ~awnable creencia de que, excepluaíldo aquellas siluaciOnes pl,Iralllenle e,xperi-,
menlales O casi experimenlales, es poco pl'obablc quclos elcclos fijos ¡lO 'estén corre-
!acionados con los [egres'ores qUe SOil objelo~enúeslro inlerés.Porcjelllplo.la lile-
ralura quetrala los efectos de ..la afiliación <lelos úabnjadores a las unión es sindica-
!essobre los salarios, suele tonsidcrilrqueiasestilllacioiíestic efc.:clos illealorios de y
COrl~ 'tr~nsversalson eSlinülciones dddedó realsesgüdas a¡' alza': los lrabajadores
sindicado~ sOn ~'m¡ís prodUctiv:os" en aspcclosqüe los.cconórúeiras no consideran. .
Sin.en;b?rgo"si~uiendó
o( ;luesliadiscusi6nncerca'los peligros de .Ia eSlilll¡lción .I
'. ....(¡eef~clOSfijos,r:s posiblr:ql.le~l"remedio.seapeorqucla~nrcnlle<l¡úl: Sidicha:si-'~
'.,~,:.,:..\il;i;íÚPQ....e.sJibluiÍ.5.:\CQrnúo:cn'. c.i; Ir.al1ll1o::Upti(¡u'<l G}~i,úiill.allcst¡óll'1JiiclHib Ic;-M ib¡''!10f";'' .'. \:'. "
mal parece ser la situación en que ni el estimador de efectos rijos ni el de erectos
aleatorjos séa 11perreetos. Consideremos.de n~cvo'lali lC~¡líu~¡lq ltC ~raiido'~ ereclos
de)onindicalos sobre 10ss~llario~.A unq'ue-Jaevidenc;:ia sugiere (ltle las es'limac.io-
I)es de creClos ideatarios so 11'e.sdmaCioness~sgadas:nf alza del efecto real: engcne-.
ral, las eslimaciones de ereclos fijos son'csiim:lciollcsscsg:iJasala baj~ del¿s crec"
lOS reales. La conclusión'''s¿basa; critre oir;\s cosa~:el1; observar que, d~bi'Jo alh~-
<;110de que es rdali~alllclIl'esingulnr qlic se den.cambi'os dc estallissindical,'un
r.~q !Je.'io error de medidn enel nivC!Uc diclillvnriable'puede lener, UII dCCld inlpor-
lantc. sobre~l: rnl!O enlre/a,señal.yla vnritlnza.lotal'delos' cwjih¡ús decstalus sinuic'
'cnl." . ':. . .. .
. Res~ miend6,~ó ~~isl;C u~'n~~gr;;'$ell~jlia 'c\'~e'a;UUe;I;¡'I)Ve~ljgaU'~r,:a: n~vega'~
.' haciti. ¡:1 Esc:lla~elos e.reci9s~ fijos y él C~~iblIi$'(lc'-e:rróres ue'Ií1i:di'da y.~eli;cción'di- .~
'.n~t!lic¡I;,. LoS' da.los dcpan.cl,'po(n\u'clro uc
'r¡ Jci)r.é~e"l~'l u;i' pas¡)a~elúiJtc re's'peclo
:\105 ,daiós cJ<
l:o'rte' tr¡¡'hsve rsal,; d~: Iliilg4nil10do s'ol'ü~iOli'a'n¡<:idós:los .pr~blélila~ del.
cc~n.6nlelra': .. '.. ;....: :;..:r ,:'.: :,';'~',:.' ~:~". ';::, .. ~.': .'
. Aconnnuaclon, es~u?I.¡¡remq~ vanos c;:~nlraSles sencillos. de espe~iQcacióflcn
el'enlorno dedales e
de' f)nn¡;l. illlr.oducirclÍ1os'I-~cgo' UI1'éi{foq;,e m~s ~oris'¡ic;ld() a
es le lipo de modelos. . .' . .' ., '. '. .',.. '. " .

"O

. ¡ :,',

\
. ' ~", '1" • .. '

12.10
CONTRASTE
•. ,l'~ ..
DE~WU~I-IAus~lAN
. ¡ ~' ). .

. /.lClllO'S dc';arrolin~o 'dos estima'yor~s con".p¡:ó'pi~JÜd~s dis'linlasseg~n sda.la corrcia-

ción 'enlre ai Y losregresóre(:. '. .. ." .'
LCuando los erecl()s no se correlacionan co~ las v¡iriablesexpli,c~li\';ls. cl l;still)a-
:~or de creclos~leatori.os. (E,ó.J es conslslente' y:eficienle. El cs'iirnador c,le dec-
•.: los fijos (EF) e~
éan:isl,~nle,p~ro n9 eric\ente'.;" ._,'.'.'.' . .

"
,,: ': 1":

'~'. "
 2. Cllando los efectos eSI:in corrclacionadoscol1 las\'ariablCs explicalivas. d esti-
n1adl!r de ereclos rijos es COnsi;l~nte ydiciclite. pero. ~Lcstimádordc ereclos ;~/l
alealorios es iI1co'nsisle,;lc. .' ,.

Esla di re re lll:i:l proporciona la base para el conlrasle lit; Hausl1l:lli. ddínitlo ((1m;) .
1,. J.
<,
( 12.,15)
1~h
El esladíslic.o J~Icontrasle de Hausinan (discUlido en 'e1C'píIUloIO) se dislribuir;'¡
asilltúticalllenle COIllO X2, con k grados de libertad bajo la hiplÍlesis l1ula de que <:1
t:: "
cslima.u<Ír de credos ale'al~rios es c(;r~eél~. . . 't"..'
. 'U'l rnéloi.iá hll~rr;áti\'o c~nsi~.le e:nT~alizaTuna regresiól1;luxiliar.SI!pongamos.
que y
y,r SOI1los datos trali¿róril);idos '! p;¡riirde_ un Illouelode efectos alcaiorios ..
como en las ecuncic)Jles ('t2.l7)' y (12:1 S)~ Der¡,~am~s las variables lransforn~adas"1' ..
"-Líe"li';l~ rcgrésiÓn de c'rectos rijos C~I;lO'" .. <: : ", ,. '. ." .' ". ¡"-.~"".
'. :::i'"

... ,. . .. X,'i,:=Xi,':"X¡ . " . '.- '\

Como Cil, el Capítulo I (J, sobre MMG, 'el cÓlllrri!ir~ d~¡'lausma'ncssuscei)tiblc de

calcularse . COl11O011sCllcilloiestFsob~c . -. en'.la. siguiclilc
.' .
"Y re~resión úu;.¡iliar:
..... .

i = }qJ+~X .y + error , ( 12.46)

f~.
,
L¡\ hipótesis ¡¡ vcrificnr es ~i c1líccho"cic:ómilir.ll)s efeclos fijos clj 1.:1moddo de
tf~clos ¡;lt:alorios liene algliíl efeclo sobr'ela consIs.ll.:l1cia 'tklas:eslimacioncsdcl
111odc.l o de efeCIOS ale¡¡lorios;; .' . .
. Con\o'clli;:lpíIUIa's allleriores. esilllpO;'lrinle subr:i)'n~ qucsiel m~uclo ~lc:erec-
'lOS rileaLOrios "surera"eI conlr~ste cSlo'n(¡signifiéa'qu~ todo sea pcrfeCIQ. Dé he-.'
~lio, Ulll1l~.1 resullado. y bastanle frccuell.t,e'.adcimís, e's q~le los dos eSlimadores no
seMsigllí[icnliv(l/llellir: dispnloséntre sLEslá~ill.lcicióli 's610 puede i'ndiéa;'- qu'e 110
existe 'va'¿ianzñ suficienle ~n
elcan~bi'o:de X.qüé' prop()J'ciQneres~r1lad9sl<i suficicn- .;l1'"
,
lcilienle ptecisoscomo paradíslingui(enlr'e ambos conjuntos di: estimaciones. ivI;ís
aún,un'a estiliúiciól; poco prec'isal~ile'lnl0delo. dcerec¡OS que 110sea 'significaliva-
mente disliilla de \;ero;no es
raz6n 'piirlÍ j)I'6c);írllanlul.:' ei e'fcclo(k la\'ariabk es
ccr~: .Cuando lo qucse' pretelidc' c?arfrnü!r.qucuna v.adable c;lrccc uc illlport"n~~¡I.'
un cero cs-ti'madoc~nprecisión resulla. ,1il;ís convinccnle 'tlue un tcro eSlimadó con
pocapr~cisión.' '. '.: .' ..,.; . ". .. .' . '.' . ....

""' .
12.11
OTROS CÓNTRASTES DE ESPEClflCACIÓN ; .-
y U~A INTRODUCCIÓN AL ENfOQUEDE.CI-IAi\'IÍ3ERLAIN

El il~s'tp\livo t;nroqueque ayuda n~ol11prendCr'l¡í' eSlimacit'lJ] y la \'erificüción de los

Illclodosdedalos de panel recibe diycrsoscaliricalii'os: cnro'que de malrizf!, dis- 1--
,
tancialllínima; . X2 lllíninHio M.CIOdo.: Gencr~lizad()
- ~ .'", ~. . dclos
..
ivlólllenlos
- , .-
" "
(véase.Capílu-
.. '

1~"-

"
W
r1,>;:''¡
i'
1:
¡.;
r.
¡' lo lO). El enfoqll<: lieilc wil1hiéliilHicho en comlín COn los moderas ¿Ic 'c'cua~iones
sil1lul!;\ncas (véasc Capílulo 1)). CI;aniberlainl~a p~bliclHlo'dos rcfcrc;lcias úlilesll.
No prctendemos tralar el lcma de modo exhauslivo. Lo disculim;;~ aquí por
dus r;l/ones fundamenl;ilcs::

l .. Clda vcz es m;ís frecu~nte presentar COnlrasles de cspecificacilÍn omnibus del

'nudelo de eft.:ctos fijos, Es imposible comprcnderlos sin conoccr eslc enfoquc
. b;ísico. . .'.
2.. !'orquc las necesidadcs técnicas dc ia literatura hacen que I(;s autore~ I;a)'an vis-
to 1;) necesidad dc rc,ilizar una brevc introducción ('IUe facilite al invcslig;)dor' o
. alesludianle el acceso ;)' lrat;imicnlos m<Ís'sorislica~l()s ..
r. El enfoque ¿le Clfa111hcrlain consisle en considerar cl modelo de efectos rijos
como un extenso conjunto de reslriccioncs <.leun modelo l1l,ís genc!';)1. De hecho. la
rl.1rma m;ís scncilla de comprcnder el cnfoque es tonsidcmr 1;) estimación de dalaS
( ~i (!.: panel como la cstimación de un cOlljwílO'dc' ecuacioncs, p;lrccido ;) los modclos
dc ecuacioncs sinililt;íncas cstudiados ;)ntcriormcnle.
Nos ce nt'r.a,,:eIl1r;s~n un easo ¿~ncillo rar;) que la cxposición sea comprensible:
una vari"ble ,ndepcndicntc bin"ria y dos pcriodos dc ticmpo. COlISidercJllos el caso
en que la variabledepcndienlc es el logaritúl0' de los salarios y la variablc dcl lado
I-.~
I ;
derecho. el est"tus sindical. Jakubson prcsenta una aplicacilÍn particularmente scn-
cill;l <.lc1;1mctodologi" u;ísica dc este caso.12
Es importante reconocer 1" multitud de restricciones que iJilplica el rÍlodelo de
erectos fijos. El mo(!.:lo b,ísico es

J'il == Xii jJ + (li + Ei, . (12.47)

En el caso de losdectos sobre los salario;de las uniones sindicales, existcn r"zones
suficientes para sospechar que el efeclO omitido secorrel~cionacon el eslalus sindi-
r"
,1 cal. Los trabajosé()n datosdc corlelransve~sal da'~conSI¡lI;¿a de que, para la ma,
yoría de los trúbajadores. el éfecto del sindicaio consistc. en las !11i'smacol~~Ii-cion~s,
en un aUlllento sal,ni;" respecto a lrabajadorcs' nó sindicados. Los capit';"is\as re~-
ponc1er;ín a la imposihili~liId de pag,ar ¡i Itis trabajadores lo mínimo que el mcrc¡ldo
escap<JZ de soportar inlcntando iliccntivar a los tr;;bajadores mcjores; CSI~)cs. ¡ni-
I'~' ciMí;)n un rcclulamiento sl'lecti,io: En este casli. (li rcpresentad la capacid;lll ubser-
'1
\ vada por el (;lpilaliSla aunquc no por el econtÍmcli.¡l, O sca. 11110 de los casos cl;ísi-
>'-) cos de decto fiju cOII'c1acionado.
)-') Recordcmos quc I\'ICO cn la ecuación dc un ünicn corlc lransversal origina cs,
", limaciones insesgauas de 13, cuando COV(lli.I";,)== (J. El problema surgc cU;lndo (li r:SI;í

11G. Ci,"l1lh~r1"in ~t\llii\'"ri"l~ Rq:rcssions Models ror Pa"e1 n",,,".j,"'rII,,1 "f 1'.•.••IIII1I1'.l/ic.I. IX. I'JX2.
:i".I(~:~:"P""d D:lla (/'!"i/!',,!.'k ."/ {.~CtI"(/IIt('I/i<...r.. Vol. ~. f., Grilithi,,~ r ~1"'I"lrilliga'"r. NO'lli-llnlla"d.
I 'J~.I. 1~.J7. DI~. ,>.

r: G. Jak\lhson. "["im,,';o" ;~,,~I T~s,i"¡;._,,r r~x~d /fJ~;~~ Ic-I}:de": '.:,'i!"a'i,,!, "r H,c .lI"io" 1V'1¡:C .1':fJccl-
1J''''g I'anel D,,'a". fie,:i,'''' o( 1,'('<'" lI111i('SllIIlic.r. SR. "1'11. ')1 ('1'11.

":"
 CA';'TULO 12: Dntos tic Pnncl 465

correlacit;nado Con la v:iriable x. En csteeaso, una solución eonsisle en el estiniado~

tic primeras diferenci:,s introdúeido anteriornlente:
, . I:>y.= I:>xfJ + 1:> E .(í2A8)
Hesulta úlil rdOI'l;llIlar estemodclo de manera algebraieainente equivalen'te corno:
I:>y '-= fJx2 - fJt -", ~"ÓE (¡2AlJ)
Es cvidenle que el modelo de efeclos fijos impone una rcstriC"ción. En la CcLi;Í~
c"ión (12.41)). el efecto del estalus'sindieal, introducido en niveles. se limú;,
a ser opuesto y de igual signo. En otras palabras. los que se afili:in a un sind'íé:llo
(x2 == 1, XI = O) debcrían rceibir un incentivo igual y de signo contrario a 'los que lo
abandonan (x2 == O, XI == 1).. En este caso, ulilizarcmos uli contraste eslaildar 'F.para
verific;)r dicha reslricción adicion,,1.
'. '. .
12J 1.1 J7orlllnJizacirío tic las R~slriccioncs . :

Seamos ;11101:;'un poco m;\s formales. Para haccrlo, ampliaremos i.:I ejeniplo'nnle'-
rior aJ caso en cl quc el, efecto del sindicato varín a lo I••rgo del tiempo; Á'nali7.are-
mos'c1 siguiel'¡c'modelo: .
Yil = Xi' 13, + 0i +11il . (12.50)
formalizaremos la idea de que el efcclo fijo se correlaciona con x. Considere'mos 1<1
siguicnte regresir'll1 poblacional dcl efecto rijo en todos losrerardos)' ,idc;:lanlo's d~ ,~.;
ai == XiI A) + ... + XiT.Ar + ~¡ (12.5J)
doildc A == (Al ..... )...,.)es un veel.or de; cOeficienies y donde supondremos que ~I es un
efecto incorrelóleionado, parecido al que encontramos 'en el modelo de dectosalen-
lÍnios -el componente ¿specífico individual de 1•• varianzaincorrelacionadó con x ..
En i.:Icaso de dos rcriodos, T == i. A dcslae;Ír que en la "proyección Iíneal'~ incl~Ii~.
mos lodos los adelantos y relardos de xl). Lo hacemos como consecuencia del he.
, cho dc que eU;jndo el efecto fifo se éorrelaciona con x en un periodo. es prohable.
J que 1,Imbién sccorrelacione con x en otro periodo, . " .
r:ormulamos entonces:
)'i, == fJ IXil + A IXiI + A2xi2 + ~i +11il
)','2== 132x,¿ + A IXil + A2x,'2 + ~i + Tii2
;',

)'i, = 13; Xi, + A'X¡ + ~i + Tii, • () 2.52)

donde A es un veclor de dimensión igual a dos. Estimaremos entonces una "forma
reducid,," con dos ccuaciones:y, como función de XI y Xl' Y)'2'corno.funciónde las
.... mismas dos variables. Dicha forma reducida dc la eeuaciórl (12.52) seJormulólt;)m-
bien como . . . '.
~, .
PUl iliZ:lIIlOS el h~n,lIino ;,.n,,'r'n.i'/~;' 1;lIl"o/l"ar:1 úO.'con(u'li'úir la CCt~;lci{'HI 'c' 12~51) ~(\I1'1; ~srcr~I1;;¡ '~~~dicio.
n,,1 tic "i' E,to e,. e:lIcú: u~ impiJl';lIlCia '1"é lacclw.ci,in (ti.s')') ;e'i~r n;~ucío '~rcar: dc',,: o qucJa" lela:
cil;n rc;1I ~ca line.d.
 . . .
466: . Ml:TOl>uS DI: I:CO:-;O~II:'rltf"

[.;:;1 ] '=n [.Xii] (1:2.53)

la
) j2 '. • X(2. sc
qu
don<.Jc'.n es una malriz 2 x 2 con'los cOcficienlesdc lilforma redllciua: n

. n~[mRn" .. d
n
.'. '". ".-: .. ' .. y
El correspondienle modelo eSlruclural se resllJl1.e como' si

..
.r.~[fJr .-
-l~AI
A2'.
.'
¡J2 + ~2
..AI ].
'(12.54)
1
El 'cnfoquc dc distancia míniJ;laorigina eSli;~úrcionescriGienleS minimizando la dis-
....... l¿lnciaenlre los coeficienles estruclurales; y loscocficiellles'dela forlÍla reducida e ...:'.-H
...,....:';,hu'(tS;:í5'ó'¡'rL'Fói' ili'5iill cíO¡rc:ni¿g~Ú¡{il~6r2tig~'r:(~/
par¡(~ítiliA'irza¡:'.t.r;'s'i é~~'¿fo''''''"',",.',',. d
M = vec(O.- r)'lvar{vedi':' f)l~'vcc(ved¡ -l). (12,55) e
dondc el veclor operador. "vecloriza': u'na ~lalrh y se define como sigue: Suponga- (f
mos qlleA es.unqmalriz'/I.xk y.qúe.ni es'la i-ésima'coluJl1na<.Je A.Enlonces,'
vecCA)::: (a'l 0'2'" a'd'. unvcClor colúnlna d~longiilld /Ik.Dcslaé;ai'CI)10~qúc Ilse s
calcula'sir¡ diricull¡¡d Jlledianl~ MCG ¡¡plicado úlsislema de ecuaciones dCfinicloen .
(12.53). En eSlC c~so, y y~ C[!Jelodas.las.ccuaciones' pusccnlas m'islmis v:u:iables. c
ex6gcil~s. el cálculoconsisle cn .eSlimaiel Si,~ICJl1a'tJe.dosecuaéi'oiles como~i se lr¡¡. a
lara (je. teg.r~'siones:l1parenleJl1e'n.le .no j'claclon¡idiÍs (RANR) o'.Meo,. El ¡éclor ob- .d
servará asiOl isinOq ucéi. enfoC]uc<.l~ disl-ancian'Íílii.n)'a'cs.M eM( ~éaseCalií'ilJfol O) . ." " l
i1pl.ica.U()01 c¡lsQde'q~los de pan~L':: '.. , .. '.:, .• '. ',' e
~ ~..
, t" ;."

. ...~' ... ' .

ttÚ.2.
.~ .
Efci:tp~ '.','
f¡jo~c¡¡. cil\1o('cl~'
.•...
- . ,"', I
G~l\er:lr.'."
-. ~.','.
.. '.' 'ii
.'j'.,

Cu~ndo n'ó~e"pucda supOner que ~no eSI.á<:orr~laéionado con Jos adclanlosy rel;ir-
do~ de i. reafiza.remos la primehl Úifercncia dC! sí'sl~n.la dee'cuacioneso eSlin1arc-
lIlospor M,CO la s'igui,ehl~ ec~ación: < ••.•• " " , • ,', . '. • '....

. "",',
, . . '. (y 11 - .Y,l )' ¡J.I"Er: .xil
. -' fJ 2" =
Er: X,l'+ (')Till. - TJ,2 ." , .'
(12' 56)
.,'
En ,el c.as~ aconsidcrar.laccuad6n (1256)ecíui\/illecxilclanlelile a IOqllC' ol.)lel1-
dría.n~os eSlimalido .lii ccúnciÓii' (12.5) )mcdi¡inlc' MCOhábiendn realizauo previa~ ,
nien'leJ¡¡ prínicradifercilcia. Eslo es, ; ",.' ,
. "f1~1
1-
;n~'2":"/fF¡"
1 -:-JJI ..

n. ~2I - n~
.
2 -
2-N2'
,
tl'EF
.
.~..
......Sfn enlb'argo:'yengeriCr'al,esld m:ics,Cie'rio, Al :conlrari'o,será IH:cesaria Una
Ira'nsfo(~laci6n (p~i~le'ras difere,)cbs,d~sv,adoncs& lilecliasindi,'iduales específi-
ciis~ desviaciOl;es de los val~res udl úllim~~eiio,do; e,lc:).Eli ilucsüó ejemplo~ es fá-
cil'librarse' rapidalt\c'nIC' Ú'las I:S\í~laciones pe' ~;Al\ísug~ríamosql,lc los capilalis, . .
, " .1" '. •••• ": • " .' • , ,', '. • ~ ' '. • • • .'
'.
""1'
? ';
.' "
• r, .",' •.;; i..; .

~
. ," .
 (''\I'in:ui I~: Dalos de I'and -167

as responderían a la imposibilidad de pagar salar!os meno,rescon un reclutamiento

..
" I

clecliv~, Dich'a Sil¡\ciún implicaría (lue lalilo Al ~01l10A2 son POSilivos, El hecho tlt: .
ue A » O iniplica ia'mbién'~I~lcla eSliliHl~ión tld l"ode'lo de e'feclos fijos ser;í mL'.- ,...
t,' ) .
nm qu~ 1;1eslimación de cnr'le írans,;ersal: los sabrios nl;ís eil.;vados tI~ llls Irahaj;¡,
dores sinuic;idos relkjú. no sólo los benefiCIOS óblcnldos ttd capilalisla y losacci(l'
nisl:!s que el sindicato es cap;\z 'de lraspasarú los lrahaj;idórcs. s¡'no laml;ién la ma,
yor produclividad ue los lrahajadores recluladospara lrabajar en entornos no
indicados. Con algunas reservas, eslo fue lo que hallú. por ejemplo, Jakubson.

12.11.3 Con(ras(acirín de las Rcstriccioncs

Hasla elnlomenlo hemos; .... considerado

.....M" .. : .••.• #.: •. ,..... _.., .._.... _.... \... ~' ..... ,,".,
.el ,'caso
'_"" ..... ' '.' ... -'-'
-.,,1.-: ...••. •..
enclucpcrmil(¡}o¡'osla
~ .. ~•...•.•
y.'.lr¡íl,~i9n")lidi,,...'
:.:., . .'.:.' .•.•... ....•.• , ..... ~:&<.~tt"'~. '.,.'

decto de las 'variables independienles. En eSle .éas(): exislen exaclamente cualro co-
eficicl1\cS en lú forma 'reducida (Ill.rq. fIl. fin y cu'alro codici'enles estructurales
fJ1 •.¡J2<. Al' Xi) yelminimando dado por laccúációJ~ (1'2:55).' . ' ..
M =vec(rl- r)'[var(vccfi -1'»1- 1 vee(vecIl -el'
sed igual a cero.No exiSlen reslricjone~ucsobreidenllficación a cunlrastar.
. . Volvamos il1 caso considera~o al principio de~ prescn((: éa.pílulo el1 el que d ~.""""

coeficienle permrtnecc cOl1slanle alo largo.dd l.iempo. EslCi ;:¡iiade una reslricciún 1.-:-':'
adicional al coeficienle y el'sislema eSI,\sobreiucnri1'icauo Incluso en c.I sencillo' C¡\Sl) '..
de. ,dos periodo~. Según vimos el1 el CapílUlo,l9.eSle'nill1iniando se disrribuir;\ asine .-.'~'
.•...•.

l(Ílic;\lnel1le' como X2con lo~ grados de libcri;,d .oblenidos '\ rnnir de la diferencia
el1lrc.el ral)go eic vec(n)yvec(I~) (une) eneslé'c~so. I?o'rquc el coeficienle cSl;\ res-
li'íngiClo aser igual en alÍ1bos periodos). ' .. : .
,.
, , Es posible; de lodtis modOs,.verificar las. reslricc.iolles de sohreidcnliricaciún
illplícil¡~S en este procedimienlo.sinlener.m1e eslimar'la forma reducida subyacen,
le. En di m'aJelo con n),ís de dos. periodos y cOlilos coeficienle.s reslringidos a pero
!\l;Il,lCe'r~onsl~lltes a lo largodellien)pb,e1 dlcolo dcl.cQnlr;ISle esladíslico se reali-
zar-i¡ lil~'Ji¡;I\le \lila regresioll'allxi¡'jar: Coinoanles;ulilizaremos el eSlinúldo¡, inlra.
gru pbs y calcula remos los correspond icnies':i'c;~id UOSI; ••.. ACOIHi I~u aci.p II.
~onslr.uirell;os 1;, mrtlriz 11 T x kT dc iodos los adclar¡los \' relardos deX.
. ." . \ ~I O '<...' o.].,.. -,' '. .,.
1: ~~2 '.... ¡:'
1'-
O O X7' .•...•.

Yerificareinos las reslricciones implíc.:ilas en, eJenfoque dc Chal)lberlain calcu,

1';~do'IIT R2 donde R2 es la~ledida convc~ne'iQnaLde la regresi9n de los residuos in'
l'ragii;posd610S adel¡1iJIOS y lags ,deX.14 Res~h¡; i~111cdialocomprobar que eslc es'
- •.. .¡"' .

. l' El kclot

. ,
o
ohlenurá
_
rC5ul1au(ls inlU'iiiv05 coniparanu.o
.'

",
4-.
~~IO(¡-"l.la cCI;aci\'1IJ'('12.:'i1 l,
• ¡. • . ~ •

i~
..
..
,.
..
~'.:r
,.

..••. , .'
r)
(_4'~~~ .,

l;¡díSlico se distribuye ~omo x

2((T - I)k), Evidenleme'1te, s,i un;¡ eslim<lción no $U-
pna cl contraste "omllibus" de restricciones de sobreidentiricación enlonc~s ehe-
sulladll d~hc 'tratarse COI] precallci~íl]. A\II;que IIl;ís all;í dd alcance de Iluestra ofHa,
L'S posibk all:llllar ¡d~unas de las restricciones' del modelo dc d¿Ct;IS rijos.' Véase Ja.
kubsoll para ulla clara expos\ción'dc un enroque con esta rin<llidad!2. '

12.12
LECTURAS

Ilsi;1(1 y las rdcrcncias qlll' mencioll;(; orrecc ulltralamicnto complelo 'dI.: 10s'I")ro:
hkl11as de cstimacil'JI1 COIl datos dI.: panl.:l':'. .
r ', En lo rderl.:lllC al cnroque de Chamberl<lin, las rc"rl.:relleias est¡intiar 'SOIl 'os al'.
tículos ankriormentl.: mcncionados. ¡Illl~que su kclura pucdl.: resllltar complic<lua.
r '.
.1:lkubsoll escribió una clar:l e inlcres'<llllC (lplicacióll del problema de I(')s efectos dc
IlJS sindicatos sobre los s;lIarills qu'e amplí,a I.:i enfoque al caso en que la variabh.: in- .
dl.:pendiellte binaria.l.:status sindical. se mide con error. Ashl.:nreltt.:r y KrUl.:ger pre-
sentan un(l clara explJsicióll del enroque de Ch<llllberlain en un ejemplo emJ)íri~o
donde. en lugar dc utilizar dos periodos de ticmpo, hay dos parcjas: la primcra p;i-
reja sc sitúa CIl.e1 pniOlhllk ticmpo,l,y la scgunda en el 2111•
Lcmicux proporciona otra interesante ;¡mpliación, quc (rala o\Jserv;lciones dcl
mismo individuo en dos trabajos diferclltes en c\-mismo periodol7.

1"':' I'I~OBLEi\IAS

J"
12.1. Coilsiderel11ós I;¡'si~uknt~ vcrsilÍli simplificad;¡ tli; la curva d..: sal;trioslX, eSlo es. la re-
J ación' c n lre ,los sal arim 're,;IIcS,ólctunl.~ry.,I¡rp;r~as
o ,ag':t:gadas',(Ii:'!.Icsc lliple(l"lItillz;1úUti".( "
>..

Tdalos de corlell;lIls\'crsalilllICfjé~¡dienlCs de Nin!.lividullS, La eur~a ¿le sal';'li()$ c~

)' ==.XjJ 1- £ • (In?) ..

X" :,::j
1,'(... I hi;ln. I\II.,(n;.\ uf 1'1111.-1/)0'", IIJX(I. C;lIHhrid~c Unin:r:iil~' Prcss.
110(). 1\~hl.'l1klll"r ~. A. B. i\.ru\.'~cr. "[sli'nlalCs nf lhe I{clurn lo Sdlt.HJlillg frollt a i\'cw S;Il11plc uf '1\,"iIlS",
,'\ltln;nlll rou,olllic RC";("li", S.I (5). !,){J.I. 1157.117.1.
1: T. Lcl1li •...u~. "Eslimalin.g lhe Ffkel or LJllioll "nn '.Va!!c 'Inl"(il~;diIY jil ;1 Two SCtlJ)r f'.,Jodcl "'¡.I11 Ctlmpara.
li\\: l\d\';¡lIla~l.' :lnd Nonrandtl.111 Seil.'cliún", ,.)I)t}.l.-f)nC1I1l1Cnlo llc-Trahajú 'JJO.l. l)eparlalllL'1I1 de sdcl1cCS
l'(nlltll11iqtlL'~.lJlli\'ersil.¿-t1e f'..lmllrL':.d. '. j" • ,.
"ji
-...• " 1).(;, IIlallchn"wcr y ,\. J. 0.,\\';11<1. TI'I' 11'".':;. ('¡IITi'. I-HT !,ress. 1'1'1.1.
 CA ••ITUl.O 12: O<ltos de P;¡nel 469

uon!.lc y/, ill' Y £.,. son vec\orcs,columnacon

N ,e~mponentes; iN esun ,vector N !.Ic unos; y
.1"/ == 11 U,I, dOIllI!;
U/es 1<1tasa agregaua dc desempleo. Suponuremos, ';¡!.Iemrls, que el lér-
mino de error e~ hon1l1~ced¡islico. equic~lrrclacion;¡do cntre los !.Iis\inlos indivi!.lllos e inco-
. fTelaciona!.lo a lo largode los periouos, uonde
E(É£']\= (J2G

" Y G es \lna Í11;llriZ"tlc diag,oi¡;ilen líloqut c;ln r bloq\lcs de I;¡ form<l

"
G,==(I,-r)fN+piNi'N'
!t
:1.'
,,) Dcmostrar ('IUClas eSlimacioncs MCG y ~ICO s~n juéntic(ls.
¡,
¡ h) Supongamos (iue se ignora la cstl'\lctur;¡ especiill del lér¡!lino dc error y q\le Ilni-
ij
'eameille se calcula la fiirmul;i esl;indarde 1(1n';llriz~e covarianz<ls.
f;'
V.~I('() = u2'(X'X)-1
,
~. ,l)el11oslmr que 1:'~1C()== ,r2 (I/N)('i .I'I.I",)~l
.~
e) Calcular la matriz de covnrian;ws correcl;¡ y !.Iclllostr;¡r que.

~Ol.s.== 11'2 «(J\N)(2: .I',f'Y'

donde U= I -l{J(N_I).II','

12.2. Si¡:lIicndo C(ln e'l Sllr\l~SIO dcl prob1cnla <lntcrior, con~ider~r~1 si¡;uicl!le eslilll;,dor
de fJ en dos cl<lpas <lsí C0l110 su error eSI;Índnr <lsoci<ldo:. En el P<lso.l estim<lmos el
modelo siguiente:

.{

",,~;,¡
.

'.,'

•••El "S" de ";"iahles c'plicali"as '1"c 10m;11llos mismos valores tlentro tic .'gunos grupos p"etle • menu .
. l!11l'tlllducir :,1pr,(lhkll~:ls'fon l(l~ érrorc~ c~l¡iildar inclllso Irah;'1j:mtlo c'on }1;'1l0~<.le c-orlc~tr¡lIlsvcr~al. P:tr:l

t - tina 1.1i~nl~il'lIldc ...t.:slL:pn1hlt.:111a. ~'é:ls~T,. Klúck. "Ol_e; E'itilHalion in.:" lvlnul~1 \Vt.lere .1~.ficrU\';Hi:lhk i~
i:.,plaillcd hy I\~grcg:"c's ami C""I,:;lp"""1e,;us DisllIrhall<:':s are E'Iliiwrrelalcu". F;¡:(JII"'II,~,,¡(n. 4? (q:, '
U. ¡;.I;,"íll'll. "Rall<1,im C;'"llI'S IOrrecls ,,;,<1Ihe, rrec;s;oll ~rRcgrcssion .Eslimales", Jo,,':'
1'IX l. ,;lll,~:21l~~'~'
",,/ "f.,.:nJl~""'f.,rir.\...~2; J1'~(1. JK~..lI}7.

l':.
 ; ".

'~7U.

. dono.: á = 1,v0J T:
fl= 1,v.01r
y.'a 2 ';(;~,+(Tl+'(J~' '.

Y ": ¡í=(JV(J2 . lI'~irlÚ2

ylres una nlalrizT" TdctJIIOS, '.' .

12.4. Indi\:;írposibleseslilíl~o~rcs ¿¡é(j~l' .0);, (JÚar;;'el.lérmin~JJcpcrlurhación vilddi.

nioocncl Problenla 12.3: . . ". . .

,i2.5. SUpongamos cluCcl modeló vcrJadcr~ scá

.' ". '.' ""'~Yi.!~~'; tjÚOi,;:E¡;.,
donoe (piHa 10ooJ.!)' st '.
"o. 'Ejl';:fio(O~'(m'" .

....: ;"j.;;:..,~C~:¿,:
••.:;..,.':.....:."... ,.~.'i:;:"~ ,',:,:,:;~;r~r;(:~t~.1):::1j;;::,,~~:~.~.t::.:<:.,~,:~<;~;.«¿:.:,;,;
:.J••"':,.,,,:.:, . :', - .•• 1:

. ,y . . xu.=X'¡.i + "i.!.
, dono~ (para 1000';,1)' ~:)
",'

'. ", '.,,',(U 2)'

, :"i,'-Uu .' (T". "
¡.. ,.'.: : ': .:.. x.;,i~ .iio(O, a~r~) , .....
, cci~(x1.t. 1I¡:,) =co\'(o'.,,';',)'== ~úv«,; ;'i) =0 .
El IÚmino o. cs la carllclcrí~lica'~spccíficlI'j¡idividüal COnSlanle en el tiempo noob.
. .1... ~' ". . ,. " "'. . _,, ' ..
s'crvoicJapor el cC~)HÓn)Clr'lI'y x' .s.: mi'cJepor.error como:L 'Compr()!lar la conslslenCla
oc ¡"ossiguiellICSCSlilJlaOórcs:" '. ,
,a) .,MeO de)' sobre x .
b) .EI eSlimador dé efeclosfijos'
.. c):'EI es~i;lúd'~rcnlrc grlipc)s' ..

.
.(/) ..El e~üni~dor de. dfc~IO'S~ldI6~iqs
; " .
.... ' '.' "

lH. Ob(eller¡jparacllnudcl~ oe cfc~lo~alcalorios' de.l<;cc\iaciÓII (12.12),.:

, .'): -. '.. o"' • :;:, , , • •• ~. ", , : :' • •

12:7"Co'l1sid~rá; el. mOdelqdc, daloúic p¡Jllel,: ~" .. ' .

o ••

.con tos sigui~nlessup¡jesi~s:

j'¡, ~ X¡ ,jJ.i;~;':
'

.' .. ' .
. •

< .",'"
,£(E7.,) ,= (fi( ,
"C "E(<'; E¡J) =,,'(Jij' .'.. ,

': .:' ;~¡.;:,,¡ri~É;,i-i "~:,~':J' ,

. 'vi~ = iid(O,.Uf.):,.:lp¡I<I.
..' , : . . l. .•

Obieller vat( () r. disc~lliri:óiiú) c()l1slrüir\i'n¿;~¡iili;ldlir :MCé¡ faclible oc 1mpilr;íme. ,.'.' {

.
Ir'OSdd mollelo,': ..,' . o'., ::, ' ' '. ".
',,~

o,'.
\ .:. o:'

'-,"
.f "r
'J :.
.\:

.,1', ,f '," ~
.'
. 1'.,
", ," .
~
., J'

. ~. '
. '.
 '"'
CAPÍTULO 13 U.
IZJ .
...•-.;.,Í1: •...•••
: •. ":~I:"'!"- \r •..••
"":
•••
-:~.•.•~.-:
•••~.• "'--'or'"' ."";-~..•,. •.•.. ~.. .'

Modelos de,'Variable .p'i.screta

; ¡

'y
:)
Tx
VariabléDepenCli.ente Lünitacla"
-. .'.' .
~~.l.

,"~)

:. ;,: .•.. ,' • -o". """'" :' •• ~ ., ••••~. '~." •• , • . -. .'... • . "o,.: :. ,,~ . .' ~,.-. ,: .•.• '. ~... :' ",_ .

" Eil c/ pi'cse',llC C¡Jj)ítulo cJesarrolJarcnlos (iiSli;lIOS'm~)dc'los .:siacJíslicl)S lJuc sin'cn P;¡.'
. 'ra ill;lnejar'aquellas siluacioncs' en quc MCO y IvlC2E ,in 'resultan adecuados, ;\ pe-
s¡r~'dc'quc'csposib)c aplicarMCÓ cn nJuchasdelas Iccciones ('prencJidas;\ lo lar!!,)
de nucstro ex(tnso nn;ílisis cJc modelos, hily'algunas siluaci(in.:s cn las que eSlo no .:s
'posiblc. ~'l¡is' aun. los rnocJel()s consicicra(J~s c.n cs:t~ capí(uio son.cn términosg~nc:ra.
Ic:s,:moclc:lüs'no lincales (no linc'a/es CI~los j)ar;í.illctroS) )' por !ol¡¡nlo. acJifc:r.:ncia ck
lo qllec5cui:rc con MCO, 110sllel~n cúmplí¡''¡¡IS. propiedadcs asinlóticas deseadas pues-
la que frccucntemcnlc 'Ios crrores sOljhcteroscc(\;ísticos o .lIo.normales, Así pucs. los
"llotJc:los son JiJcnos robustos antc la aparici6n de probkmasde espccificación.
. Li'aplic¡¡ción cJc csteiii)O dc 'lilOdéIos se 'hall.lcrenientadQgrac,ias. al ¡rbarala- ;,--:-'-
\'
micnlo de la inTormálica'y a líl iJisponibilid.ad de grandes colljunlos dedalos. Res-
'(rin'gj[cmo~ nuestra alen,ción'a'las"aplic:;aé;iolics 'tle'.cort~ lran~\'crs¡il. aunque muchos .'~-
"
. di; los niodclosdiscutidos aquí se hayan' niralizado ásiinísl'no.cn el cOIj{exlo de series
leliJ;}oralcso de datos dcpal~cl.'.Los texto~.dc'Amei1JiYil y 'Maddal¡) són 'rin oucn
p;lnl~ dcpani(,h.\ paraé~(9S y OII:OSmod~los'11Hís complicados."

1J i '.,. ,. '.
TI"POSO'E I\10~DELo'SbE ELECCIÓN'.I)ISCtUttA

.'L(Jsm~~lelos ue elecciól) cJiscrclil ini~ntiÍlí'exrlicar ülla.C1~.:ci(in o un rcsullacJo cJis-

'c'relo. Exi~lcn; como mínimo. tres tipos básicos d~ v~riablés disc~ctas.y cilda uno de
ellos sude' rC('IUcrir un. modelo ,cstadíslico 'distinto:' .

. I i\ n;~llliya. "{¡Ylllla,1 EC;;lIn"'.e/~iCJ. Harv.aru lJni\'cr~iIY "re ss,.! 'JX;;: r (¡.s. ,1-1",IJ"L','/.illli".:¡' n"I":,,tI"11I
(1111/ QII"'lIill~/it.C! \/llrilll,IÍ'.f ill 1:'n)~JI)""'lrin'.C;tlnhri~¡.:~'
lJllÍvt:~\iIY.,l'rc.\\.. I')Kl.

.111
[4
I,¡~:
e
, ,\lE l' JlJUS IJE lCU:\1 l,\I', 1111.\
r..~.:.
"
,
ri Variaúles dicOfcJllliCII,l', biliarias () ficticias. Toman el valor 'lila, u cero, de~
pendicnJo Je cu,í! tle lus dus posibles resultados liene lugi,r. En capílulos anleriores
hemos visto ya eSle,lipo de ,variablcs. En d prescnle capílUlo nos enf¡'cnlarcínos ;11
C¡SO en,que dicha variable se' sitúa e;¡ el laJa izquic'rdo'Jela relación. eS decir,
Cll;lIldo la ~'ariabl.: ficlicia cs UIÜ¡v¡iriable cndúgl:n¡1 O tkpendicnte. A difcr~ncia tlt.:l,
caso en el que la v¡lIüble exógena 'e~ fiClici;,. c,uanJo la ficlicia es v,;riable end6g~na
('~'
\ ap;lrece un probkma particular cond <¡uc lodavía no n,os hemos enfrentado.
f <-,
Tomando un cjempi~) de econoniía I'lboral, vamos 'a suponer (IUe nos inleresa
r, conoca la decisión de
,~,i individup ,¡cerca de si a,ccpta un trabajo remunerado en
',r un periodo de referencia ,de. por ejemplo. U',lil semana. pefinirenios una variable
f~, ficticia y c;omo: ',\
si el individuo i oblienc un lrabajo remunerado duranle esa semana
y¡ = { ~ en caso contr;¡rio
f Olros ejemplos dé economía labui'al serían la decisión de segliir o nO estudios supe-
r, lioles, o la decisión de afiliarse o no a ui) silldieato.
En la pr¡íclic;I, las v¿lriablcs ficliciassofi u,ía~'delas v:lriahlcs discrelas m¡\s uti-
lizadas, Analizaremos elll.!t:lalleestc tipo de n1odelos. Un ejemplo. extraído de la n-
lcl;¡IUrabiolll~lrica (donde se iniciaron los moddos con',variab\o::s 'l:ndógenas rieti-
ci;¡s). es el caso de la,evaluacil)n de un inscclicida. Imaginemos que In tolcrancia
y;* - N(Jl,. u¡) de' un insccto i al inseclicida se distribuyc normalmente entre los in-
"".
sectos de tal forma que d insecto nlucre cuandu la tolerancia es inferio~ a la dosis x;
suministrada de insecticida.
El prohlema cs qu~ no podcmos observar la lolerancia Y/, de un insecto en
particular sino. úl~icameni<:. si el 'inS~Clo'nluére' o pe rniane'ce' vivo. Esio cs. 9bscrva. '¡
~~:"".' mllS y¡ lal quc
,,'
, ¡
~,
v' = {') si el inseelo nluere :
{
. I O cn caso contrario, .
\'ol\'a mo,~\',a.i)¿liJ"r.)J~i:iq\,T-;TJqú'~ jl;hs' i~i;~~:;6Ii;;: L(;';j:rf;;~I;;~l~:li([a:'i-li~c,~~~:J~";~i~~~!'"
,~1'.~

rir d insecÚ.l i'?Se'Ú:lliI',de la prohabilidadde que la lolerancia del ilisecto sca infc',
rior a la dosis:
prob(I'¡;= 1)= prob(Y1 < x;) (1 J.I)
[n esta f'lnillll;leiLÍll. Itlohs~rl'ado. y¡, segeliera a partir Je la regla siguienle:

y¡ = { (~ '~~;:;:~ contrario
"..( .1'* n:cibe 'el ,iombrc de \'llIillhlelll({,III~ ,11' íl/dice. Se denomina variahle J¡Úenle por-
que, a dikrencia de y. 110 si: ubserva.' La fonillrl¿lción di: la variable I;tlentc suele ser
~ ¡ln,t1íticamenle conve,üenlC. ,
',)
"':S ¡tariableI po(iwtÓl/lica~'~ Este (i¡)o de variables toman un nlimcro discrelo
~ (mayor que uos)'ue valt)f'Cs posibles. La investigaCión econoni~lrica aplicada inclu,
"
ye varios tipos de variabli:s policótómicas.'
~, ji
--,.
,')
J~,l
?:
 :d
r~\-
.,"!
", '~. !I .¡r.
. \ _! t,' :'1 , :
(',\H 1'1/1,0 t.l:tvlmlcllls (.1<:Va,:i"i)ie: D¡sch;~;l ~' ~Vari;\uli:~i.:rcndiellte Lilnit "ti;, ' 47)

" " ,,' ,':,;";;)1,: j;,"', .,',

'1. I!lIrilllJfl'S I/() ortlCl/III!t,,1'. -.son'aqúcllils V;tr,"lbles'pa,ra la,5 que no eXiste un rango
natural de alternativas. Por ~jeliiplo;Ci\ econámía;'uellransporle. podría ¡ntere-
sart1o~ predecir el tipo de medio: t!e ~rni)slpürt<qu~, elig'e, un individuo p¡lra des-
plazarse hi,st¡1 su lugar' de 1 ral),ij(l.:CH' ¡llcJi9Ide:transpórtcscr,\ runción de varios
,i
factores. liÍles coml1 el p,:ccio ue 'll,ivinjci:l\' ferl'oc;HÍ'Í1 met ropuli tano o' el precio
ue'¡;¡ gasoÚpa.'()diniremo~ un;\ v;,riable P'I\';lllna'rilúesit;a de individ~los COliJO:
, '.' :' ¡ .. \ I .

I si el í,iLlividuo i uiilizacochc sin compartirlo, "

2 si el individuo i uliliza e\' coche! de manera compartida ni me-
o -+' ~ : ": • ;, .'. ' ,1

:110SCOI1pI rap¡;rsona '.., ".. ,

:~\~ .:\ si -cJ intlivilillO,;"lI\illza cl"(erroc:arril r:.¡,~irop6tiiílno: -
.¡ ~i e1intl¡vid~l; iutÚiza el '¡Jlob'ús '
" 5" Si,e1 i:lljiVidU~¡V¡: ¡,~)~a!:\(:?I',o"pÍi~\~a!ot{o.,g~,S~lio.d~
lransporte "

,2. I!tII'il/IJ/l'S ortlcl/lull/.I'. S¡)n, n'qtic'l1as'vnriab1c~ euyosrc'sul.tndos pllseep ti 11rango'

nat lira': Supongamos, rorcjcml~lo, é¡li~d'i~pon2ino'tde 'tin'á mueslra de diagnós-
li~os m~di~os's(;brel:i salud tlc'¡listintos"i;)di\'id,i'ds. 'Supongamos. además,que
lodo individllo'de':'a li;licst~a recil)c'¡;I~ Úiag:nósticll'dc salud que se califica co-
.
nHlm'ala ilon;'1iI10
. excclcn'lc. 'Dcfinil'e~ios
. las , v¡jri¡lblc~ comO:
.. ' , , \'\ si la sal~l(id'cl 'ii;di~iduo les n');\I~ " ,
)'¡ = 2 si la salud del ifldividuo tc~ nO~~l¡;1 '
] si la salud del illdi\'icluo'i csexcclcl1le
, ", '.'. ",."'-:" 1

; A diferencia delcjempl0 anterior.,existcun::orden nalurnl d,e variables. Un, indivi-

¡i "duo cu)'a sahides excelenle, tiene. evidentcmenle, ~1IleSlado ."m¡\s saludahle" que el
¡. ,'¡lile declara ,que su ,salud es normal' que, a su' \;ez. est¡i m¡'s sano que el individ,'!o
:-; que dice lener mala salud. : ' , "
{t . . L

.,. ,-; , Un caso especi'al de variable ordenada es la VI/riable scptt!lltial. Aparecc cuan-' ., ,
e:dgT¡)rTI)'\~b';,éF[e,\'2e'rb:;:'t1f~~;~(P;'}¡;~{~,:
- ':j.,~~')llú:-ri)i':"c:j(ti'\lí)I¡)S(T~~'i."5'rWlTén\T::¡mr~tl,'lin:'¡n'J"(j6pfíRi
: ,'de de ios c!()s;'litcriores ); as(sucesiv¡ijiH:,itc~, Uficjéiilj)ll1dcclio sería el ni\'l:I de es;' ,
, ludius. donde
, "¡'lliaChillerato:" "
,'1',,=",2 ' .., ",cursodc,nivelacióll
" ,
"
. I J ,lit,lilo de,grádolilcc)i()' '
'

.. ' ..,;"i'"<1, ,'''''0 "'p"i",

MVdt:lostlc.tlafv~' tlecl/itlllC;aciÓIL En estos mOdclos.la"'¡¡riable dépendienle
.'adquiere val~res cliteros. Un blic,'ejemplo cs:clt1e)'n\'lInero de p;llcntes otorgadas
l:n IIn ¡;iio.i::n eSleC¡¡sO, lendr'íanlúsuna vaj'iúbleyconvalorc5Y= 1.2 ..... elc. No
~. son moddos ';111)'COnllln'eS enecollOI;ll:lríaaplicada y suelen lratarse ,Í1euiantc m~,
: lodos lincales tradicion¡i1es.,
En lil5 secciones siguientes considcrarem~sm'o'dclos do::vari<iblc binariadepen-
dienlc dOlide; líplc<lll1enle; lusvalofes sonOy L
 474

13.2
EL JvlODELODE PH.OllA.BILlDÁD LINEAL

Consideremos el ejemplo donde

Ji =={ 1, si el individuo e.s.lú¡iriliado aun sindicato
O' en caso contrariO "
Supongaillos que nos interesa saber si la subasta coleetivaincremcnla el salario de
los trabajadores. Para ello realizamos la siguiente regresión MCO:

In ¡Vi == Cl(¡ :.~ X¡"I + y¡B + Ei (13.2)

donde In '" indica el logarilnlo de 'salariossenHinales y X un vector de caraélerísli-

, ,'.' " t,~s.delllográficas
•••
' ••' t ••••
,.:,~
•••
,'••••
,.••••
que
I,q.\".:'.:./"',:-..,, .,_;-" ...•.,.':.~ ,_ ":-'"'" ... "-, .•••
"~o '/-
afect[lría
.• ,' •• ;.,
a IqS~¡II.~ti.os.
'.<: _;,'•.~.•...
," •• : ''':' •• ':
EI'ca'r¡\Clerbinario
: .-~:.:.'.
'l.• '...•
~
.J" ....•.••
de y no r.resel)la
'_.-.:.,. ~.•• ~,_ t- ',.:.~ •• , •••.•• , •••••..:. '"•• -••/-, '." - •. ~'~_•. ~ ' •• _.'r •••• : •• ". o', .~.' "," '.' ' •. /- :.:. ; •• ', :

problemas de eSlimución sicmpreque todas las variables dcl lallo derccho Sl:an exó-
génas y l'. se dis.lribuya normalmente ébl1'mcdia ~c!:o.. ','
Consideremos, por 011'0 lado;'la ~iguieiúerc~~csióÍ1descrlptiva:
, .~. , ,

........ '. Yi ~'Zjh:;v/ .~ " 'o¡ (13.3)

. . , ~
donde''Zi'es u'n conjun(ode carii¿ierísticí\s.que dClCrlllin.lrÍ<lIi. la proporción de un
in,dividuo ;1 afili,\rse a un sindicalQ yjJ'~s un'co~j~llto lle pal)lllelrus. En este con-
texto', c.1he~llO'd~ q~e y ¿ca :binaria no ocasiona rroblc'I~~\; alguno; parlicúla'rinen(e
de intc:rprc.l¡¡ciÓn. " . ..., .' .
.... <;onsid:ere~lO$ '1;. eSlimac'iónpO¡- MCO de la ecu;dón (13.3)0 nlQdclo dc. pro-
babilidad li~eal (PI...). <;:uando Invúiable- dependiel~(e es cpntinua,' resulta C\lI1VC-
niel~lc inlc::rpr'c(ú la regresión Inccií'ali(é E[}'I ,z'\: la e~pcranza 'u~' y dado un cOlliull-
io déZ. El l:1)(O(I(;C.funci~Il.,r.sil:mpi'e que.)' sea' cqiúiút!.l'¡ll:fO, cn general,: lio.es así ..
cuando y es binaria, lal':como il'uslraclsig.uié'nte cjclilplo.' " '

'.
13.3 .. . .!.
Eilúr'lPLO:'l\"¡dDELODES'Cri'IPTI'/O'SENCILCO.bE AFILIACIÓN'
SIN.DI'CAL' ". ' .

A' m090 .clé ilu~iració'n;ulilicc.I;1ci~'los 'Jalo~ d'~ 'I'a' É;lcueslaG'cncra! a 'Ia Poblaei;'m . ~
;. t.

(Current f)opuialion,Sun;Cyr de~1988, p.;ra' estimnr un ~éncillo moddodescrip(ivo

de la probabilidndlinealde:afilíarsea un ~indicaio,Elmo'delo a cspecifiéar es el si. -
guiente: .
Sindicato ==[Jo + [J1.(expériencia'polcn~ial) +fJ2 (experié'ncia)2 .' .;.

~.[J) (educaeiÓ;1) + [J.j(estado'eivil) + IJ~' (nivel de ¡irili¡¡ción) + l'.

donde Experi~ni:hi
• - •••• I
p.olencial ==.edad :..:tiño~
•. ,.' ••, .' '." ..". ~ • ,: •.~ ".
dé e$lu~¡o~
' • .,
5\ que.p~r¡1 los }'Jombrcs.
.' '.. ."

..;
___ ~.: .. ,., __ ~i"
 c,\\'lnn.o l.1: ¡v\uúdos Úl: Variahle Discrela }' Variahle Dependienle ~ill1ilada 475

. sUl:k nproximarsc razonablemenlc a los alios de

expe riencia ,la bora!.
Educación== número ue alios de estudios -"
,),J
r

Estado civil == variable ficlicia equivalente a Icllando el trahaja-

.;- \.,
dor eslú casado y a O cn cnso con(r;lrio .•..
1Í').
Nivel de afiliación == variable ficlicia que loma el valor I cuando el lra-
bajador se hallacn lÍn seclor "altamenIC" sindica-
uo (I<ccursos Na(urales. Fabricación. Construc-
ción. Educación. Salud y l3i..:ncslar. Transportl: II
Administración Pública) y l:I valor O en caso cl~n-
(rario

....En-primcr lugar. resulla llliJ considerarJas diJcJen'cins.c'ilr<,:.las' ..m.eüi;¡s ..4~~:í1,I.1;c',-,• "

has mucslras. La figura 13.1 presenta un resumcn de estadísticos.

Es evidente que, cn esta mues'lra. el Úa'baj¡;dorsindica.do cs. en promedio. 'dc

lúayor cda'd .. posec l:n nivel dc eduación .in.ferior. liendc a eSlar cllsado y lil:l1lle 1I
. (rllbajar en un scclor muy sindicado. ..

. " Aproxifnadamcnlc un 22% de la mucslra está siúdicada, tom()'gnlpo.lqs tril-

hilj'ado'rcs sindiclldos son m¡ís homogéncos pOrque las' des~¡iacillnes' cSl;índar dl: C:I-
. da 'fa!=IOI.'sonmcnores.
••..~ ..•..•....••.•
..,.':"
___ .~_.~"':"rP"--_._.,,- •.•.•. -,.- .~- ...~. . - .. ~..... - .~.
..;-~

SiiHJicalo ,; O
Yari i,lile' Obs Mean .Sld. Del'. Miíl Max

c-WpÜl 784 17.81122 . 12;93831 l' ';i5

..•.:.-.
. exp.2' .784 484 .•126 595.7631 ' i 3025
c'uuc 784 13.139Q3 2.(>76191 O 18
cciviL' 784 .6109694 ,411711~15 O .. 1
nivel 784 .5140306 ,5001222 O 1 .;...••..
•.. .,~

.Sinuic.alo = I
Y,¡riabJe. .Ob~ f\-tenn Std:Dcv .. ,MilI Max .
c'xPPP\ 216 22.TÍ778 11.4 J'711 1 4~
"

cxp2 216 6411,574I 563,3426. 1 2401

.cduc 216 12.56019 ' 2.273Ü) .. 5 , .18
c~ivil 216 ',75 ,4340\85 O, \"
I\'ivel '216 . ,7638889 ~425677~ O 1
',~
,',
..•.
',r
'..•.

fIGURA 13.1 ,
Tr¡¡haj¡¡.d~res sindicauos y no sinllii::adüsd~IC'u,rrenl I'()Plllillion$ur\'~y de IlJXS. "
". .. ... .'. .
,'..;~'

x
~ :J.J
~~
~
j
~,~ 476 ~IÉlobus UE ECf)"O,\IETHf"
~'

r?:¡
l'
r:)
•.••••• :o .•• ,L.; •.. : • .........
. )'
Sourre SS de 1\1S Number of obs 1000
tS;) F(5,994) 18,17
Model 14.1787575 5 2.8357515 Prob> F - 0,0000
r:¡ Residual 155,165242 . 994 ,156101854 : ,R.squnre
¡.il
0,0837
Adj R,s4unre 0,0791
~ Tolal
";.'; 169,344 ;1~9513514 Rool MSE ',3951
r-)
! Vnriable Coemdenl Sld. Error '1 Prob> Itl ¡\-lenn
~ ~, , ,
.. ,216
ev "
pOle~p ;: :O~IXJ388
, '

.0038969 5,142 ',0,000 18,884

.1"

rT;) txp2 -,0003706 ,0000819 -4,526 0,000. 519,882

'f ginde -,0124636 ,0051005 -2,444 0.015 13,014
r)' m<lrT;ed
high
. ,0133428 ,030001 ' 0,445 0,657" , ',641
"
,1439396 ' ',0256785 ' "5,605 ' ,': ',o 0,000'" , ,568

J .cons < 1021368 ,0749337, 1,363 0,173 1

~ r FlGUHA -13.2.
A tvl"dclll scncillo de I;;:,ih"hiiid:ld lincal d~ csialus sil;~lical
') . " '. . ",' ,', '.:

r:) LaFigu~a 13,2 presenta' (ligeramente mcidiricad~) el r~sullad() STATA'Jelmo~

'S
":)
tlclo sencillodc 'prol~abilidad linc:i1: El resultaúo es' cóilvcncion¡lL Se mueslr:ll;Í des.
composición A NOVA de la sli;na de cuadrados de In, vnri:lble dependienle TrOI~I)
t en la parte explicilda (Modelo»)' la I)nrte nó explic~úa (Resiúual), junto con el R2. el
'') /(2 ajuslndo y REO,'I (rní7. del error cuadr;iliCo ,~eJio), El valor del eslndíslico Fy su

'~
probnbiliúad se rcficren a la hiptitcsis nuln de que todos los coeficientes :pendie~les
"
son tero, Noes ninguna sorpresa que la hipÓtesis resl;'te habit'uall11enlc rechazadn.,
~ La interpretación de los coeficieilteS es directa;,Los cocficie'nlcs scr;ín las deri~
''''\
~f'
vaúas dc la proba bilidad de n rilinrse a un sindic;ito respecto al ele me n 10 corres pon.

"~

, firri~ias jJ6rqut no 'existc d~tiv"cióninl11cdialn dcvárinbles discretns). T:ll11poCO es

.•..
' ;'
,;i'~glll1¡¡ sorpresa que los sigilOS de los distinloscodicienles correspondan ¡¡ In dirc~nem
'0 rencia ue Il1cúias exiSiente entre miembros sindi<:aúos y no sindicauos y qlleya vi.
~;
~ 1ll0S en la Figura 13,1. rol' ejemplo, !oHcsullaclos del modelo PL sugieren qlleun
'-: ;¡I;O auicionnl eJeestudios disminuye b pr(jbabilidad de <lfiliarsc a un sindicaloalgo
")
m;ís de un 1%. También es eviclellléque,cngcilct<lJ, los lrabaj;ldorcs m<Ís expcri.
~ Illcnlndos tienden <lsindic<lrse,allnquc el efecto de la edadlenga rendimientos níar.
,J
') ginales decrecicntes porque el cocficien.le oe eXIJCri(;líé:iaalc;:ua.drado ~s negalivo1.
\,; .... La Figural].]. quc mu(;slr.a lIil sencillo histogram;\ déva'lorcs predichos calcll-
-:-)
lados a partir del modelo de lil Figura IJ.2. destilcn el prohle'ila delmodclo de pro-
\."
-.,
'

" I babilidad Jineal. El problema es que c:lsi un 5% de los v<llorcs predichos son ¡nfe.
'-O -'o
------.- '.
,1
'- ,"
o';,." ~ El \'alllr de 1:, expcriencia 'lile 'maximizala pro';"bili,ia:' dc I;erlcnccer:; un si'l1llicatocs (.21.rxXlJ7)t2=054.
t, --:,:,,1
'"",
'."}
(1
 ; ,,'.,

I ;. t~
, ..
i;,
(

.' :., -~' :-.~'~~-d~~~,,-

_. :.=-_, :..=.~:.L'.:-:::.,;...d~''':' .-=.:.:....:.:.. J;'-'
, .' ,;,;:: L;: ,j',' lo , ! .- ' ': ;' o,,'

:-..::~ ~ . .:.t:-..:'.: D~.:~

...:~.:"
\ .:i'.:,'~~~+r,t'~.tr.;.:jt',5-tr.i.\j0: l~it~'rd.l~.lcnt~"-lo::: L0Cfi~cn\ts .i~-.'
F.Ii.:~n que ci.:rh'~mi~mb~o'S l«i1~rt'u~
'~,Ú}~'~d.:':pr~b::ibilid;JJ'd¿ p.:rtenecer ~ u~
Sll1d\Calo. ' ,"!., , . , ' ,

1 t, ¡ 1'" ¡l:. .
1

; ~
, ¡ ,
, I
l.~:.'; : í.' , r
, t .. ;,
, , , ~1
, ,

.' . ~, : :';""'/",'1","
!.,

' .. ) c:
'O,
:~
'ü
U
1 ~l
, .1:' ,LI..,
:~ oo' '1
~
,"
" ;.
.¡ .

t:
','

.\ o •.•. '.1.

,, (J"!

'.
:
'"
. ',.'.' , .: ;~I.<" ",:,:.,;,12 , . "/" ;~4 .-' '¡,.6 .. ~ ,:~'
PredicCión (k • rr~b¡~hili¡Ja,dcs.'d~ si~ldi,c:t~i6,n n p'n~tircie u:n:modelo de rrob:tbilid~d I¡~~al;,
.' . . : - : ,. , -', .~ ' \ . '., ,.
I ¡,
FIGUItA'!),)" ':l", , ~

. ~ . Ilislilgr;ÚH:t ~e vhl«lr'CS picÜichüsd¿

neal.
i:shi¡lis sin.diea! a pn'rlirde
' .
mi modelo de rro¡;abiliJ¡I~li.
.
e, ,.' ", '" , ".l.:'. i. ,,~' , <,'
:: t , " Ulla.~leo,I~~'
..~II(f>.~(I~':.r
(~d~~'i~i~~(liI;j:~(?i.!~I()(i":!.?~"~le
.£r()~(f~ili.1nd ';,:,>:o( 1:,; (I,ie Úo.
'~'1: Clones porc(Uelil derlvn¿la (~~Iaprob~bili9ilc.lrespcCt6 "Xes ~implel11enle fJ.lri,agi~
m()s c1C~lsode un""arl(lblcexplie~livaetincocJitienle positivo. Enlnitaso
s.icmpre podr:famoselcgir ~lglll1\':llordc v:lri:ihlc explicativnqucfor7.ara laprobabi~
hdauaser Inilyorqucl (nril~nOS,n:lll.ralmentc, que cJrl\l1go de'X sea'lirililndo,to-
mnencl caso de' qlie se trale dcuria vari;lblef¡¿tida)." .' .
Il
. ,Adermís,cJ l0dclqde pr()babilidadlinealéshetcrosccdáslico. Dié:hil propiedád
~~! modelo de prohah,ilil1ndlil)eaFes f¡ltílml::ritc;verificableporcjue el residuo s610 .¿s
capazdct.o')l,arU'1t) de 10sClosvalórcs,)-;X¡fJo:"'XJJ, ya que ysólo 'pliede'IOm'iH
lInodc los dos valores, 1'00. La vnri:lílzácJe Eparáunaobscrvación en rarticlJlár é'~.
. '"vn,r(¡' X¡) =' X;/J(\'- X¡fJ) , . . '(Ü4)
Lava,:ianzn; é1llugilr desdrconst¡\hk;v;l,rril~on 'eltama,io de-'.:fJ, Enconsecuencin
poclcmosllliliza 1:los errorcscs',lií ndilrhe~cr9~ced;ísli:C:lmenICccin~islcllles ca Icu In~
dos i1H:di¡intéi:'I'proctllinílelllodeWhilc (.vé'asc Capft;;106). También es ~osii)le iO~~.
. ,',
r~.. 478
,~ • .\ 1

....
corporal' directamente
. en .''Ia eS;i;llaciÓI~'eI
. .. ..' aspect~hetcrosced;ístico
.. " .: . del modelo uti.
lizando mínimo cuadráticos ponderados. ". .... . ' . ...• ., .
. El modelo de probabilidad lineal.ha dejado de nplJcarse :xlensamente debido
preCíSa¡;lelllC a quepúil1ite 'Iaexistencia.de valores 'pr~dichos fuera del rango (0,1).
.. ~
Como discutiremos brevemente m¡ís adelante, goza sin embargo de algunas otras
,'enlajas (su sencillez, principalmente) q uc. hac~ quesigauliliónduse.
, . ' .' .
l'

13.4 '. . . .' < .' '...

FORMULACIÓNDE UN ¡\-lODELO Dr;PROPABlLIDAD.
'.¡.

cónsiilercmos alternativas a íos derect¿s;nlrí~seeosque,parn cierlas aplicaci6nes,

,posc~ el' modelo de probabilidadlió.e¡¡L'Yale In '1)~iwr<:~?llO~er' que nos gustaría " ~'
>,::.: .• ",:.' ",'::-- .•.:.' _,'.:". .•. : ,':. :,',,' '.• ,' :' '.
'.".;,,~,::'lI:'¡Úl:s.rormar,Xj1 :cn un.a: proba bil idiitJ.,:;.':.;':~;";:;.i',","¡:,:;:; -":~:.;:" '••:¡;::

", Es decir . necesitamos una funciól) F tal que: .

, , ','.'prob()ii='.I)=F(X¡jlj'.. '(13:5)
Unac;eccí6n'natur¡;lr~ra'I¡¡ '[ullCi~I1'¡(¿Iue .t~¡¡n~rOi'li~,aXjJCi\ lll1 núnlc.r~ comprel1' .
dido' cillre (l y i. es ut;a 'funéi6i1<.le distribuci?n, ?I'a densiqad.acumulada. De hech.o. m
¡>odenras derinirasí 16S.hi9'de,los 'elt: respuesta bi11ari~.: ". '.:' . '.
'Decidiel1do q~e-F e~ ú',i~Jlj¡1ciéÍn geidenlidall ial que
. , ::\'~,~~" ,;'rob()':"; 1)''; XJ1 . (13.6)
. ' . ~;;')~' l' '.

oblcnemosel, modelo 'dc'nr~babÚídad linenldiscüti,do a,nteriorinellle. Dicha el~c"

ci6il <-le ,p no conduce 'ai lipo 'd<; rund~lldes~ada.pórqucno exiSle ,'estriccióll algl,l',
liaqueobligucúXjJa'.situarsc,cntr~O;r)"~ .•......... , ", ,,'
Cuando Ja.e lección es que f sea IHli'i,naI:est,i\ndar .:-()b~.elH.:l1losun. rcsuJlado l1las
a.lracti vo, e Imo.d~,IO pr.,!.lJil~, " .... .', '. '.' '.' .\.:¡fl':":. :.,'1 . ';. __.( ~~Z1.',.)' "_ ' <: '.'
.. '1 .' ~
.
, !, ,:'.prÓb()'i=,L)~(I~('\ijJ)~J..,;,.,~~.xP .. ,2.1'-,- .. (13.7)' .-, .'

:.:\ :.
'
L~tr¡i'ns[o~'i1~~ión n 01";;1',;
, ~sliínuar !k) '¡i~n:;li;1~~va'l~res uela probabilid~ld que se
sitúnnenlre O y 1. o ' " .
'\, lim (l¡(z)= 1 /' :Iin~(l¡(~)= () .
" .....
Olra posibilidad '¡~I~¡~Cliva.él modcl.o i(Jgh~¡~;ar~~ccuando' decidin;~)s'que ll)
sea la distribución logí~tica: . '. " , ., .
• , ". " e~pX¡jJ: .
. prob(Yi = J )= 1\ (X;11) =, I . " V'j'J' ( 13.8)
. '. .'., . .... 'l;exp,\ ¡
El rcsultado de diclra:~leccióli o'frece lal;'lbié¡iuli'~al()rsituadó.enlre () y l.
.. , De hecho', nO('IUeJre~o~ I'i;~ita~~?s Kes~sdos 'eleccióiles. Cualquier, [unció,) . :."

con las' propi~dad~sajecuaci~s :[lInCiomH¡a~.aunque- probil y logil sean .Ios l1lu.del<;1s

más utilizado~. Result.ará .i'nstrl!ct.!vo considerar ahora los. modelos problt yloglt con
'un mayor nivel de delalle~ ."
;: ~ " • '.' l'
 ;,'

(',"'(HU.O 1.\: t••.\ouclos de Variahle Discrcla )' Variable Dcpclluicl1lc Limitúda '.J7'J
0<-'.~
. )

13.5
PI{OBlT ~~.~).

,•• ~~,

' 1
,.,
Hasla elmolllenlu hemus prcsentado los 'modelus prubil y logil :COI1l0[orillas fun-
cionales ndecuadas para mOdelos con variables binarias endól,(enas.'l\mbus mode-
..
los gozan asimismo de tina interprelaciÓn de "comp0rlamiento" que es instructiva y
',~
a menudo analíticamente útil. Considercmos en primer lugar.e!moddo: Observare- , '.

mos cierta variable)' que adquiere uno de los dos valores. O )' l. Definamos una va. ~'")

riable lalente)'* lal que

t~l
yj
,~~ L

= X¡jJ+ E¡ (13.9)

No observaremos y* .sino y. que tomaráelvalur O o 1 scgún la siguiente regla;

\.;i:;\
".
,:',< :, {..'..', y, , •• Yi = {(~. :\'~.>~ .. ' ."--'" '.'.'' .c' ' •• ,;.,; ...•;~,:.""~.,.~ -." "":""'1'::'," ..•...
'\::< )
(l3,lO) •...
Supolldremos también que E¡- N(O, (J2).. , \':;"
Recordemos que, ¡¡ di[ercncindel modl!lQ de probabilidall lincal. .1/' (cundicio. (~:-:-,
nado IJor "0 se dislribuy'e nornlalme;llC .cli el- modelo probil. aunque' no succd¡J 'lo'
mislll'o con J'¡.' Resulta 'directo dcnióstrar '(ju¡: la: regla 'de I,;.ecuación (13.10) genera \!"\
,u
un prouil. DeSl¡;quemos primerd q~e ", . >~ (-..,~\
rrob(y; = 1) = i1rob(y'j >'0): ;-.,~{":..':.

.= prob(Xji+ Ei> O)
:: prob( Ei > -:~Y¡j1)
~"~\
,¡

~"bl'~b(~. > ~.'Xi:') (13.11) ((~

:1,

di;, varianznde E. Dividiendo p~r ~Ia'ccua'cjoí~'( i3.11) 'resulta útil pues.

2 ~.,.,,;..,
donde .lT "';::1
luq'uc la, expresión e/a se distribuye l;omonormah:slándl/l: -media cero v varianza
'llllitÚia .. Enlonces resulta qU~Ela'l.iel'le una 'disli'[bu<;:iól'\"nol'm¡¡J es/tinda;' porquc E
'-~.....
.;
"
,

¡'~
se hil trans[oéinauoreSI¡índule su media, c.cro:ydi\¡i~li~lido a cuntin~lacióli por su 't
uesviacióll cst¡íildar. a. ' - . '
t~?~
La distribución es. simétrica en 'el caso.' del modelo, probii (Ylambién en el caso
(..,+.
dclnlodelo logit quc describirelllOsen breve). JC")lcido que es posibll; formular la .!

ecuación (13.11) como' ..

'.= prob(.l'¡
. '. = ':1) = prOba(E¡' >-..X JJ)
ü .
i

, . ( E, jJ )
= I)rci.b ,-!., < X:-
, " . a., 'a .

""':
=, (I¡ ( X¡,:¡¡
jJ)' '.' . (13.12)
 La dcrivación l.h.:la función dc verosimilitud es úireCI¡l. De la expresión
, ' (jJ )
pmbCI'; = 1) = ti' X; (T

~c d.:si),.'cndc q'u~ ( )
- j1 •
:\ 7(
--, prob(."i;=: O) =1 ~ prob(y; = 1) = 1 - (1) X;
r.",
f~~ Con tilla mueslr:1 iid. la verosimililud de la nllle5lra es ¿ producto de la.verosi-
:;., mililud dc cada observación. )ndic:ircmbs' co'n '\, ... ,11/, las 11/observaciones para las
C' que.I',:::!l, y por oli'a pilrtc. /11 + 1, .,., 1I,'correspondeíl alasil - 111 observaciones pa-
,.0. r:lbs ll."e.y;:¡=I.' ,
.' '- = prob(YI = O) . prob(Y2 = O) ... pmb(y", = O)
, prob()'", ;, ~ O) ... proh(y" = O) (IJ, I J)

;,
- TI"'r
-
;~I .
I ",'.'(jJ,)]
- '1' X. -.Ir
. .i =
.TI'" 'J' (j1)
IIJ -i
'
I
X,.-Ir
.
(1 J.I(1)
...;._..•. :. . .' , ' .
! ,

., '. ~
=fJ<I'
'" , ('jJ)!';
X;7(
l"
1_'1'
,( jJ )]' ~.";
X;(T, .', (13.15)

llahitll;llmcnh:. sl:"rabaj'a con c1llig¡lI'ilmo (h: la funci<ín de Vl:I'OSilllililud, q'tle es

....
,""~ , ,~ I '( (T=
j1 ) ln(/.) (1 J.16)
j"" '.

"f'J'-¡

~1> =' ~ {.I'; . In [(1) (X;~ )]'+ d - y;). In [1- '1' (X; ~)]} ( 13.17)

":"1"
Desl:lqucmos qllccllogarillllo (h: la funcilÍndc \'erosimililud se hall:, acotado
:"tú',::.
.t, sllperiormcnte por n, pu~stoquc O:::: <1'(-),::::.1implica que ..
);,">
"
. '.... In['»(')J s: (J yln[J-(J>(')I.~.~_
..__ " , .•. , ..
'11:

)..,C J '\
. p.s-fl~tt~~ád~t:r~;;Tiié"(f~"I¡riiii~'¡I(~(;~;Db'~r;~~rIF'l,\1
,.o.tró•. ~~. ql'~ I~s. pa~~i;i~'í ¡:~';'P~':;
,!I' siempre' nlúln:cen juniOS. En cOllsecucncia, eslás dos par;ímclros no se Ielenl,flc:ln
"~1\ por separado: lo [Inico que iinp0rla es la razónjJ/,r. Convicne, por lo lalllo. norm:lli-
~~~l:~ za~ ir a 11110, dé modn que I)odamos limitarnos ,a hablar dc)1. (En breve disculirclllos
~J~~. cl'l:aso cn d cU;ll Ir l:sh~\cro;;'ced;ística). .
1:.'.' Es f~cil estimar probil, incluso cuando sc trala de Ini modelo no lincal y no
I\¿',;',
exisle una forma cerr:lua de expresar <1>(0).AdemíÍs, la función <1>(.)debe evalu:lrsc
\L~ numéricamclitc, Una de las c:lraclerfsticasdel modelo probil (y logit) es que I:ls
'1 ~ '.

funciones de verosimilitud.son. globalmcnte cóncavas. Así pues. no resulta necesario

que el progr:lm'adeoplim'ii:icilÍli se preocupe por la discriminación enlre m;íxilllos
locales ynlíÍximos glob:l1es .. ,., " . 1, '.'
Se trala scncilbmcnle, ele cncontra,'aquellos'valores de los par:lllletros que ma.
ximizan cllognrilmli dc la funciólrde verosiniili¡lld que ser;1n. a la VC'l., los míÍxilllos
locales)' globales.
 ~ !;l, ,1

~'.' : I . '1
¡ -

!( l' ... d

~.: . C;\I'lnJl.o 1',\: MOl!~Ips'(!tiiy;\r);\lJ'lc [)i.s:ci-sia,)' Yari:llJl~ pcrcndi'CII¡C Lilllilnda ~tSI

:.~.
I

.... -,. " .L.~

" ,...... ,,, ,'' .. ' "'. ': .'.- ..... .... -. ¡ ,
:" ~'~",' '" ' ! -; '. :- r I ~. • .,
.. i:
',.:

,'

pr.t~c.:d,!nIlClIl~~ e,sl.~\~~a(..Ct)I\\ISle_.en c:\Ic\~\,a~ csllmaCltil\c:, a partir .\1\: \\1\

. m"xL;\?J.: ,~r,,~l';\b¡\iJ:\J\ii\~;\l.y.~~i\.il¡\~\:'.$,C.\'l\h~,'.ma:'l'i$\a"il~ki:1\ \'.H;\ aY\lJI( ¡\.
,, 1, ,
• I C'n':9nlf~rla>olu¿iÓl~.Lnsl~isl~~ m,ejwap p,asr;;1.paso,h;1S\:lque el ynlor del \oi"ri\-
! IIW dc la.función dc\;erosidli)illlU lteg.., a Un punloenel quc cs imposibk m.:jornr y
dichli valor se toma .como solutil~n.dcriniliv;¡;' ,
, .:
.. Uno dé los m'¿\OdOS.lii:í~: ülllizados cs' eLc6no~i'Jo como m¿todo de: l:lnteo
(scorillg): EncllílélO~o de \:II;\colas CSlimnc'iQ~cs 'probil ~eobtielien como rc,~ull:l'
.
.' . do dc vari"s el:lp:ls:' . , . '1 ,. ~. ~, 'l.,... al . '
~... ,., ":'.'jJr-l-I='jJ/+.j-I,(jJ¡)lln.:' (13.)8)
" , . P¡
dllndt.;, los subíndices indican.el n(¡'mero de iteraciones necesarias p:lra hallar 1" solu-
ción.l(jJ¡) es ulla eSlimnción del:\n.lalriz informaci6n'(mntriz cu"tlradn y simdti-iC:l del
lIegalivo de I;JSderivad"s dé segu~do O.rdSilt1el logarilnlo,dc 13 función de verosimili.
Ind. o el produeto exlerno dél grndienle)'cval,u:ldn enel \¡!timo supueslo. El proccso
. sc deliene cu:~nd(j la diferencia en1rejJ[+ , yj1¡se acrerca lo suficientemente n.cero. : ':
El cambIO del vaJor de los eodiciclltes dri:dos ¡ternciones sucesivas se ncerc"r¡\
a cero cllando elt;¡ntcf.l,M/ajJ (1" dc'riv:llln .dellog:'lrilmo de 1" función de verosi;nili.
(ud respecto;¡ los pnnímelros)se :lcerque" 'cero. ase el Capítulo 5 pnr~ unn; d¡'s. tvc
cllsión sobrc.elliintco y lam:llriz de i'nform"ción);)' . .',
1
l' ..•••"'-.~' _ .• ~~\ •••••.•.•1. •••• 4ot'.•• .::. ••••• • ••..• • ." '.~' ••••• o•••..•••.•.•••••••••• __ •.•.•.•.•••• & •• ;.~ ••••• -= .. 1'-~' .•••..•.••••.•ou.'-.. 1 •.••..-:..:.. ~••••••,; ••••.•••
_' 1••••••.•..•.••••••••••
.••••

r prohil Sindicato poi .csp2 grade m:lrricd hi¡:h .--

{.
hc:r~lionO:Log Likclihood ,,; - 521.79487
l1c:r~lion1: Lo!: Likclihoocl= ~~76.40231
. I1m,ion 2: Log LikclihooJ=-'475,2548
, <.
llc:r~lion'3:Log Likelihoocl=-475,251,1

PlOhit.Eslili,nles. ". ' .. : , NUl1lhc:~'o(

obs= 1000 . _'
;l1 '.' ',., Log Likélihood=-47S.2514' '. ", '.. Prob >chi?: =0:0000 .. , " , -

V~rbble 'Cocfliricril 51ft. Error Prob>/q, "'1crin

~ij¡dic;!IO ." ....
,216
esppill ,0835091 ~0156088 5,350 '18,884
cxp2 ~,OO15308 ,0003179 :":4,816
cdllc 519,882
-,0.12078 .018909 ;-2,22.5.
ecivii 13,014
.,,06i2516 .112584 0.553
nivcl ;5612953 .641
<.0996624 5,632
COIIS ~ 1.468412 . ,56~ f1GURi\. 1J.~1
,2958ri6 -:4,964 I "lo~I~I.oprobit

.\ Vé;l'c W. Grcct;~, [r'tI""lIIm;c I\tllI/y.':;X,C"píIU";,12. M:I~rolill:II~,"1);.1 u R. E. Q;I~'rodl. "Comp\lI~li~~1

prllhkm, ;ro,,1mellll.,I,". ero Z. Grilichi:, l' M. D'. Itllrilli¡:alllr. /lnll(//lOo1.: o/ Ecotl(>lIIwicI. Cnpíllilo n.
NllrJ".llnllaml •.,tl).~J.p:lrnlrol:l, inlrnclul'ci<i11 a los 11\1!lodo.\c1e ';rlill1i~~ciónnumtric:1.

J
r 482'. ~1~TOI)OS DI: ECO;-.:O~IE'rllÍA

Considc remos, a 1110do (Je ilustración :cmpírié;"u n'modelo de afiliadón sindi: .

cal ulilizando los dalOS y iasv'ariables explic<ilivas anler'iorcs. En esla ocasión: Sil;'
embjrgo, cSlimaremós un modelo probit en lugar ue un l11~delo de pl:obabilidad li.
neal. La rigura 13.4 muestra el rcsulladoSTATAdel probil.' . .
A diferencia delmodeló'uc prohabili,dadlinea! (enclque no esnecesaria la ite.
ración), el resullo.do del probil incluye clvalor del logaritmo de 1;, función de verosi-
mililud en las diferentes iteraciollcSTcalizadas por el pr'ograma inform;ílico. Desta.
qucmos el hccho 'dcque el valor dé 1;\ váosil\1ililllllaumclita' después dc cada ilcra.
'.
ción. En dicho contexto, la analogÍiiCOl1 R2 nO cxisle.Sin cmbargo, el conli'asle
.
cstadíslÍi;:osedislribuye como X2(5) (I~ que en los'¡'cSullados dcl programa infofln;íli.
co se indica como chi2) equiva1c.;al eontrasle Fhabilual.Se trala de una prueba para
. yerificarla hipólesis l1ulade qu'~ loscocficicntesdc las penc.licnles son iguales a cero,
,::',:."A:;" .•:~';,~~,,~~~,-:,;~:~';~-.fu
~cf~:~I.:.l).Itlt:'¡ ..Q:l.híJi,Ú~ú~.ll;~!:.~.;~:
\.5J.(;", -<J.c.;Ja:~f.'il,.Ó'li"'~'C:I\~.Cf ..J~~::-'''~:;'~:::~'~'f;''~'~¡''''~;~
.!. :'~::~.f:;..•: ....,':.:,,~'.;.,. ".~~'.'.' '\,''-.: .• :'''--:':.-.;.:'
',IH
2l/(a,jJ):- f(u,O)]~X2(k-l) (1J.[9)
.donde L(~,.jJ) es cl valor que maxililiz¡; cllogadlillo dcla vcrtlsililililUd dcllllodelo
. estimado, L(a, .oy es el valoulcllogariln,o de I~'v.eí-osimililúd púa ün j)robitcoll un
;. só.\o un iérll1lqo ..c<.?,~sta;;l~'y' k '-;-l:cs cl.n~i1\ei'o'(¡e coeficientes que representan ¡as
'.pendientes.. .' '.
, Dicha fórmula es.un caso~s'pccial del conlra'ste .de raz\lnde vcrosimililuU dis.
c.ulido en el Capílulo ~,
. tomo~ vinlosanled~.rm¿Jltc"ulilizan~o' el Illodclo' tlc.'probabilidad lin'eal, .la.hi.
PÓlcsis nula resulla clarall1cn,lé r.cchl1za'tl¡;: ':
Observ~mos (ille el. signo <.lelos cocficic.nles es i<.lén\ic{) al observado en cllllO~
<.lelo tic probabilidadliileal. .... ,: i.', ....., ..... ' ". .

. . Sin émbilrgo,p;\ctil:'u' .d.cambio Jc ia.p¡'ob:¡bilid¡id. ~k.afiJii,ciún' si.l)diCal rl:s'

P~CIO aunñ de' las \iariaQle~de.l; ladodere<;h()' no rc'suha.tan seqéillo como lo era en
el 111Odclode p.ro:bat¡ilidad)i1'leal.. , ',.,' ." .
En 'eI probit. la dcrivad¡¡uc la.probabiliua~1 respeclo. il un Xk específico del
, conjunlO dc. variables.X es . ' ....

. 03.20)

donde.

.~(,)=,1"p (-~,,)
';' . .\
",'C ,

.' eS,la dcnsídad. normal esl;índar, Coll~l)iÍr~Ill()~lo con la deriv¡;da de .Ia prouauilidau
. rcspyclOil X dd'}lOtlelO .dcp.í-obnbiliuad lineal.jJ;.o con los coeficientes tld modelo.
"~'
, J

'L~' .
. " .En el uló(!elo p~op'il; Ir~ IÚrivad.fí de 1~I,:pro,b.r.¡f)ifi{fJII~/cspeclOn X ¡'aría seglÍn ell!il'eI ~
• efe' X y Ir¡s resínllleSVnriIlÚiesl~ef.1II0efelo,.." . :i. C
-:
,o'
. ~il~.,
 CAI'iTUI.OL': ¡"Ioudos de Variable Dis(;rela )' Variahle Dcpenui'cnleLimilada -l:n

Un:, .consecuencia pr:íctica de eSla difcrencia es que, en térlilinosgencralcs. no

rcsulta UIJl expresar I?~coefi.cielltcs de unprobil (al conlrario de lo que succue con
e,l modelo ~Ie .p.robabJlldad lineal) a mcnos quc el Objelo de nueslro inier..:s sea d
SI~1l0 y laslglllflcacilÍllde los coeficielllcs. . .~-\.
. Considercmos el efeclo de!~ afiliación industrial estimaua ell el I)robil alll '.
nor, . e

" La .rifur~ 1:\,:). ~e gen,era loma,n.do: .enl~ril~lCJ: lugar,lallluL'slra de Irah;ljalilllL's

d~ In~uslll.l~ c(~Il.eseaso 11I\'c1de .afJllacloll Sindical ylrnzalldo luego las pl'llhahiiida.
(il:s c.lleul;)d,IS lespeclo n ellas IllISmaS (la línea inferior lient.: plir lo l'lnlll 'd'.
le igual ni). .. .• . fJl:1l len.

'. Segu,i~lam~ll~c .. se cale,ula de nuevo la .prohabiliuad de' esus Irab;ljal¡'ores. supo-

1l1~I.l~ol:I:s,JlIO.I:\cn JIlduslfl:IS (kcle\'ado.nlvei (le afiliaci6nsin,cJi.cal.de .Illodo li l., e •• ' , •••• t"

HJCV ~~ilrOlialilJ¡dad
' se c(lnl'icric eíl(I;(~\jJ +'jl,:¡'l'ci )."ESI(;s;'e~;líl;;dos Ill~ d'ib~j;l'~~'~~" ., . ".

lam blen rt.:spcctu al mismo eje, .

'0 Valores OlcluOllcspredichos . " .

'~Valores pr(;uichus (;UOlnLJu Ni,:d ue Olriliacilín = I ,--'"
J
. ..1

'. ,
- I

.' I
"1.- .

/
-r;
.,
-...
- J

" .../
'll
J ..... : .' ,2 .' ,J' '.
I'.r.oba,hili,daues '(lfl:Jiclfas de 105trabajadores CI\ inulÍSlri;IS C~lJjhaJ'a'arili~.
(Illn slI1ulcal . . . •

.'- •..
FlGUitA 13.5
~fcClli de.la ;;'ril.i;ción inullslrial en' 1I,;a Illueslrrid~ 'lrahajauo;'c~
CiÓn sinJicOlI '. . . .' .....
d~¡Ildllwia'~,. c~n l' r'I' .
¡aja a 11.1'
 ----------------~---------:-~~"-:-

"':r.,
;...«" ••

Ji
,.
n l'rohahilid:,d prcdit;h;¡ (/'L)'
:-,'I'r;,hahilid;,d pn:<:i<:h;1 (pmilil) .:
oJ'-
':.:J - ",-
" ...
í#' '"
.
'vii""

.' .

'!..
.2

o .~.".

~
-
.c -'~.
'J .-

1-"'." ~ ~ ()
.2

'1'l'llhahilitlallcs pn:dichas (prnhil)

FICUH'\ D.lí
I'r"hil I'S <:lnllllh.:ln ti.: pr¡,hahilidad linl:al
f'
~ .. ,

El declo de ,\In c¡lIllhio de ariliación induslrial es posilivo para lodos esos Ira.

~:~
::~~':;j~,':~~~~1
5111
~;:;;~:~;~J~'::¡~:,~1,~~~:,~~:~;,~~
cI,nhargo;' reSUII;¡ e\'ldcille que c1dcCIO"lI1dustna' es Illcnor cu;¡ndo las carae-l'odcll
lc;íSlic;s'~1e \111individliodistinlas a X sugi~'¡'enquees poco probable que el i,;divi-
)-..,' duo se ;¡filie ;¡ Uli sindicato. (En el rango relevan le deserilo en la rigura, 1;1distilneia
enlr\.: dos líncas ;llllllenlacuando unadeell;¡s sepleja del6rigen. No es l1l:ís qU~l1n;¡ ':.
lúanikslacitin tic la no liill:;ilidad dellllodclo). ''-.:. ,.
1.(1q\le el ejclllpill iluslr;,.c~ que.la preselll:\citÍl1 del resl1l!adodclnl(ltlclo pro.
hil suele r\.:querirlll~íslnrorni:\t:i(Íilqllela que necesilan los codicicnles de una re~
~:rcsil'lI1lineal. Resul!a muy lÍtilcaleuJarel valor de las deri.vildas en los valor~s me.
dios de lodas I;¡s ,v¡\/'iablesXde lil muestra. (Es!ocs equivalen le a calcular la medi;¡
1.:..; .
cSlil11ada del índice. ~'a(IUc 'dichl) Inuieees una runción lineal de las X).'Lo q'ucnos
" inll'III'I;1 L'SdC;;lllslr,;rladcriv;lda deunclcmcnlo"lípico" dc la mueslra. En brevc
\; j,
di;ulI i1'l:mos con dcl;¡Jle 1;\inlerprctaCión ue 16scodiciclílcs.
Itcsulta inlercsanleci)l11pararlds resullados dclprobil con los ohlcnidos a p;¡r-
lir lid nHHklo depr(lhahilida(\'line;¡1. Lil £7ig\ira LUí Illucslra !;¡s probabilidades
prL'llichas a partir deln1Qlklo dcprobabilidad line:i1r~spe¿lo ;¡'Ivaior quc j)redice el
~ .:'1
l•..
\o',
'.
-, -----------
. ~ ,
;;'1 <,1.\

, " " .: ,"'::"

"
r'r.~, 1" " i ,', "' .' . -'
;'(,WiTUI,O!l: I\-Il)tll:lo~dc V"riabIc Discreto' y V:lfiahle Dependienle Linli\atl~ .\~5 ,-
. ~, '.: ;''''', ' .":,,; /:" 1,. -. l' _ l~\ ¡ ..... j ,

prúbil. Lo .I'n~s'inicrcs;¡'ll!:CCS qúé~(flrdbit'lol1lillos: v;¡lbrcs'neg;¡li\'os del'mouelo

LP )~Ioi; 'c(¡íi~'ic'r1c cll~nlb;'es ,llu8~c'sltu~íl júslcl por:cncima dec<:ro: Destaquemos
l"lllb¡~li'l;\s di re Fel'ici;,s' existentes cnlrc,l~srrobnbilidilúesqucpredicennll1bos mo~
d~los ~nl~)s v;iIO¡:C~lk'lil'SI)I:oGa~q¡¡JaiJ~td¡¡\~ elc~adas,' . ','., ' ';c;
¡.. t
l.;.
I J.G "" ;>" " .!
LOG, 1"1' ,. "':;1 ", :
.• , .~ . 'f

.. " .'.".. ,", .' , .;., ".¡ 'í'" J., , ,'1 • ~

El dcsarrlllló dc'logil es iúénlico nI ele proh,il. I\ecórdenl~s que, según lil eeu<leiqn, .:' ,
(IJ.¡))' •. l,.'~,¡,;',> ',' ,¡
, p'rt;b()i¡ ::'
l. l" ¡ ~.
Ir~'¡X();;!]) .
.: 1.! i ,,:
. :.\
i,
! '
¡ 1', ,c1cxp(X¡jJ),;. ' l
,. '~. (13.2)) .'
,1 '1+'cxp(X¡jJ)
, J: ..

1.;, ¡\;(eqjrelacitin de la vari:',I~h:.Iale;lle del iogii'cs :¡'ó~llíiea alil tIel !ogit, c'xé~iJlu;¡t"
do el hccho dc quc cnl:t'ccuació,;~' (i3.9) uigueló' (IUe Ilanlamos úna dislri,?uci6n
de valor eXlrcnlü:'AI, ig\lal (lúe c'n cí Illodelo ¡'¡robill, y ~. difcrCllCi;¡ elel modelo dc
prohahilidatl lineal, 1;1formulacióh dei modélo asegllra quelils 'prohabilidades pr~.
dichas se siilÍan cnlre[)y l.' La prilicipal direrencia entre la distribución norm;¡! y la' ;
distribucillll logistic;\ es qucesla 1Í1,lil;Wlieneun pé'so:mayor en \n$ col;¡s .. ,'. ..' ,:
" .1\1 igu:t1 que el~ el' IllOtkl\l ptohil,la tleriv:,da de I;¡,probilbilidaú respecto. a un,
c1el;lcnlli de X varía COIl X:' ,... ,
'¡ , I í, J. 1";:

t1E(y) , =.
--- ~xp(XjJ)'.: fh

~¡;~~;\~~;'~,~:;~':;,~;::;:~~::'"'7';'é!":"'7''''~.~''f",,''''''cti?
llús. n:[orimllarlú
,.'..
lIc':i\i:itl;¡CC}11l0. , ' ."
'. .~'
. ',)E(;):',:~" . . :..
a,\,{:~!}(l-p)fh . ( 1J,22)

.". exp(,''ll)
úonóe
1+ tXp(Xfl)

I
\

t • '1':;r;iuna,ii;cus¡"II':\'~;'~~ 1): Mcr.:;ll"l~n. ';ECÓliOI11~lrii:A;\all'sisl1r Q¿:ililnlilc Choi~~' Modcls"; t~pilu. '

'0.21. 11(li"III";'~' "ri:I~ln".;"m;r.<,clls. Z ..rjriíi~llc~1'..t-1,()~.lnlrilli!:a'nr. NOrlh.llolI~nd~ 19~~:
 ,i
I 4$6
- . . . '-'~

.
--~'~'--"~~~ 1r~T:~'_~ •• ~~""~"'P~.-~'_':-1
logil Sindicalo pOI e.xp2 gradcmariicd high
. ". '.
llcr~lion o: Log LiI:c1ihood = - 521,79847
licralion 1: Log Likc1ihood =~478,2127).
Ítcmion2: Log Likclihoud = '':''475,5873
llcralion ): Log Lik'c1ihood ::: -475,55'112 .
llmlioll 4:Log Likciihood= -475.55411

Lo¡;il E~limalcs NUl\luuof olJs '" -1000

chi2(5) 92,49
Log Likclihood = -.475,55'111' ... Prob > chi2 =: 0,0000
I
,i co~mclcnl
, Sindic;¡to

1:""":,,.'<':~":':~:::H~~~~.:"i.,<_
,0026869
1 cLI,uc-:,0703209

II ..
CCIVil
nivel
éOiJs'
,.JI546)'
';9801411
.. ,"':2,5SI'1}6 ,

I
I ,6 -

Prob;¡biIlLl;¡d lirúliClia (Iogil)

• ,-l'robabilid;¡'u prc.L1icll;,,(probil):

VI
U

ñ
e
>
'. '1 r
o ., .
"
I
1
; l' " t.
o ,2' : .. . , ",4.. ,6 '1.~.
. .,~
Loeil
~ vs. proLJil'
.. (
...
'

.>~
\,
. : i'IGURA 13.8
Válores predichos (r.r~bil)
." '. '.' '.:.
")~
<•...,
,:',,'. j
o" ,'".
 ('.11'11111.0 l.I: MotklllS dc V;,riahlc.[)i~l:ICla)' V;¡ri;¡hk I)cpcntli.:iÍl.: Linlitada ~~7

,,'-:1. Figurn 13.7 prescnla los rcsullnúos úe una cspccificnción logil. Unn "cz
")T;ís, cl 111()úelo se eSlima meúianle méloúos de m;íxima I'erosimililuú ~' el rcsull;IUO if:'!
I,L

STI\TA incluye los valores delIogaritl11O de la (unción de'vcrosiniilil'Uu ilcrada has- '01'
la su m;íxinlll nivel. El c~lillrasle >;2 del modelo, conlra J:, hip('llcsis nula de que el
"-'l'
,!
modelu apropi;ltio incluye sólo una conslanlc, rechaza uecisiv,lIncnle la hipólesis
. nula. El signo de los codicien les cs el mismo. Por ejcmplo, c1ni,'c1 de eSllldios dis-
minuye la probabilidaú de afiliación sindical.
La Figuró) I:U';cs una comparación úelas Ijrubabilidades predichas cSlimat.!as
/":1-1
Con probil y logil. Como se ohser,va c1aramenle, las diferencias sOlln,ienorcs.

1'1'(
.,

]].7,1 Ilctero.sccdnslicidad

~, "
(I 3.23 )
",-o
'., 'consillercinos, en I)rinler lugar. el.probleiúa. úe hcteroscedaslicidad. Rceurue. ,~.,-
.í'.
. ~ios que al t1iseulir ambos mOllclos, suponíalll()squ'e (J2 era conslanle )' que. por lo
~~J
lanlo, cra (actible norlllalizarló a 1, Si, d<:~e.atl¡lIn9~ el Supueslo ue varianza conSlan- If
":.
2 y!
le dé muúo que Ir '=:- (J~¡. resulta (;ícil cpmilrenúer por ,qué I;í helerosc'eúasliciuat.! r:
reprcsenta un problel11a: por cj~l1lplo.eunl1úoj(x) = XjJ y jJ i::s k >< 1, nos en(renla- .-1
,f-
mos a una (unciún úe: verosimilituu (le In fomin L(j1/;r¡). cOlf 11 + /.: par:lmelros
"[";
. ,-1.'1' ...• (r".jJ-, resullando imposihle hésliniación úe úicl¡;¡ (unción sin reslriccio-
. Iles atlicioilnles. Debcría compararse este r~s'ullado CUII el lilod~lo lineal' eSl¡inúar
ei;.prcsencia de heleroseedaslici'dacl:dondc ~alela pena en(renlarse al problema es-
limaildo jJ)' "'corrigieÍlúo" a continuación I.osc~rore~ cSlóíndilr. Nill.urillmenlc. si la
lIélcrosccdaSliciúatlluvjera una (arma paraméirieo'cOilóciúa,.cnlonccs sería posiblc ,
incorp()r~rla dircclamcnle a nucslra Jumiónúc verosimililud", '
I ~ ; f

l V~i1SC G~CCIIC.IIJl: ei' .. Capíllllo 21.4: 1, m"ercl"m~nlc el EjcmpICl21.7.

r:J
:'~~\',
./
(
",
E1problcm;, cs grave. ya q\Jc'e~~ IllU)! pr()bablcquc desc~~o~ón)os I~ farma
precisa de hcíero~ccdasticil1a,d. Sin cmbargo, el prbblclll;J es ni;i~ apa,:c,nic CJ~ICJ~aL
Supongamo.s ~na Ilcleroscedasticidau dé fqrlllalTr= lIJ:(X¡). cntonccs.:

. .. ," I(X¡}
• p.
...
rob()'¡ =1)
' "
=F[--] Ir ¡:(X;)
( 13.24)

1 ,-, La pres(;nci;\ dc hClerosccU:lstiCidad p'rovoc;J inconsistcncia porque el supuesto' de

:1 un;J constante U¡ es, cvidcn\cll1cille, loqÚc nos p~rll1i,¡(~idenlificril'l;i füncióndc re.
'. '..') ,
grúiün f(X): Útili7.arCnioS tin caso muy, particular, ~lInqlle il~uyilustralivo, supo.
l', ",
~r nit:ndo p¡lra cllo qlleia rllnciüll d~ rcgrcsi(lIl cs lincal f(X) = XjJ y que la hclcroscc-
) d"slicid;ld C\g(X) = XjJIX'(: , "
r ..:.",
Encslc"CÚSo.
, ,- " ' ('X¡'()"
'prob(J'i ='\) = F --,' (L:l.25)
,,'. ", Ir,

)' cs evidcnle qucnucslraseslilllaciones ue.jJscr:,ín in~(Jnsislcntcs (aunquc scan con-

siSlcntcs p:lra la cSlil1lacil'lI\ dc "f¡). El proqlem:l empírico consiste cnidcntiricarel
ereclo uc las covn rianz,is sobre la probabilid'~lu y por
cllo no resul (;j apa~elllC por
qllé dcbe prcocupamos conocer si el.efeclo dc las X sc produce n través dela fun-
("-,:',
ci('ln' t.k regi'esilin .I'(X) () a 'través de la funci{¡n"sccd:1Sli~~" g(X). EslO cs, carcccúc
il1lporlancia (ille las X lrabajcn ¡¡ lravés' dc las mcdiaso ue las varianzas.' Natural.
menlc. cl problema siguc existiendo cuando, por ;Jlguna razón cn particular, cl obje-
io dc nlleSlro inlci-~s sea la runci6n.f(')('.""
'r'
~, I'rcocup;índonos. cn gcncral. p~r I;J rnón dc ¡(X) rcspccto a };(X) nosotros no
prelcndcnios dejar la impresión dc que la exislcncia de errores de cspccific;Jción es
impüsible: Un;J ue las car<lclcríslicas negativas dc los modelos line:llcs es quc h si-
luación nU,nC;Jes evidcnlC. I'cir~j~mplo, aunque un error dc ruido blanco na suelc',,'

1, nHlll'~'16/ii'y;c;ii:~ (¡lIe disclIiinios cn el p'reScn'iecapíllilo. ' ,',

('U) . , . , '.,
...
i".
1.1.7.2 Errorcs(1c Espccilic;)ci<ÍIlCIl Probil )' Logil '

Discu tir en u~ la lIé las consecuencias UClos crro¡'es dc'cspcci ric;-¡ción en rnocJclos,no
lincalcsnosllcvárí;iruera dcl alcance de la obra. ESlO no'es óbicé,si~ e.,ilbargo, pa-
ra queesboccmos ;ilgullos ÚClos prol:ilcma~ potenciales. ' '
La consecucncia uecrrorcs dc cspccir¡'cadóii cn modelos cSlilllauosmedíante

"/o l'n e,,~i; ~'Iiel C¡;'~~I ohjci;) tI~ il;lcr~s es f(') es ti nloúelu ,le 11(;/¡,(;"/II/ •.III(I(;o. En ~sle li~o tic n;otlelos,
el ¡"tlife 1" es s~seerl'ihk úe scr inler.prcl"úo eumo clni\'e1 úe ulililbtl eunsc~"itlo por ~" i"JiviJuo. Por,
lu lanlo, es imporla"le conoea ~iel ckel" tic ,Ia~\'ariahles inllcpcnJicnles,es a lrav~s tic la (unci,;n ,le,u::'
g'l',i,;" ('1IlC "kCl~'a la 1¡lilitla")o a Ira\'~s de la \'arianza. " '. , .' ,
- , •... ','e :'';':')' ';!:: 1" .,' • :: " l,,:,':,¡'~;,:-', ...~
,"
". ~.
,":',,'
" ,"'~,';':' ,', :,1";::"""'" L, ,', ¡, . ,
cAl'lrul.O D. Modelos de Y,lriab!~ DI5crela y Va'rihble Dependienle Limil~d~ i\?c) .
. .~. " l" J \ ' l' j

i! . "
.1..•.•. ,,;!',I '1 ,. I l' , •

, , '" '", , ",:',!i ',,: ,i; , : "" j," . 1, : , • , : .' ' ' • " ,

máxilll:i vCI:OSilllililud cs evidente: CÜ;lIiú,o ,se rnnximiza lá funcióndc verósimilil ud

"cor,re~l~ ';',::;c .~hiicnc'J1;~~lir~1~'ú?l:e~:5,0,1i's.i~'IC.'i~i~S:',Si
::se In~~~miz.~ unn función ec¡~i;
vocada, se obllcncn cslllnadores sesgados. Aunque tales <lfJrlnaclones sca'n general-
mcn\e ci\;;.t;\s,~onsidcr~mos:~lljl~U~'I~ iiné'al. c~l:ínÚr):á conocido: . ,
. , . , ;',.' .1- ,. j" . •. • {

y =XfJ ~:~' , (13.26)

Comodisculim~)s cn i.:1Capr,t~lo5. cstimi1l11Osfl' maximizando la funéión lleve. ,
',' roslmíiitúu;Yimos tan;hiénencl'¡:::¡'If~ílulo S yeli ci Capíl~lo10(MMG), que EMY!
(o MCO,é(juivriiélúe' cn'cstc".¿nsó)'cs' COllsislcrÍle incluso en casos de heteroscedas.:
ticidad, 'c'rrores nonnrm:ll,esyco'rrelrycións,crial, es deci~. mieotras plim(I/N)X'( =;;,
(J. En ()Ira~, pOII:lbras, "c.l{cmciscierlOl;it~din'a'ciólla, ,elegir, una' funciól¡"dcverosil1lili~ :
Iudque.,prodllcc 'cslimadlírcscOllsiHciitcs de.¡LDe. hEdlO:' s'olcnloscalcula~ loS COC~I:
ricicnles MCO p,lI:n.jJ quccol:respon~lan a' maxil1lixar la verosimiJilud, suponiendo:
perlurl,lncioncspcl'fcclalllcnte <;sfé.ricas.¡y,'~corr~gil1los': IQs er,rores est<ÍIl(Jar posle.
riormcnlc,.", 'c,:, '¡"', " " ',,;, ,':'; Y" :, ,

.EI cSli,inmlt,lr .oblcnidolllaxiini7.:II1t1o un:l,tunch\ll¡dcverosiiniJillld "iné(lrrecr:I",!

cs ba~n;!,llcgcncralii'.adQ y's\;c1c .r~~il~iJ,~II\olllbr~ 'uc esiimaqor de CJuas¡~1-1áxjnla',' ,,'
,
1, vcrmil1lilillld(QMY). Whilc h;1 analiz:ldo este caso7.Ulili7.ar MCO para u~~,mouelo "
lincal es bns\;lIlle,cxccpcional porque 'rcpresen ia u'n c:iso dOI~uc:errores deesper:ifi-
cacióncomo 'Iahcic¡'osc<:d"sticid~d no; generan incollsistehc:;ia en'p. En ciertas cir.'
cunstanclas.ln m;hillla vcrosi!llllil\ldde un ,rílode,lo ~sréCifi~adoerróncamente pro-
ducir:; estilllad.orcs:,cPll,sistcl~l.es'dClps,p,~:;íme.tr.os, aunqu~ los, erro~e.s eSI~nd;H' de-"
ber;ín modificarsc SCIl,Úne! error dc"e,specificacián. '. ' .
"Sin',cml)ar;g(~.,C,s~l:l'ar¡¡-~lación"li~e~ g~I]C;.lIl~l~nte ~ierla.La diricullaC! co~ un ,
~:' modelo probit ologil rild,ica' en quccunlquiererr?rU¿ especificación en laver05~mili'i
¡: luu t1ar~ lugar a un:l inconsistcncia: Cuando el modelo verdadero es un probit y mnxi:
¡ Illizainos la función UCvcrosimilitud 'asocia(Ja 'coll tln ¡ogit. hs cstimacioncs scdn in.'
~ ,,' .consislellles .. S!!l e'!l\ia~.!t~.i.C~)d~~!os S<:'f.,~.í,!',~~~!::~~~9"2~dcl~'UÜU,.¡J,g,p!-c:BI~:t",Y.,..oP!J:.qSr-:,,

j ',' Es f~cil pcnsar ell casosénlos c¡ueiarcsIJlles(a'cs ilfírrnaiiva. Consideremos el ., ,

, caso dondc c1módclo vercJadcrocs .

',. ,':' 'y=O,(W'¡.x+O,OOOOÚ'2.¡:e ' " (IJ,27)

SupongalllOs, en esli:: ejclllpln~ clucchaligo de x es pcq~ciio, (0,1), y e es Ilormal es~'
I;índar. Podcmuscol15iclerar e,l rcsÚII~.d<:ldema:<imi7.arl:lfunción de verosimililucJ ig.'
norando c1térn~inocuau¡'áiic().AÜric¡úesería prcferiblecstinlar modelo,tanto con el
.r COIllO,C0I1.1'2rcsulta cvidcntcquc, par:) IÍlUchos propósitos,nueslra estimación MV"
del codicielll¡: .rno~cr;í':(alilliala" (<;onvienc(kslaC"r,asi~ismo. que los errores se-
r;ínl1clcrosccd;islicos',IUIl apesM &~crhsmlOscedáslic()s en el ~lOdclo vercJadero),
•Volvicndoiilosmodelos prbbilyl(?gil,v~inÓs quc\ualquicr error de, especifi-
cacilÍn suck ol'igi Ila rillininconsiÚenCin; si nemba rgo:c'nla mayoría de, casos. cmpí.
. ," • • , " • r.'" " .~ ,

.; .'

J 11. Whilc, "Maximuml.i\:dihlli;dE~lin'\aiinn(lrlvlbpecificd

, .: .... ,.- , .
Models",
. .
Er(ll,ol/l<I,;cir~ 50, 1Q82.t.I/i:
 ,
(
1.
f
"

r
49'0 ~IET(lDOS DEliCONO~IETIlIA
'1
I

ricos. los modelos probil, logil:y de probnbilidad lilicalp~rcctn pxouucir rcspucslas

simÚares. Una forma uc reconciliá~ lasi,mililüd 'lIe dislini:lsCSlimaciones oblcnid:ls
. ¡¡' p-arlir de especific:lciones seg~ra¡'n~nle uhicorreda{es'~onsill~rarlas ~omo~~li-
macioncs QMY dc 011'0 lil0lJl;Io verdadero. En'cSlc casó, es';\conscj;lble lomar cn
consideración cslas informaciones. ,': ',' ,
" Supongamos que la densidad decicrla ouserv;\ci<ín I viene liada por [(y" X" O)
donde Oi~dica los k parámelrÓs del modelo, Siguiel;do a WhilC, formulamos la fun-
¿i6n dellogar¡JIT!~ <le v~rosimililu~1 'púa U!lamll~Slra dclamaiio 11 como : "

, '~' .. ; ': >(j,I:~,~,.,;h'~'II"¡I:I~li(;'I,X;:,JJ),." (13.28)

,;,.
:Dériniinos'\;i matiiz k x 'k: '. ' .. , . '.'
. " ~',: " ...", f'~ a2In[(j';.;\',. O)
.¡,' ~ ',',' 'AII(O)= IIi;' HJ "JO' ' '. '(13.29)
'r'!;,'~'''' ••,.••••
:,. :~, ~.t~
••... ¿,~: '....: ~..}."..'
" .--.: ~.~l\.;
.';,~•.
;2 .' '~~::J<"-,,:-:~, 1••••••• ""J,~:.~
.•':' ' _\''},:. ::~J~'t.'.:';.;~\~j L:,.~1.~~~
•.•.••• ..• 1, ~::,_.y.'~'~-:'~-~'~':';.;.'r':-,
..•

-donde i'=1, .:.; ]{ y j =.1, .. " k:AII <:~,e1hes~iílnQ m¡:dio~ Supongam(!~

','" r
.~ ' . ~ - 1", " .'. .•' • ' ,

.A(O) = E
iJ2In[(y"X(,
. .
0)1
, " ,", ',', .,' .., . " " 'iJOj,iJO}' , ",'

'D~fi;l:1I~OS9lra :'1a;i-¡~ (k:~' k) q~~es' el pro'llcdi~ de lo~ produ~l~s e~lcr~os:dc

, iá~'conl¡-ibu¿iories a 10 prilllera~eri'vada, esto es, ' ',,' ' . ,
" " '," "'.\ ~" iJln [(y;; 'x" O) iJlll[(J,.X,. O)
" flll':O) = ¿ i;'i AOj '.,' ~,'.' iJOj'
" (13.30)

Y ~upon'g~ll\~s,de.Olod~~'i~iib¡',." '

.".. ".'.'::. :~,n(~;,~:.~[.iJl~'o~(~~i'~r,;;lj,:. O)] ,

i).lll:(~~~x,. /".' :
,Netc~i 1~renio's"lfllCo'~jUl1'I.O' adicio'na l,~~~dcfin¡~i~llcs: ,Oo'

,,' ' .' . "c,,(óf= A,,-'(O)n,.(Ó);\,,-I(O) , (13.31)

, ysupo~~am'~s,de modo ¿~lÍlar', C(OY~A(O)fl,,(O)ÁII-i(Oj:
" , ,''-: Whíi~ d~IllÓSII:Ó,qlJe'Cn :cq,;did~;,es ~dccuíl~las,e incluso. clIando 'cllllo~cl0 se
" :halla espc'cificai:Jo. ilic6ircclamclúc','c!,:esliniador jj que SO\UciOIl:í la ill:lximizaci6n
, ' •.llcla v'~rosiH1ililÚdcoi1Verg~a Ci'eÍ'lo pa(ám~,roO *,1) Ei, IlarlÍl:u\a'r, O suelc dislri.
. huirse asinl61icarncllle;coll In 'malriz,de'covnrianzasC( 0'1'). '
. ",' Asipu~~'. 'los crr'ore~ cs.lán,dardéi¡úodel'o s~calcula~¡ín 'medianle el análogo
cmpíricoJeC( O.}, evaluado en cl'par;\nicli-ocslilll':ldoO. ' ",
, '. ¿C;ómorcl\lcionhr lil preseól~ discusión coill:l'fórllluladisclIlidiJ cn el Capítuló
,5? Re2ordemo;;q~e calcul~uil1nos los ~rrQrcs 'c~líÍi,(Jar para c'lEM V cvaluando la
~ . ," '. . , • , ., . -. .' '_.' "~ ~ l. I-,•• ~.. ":. , .' '

. ; ~ .... , . ,
'.' •. " ..., ."., .' 1_,. ..; .';: ,.' ""::.,. . _ " '. ' •• ' . o" _;-: _<. • '. __ -,

El, parárndr,o o corresponlle 'a'rroxir1\allap¡(~nlé al p,ir:ímcíro 'IUe r¿¡"esenla.ia

H í~lej,ir ,solución éuanúo
existe un~rrQr d~S'srcciric~,ci~n.:',\'- ,,',: " , . '"
.YV~ase Ecuación (D)lIelCapllu"o5: , "' ..•.. ; .
 ..: ,-

<"A1'iTULO o; Modclos de V¡¡rialJle Discrela Y, Vil riablc Dep'enuicnic'Limilatl,i ~91

malri;: hcssiana dCI¡IS segulllLls dcrivadas en lasestimacioncsdcl parámctro MV. '

Ah~ra, cu;¡ndo el modclo se cspecifica correclámcnle, un resultado fundamenlal
(que arirmalilos sin nccesidad dc r.rouarlo) csla igll'al~la¿¡de I~matriz inf6í'lúación.')
En el valor vcrundcro dc los parámclros (1). 'flt.
,r;y-, ,
fl(O(;)=-.A(OIl): ._ .(13.32)
d.onde -ll(OI)) es la 1l1:llriz de info'rmnción, qUe rcsull,!serc.:l valor csperado del hes-
SlnIlO de In funcióll dellognrilll1o d,e verosimilillld.Y más aun. cllamloellllodelo se
cspecifica corrcctamcnlc, la ccuación (13.32) implica. ': '
C(O(J)=-A(O(J) (1].)3)
quc cs eX;Jc(¡¡menlc lo deri,'adoanleriormcnlc'Illediallle cSlinlaci6í, ~I\I. C;;:lllliocl
modclo es corrcc(o, los errores cslándar sé talculan con10 ;hicimós cn',clCapítulo 5.
Sin cmbargo, cuando el modelo tiene crrorcs'decspi::ciriúció'n.los crrores cSlAOd~t
.lJO.SCr¡i,Dc,on:eclos y deberemos uliliznrIC¡¡CÓ').,o,: ..... :,' .,' :~:": "c'; ,,,','!¡i.¡',:~;'.',(:Ú'
Desgracindamcnlc, hay poca expe(iencia'cmpírica'con él liSO de los crrores ~s,
l¡ínUarcalculndoscon este rroce¿¡imi~illoparri ;!lOi:Jeios probil:y'16gi(Sih e;nbargo.
cualido los cH~res eslándar 'calculados bajo, cl supueslO' de Crror<.;.~dc' especificación
son íiluy'dislintos a los c:llcul:ld.os n1edianlc, Mv, rcsull:i:quccs precisnnrcllle eSln ....:C'~,
difer.cnci¡¡ la 'señál de que exislc,un,problemn,llrTal vez, un Illodo fruclíf~ro de ellfo-
cal' lacuesl,ión consislc .en aíiadir a .Iaespccifica¿ión originnl algtino~ lérminos cua.
dráticos, oue orden Ill:lyor,'colllo'variablesexplipllivas o, alíern;lli\':lillCnIC, especí.
ficar rUllcion~s lincalcs de las.variables ex¡>licaliyas" cO,Ill,?,bit:illlOS ~Il el <::¡ipí"iulu ',...J '
11.5.1, para '(JIlcla ,e,spcci ficnciÓnsca Illás flexible. '
).:)'

o',

,'
, ,

:. . ~ . .' .' . . .'

..-
::.1 .

Si~alllos con la fórn.ll~la de I~ ¡inlÚior s~Jbse'cción' y supon'gan10s ~hcroic¡illl~nlc) q-LJC

eXlslc bOl1loscedasllcldall: . . ; ,,".' ,,

.1,
pl:;ib-u.i=' L) ~
,:
f[HJo;J,]
(f . ,,(].l},I),
Esfrecucnleexpbncrcl problclila COIllO'~igue; dado' que/(X}'~' X}1, ¿'cuál cs la forllla
,corrccl::t dc F?: fun:l normal aCUlhul¡;da, 'una fUlici'Ól1lógísliéa II olr:l fUIlCiéJlldistinla?
,T¡lIi heroico es supollerque' ¡: 1¡'illOllllla f()fJn;1 de'tcnllillild:t. ",,',(;,,', \1'1''''''\1'' '1'"' i¡ Xl
es li~lcal. Dado el rormalode F. unndc,las s()lili:iolle~ ';01 flr¡';,hlem;',uir)\i\I'; ':11 v,r ;':'.
'nó~li¡;o cn'clianlo allllodo en que las cuv,af\;!Ilzas ell(,;'II', elll""'UIILI(¡lI UC ILc;'L~I('11.
, 'Qichocl'¡foque deserÍluoc:l 'enl¡¡ siguienlc'pregullla:'¿cu:Ú es la fbrilln correcta
qü'c, debcnlOs. ~Illliz:lr? 'Tal y COll10 ladiscusi6n'i1IJle~iortleja ell cvidencia. 110 ha\,. ,:.;.'
.
.' ., .' -' '.
I

~;

111 É.,is,lcunc~nlra5I,e lormal. el cOlllraüc "'da' MaJfiz ¡J~ fnrorm~cí,in. a,~lIquc,ú ulij¡%aci<inrr~,cnla al. '",L'
~U~O~ r(o'~Ic:'m,3S .. '.'¿a!-C
L'ni\:~j:~.P:'~. :ü:'.:. ,'-:;-5~~.
n. Da\'i~~on y ,J. ;\JacKinnoo>£.I/(f1Ja:it'." o'ld'l';/i'if:(? ;1:' .[{(";"".;:':':~''', Ü\':.=.:~

,;')
-;:) j '.
',':,:,

__ ~_~_~, ~ , 't
J
:¡':,
 r<:~pue~ta clan!' En cienus casos, re~ull<lilosiGle rech;tzar probit logil calculanuo y
;,
la difercncia entre el \:alor maximizado de las funcioncs' dci vcrosimililud, p;\r1icular-
mt.:nle consiJ~ranuo ambos modelos como parle ,tic un motklo m;ís general' 1, L;is
(.. :~:
...
dikr.:ncias ':Illrc amhas rUll.:ion.:s lit: \'crusimilituu sc dislribuidll seg~n ulla 'X2(1)
i-/:
aunque. cn' la pr;Í<:li~a. la dircrcncia Ilosuclc ser lósuricicnlcnll;nle grande como
,
para que la prueba permita discriminar el{tre los do's'l1lodclos. .
" Por suene. en la mayoría de aplicaciones .empíricas lus lres 11l00ldos parecen
uar r.:spucstas similares. T¡¡) vez el mejó.' enfoquc sea quedarse con Jil que sca m;ís
cOIl\'\:nienlc para una ul:lerni,iiladOl aplicación,'aseguhínuose de que 'las'inferencias"
no depcnJan de las dislinlas.:iecciones, ".
,U,n~ 1)\,'~Il<\regla e~ compararlas dc,'ivadas de las probabilidade~ respecto a X
(, ' dd 111\)(kl(')ue pruhabilidad linc;;1 conell()~il en los valores medios dc la muestra.
Recordemos que la dcri\'ad~' de'la pr~b'abiiid~d, r~speciorif\'k dclm~dclo dc proi,¡t-
hilidad lineal es el cucficicnlc fll.:' y lI1;ls a'lin,la,deriv;ida e~ siell;pre COnSI¡¡nlC, Di-
cha dcrivntla pue(~c cOll1pa¡"a,rse ¿o~ !nde¡'ivad~(kll11odelo logil en un valo'r líp'icu
de X. flor IQ t;\lllo. comp;\I'arel1l(js ''-'' . ,',."
'¡JI¡/' frenle aJ1lt~it ¡J(J - ¡J) (IJ,3.'i)
( .,t~
donde ji cs In proporción (1.:.U¡l~lScn la lI1ucstra. A conlinllacilín, cumpnraremos el
logil COI1el prohit: ' .
{ C''', (/1 (.\' jj¡jll~r"hilrr':l1tca ,jJl(~il ¡¡( I - ji) (13.36)
D'cslaqll.:mos 'lile (¡, (,\' J1) e~ IIn nlimcroque; una "el.
calculado el índice mi;.
dio. plledc leerse en IIl1a tabla z eS\<Índ;¡i'., Un'cnfoqüc¡;llcrn'alivo y que no pred~úl
calcular el indice de la media. COllsisle (;'n cllmparnr
(/1 [(¡,.I (ji)) p1i"hi' frenle.a jJ¡o~il ¡¡(I - ji) (ljj7)
Gcnáalmcnlc, las cSlim;]cioncs de las deri~';idas deberían ser basl;¡nlc similares. En

:}
C;150dequc ji = -l..
(_.<.
',1,

r, EI}ht;1üé16 de prob;¡bilid;¡l! lincn! (iglWI que I(igil) Iicnc una propiedúd adicio.
\ nal qúe ;liuchns vcces resulta il1ll1tlr\antc; Calculcmos ¡iIIliliznndo los codicicnles
f'..:; f cstimados mediallte iogit. prob<1bi.lidad lin~al )' prohil. A conlinuación, sumemos
eslas jlrobabi.lid;ides e~til1lad;,s~' considercllIos lassigl;¡"~iitcs dos canlil!;]dcs: '. 0"---"

,. . , , ..' ""., ,
r\..¡' SlUl);]I=¡11J¡ (13.39)

"') ,\' .
.,'
,,/!';~ Sumn,=""
. - f:'1 Yi ( I J.40)

"-,:

'.1.,
 .... ~.~

.' 1 '.

." !
• • ~- I
¡
. '.' . '". "

C\I'lll'l,O D; ~\'Q(I~\os JcVarlabl~' Ó\s'crcla y vai'ídblC Depcnui~nle Li~'ilaua "\93

" - .,' ,:', .. ,',: i' ,' ...•.. , ..1 ,/ ';,' . ',',' .,

" .
Para lus n'lOdelus logit yde prob;bilidad Ji'lleéll.
l " ,', ,.' L.l., ";

.,-., "<' '.: .. '.í'" S,umal='SUI))n2 ....; (1J.~1)

;l1icllt'rns q\l~' en IHl;bil, porl()'gcn~'r;¡I.'
. ',Suhüll ~':¡l:: SÚnltl2 :'; (1~.42)
DCJamos COlllOekr~'i~i';'p~'r;; ~llecior' del1loslr~r qu~ I;¡ ecuncióll (13.41) se ~;¡n-
I .
licllc para los modelos logit y de prob\lbilidad lineal (cunndo X incluye unn COllst¡¡ri.'
. I ;, , '. ' ~ _

te). En ciertas aplÍ\;aci~lies, cua;ldo I,a iglialdad dela ecunción (13..11) es impor{arite;
se IClltlcr:í n ulil.izar logil,o el nJodelo de. probabilitladlineal en !ug;¡r dc probil.'
',,":. Resull)iclldo. c1prob'I~~la, pririeipa('pélrcec'ser'¡:i Convenienci;\.,En términos
gelli:~,ales, los .'li'e~;llodclq~ s,uel~ni~a'r ,Iug~r,~ 'rcsllh~dos siillilarcs. El modelode
pr~babilid;\(,I. I,ineal ~iiuc:'si~"~?,;l1luyt:p.!i¡¡~;¡~()~n"aplic~~iones empíricas, ¡¡un ~ pe:.
sa~,dcl.dd~cJq d~ qlls Iqs :v;¡I,?r,cSwe~li,~!)os l1o,~c limiten al inle~vnJo (O, 1). EI;'rh?"
delu de, probabilid;¡d linenI es
m;Ís [;id I Üe 'jillplC;lnenlar con nplicélciolles inform¡\jj.
' casd~ iipoC~la(¡íslico'c'S'I';¡I;d!;,'r; CÚ~ildo '~¡~bj~'lo .~~ in'lcrésson.Ios efeclos (ii~( Pc
m~uos¡'I;;il;¡i', c'lmtidclo de'pl'~bnb'¡jid;¡'dlill~al ~li~le (ambi~nscr cOllveiJienlc c~an.
do al,g;lIlas>t!e I¡'svariables d~i;'~~do'&'~cc'h~ son cn~lógcnns)' se precisaUi\ esquc~n
tic vnrinble instrlll11eníal.' . . , • i
Por ulrolado. el nlodel(1 de jlrob;,bilidad,lilieal i,O es perfeclo. En la ~edid¡¡ de
lo posible dehclllOS' eyitar sli ulH¡7.aci61~•.}' cn s'u defecto es aconsej<lble ul,ili7.¡¡(logll
t II pr0hiiyevalunr Íl~~l;l qué 'punio b inrer'encia depclJde de la cs'peciricación poin¡'.
I culnr dclllloiJclo de prolnibilidad.:
. " , '
. '., ""',
•• , "",
"', "i";
. 1.1 ~í'
, .;:
t !:" ',' . ," . " •~ .

"lJ.R: ,t'~' l .

EXTENSIONES
': DEL MODELO
. nÁSICO: DATOS¡\Gn.UPADÓS:

; U,ía .de I;¡s extensioncs m;ís frccuenles,de los 'modelos revisados hn~l;¡ elmomcnlo es

1;; unid~d de()bSé;'V¡lci(~;l\c¡)':escnl~ 1~i1grcg:íció~ dcdi\;crsoscon~porlnfllienl~s Ílüli.

vidunlcs. a mCliu(lo<1 nivclcSlal:l1. El) cicrl'~S nplic~c¡.o'nes. J;¡ unid;¡d de obser\'a~¡'ón
sc,'¡ínlodos los integrantes dC:.l"íiltlé,sec.l~I)lógr;ítiC;¡.'por cijcmplo, mujcrc,~eli et!;¡t!Cs
comprendidasenlrc j5 y45<1lills.En olr<lsaplic:iciones:los dalos se obtieneri c.n for-
,imde Illliliiplcs observéléione'st!ei.inn iílisni:lU¡;idndde dntos en u'n corle Iransvers¡¡l.
.••...... .... ... . .', .... .' .,

/J.H.I Mé!i>dos dc M:íxilllll VcrilsillJílillid

Elprúblcma d~los dalosagn'p;¡dos inlpli~n J clases. donde las vnrinbles X son cons-
tanles alolargode una cl;l~e.SupongaíntÍs quc y¡es \ina: v;¡riablc bill;]Jia igu;]I.:l i
i:ualld~ielhecho licneJugar )' O.é'ilCólSÓ cóiill';¡ri(i.Sup6Ilg~l1los"wlllo antes. un mo,
dclllde probahilidad p;'i'a I(is individllossu!'yaccnles(datos Ilonúupados) donde.:

J
 .. 494 METOllOS OE ECor-:O,\IETliI.\
; '. f'. '.

prob(y; =. 1) = F(X Jl) (13.43)

, .
en la quela elección de la funciónFquedai'ádescrila posleriormcnte,
Siguiendo el d~sarroilode pro\:¡ilpára ¿l'modelo. de dalos individuales [ecuacio-
nes (IJ.13) a(I3,J7)],yeligieqdoF,[orímilamos el lo~aritmode vero~imij¡ludcomo:

(= ¡ (y¡ln[F(X;1nL+ (l~ )"i)ln[l-F(X;1nll .(13.44)

Suponiendo que Iris variables X son cons(¡intes en lodas ü,s celdas Ji podemos refor-
múlar la ecuílciónanteriorcomo
'\' . '.' . ",". ,:, ' - .
I~' B [Pi In[f{,Y¡)3)]+(-! ~p¡) In!l "-.f(X¡)3)Il"¡ (13.45)')r
J , ,,', l' - .>! t

..,do.'ndc '.' .. _ .' .. _,' .. p¡ ~ •.I.II'.',"'~,' j'.;. ,_ . _, ,._ .'.';.,i.;,i,'"

.:i,9.9D9.r;.,p j~,c;sJ;¡.rr-ºp.QL<;i9.D.:J-l~:.J)_!)P.~<c..nd~;.c.I~se..j~.és¡mnJY:lIl,.~.,.lliS_oil.
elnúmero,.de,:' -{.;;;:~ -,
observaciones en-cada clase, A destacar que la función de vcrosimilitud es la suma ;
,del términos. Una vez:el.egidoF('); prqcedemos)gual queántes: Lo ni~s'rrecuenle ,:',:-.)
es que'F(-) sea unli1odeloprobitOun mod~lologiL, .... ¡.,j'
En el caso de 'dat,<s agrupados, y'dado que'J <, N (sieI1do' N el n (1111 cfO de ob- ..•..j
servacioriCS), considernrcmos un modelo toiaimenle saturado con J parám~trbs, Es-" ,<~,
to es, asignamosun,parámctro dislinto:S¡ pil'ra j.= l~ .. J,a t'odas hs dasesde X sili " '•.'{ ; .
restrin~i( el modo en ,que la probi'lbilicla~ pueda verse .afeclada i)orla eovariilllzíl, ,
En.este,caso,la fu~.ción de logarill,llodeverosimililqdse éonvi,crleen '::~

.. :: 1.~~,~j!ln(!)i).+(l-P¡)I;l(\~.!i~)jll¡" . (IJA6)
,
El tSlil)wdor de máxima verosimilitl!d de eslC. n)odcIo es S¡ = Pi' Ellnodelololal- ,1

::j
menle 'saluradorcprcsei¡[a'lo' mCJórc'¡ue liucdceOllSeglÍil'Se en cunnlo a :Illilxímiznr
la v~ros~ln"nlili(ud'. .." : ;":: .. o:: <.-., .. ~,'.:;:, . ,', ... ' "... ." .
, <,.,'
'.' InoicaillOsla proba4i.lidad 're."\. de que. u.na c1asc) exptdm¡:nle c1nconlecilllien- . ¡'..~
.to'medianlei1¡, rodeif¡b~"escr'¡~¡r ",' ;':.' ";;.'~' ", ' '.' .....
.' ',; . ; . '.:': '<'.. '. :1Í¡ =i. f(X¡fJi. (Ó.47)
. donde 'dim(fJ)'=K y K <.1: El secrelode('éXilo del modcloeon. dalos agrupados ia-
,dicaen qucresume '\¡{ in'roiiúai;ión'eonlenida .enlas Jeeldas como uná función de
un número. limitado (le va~¡a~l~s x".' :-" . , .', .' .
~sevidenteahora la posibilidad de rcalizarun conlraslcde razón devcrosimililuJ,
comparando el modclotot'aln1'e'nie si'lturado connueslro modeló (laliipÓIC.~is nula):

.RY"=~2(L'Il¡'{P¡ 'n[.;'(~;fi)'1 + (í:-:¡)¡) lil[ l -,F(,\) 11

' .. ':. , ...' , ..l.'. '. '. •.. '.. . .". _ .-

.
-¿no
1 ..: I ,l.
[p.'lnp.+'(1~i)ln[
1,. : :', I ¡.
1-;;.)1:)
.-1.

.. quese dislribu'ye según tiria X2 con) - 'i<. gra~osd~ Íi.b~ria~, '.

 CMiTIJUJ 1.\:;Vllllklus dc Varj;¡blc Dis,rel;¡ )' V;¡ri;lbk D<:il~lld~enle linlil;¡Ú;¡
. .. '. . ..i ... ; .' ~
,:l),

';y-
~na de las opciones más utili'l.adas con datos agru'padossonlos métodosdc X2 míni-
,;.y-
ma,EI punlodc panida dc este tipo deestilDación cselll'echo de quc, en caso de ;;Tx
dalos agrupados, necesilamos ajustar un número finilo de celdas, Con dalOS ¡ndi"i- ,I'y
duales~ el número dc obscrvaciones (Ias)'i individuales) aumenta igual que aumenta ' ..."
la mucstra, En el caso dc datos agrupúdbs,'c1nl:ímcrode r:clt]¡is ¡Jen la eCllaci6n
(1:1.45) I cs fijo.
La estructura dcl problcma de dal~s agrupados nos¡)erlllite la op'ción de (¡-¡Ins-
forl1laradecuad:\I11enle la variable dependiente)' utilizar iVlCO (pondera(los). La
Tabla 13.1 descnbc los modelos más popúlaies dex" mínima. ' _ '. .
está ~odos ~~IOSSICobtieneln c,alclllan,doMCO, median le aplicadbn'csinCormálicas
_ ,n al', ull ,lZaJHo para e lo a variable dependientc desei'ila enl.a ..iabl)Íj~'j)~¡:h~é'-
,,".' ~nn>-locoJ) .1a l n vcrsa de 1ara íz cu ad rhd a ,de lá'va r ¡:ania 'li'ósi tad';'l'~'ir'lii':~'IYi'h~'ñ";;ol
;','n;-
_na de dicha labia .. -
,.~Y
El lector f¡lI11íliarizado con el contcnido del Capílulo la reconocer¡í adem;is
" que los métodos de Xl mínima so,í susceplibles de 'ser considerhdos como i'vIGM. .-:v
1h

_T.\IILA Ü,I _

O isli'n Ios nlOcI clos dCX2 lIlíllillln pilr':i dalosag'fllp;ulos

:._w.,. ....~ t,.' ..",
••••.••r:""'O~.~~ ••.••• " i • ""_'.~:"" .••••••• ,.....••..•.••. _.~' •..••.•• _. __ , •• ~.

- ~.l11tlctO I'rob:lhiliclaci. - V:lri;lhl~ t1cpcndicnic

Varianza(E)
Lineal p' . l'j(1 - Pi)
..J
II¡

Lng.Lincal p¡ = cxp(X{J) -/og(p¡) (1 - Pi)

;.--,1"
"il'¡ 't"

. Próbir 'J "nnrnlil" l' ¡ = '1'(X¡{J) p¡O - Pi) "

....
. Lngit p¡=i\(X¡{J),
,(
'. log'~) . ' . . ..
. JIlb(p¡F
I
Ir'"
'-
. .1 - p¡ . "¡Pi(1 - Pi)

. . . . '. . '),

", :CO',lsiderem.o~. en pl¡imcrI~lga,r~.c1caso .lineal. Sup(),ilgal11~~ ,;u'c ~¡"!ndil:a la ;;.,/

't.
proporclón,pobl!lclonal real de' IndiViduos que' experimentan t:I hecho cn 1;, t:la~c ,- /
.","
¡-ésima, Suponiendo que el nÚITlero oe observacioncsincluiUCJ cn cútla ccltla¡¡umcn-
, l'i,'a un.a razón ~onslanlc(Il¡IN"';'. (J¡) , y !iJponientlll'('IUe ~lnllOlcrolCJlal dc 1,I.l\Crv;,.
clon7s puede crecer lantocomo sc desee (N,- z),'resulla evi¿lente que p¡ se aproxi,
- mara. a su villor renl1t¡. También es evidente qué .

EI/l¡l.:::: TI¡.- (D.'IX)

" ,TI.(l-fr.)
\' 1'í\Í'(p,l == 1, ¡_
( J.~,Jú1
': .
 , .

lú,: Ya quc E[p¡J ==)(jJ en el Illodelolincill, '1<1ecu¡iCión (13.49) evidcncia que e

odcJ u es ~1l:.1crOSce(J¡ístico. De hecho, dado un valor dc IIj. 1<1ecuación (13A9) al
111
"
L,:'
1": canza SlIm¡IXllnO cU<lndo j{ ==1/2
~
l ....
;
, En caso lkconoccr la 'fur;ll~ de ia hctcrosccdaslicidad. sólo nccesilnre:ll1os
pOlll!l:rar de lluevo los dalos deillodo quc.cl.lén;linodc error pOllder'ado rcsulle
humoscetl:íslico. " , ..., .

'J
Si s~,sliIUilllllS ;r¡ por su valor CSlil1l;¡do/I¡, oblcIlCl110S un eSli';lador consistenle
r~' dc la \',manza. ~fCO po'nderndo tomnr<Í conio ponderación el inverso de 1<1r<líz cua.
drada dc dicha \'arianZ<I estimada. .
,'. Los rcsl<lnl~s modelos prcscnlndos en 1:;Tabla IJ.I se (ksarrull<ln de 1110du si.
11111:11'.Puedcn dcsarrollnrse direct<lmcnte, .utilizandu series Tnylor para ohtener la
\'¡(,r:;~nz:"aJlroxim:ld:l .. L~Js l1lélodosdc,X2 nlínima son consisten les y posccnla mis-
m<l V:ll'lanZ:l cstim:ld:l que los modelos .de máxima verosimililud espccificadus co.
rrecl:lI11cn.te: Una \'e~ .especificado cllllodel.o correcto, l:ls eSlirn<ldOl1cs mejoral'iÍn
l'lIanlo m:lS se aproxllne p¡ al :\'alorre¡]Ide Tri' Ello succtlc siempre que la mueslr<l
aumcnta de tnm;lIio.

lJ.I), .
PItOBIT OHDENADO

Unadc las cXlel1sioi~es ,dcllr:lbajo desarroll~dci hasia~lll1olll~nto es ei probil orde.

nado. A modo de, iluSlr¡¡ción. consideremos un ejemplo donde el objelo de inlerés
cs si el indi,:itluo Irabilja atielllpo complclo;' alieI11po'parci:1I o 110 lrabaja. D~fini.'
mos Ires \'annbles t1icollÍmicas: . , ' ,
'. .

1"" == {JO si el individuo nu Irabaja'

- I
cn caso conlrario
... {I
)' 1'::: si el intlivitluo trab:lJ'a a liellllJU IJarcial
'Oen C<lSOcontmrio
. I,j'~"{;'("';"~¡'~~;~ldi~;id'l;~ I'ra'~ajaa tiempo complclo
.; O en caso conlrario
El tiempo p,lrcial se define entrc J y 35 horas seman:llcs. COl1sitlerarelllos la
~lccl'ieind~ (ipo dc tr¡lhajo a,partir del'\'idor llc' un;1 lÍnica v;lrialile indic:ldllra y*.
~uanlU mas e1e~'ndo s~n el valor de y*, m,ísaumcnla la prubabilidad de qlle el indio
\'IJlIoeslé Irn.baJ"~ld~ .. A destacar que, en eSle C<lSO,los resull:ldos aparecen prdenn.
dos: .no ~r.a~~Jar slglllrlca mcnos que Irabnj¡¡rn tiempo pnrcial, y lrabaj:lr atie'mpo
pam¡d slgnlrlca menos que trab:ljar a tiempo complelo.
FOnllUI¡¡mos c1l11odelo tomu
, .) siy*<cl
.l'''=
1;'"
1.•• \i ~J == I si e <: ,,'" < C
", '. l. 2
,)'!==I
, siY*<C2
 . ,"
¡
,,'.' '.'
- . .
¡
., . -'. .'.
.;:'¡;"I!.~.... r,~
.• ¡t~.
" c~'I'I'ii:Loij: }'I'~dt\osde vn;hGfc'Óiscre'lay\la'riable 'Dependienle Limilada .\91'
" , • l,j,. ,:.,¡'. . ... ":'1" t" f ',' " 1 ~,
el
l. dOI,de c )' C, ~on ~qucÚ¿s ijurit'bsql)ela'~arinblc 1~ICn!'C debe traspasar p,:lr;¡ ~u'eel
v~lo~ JJl' r~~ulle :lllcrado: bc;~~o(]~s¡;;~il'ar' ¡¡ldcsim,oIlo n~terior, cleg,illlos una
f.
runción' {Innlo \ogil Cl~1ll0r,rl)b\lr~s'\l!I¡\n ade~u;H!oS e 1\, lérmino~ (It: c;~lcllll)) y ic'a~.
. culamos \;¡s probahil.iu;\ucs ,rdC\'.:II1,ICS:. '. ,.:~~:l '
próbly '¡ ~'I) ,; F\(,,~ ;\).1) , 1,

'.
.i prohIY:: ==1) ==Flc2- ~\).I) - ,F{c, - X.m,
:l,

.
"
"

'1
. , '. proh,(r {== i)== 1:" pr~bJ: ':~.'Ú~'~r,obG, f ==1)
a Oeslncareinos quc l:lúllinl;rHncn'implien que' .
- . "¡iI-(lb(J;~== ., r(:/. l-rcc2:.'~yjJ)'
, El resto de nucslra discusión se, cenlr,:lrá en el caso de f?robjl ordCllndo en lug:lr
de haecrlo 'concl'logit ordclf:l'dó, dc modo qlJe F será la densid:ld ;¡CUl11ltl:l~a nor.
Illalcst!ílídar. (En la prnclic:l. I;l'di(erencin elil.re ;\mbos es Illínim:l).
'l
:¡ '¡~OU¿ ei; lo que se' idel\lirió CI1"diCho'lllodCl~ipor, ejcnipio, en ¿I ¿~soen c¡'ue
,,'
X ii1C1l1yalllú\ c(úlsi:I,Úe flll;;l'únic;icov;¡'ri:il11.a; jJodcli'los'es.crihir' .,;~;... '
""1';., ',' ":,_ .', '." ,',

X¡jJ==cr.+óz¡
; h.~ ¡ .' " F.:, .' ': ..'
,1
'

¡
í

"

"
pro,b(){
.:' C'
==I)==I ~el'"
(e • 2 ~ ex -
(J'
5il') "

""'9innd:6'f'~i5t iirn 1:1\lc'~cxfS'l.;eírttcf'(j'I~ci¡¡T¡m't;rpo{i¡)r~s';;~E's'f~br'¿~'ct'tri\:6~~tsj~'>~éTJT~t~

gcncralilí"d) el ==O: dej''';1¿16'llll .lín¡~O'UI\ll;I:;¡I'pc~Üicnlcde estiill:lciÓn.lndicln(lo
didlOPUl1lo c2cellllOc, idenliricalllos '

, .,
lJ' lJ (J'

PorlOlanto!dt manemsimiirir.,;¡ 'IO;(']lIch~l~osre~li7.ado con el modelo probil,

idcntirii::lIl.loslóspar<Ímcttos hnstn cierto raclor dcproporcion¡¡Jid¡¡d. Dich¡¡ propic.
dad lielle seiltldo pórqllc po~emosmulliplicnr c,a; 5yrr por2 de modo que I;¡spro.
b:lbilidndcsdc9ccisiQlisc¡¡nIns mis,nns.,C:OIiloen e1enso (Iel probjt eSlánd¡¡r, se trn.
I¡í del mIjo el\lrc'lospadh;ctros yin derivación cS(ánd:lr, u. Así pucs, suele rcsull:lr
'.wll\'cl1ienlc norma lizilr(~ ,,(IcmÓ~6'¡11le ~ú valor s~:ligual n l.
EJcaso ~lcI.prubitord~nado¡)rcSCnl;iuila complicación inexistente en el caso
del prohitscncillo,Co,;~~idC1'~mÓ~'lhs'di;rivad:lSdc
. ", ..
" ' ,-
las rrobabiliú:ldcs respeclO:l
,
;t:
.,1 ...•
.~•.l
, ,

J
 . ,J.
'~.\'

498 ~ltTOOOS DI: ECOl'O~IL:TRI" .

,;(.ll~ '."
" '.;
i '.
-;. ~
:o e
a' . .. .\'

1
. -'"prob
at..
f •• 1I
V,.
;"J)';' -. '/';10("""'., ~.~. &~:)&
I
,,1, • .... ,.'

C
,c
d
i
éJ.:. . ".
~'probút=l) = (/1(c- Cl ~&zJ&

donde imponemos la, norm'aliiaeíón O' ~ ,l:Cyand~, poreJ.cl~lpio, iJesposili~o un in-

d
cremen lO de Z uisminuyc'de fo~ma iúnbigua la probnbilidauclc no trabajar e inere.
menla ¡a probabilidad de trabajar a ticmpocol11pleto. Sin einbargu, la probabilidad"
. . . . . ;.....
~~
detr¡¡bajara tiempo parcjaldcpcnderá, entre. otras cosas, del lamaiio dclumbral, e; 1
.' ... ' '1" .' á ' l' . . ..' '...... if:1: ... ,. p
,';:,x>,.-l,IL\rL~R5L~~I.~.r~ ..~.t.<?j~F,,~S.n.J;~~,S(
..~.."~};l},~~i.~..l,l,q."';:'<,:
..:";,.<,.,:,.,,,:'.,<,;j ..,..,,.<'.,'~,:",,";-:.. ..';,•.... ",,;:¡f :<o., (

licOl~~~~~;~~~o a;l:rtii~~~~~t:r:i:llr;:'i;~~:~;:;'~~l~~~n~~~t~n¿II~~~d~~ :1';:~I~~~~v::t :

serí~ el siguienle:' .'., . . 1.
, .• ' o J!::; r I .' si c.l inili~!d~Q' I~O1~;lb'aj'~'. t ~ .: d
'. o' • .) " lo. "cn,caso conlrai'lo' . ' " ,::l. ".1
o
•• ' .' {'l ' si' elilldivid~o trabal' a
. ., (
',. ).'. "":=. 'O' .... . l.
erl caso e'onJrario. ,'.1
Es decir,:,rrabajar a liempo. co,npléi~ '0' a tienipop:i'rci¡!1 sc dmsider(lpor igual y no ~ t'
exisle el segun'do úmbrál(c2en'el ejemplo 'i\'nleri.or). SCI~aladculi problema cmpírko. l,
que origina. un
posible c'aritrast~ de cspeclficación, En pnnicular, rcs~dlaría úlillln
contraste dcH:lllsmnn (vénseC;apfluló .10)'9 ;11\" comparaciónvisu¡'11 dclas estimacio. ,,' . 'd
. rics oblenidas'U pnnirllc!1l10uelo'cOIi trd'catcgo¡-(as ufilizamió p'rohil cOlilas~'sti;lla- .' ..:'
ciones del mqdelo de doscalegorJri'su:lili~¡llldop(ol)iL Encaso dC.C¡üe el motl.clo de ' .:,
uo~i:alegórías ru~{~c(kr-ccto. a~1b'os"~01;jlÍnlós<le;esliBlnCio;1i:s d~berí¡lIl ;¡er:similares.' ,~ " .
".; r"':'. ' ..• :. ' ~,., . ',:,; oO'. • •

•• ,: ;"",,;.:'~' '1 . '.' .,: . ~

13.ro .' .,:" . ,..{" .

, ' •
MODELOSTOlllr " ::" . '.' ..... ;. ' ' .
.' 'l','o '

Hasl.;! el momenlO hel1l(js.lr~baja~~"co~';n~d~I'Os con Jalos Pll'ralllenl~cal~~óricos ;;~

en donde los resúltadosson discrClos'. Existe,ádémás, ulin amplia 'gama dé mqdclos
c~n .pa~léslan{;disCrc\~s,: ~drrio conlihuas.Tobil esul;o.dc los modelbslll;í~ impar- .-';
.' ~
l"nle~dcnl(6 deesla .éalegorla. 12Tobit cs liria' exiensión t1elmodclo' pi'obit [Hinqué;
tomo yirem.os."se '.Irala .en' realipaddc,un 'm,04o &arronln~ el problcina .dedalos
. ct~surados. ' .. . .. .. , ,. .' .
. ,. "',:¡""
",,'
, ~'
1I SUnomhr~ pro\'i'C~'~,i!~
To~il),'cr~a'u~r(1~1'~noJclo','V'~I\~c:'J,."I'Ol;il'I
. .':E'~llllia'li~llo(~él;II;OIlShil'srur
limhcu Dcpcn<JcnlVaria1Jlcs'.',£COIIO/lI~lriciJ,26, 1~58,24.36,' ,

. ,'
 CM/rULO 1.1:Mutlelos tle Vari~blc Discrcl~y Variable Dcr.clltli~1l1C.Limil~t1~ 4')9

13.10.1Tohil COII\O cxlcl\siúl\ de ProlJil

,el; .¡ .-

Considercmos, en primer lugar, un mouelo est,índarprobil, basado en la decisión ue

comprar un coche en ciena semana, OdinanlOS una variabl.cyt rcpresenlanuo el in'. .....
.

dice de deseo quc un individuo sienle por cierto coche)' ddinamos una variable 1" I 'j'

iguala 1 si el inuivit.luo com[na el coche, e igual a O.en caso contrario. Formalmenl~.'

"( ,"

v jJ +
)' ~I. = ,\. E.I .
, (I:l.:iO)

[ .
donde E -' N(O, (J2), }/ )0 _ 1 si y* > [)
¡- O" si yO :S O (13,5 1) , .. .,-,
S
upongamos ahora que, en lugar de observarsimplclllcnle la dccisión ue COIll'
pral' u~ coche, poseemos ademiÍs'.dalos, so~re I~ cantidad gastada en el coche;Tq\;>il,', .
(el, probil. deTobi n)es' una cx tcmió/i'na ll!ra 1d~' eS[cí'>fQ'tSílYhc'iíe'dÚ'J(j' i:óJ~t8':;;l~¡;/
\~.:'
. y. ~ {YT, si i> O .
.'.' O si)'; ~.O '1' "
,.
donde y*se ddillcen I.aeCIl;\ció/i (l joSO), Dicho ¡nodelo rccibe el nombre dc modc.
10 lJc'r~grcsilíncénsllr.ida, ya que es posible conlemplar)1 r;robk'lla como aqllel'..:'n'
(lile J:lS observaciones dc y* igunl.n ceroQ mcnoi'cs (lile. ce 1,'0 sc hallan cens~lratlas.
Es' dc.cir;'I'>odríamos formular c1modc,lo como' "'. ' .::
~..• C'~

y¡ ::; max(O,. jJ +..E;) X; (13.52) .

Dicha rcprc'scnlación deberíacOI)lr~starseco;lla"lrlllicacio;). C¡l\~ap¡1rec~ cuando
no observamos las variablesX. Esto eS,e011 dalOs' ll:ullcados: no cxislen variables
dcpcnuicnlcs ni illucpenélienlcs" ' . .
,.' La .rlll~~iúll de vcro~illlililUd.dCl n~o'délo iobil"r~sulla insln;cliva. L;~ cOIÍlribll'
ció u a la: verosiiniliiud dc todas nqueJlas obs~rvaciones cn 'quc";" :s~O. vcndrií. Jada
.pcirp(ob(y* <: O). que. es .' ..:.' . ..., .
prob( -:c :¥¡ jJ$ €¡)

. ,.... . ..(;., X, j1 . E¡.)

::; prob __ o - :;;. -

'.*.1.\':
. . 'Ir.. u

. ( - X.jJ )'
.;"'1.,.(1) -.-'-.
. ., Ir.
Para cierta ollsci'vación YT>' O,la cO;llril;~lción a laverosimililud cs
..... ' .'., . ,.' (~¥:fJ).
1";¡'!I',-X./1)/u' j'.

prob(y* > O),¡{I' 1I )'t>. O) :: (1) ~ '-: : ' .• ' '.' •

(I~j:»
'. . . .... ,cr' II'(,\¡JJ)/u
(J . .
Uliicndo í)mbú parlcs,ol:ílcl.lelllOs la f~lllciónde verosimilitud' .

( 13.54) .:.:.,¡~_o
,~

',"',
.....
~.j

to'

'"
~~,

.t2
"
.C
, ¡
500 ~IErOI)OS I)E EC(J;\'()~ltllliA .,'.'

t "f." Vale la pena deslncar diversos puntos. En primcr lugnr, In segunda parte 'de la
r función dc verosimilitud es semejnnle a la i1e la verosimilitud del estimndor tI'ICO
convencional cn aquellos puntos m'ucstrales no censurados (es Je~ir:rai'a aquellos
C" ,'¡lIorcs nWYllI'es que O). La pi'ini~ra parle rccucn.!a el modelo probil. El lo'garitmo
r- l; de: prllhahilidad es .
.r- f=¿ '\' In. [ 1-(1) ( -a'
X;1J))
("', ,1';/,1'; = II .' .

r
,,".
r 1
+' 'L '(In. r;1 ~.~ (y; - X;/1)2) (13.55)
.;- ''1,,, > U. V 21m2 2. u2 .
1" ~ .1.'
'
C. . [n segundo lugar.'destacarcl1l11s que, a difcrencia de lo que ocurría con elmo-
\.
< ddo probil. normali7.ar lT'= J provoca problcm:lsen la formulación TobiL (Discuti.
r rcmos. ~n breve que d,ichn diferencia provocatambié'li' serios problelllas el1 el Tubil
clIanuo existe ileterosceJasticidad).qcrto es (Iue, en la primera parle de la. verosi.
mililud. únicnmente resulla "icJcnlirieada" la razónfJ/u. Sin embargo~ en la segunda
parte de la función dc ver<isilllilitud, se ic.Jcriliricnn por'separado lanto los coeficien.
lcs de las pendicntes' corilO el par;ímetrb el: Es lo mismo que sucedc en una regre.
).,
sión MeO. . . . .
. En lerCer Iu!,!.nr. 110 sicmrre es posible interprctnr los codicientes de un mouc~.
'r.' lo Tobit tld mismon\ouo quc Sé inlcrpre'tan los coeficienles ue un modelo lincal no
ccnsurado. Consiueremos las siguientes tresdcrivadas uc la observación i reS recIo a
ciena variable xk:. .
y'l
,\,/J.
",1
i){:."¡yFX¡J .
. =h
dXk .'

,
\".1 "
(. ,:'~{,\:??¡':':..':; :.,,'.~,~.. :,~;l'O~(lr(~'(:f!)11~::~:::~':-':~~:";~::;'
,~,~.ij[[L; ",.. .'" C'.~ •. ,:, .

. [[,'./X. 'I'~'l>0
. ".' "'.'

. Cu;lIquier tIc ell¡is nos intcresa. ~Ilérmino simrle. iJE[y}'IX;I',1.rk es, seguramente,
de mayor inlerés el1 aquellos CélSOSue 10p-codil1g quc disculiremos el1 breve. En cs.
;~.~:1
\.,'
los casos, la censur~, es m¡is lllla moleslia que UI1asreclOrUnU¡lIl1Cl1lal tIc la rclélción
CI1la que e$tamos il1leresados.
(.7.1 ~\'IcDonaldy ivlorril proponcnla siguiente dcscol11posición:1J
.\~)
\ .
l.' J. ~ IcDllll;,hl'y Ir. ~Ié)ffil."'i'h~1Js~s ~,f'roh;, 0'-';t1rsis". /lrl';r'" uf ¡':"I/IIII/I/jo 1/1,,/ S'"';.I,!,,r: (,2. 19KO. p.
~1:{..111.
 ',¡ l.!.!
! ¡ -
",:' ,
" " .. !'
:, l' ,": .; ¡,' " .';'_ ',. ' ...". ': :'

C,\I'ITUL;) D: MUlklosue
. - -,
Vnrinble Oiscrcln.y
,. - I • ,"
Vnri~.blc Dep~;luiel\le
,l"."
Limiladn .
•
50\ '

1'"

"
" I ""
, .

. ,.,.;(x,p\)~
. .fJ,".i '( XifJ')""\ : " ,el? \-;;-J
+'--C:- 1/) '-,. " . X¡fJ + . ,'. (,;)
I

a .. (J .\.J1

" "." :.'

\ ,":
•..•• ' "".
r"
"~o , •• '
':",'
•
'1
' '\)
_,' ~ . ~
,_'_
•. ; .

=prOb()'1>O)':;,~Xk':
iIE[y¡- ~YI'y;'>,
ral '.a prob ú'l>
>'.iJXk
O)
E[y¡IX¡,J'; >0) I ),\

La ill:tel:;;ret;~~iÓI~,~s,~~;~:~j.c;;I'¡)I;i~c:~: I"l~~~(ii" ,dc'~,' ~esp~clo n,~'k lie;;;~ dos.c;n~r~~

nei\lcs, Uno delus cfccl(,lsnclliacnmbiélndo lélmediél condicionnl de y. In prinlcra
parle, y el otro ~:lIl1biando laprobabÚidnd'de que unél observación se •• posiliva, la
segll~da pnrtc.La utilid¡ld de, la descomposición.dependerá de la nnlur' ••leza del
problema, .
Fin ••lmenle, cllando ~1'motIclo Tenl es un Tobit, es incorreclo ignorilr el probre-
n1:l de ccnsurn y renli7.nr ljlía, cslÍlllnció.n por MCO:Unrl Jormn útil de vcr este ris.
. i)eclO se obticn'e de la cortsidernción de un caso muy especinl. Consideremos Iá ror-
mtJla2iÓn (le ~iln v:lri;II.)'ce~liii'lu¡{r I¡'\lente: ' ,
. . ,\.' '1'

y' = xfJ +
,',
,',' ',"

E (13S6)
• t

Y sllpong~mos quc x c)'* se distribuyen cOllj/lll/lllllell/e siguiendo unn pistribución

.: normal (eslc cs, en general, Un Sl'rlieSlo poco rcnlisln). Supongamos 'qué ignoranlos
.;•...'.,--, ..c ¡'.pr.obJc ma'i.tllFe(msurn~,~r::rit;l;jffift~~iós;p.oi';MCü'nnJITílt~(Jo.'lo:d'¡fsm7tnS~c'i'\íir¿ioí1t~:
'~'..'.
Elilonccs' .. '. ... .... ',' '.. . , .

plinl A1CO~L;:!.I;~.!;
prob(y*~' O}+O::p'ro:b(y*~ 0).(\~)7)
'" "'=/]'.'6f~b()'~;:d)' " . ".'. , (1 Jjs)
MCO qlletIaaiellllauó porqi.ie pi'obúi' > O) es menor que 1; Dadoc! supueslo
denonilalidau cOnjuiltairodcmoscnlcular Ullél esl imilción Consislentc meuiilnte el.
liiétodo dc momcntos,Uneslim~dor consiste'nle de probú'. :> O) e~ II¡/N, la rnon
¡
lIc ~as obscrvaci~nés .nó.censúra~ns II( respecloal número lolnlde observ¡¡cio~cs .
..'~
I:s r;icil ol;servélr qllepodemos construir lIneslimndor consistente de jJ "desilaciell-
.l
.~
,
dI;" el sesgo: '.' .
.'. .• ,. .' .N
J1Cnnsi'lcnlc = jJ ";KO . .:.-.
., :. . h
l
. AlInqúelil,c.onsislel'!cia dcleslin1ador no estéga(aniizada cU:Jndoyt)' x nosc
di$lri\Jliyall cOlljU'llalllcnle 'sigúieildo U l';" )c'y ríorma1(por'ejcrnplo, cU¡¡lldoalgllrt'as
variahks cxplicativasiliclll)'envúiablcs,ricliciélS, la norm¡¡lidnd conjllnlélcles;¡pare.'

J
 ~II,TOOOS
DEEc::ONOMETRI,\
,~1
(~~j
502
'1-; t , ,
! \•• ' .•.
t.

~~'), fU;lciona razonablemcnl~bicn. en casos'dc dislribu~ioncs non,ormales. ~,il?

consideral1losaquí noesporC¡ue debería iJtilizarsesino po rc¡u,c ilumina; l:nclerla
manera,
- .
las 'consecuencias dell~e¿h() iJc; ign'orai- losp'roblcnías
- ",". .....
de (ic'nsurn.14 ' ,
,"

"J "."

13.10.2 ¿P 01' qué N~'lgnorar lt el PrOblema:;'!

A pesar de que hemos desarroll¡¡do Tobil'comoUnae)(le~sil)nnalur¡i1 de laregre~~,

'sión lineal,.noes realmente. así, Pór ejemplO-: c;rcierlos' casospucdc ign~rarse ci,ega- ,.~,
menle. (y q:meclamenle) CI 'probiema dé 'los' cero~."C6íisidcrc'nl0s el taso (Je un eje-~~f'
culjvo de una coinpaiHa de tabacoinleresado en conocer el efccto de las reslriccio- "fe
nesén,ellugar de Irabajos()bre'lacanlidad de ¡;iga!rillos fllmados,Súpongamos que :f, '. c
.' Tes una varia ble bi nariaig~aln'l, si,lns reslrkcioncsnl,h:íbjlo,de fUlnar afeclan. el,:,J
'"¿:,,\~rp
'<';~:'i'I&~Ú"'i:lf'titltj:iJo\rc¡'i'ííjí'vid~'b;i;Y:Ci::¿I;h¡'¡Hi-fhs":cié21garr'iIl<5idYüc:'fü'niú'l{l1:iiYdivi'¿l'iíÓ' ¡.". u
i, Supongamos clmodelo' \, ,},
C. = T"y -1- E: '¡' e
, " Consideremos laínbiéll'que'T; e~cxó'gena./Lacompaiiía tabacalera'muestra in:, 'tI "
tcrés 'por.,El Cjl T¡]y no ~n El C; 1.1:,.,'C;:>OJ (l¡en cn prob( C; >0,1 T¡),objelos de in-, ~IJ .
t'erés de Tobit: ESlO es sóiole inlúesa'eln'úmero tO,lúl uei:ig,imillos fumadbS,y no ,; e
' .,
la variaciónen'eLnúmero, . ',' . ,de fumádofcso
" ,ei,. 1"
acanll. 'd"a( l fuma d"a con d'l(;iOn'l
.. ' 'd"a por. d
cIhecll~ dé (ulllar;E'nesc' caso,'MCO esiiiíl~aconsislcnl~n'icnle é1,'dcctol)fOme. e
Jio Oi:l trtll(/illiél¡(o~Este, caso parlitll.lar ~~sulla '~'cñ~iI'lo:p~rqu,c I,a (.Iifcr'~ncia'pc' 111e- .c
diaS'Cni re gr.uros lratados y. no Iraladosés.la:relásiÓn:'(\c,inicré~ m¡iseviden'lc:Pero. r a
m6s.' aHá de esle sen¿illocaso,,', - eS',declr,
". ,.,',cunn d"o' 1lay.v;ina
'. .. bl'es '.'l:XP1" " " no' 'b"Ina-
u;atlvas 'b
, '.' , ''','' graye'.por-quc,
rias;: . el' problelllaesmás ., " elaeiÓ.Il'linenIsenc',,¡i
lar, ,,'. ,... "'11 nores.ulaa
" l' d'ccu~.
'.
da.-" J-15y qui,ensugiere ......1' '.
conSIderar í.1 lerna'.'vns ". ra d'IC,ae,s
I a T.,o b'11, peroscgulr . d'Isell- l
lÍ~~do el't6pi~o ~ós aleihrfa:de\alcaric~ c!e.!a 'obra: 1,5 ","', . '. "
, ' "j ndusoinieresando'1Qs állibtis pnrl.csdela',vcrosimililud, podría darse el caso ,'P
'& 'q'ue la'~slriJdu~a, inipuesiil: a 'los daio~pÓr. Tobiiúcduera siénlpre.la a9ccllada. _'a
,Ú,,'aJorma,de 'COml)rend<;'r\ocsconsidcrnr lJl'~OIitrasle dcespec1ficaéión basado en q
la sig,uicn.tc: 'CuanClo .Tobit es
/~esi)(!cifiéácioí,cod~crn,./a Ú'zlí/Í de i(liesliilladones .
d~ Mcí:r:illJ~, Váos¿nilúud"de ,T~b¡(,ft, 7' ;';1':-' dcb~dáll 'í'c;' iSl/a/cs li lus coeficientes
n;ubir de '/oJ;llisl,q()rfi(i/C?i,'(ráÚIII'/~I~s Vi;/oj~S(¡{Slillio/a,c~r()'collló l.,Y /osvlI/orcS
O comp O; Esto es, Tqbil imponc.la,condici'ón de ¿¡ue J~ 'rcl.ación qüc genera \osunos
y los ceros es idénlica'all>rocesó que'prod,uceios' ~nlores'l)osilivos.: ' ,' .. ,': .. : ;(":1;:
:S
, A u nC¡uede, es¿asa nplicaci6il: en :J:¡'pnídÍCa;resullarín. d,c utilidad ,desarrollar
. un conrr-aste de Hnusn1al' bás~do ¿úestos:datos ..c.qlllo'míililllo se recomiendarea:
Ü'
,1/,
J
off.• .n
;,".
¡.~
'-~,I
~ ."
, .d
" ., "'., ' ,,;,' .. ' ;'" " "C'. ' '",N
11Nciia:No SC'lrala <JCuna rcglil cSI(iclapara va'riablcs.ilo iJislribuidó¡"s conjunl;\II\CnlC scgi,,] una ley normal. ;1"
Il V~~sc A. Dcalon':-'Eco~om~lric' IssuesJorSu/vey [;Jala", un'clÍpltulo.<Jc 'fhe 11111,1)'.<;so[ /tolHdlOló .f~. i
'SI).;"'()'~~Á Micforeoi,omi,cllpl'fo()ch!o D~vclol'l'!Cll/: 1'0liq;,John~ Ilópkil\s l1ni"crsily-PICSs Cor Ihe ~i" L'; ,16
,exp~~iciól\ de .I(ls prohlcll1i1s,illipllc\IOI., '
'\vdrl~
, '.<
Dan": pe~<Jicnle'<Jc e<Jición, par,a,una'\>lillanle
'., ", , •• " '",- '- " , '<it~', ,,::,',t/ ""i(,\'

,.~ :!;~Rt.:: /.. ;'1', .

, ,
"
 ('''''!TllI.U l.', 1,;1(H.!clns lit: V¡¡ria!lil: Discreta)' Vúiabil: Dt:penJiclIlt: Li,ilÍlaua -

liz:lr una prueb:l gr~fica C]lle compare la razónft, rlur'col1la eSlim;cióll probil de
la misma cantidad J11' I<TI" :EI modelo Tobil estará mal especificado en. caso de que
los resullados sean muy dislinlos. finy Sdlll1idL desarrollan Un cCJnlrasle basado cn ,:'i.'
'r1:' '•.
eslé conceplol(,. ' .' . , ')'">
.-,,:.~
El caso m:ís sencillo donde lfieho contraslede especificación revelaría la exis-
tencia de un problema es Cllanuo las varial)les explicativas lienen diferenles efectos
s?bre. ~a deeisi~n de participar yla decisiÓn de conslllilir condicionada a dicha parti-
elj.)~CIOI1.~n ejemplo podría ser la publicidad delabaco. Por ejemplo,lal vez la pu-'
blicldad eJcrce una poderosa inrlucncia sobre el hecho oe empezara fumar. aunque
los cambios marginales en la publicidad ejerzan escíÍso efecto sohre ,el conslllílodcl
individuo ya fumador. El modelo Tobil impone la reslricción de que lanlÓ la ecua- '
ción de parlieipaciÓn como la ecuación de consulilo debcn tener id~niicos pa'r¡ilúc: .
p,~:,,f'J~~le.~~sl1,.~1 JllQ,d~lqTq\)¡ICS\Ajnco(rcctaillenlc..:cspÚ{l'ic¡rclb \,'(Jjt,l¥6~~ft87i.
uc cSI~eciric¡¡ción tcndrá importan les y. poeo dcseabl~s consecuencias s'obre las esti.
maciones. Esle caso se comprendc ll1ej~rcQnlempli1l1do el problema como si dc (Jos
ecuaeionessc lrnlara. Disculircmos este p'unto de '~isla el1 la SecciÓn 1'3.12. '
" , Uno de los casos en C]lICTobit ti¿'ne eSCaS~1'~ ,alierl\aii"O)s es el de' CI)diji'CllciljJj
.1'II¡J.c:riur. Un ejemplo sencillo scriacl de los 'datosdes¡liarios o ingresos: En CaSlQtic
eXGedercierlas canlitlades,y por motivoS dc ..col!fidencialiclad. ll~s d¡\lOs"d.:'s'alariéls \-,"~)
os
de" lo.s indiviuu.o. s sue.len eS,lar ¡;cotlld. si cx.'cede,i de,: alg,in,\'¡dor ,delerlll1'I'l","ll).
, I'lll'
".-1,
eje,l1iplo, ,cie~'lt:isconjunlos dc dalas rcgislrhn IdsdfilOS deS<tfiirilis de lo~ indh'¡'ullos ''i..::~,.~

cu ando~ ~SlOS SOlí inferiores o iguales a 999$'Píwhoriilra bajilpa: No .existe rcgktr<í

alg,unocunndo el salario es superior a 999$[101' hor'alqJ!liljacl;;, al;nt¡lfe si 01 rOlva'ria-
b,le <¡tic'"segura si tie,n,c luga'r o,'.no el 10-1)~cotld¡ng e.n,cll~stitÍn, ", ,.,' .. . "
, Clia'ndo cíobjélo dcilllerés'.cs unafeg'I,'csi'ú'Il(;SI¡ílldar de'~¡dari(,s. l,llIa tIt.:las al.
lernalivas ¡ji problema seria considerarb " c¿lii~.un
. moddo . Tohil'cn la lo 1'1 lI'a, ' ,
"'Yi;:: ii~in(9t)9;Xii + E¡)', (1J.5t.i)
Para es le ca,so. eldesalJollo de la,v~ros¡IllÚitud es i(¡¿l'lico ¡\I'ucl,casoalú~ri'or )' una
allCrn¡íliva adecuada podría ser ¡'prescindi(de lasob~cryacioncs censuradas. ,enfo-
que que casi sicmpre da Jugara eSlimncionesscsg'adas,
..." ' , . " .' . , ',"! l .••" \

SlIpongal;los que hemos lIegndo a )a conclusión de C]lIeel modelo Tobil es c1lllodé- ~: 1

Ju adecuado. Consideremos ahora.el efecto que lil hel.eroscedaslicidad pos.:e sobre; :~:..
nueSlrO modelo: El problema es"mucho. niásmolcslo que cunn~o Ocurre en los mo-
delos,probit y line¡¡1 tSlándar. " ,...'..' ,'. '}.
/.;:~
;t.;'
" ' '. , ,'., ..,,' .
6 T.Fin y P',Schmitlt: -:\ T(H oC Ih" To!>i, S~ci(jc~Ji(ln,a~Jiml ,¡¡n_:,\II~m1!¡\:,S~~~~ ;',~..!~:. C'nf;-;, R~;
01 éC(lnbm;e<; Jnd SlaliSlje<;. 66, !9::-:., .'5,5),., .. ,' ',. ;l'" . ',.,
 Un simpk. e~tudio rJe Monte,C:1r1o.nos a)'ud;lféí a comprenderlo., Necesi(amos;
:1nle lodo. describir el pro~cso de.gcncración de dalos. El mOlIdo 'real cs' el siguienlc:
, .l'r= .I'¡'- lO +E¡ (IJ.IíO)

'1'.\ 111..\ 1.\.1

lIel~rlJsn:d:lsliei¡J:l(lelll:lllI()deloTlJhil (rcsull:l(lusohlcllidus a parlir de SOO sillllllariu- '

lIes ,\Iullle Cario) ., ,.. '
••• • , ••••• , o ••.• ó •• , •••• t; •.~~.l~~ •• _ .••~~..¿ ...w_ .•.&~.u...o.t.
•• •••.•..••~-.... •.•••••••.••..•.•" ••
E~I:\(I;sliri,
i\(cllia J)es)'inci,íll cSI:;II(\:,r l\'I;lIilllll M:ixill1l1.
I'tl'Te',íl',"i~'dl:'t'ells'\ir:l
hlilllació,i MeO de la pelldi~l1te
A~:\ m '.1 J.IO ,'1'.1)
. •'.175 .125 '(,:11 1.427
ESlilll:'ci,ill Tuhi, ue la pendicllte 1.(¡7~ ,21 J 1.1.1:\ 2.32'.1
uonuex 10m:1 200 valores co/úprendiuos~~l1lre '0.02)' 'I(J, )' E¡ - N(Ci, .1'7). Para acabar
con el prócc~ouc gcncr;'lción dcdal'os,'ddinimos
'f
)'¡= { ¿".

¡:.,
t--.'"
}{
;!!!
\...1"
::,1 13.11
,-,y
1:\\ DOS SOLUCIOf\:CSYOSlBLES
'd'
ei;
.\:,;' ElmclIs:1je Ol1\C/lido dcl <1nlc'rior estudio ue ¡"Ionle Cario cshaslanlc pesimisla, aun-
quc ello 110 significa quc nü se deba ulilizar Tol1il. No dcscamos, cn modo alguno,
,::,.:'
"'f:"",_
dcj:1r el problema para e1lcclor y.por ello .discllliremoscn'hrl=l'c dos n.:cicntcs'cs,lU'.',
dios de Jilll I'o\\'cll q\Íc pérlllilcil una eSlimación COilsislellle de 'robil'. illc!I;S'Ocuall'.
¿~
'1 .)',~,l
 l' , "",. :' .•

, '.,.. , ,'," ~~~;! ~' -1

:c:",;rruú) I.l,Mnuclos ~IcVúri;itilcO¡'scrct';¡ yV:lI:i:ib1e Dependiente Limilada ! 505

,,' : ~, :'.,
.... ".\, : . , . . " ".,", .. .;
tlci cxisle l1elercisccd;¡strcid;¡u~r7Ghlci'asn las li]cjorns de cálculo de los progrnm;¡s Ih.
forni;ílicos,'d inlcré~; pt;r cSl~ (il)!) db¡rii~dclo~ es ódil vez mayor, ;¡ungue n¡ngui,a
decsI~slJcnicns se li;¡ya CllI~veriido a(¡n en In prcferid;¡ por los ínvcsligadores .. 1 ';
I
I

. l'

IJ.1. L11\'1 íili IlIlls. CU:l¡l~n.¡\(ls Sitil~1 ric:IIIlCn 1c R cc.o rl:t elos.
1, '.

La nodlín que exislc delr;i~ dc I()~ lllín'inli)Scuadr;¡dos rccorlndos simélricMlcn,le es

ÍJ;¡slanl'e 'ilituhiva. C~I1l~id¿"é¡iH)<¿61;ió';\nICS, el i,iódcIo índice cSI:lndar:. ..
" .;.
" •\ ~". ," '" • '
";'.,':Xf1 ~'E
• • ,\ '. t .• "..' .'
. "'(I3.iíl)
donde no ohser.vallllls ~,~~sipo y. donde .
",' , y.-
'_{')'; siy;>:O, . '''.
: .. ' .. "., ., ,', O," si .vi .$ O '

'Yi~."{'.~/~i
"~'o

si
E¡> '-
E¡
xjr
"¡;'- ,Y¡f1 .. ' .i
POl~:~il Je~(n<;a que siobserv~r~mos y~ )' eli~rlll,ino d~ error se, disliilJuyer;¡ si.
mélricamente cnlorno a O.' MCO es(:lnc!;¡r produciría estimaciones consislentes de
los pa~'¡imelros. La c~nsl1r;;~s'un' l~r~blcll1apo~qlle introduce un;¡ ';¡simctría cnla
uislribl;ción.La Figunil ].l) ~1llIeslra.la sill;aciól): No' obscrvali1os sólo yt Ú;¡ cierta: r
. ()hscrvaci(íl~ Xi' Obsérvamos: pl)r lo co';llrario,'e\ :lre;, siluaclaa la derecha de O. Es-
to.es, sc o'n{ilellIcicl;;sl;;s.~i)sel:~aciollcs donde E¡ <..: X¡f1,lm;¡gincIllos ahora que'
Irt,!I~;\ill'O~I;lIpl~iéna(lli:cll:!~ ob~cr~~,cione~ dlll)dc 'f:¡>, - ),;)J. Esto es, en la Figura
I J.l) pre~cindirf;¡lllOS d~ los P~IIl~()ssiIU:,Idos ala c1er~cha de 2X¡jJ. "Cor\;¡ndo" nsi
los t1alos, la dislrilJllCitlll cle,error.rcsult:1Il.tc volvería,;¡.scr silllélric;¡. .¡ .
I

. '.

11 J,.I;,,\\'c.II.':Lc;¡~I>\I~SlIlulc Oni;.tilms ESlinú'liuu(ur IhcCcnsoictÍ RcgrcssiunModd-. ln",;,ni o/ [w.

"I';",'II¡O. 2!-; !')s.I. JlJJ'J2.~;.l' :'s)'Il11Il'clric;.,lIy.trinúllcllLcaSlSljuarcs 'Eslin;~iíolí"ror Tobil Mod~ls-.
F.'"",,,;,,:;,¡ ..".. !-~.1%<0.. 1.1J5,i~(,(). ' ,

J
 !' ,

SOq

que rueue contemplarse cóm~ cl mínimo de.l;¡ si~'uienle función objetivo:

~f(jJ) =.¡¡ "[ Y¡'7 max .( -:¡Yi.X¡jlo

1 )J2 . (13.64) .

+ ¡I l(yi~ ~~Yifl.~ ((+ ~¡r- [max~o. ,~¡jJ)]2} ,

3
4

n
No observan;os jJo, nalu~almenle. Po\~ell utilizael concepto de autoconsistenci" pa- .,
ra uemostrar que.!" estimacióndejJo que sea consistente ccimo'solución,de laecua-
Ción'O 3.6J),la ec.'uaci~n ~ormal. 'producirá unaeslirnaciól.1COnsislcnte de jJll,I3
"
í
40

~.l
.'
,'~ ,
; E
',:¿.,.,c.". -":~f';'" ..'.
'\~

t)
.~ do
'O (1
.'0 .
~
'U'
: v:¡
e hu
'0- ue
nO
li~
dl

'o ,',' :, ,';"X,p:: ;~x.P'"

," :,/,; ,o": .. '. . e. .; ~ " . , "
. Un
'. ::. m
err
riGuHA 13.9 .," . , " .' """
dia
. Función de dcnsida~:r¡Jcy y, "muestra simétricamenle re,cortada".
" '. __
:"" - '. '. • ',:' .'~' ;. •f ., • ".1 1 '. ¿ . ~ \ " .'
, .. • , .
gu

: :.' ,¡:lallarun :C;li~ador. c~nsl~l~nlcde fl re'su¡'ta. sencillo si seuÚli~ .•i el sigllieill'c.al- . gie
Sc
gor!tll1o ileralivo:, , . ',' ,
tO
1. Calcular una ~sl¡ll1aci¿n ¡nici~.l ró~ ~jemrlo. fi : Meo,:a 'parlir de los' d~IOS ori. ac
. 'ginales ... ,' .' , .. .' ,:.,' ' .. • lo
./

2. ,'Calcular el val.or.p,rcdiclio:.' .'

"
PI
,Mo
!lA úesl,cú qUein'c1u'so cu:i~dójJ~ ,~'o.,las:~oill:~iO~~~.in~,!~Sis~lé~IC'S:('~~Il;(),
por cjcmpl;", j¡, ~ Ú)sa;i.\ra.
, , In
ccn las ecuacia,ncs normales, Sin embilrllo. brijocicnns condicio'l1cs'!l~ rc&ulariúaú,Yij\Vell ÚClllllCSlrnqu~
el mí"imo global de la ccuació',i (Ü.6~) cs'eons'islcnlc, < •.• "',.'; "" .' • •. ' '. '
eal
'.' . .....
" : . '~" " . .' ..•. ,. . .. ,' i~d
,"

l
 •••• "-!--;.

. ,4~:
~~~~.:
Cl\I'lwl.u 1.\: 1\'lodclos de Variable Discrela y Variable D.::pcnllicfllc LiiiJilatla ,./1':';
507 ',1

••••.l_i.
,

• Sidicho valor ~esulla !lcgativo.se.climin;¡ la obser\'ación,

'•.....
: Si 'cl"alor de la'~ariabl~ dependiente es mayorqlicel doble del valur predi- -.'!,
.....¡l. ,
..,
cho, se iguala el valor de la variable dependienle a 2X¡jJ,
3. Estimar por'MCO conl;¡ muestra formada por los datos allt.:raum.
0,°:,",
4. Utilinr eljJ de los dalas originales y repelir hasta que}l deje de variar.. '':>1':>,'
... ~,

Hallar I;¡ matriz covarianza dejJ es algo más compIiC;¡du. aunque directo. Defi. '.~~~~
namos: '. ,
"
"1'

(l.l65 )
'. 1" '.'" .
D" = -
11
L
, = 1,
E[1 (X¡jlo> O) . minlE7. (XijJllF)X'¡ Xi]
"
( 13.(6)
El eSlimador
,',', '.,,' .-' ".:.
covarianza
- . . .
adecuado
..,
es
e-' 06-1
" .":.'_'~. ....:.
J ~ ::,.•••
I
.. : . -. -:-~,
,

onde
13:65))'
e (13:66),
-1 y o son eSlimaciones
respcclivarncnlc'.
con~isl.c'~ics (Jc'l~s 'matrices
.. "
dc.l;¡s ccuaciont:s
,
'.'i' •
•• \.0,

"-
. ~nilde I;¡s c.ílr;¡clcrístic;¡s más atractiv;¡~'~e esic'mélodo es qu~ 'se IllUCSlra:r.ll: , ,'+\.
'1,
uslo ánle la pre'~encia de hClcrqsécuaSliciu;¡d sie!l1iHe y'cu,lJiuo la.disiribución real - '-
e.1 lérmino de crror sea siillétriea y'unimou<Í1. p-esulla 'm¡Ís tilil 1=11"nuoI,a c~nsura '. !'"t .•

O'c.s','muy gríÍve .... Aslmismo:,el prócedimienlo 110cs'rcto.in~,)(lahle cl',;¡ndo la can-

~ladde d.a~oS'tlisponibleeslimil;¡d;¡J;¡ qmi. la~ y Comosugici'c la e'vicicl.1Ci;¡,'la p,ér-
lda dedlclenci" podría ser impOrlanle. . '.'
',-"

nenfoC¡llc a!teríÜllivo de Powelles.cfestin)ador ccnsu~adodcdesviación absolula

mínima' (CDAM): Rec¡uierc' un rllcnc¡'r,nú!l1éro'desuí)U~SIOS s~bre'ci lérmino de.
r.<>r.(juc' c'l '~s{inlador simélricamciHe'reCÓrla~¿'y. aJem:ís. es f.íeil'de calcular mt.:- '1~-
anlI.: aplicac'io;les inform'áticas eSl.índú; No es el procedimiento aconsejado a se'- ~,!:,
uir euando:!os,qal()s disponibles SOllCSCáSÓS, auncjue 'esllii.lios de Monte Cario su- ..:
j:.-
ercn que ticne un bucn con)['lorlamicnIO esrecialliJ.erite e'p úquellqs casos en que
c.illf(Íngc cualquiera'de los supuestos dislribueionales ~Ielm(ldel[) Tol1il.ll)' Discutir ~j
..
'¡'

Olalmc'nle la solución iter<ltiva aquí ucsérila pr'ccisarí".una'~xJllic;¡ci6n'delall;i(la

ce.rc;¡ de la regres.ión por cuanlilcs.lo.quc: no'ss nu(;stroprl)l),',silq. Sin (;111 il:. 1[';1),
os cOI,l~eplos.b;ísicos sonbastanlc inIUil'ivos;211. . . .

Y~asc: 'por cjéll\rl~, 'Ii l'aar5,'h. "./\ ~lolllc C~r1nCompijrisoll l)r E~Úll1al;'r5 rOl CellslHed t{ecres,iOIl
odel.\",Jij¡""I1J /lf EClillú/II"lric$;'.2'1, J'):l'I,.1~7..2J). . ,-
El :dt:"[illl;" des,eriI", "<¡"f es'de M, Uuchinsky, :'Ch,1~&es'in.lhc 'u.s. \\lllgC ,SI;"CI"I'e. 1')(,).1 ~¡¡7: APl'li-
lion or 0ua'nli!c HCf.rcssion", /;'cvlllIllirtriCII. ~2. J 994, 405.-45S. Secci'\ll ) ..~. en rar'licu"'r. El uoclllllen,o
du."e ',;"liien "n a'''r'io ejemplo I',,~au(l en d.\larchCurrcnir.(lpui.1ii(l~ SUtw.": . '
. . ' .. ' '. ',.: '.
 50S ,"I~TOI)OS DE E<:rJ:-':CJ.\IEI'IltA

Volvcmos n inlcresarnos ppr eI,modelo b;Ísieo de l'l:gl:CSiÓlí c~~sur;l(I", ,nunque

imaginamos. rol' un momenlo, que qb~crvnmos y*¡ de J" ccu,aci?n (IJ.~I). f-ormula-
mos

E[y'f I X;I ~XJ) ~E¡~j I X¡] = X¡j) ( 13.67)

p.,kJianle tvl CU. olllen~mlls u'na eSlim¡[~ci~:n,consislentc _(¡luesoluciona

m!n
fJ
:¿ (y¡-.\'¡]i)~
1= I ..
( I:UíS)
ESlo cs . .ft es el estimador que minimiza la sum,,' dc c~ladrndos de los errores. Supon-
galllOs. por lo conlr"rio.qucdcl,:idi',nos,minimizarla suma del valor ahsolulO(k los
,err'ores:11

n~;l[ ,ti I)'¡~X¡]il] , (13.69)

Por razones cvidentes, c1cstimador obtenido recibe c!ni)lllbrc dc eSlilllóldor de des-
"¡aci(in ausoluta llIíllilll:l (DAM). Prorundiz;.rcmos cn 10lJue lal cSlilllaúo-r consi-
guc. si rerorlllul"lllos la ecuacitÍn (13.69) conio '
11

1ll!1l
.fI
¿ (y'l~ xi.ft).
1= 1 .
sgn(y;- x;/í) (1 :UO)
donde la runción signo sgn(') atlqllicre v:llor 1, O 0-1 según el "rgulllenlo sea rOSili-
vo'. cero o nC!!,alivo. La ecuación IHHIll,,1 corrcspondienle cs .
. - . - .' "
O=.¿
. 1=1
X'.sgn(y~-,y;.ft)
'.' (1 J.71)
Lo que "'luí imporla es el signo de los residuos, no su magnilud. El eslim"dor DAM
clirrcspllndc a la regresión IlIcdi:il\a, cOlisislenle P!,rn jJ rorque '

I
q", [,': X,l "
,,~..•,1"'~I\i,do,fm: ?2)'¡'i¡'ti';¡i<i ".,'¡;¡'i,¡,~",; ,'o 'e¡',,,,,,;;
X, ~ + q'"[~ I =;J~':: fJ,
,re'",,,,;," ..;,:Mto,:,,,L~~;:
ni,' '" ,',é,.
';'F",\d',," ,,1, 'eg"'¡,¡" ,;"dI", " '",o"""en" e" e' modelo de ".,,,'ó,, ""'''''' .
dn rorquc
£[n"'-':[O. YOi l' X;) = X;jJ.¡.r:r E IX;; E¡ > :- X"¡)I i' X;jJ (13.73)
L1 11lcdiana. a diferencia de la medí;l: no reSI"la' úk!;úlda por la transrun'nacilln
"max", En p"rticul"r.

(13.74)
lJeslacaremos queJa ecuación (1:\.7'1) es cierla parn rorlll"s IlIUYgen~ralcs de error, En
p"nicul:lr, no es ncces"rio sup\lcslonlguno tic homosccd:lslicidad ni de normalidad.
 ,l.",' .'
".:
"¡'"
'.,
" l' 1":', '1,
"
. , ..' .: r t. ',_ . ,. l' ~

1¡',\I'ITPI.~p: Mou~tosdc Varipbl'f,,Discfcla y Vilria~\cpcpcnuicnle Limitaua 509

"Estn'~b$c~'~ción $u!!ic~<~.a$il;~j~mo. un procclIimi~nll) ilcr"tivo con el qu~ ~al-

I
c\ll"ar linacslimacióncon~istent~dcjJ cn él moclc1úde regrcsión.censurnda. si~m!prc
q\le exislnunn arlicación'il~ronl;ali~n bpnzde cnlcular la reg~esión medinna: En
) . ,\:i' parlie'ular..' . ,: .,' '1' .", . . I ' ..'
1.' Estiiúar ¡jl)r b ... \M cO'J~'lúl'olall~l¡id'déiamuCSlh\ c,?n eHin,üegenernr un'acsli-
. ',.' ... I I J"" ,i, " '
llIaelllnllllCla le J •.-' • • 1;' l.' .,' ':'

2.' Ulilizar esté eslitnndor'uc jJpdrn clescchnr aqu'ollns observaciones pnra las que
c\.v;ilor prodichoresl;llcnugnlivo. " .;.: ", , .
s .;. J. ESI¡IlI~fPor DAM'coll,la n\lcvnn1lleslm ycnlculnr unanuevneslimllci6n tic jJ.
<\. RerClir los rasos 2 Y:\ uli¡¡'znndo.ft dcl Paso 3 como nueva eSlimnción inicial.
)
5. Conlin\lnr hasl" 'I\le el uslill1<1dor no varíc'. " , :.:
Una'delas diric\lltndesclcl nlgo'rillllo.ilcrnlivo es que no garnntizn hallar el m(-
llin\oglobal. ÉI,l la l'ir:Íelica, eJ.problema, eare'eede iniporlnneia aunCJuc~iempre de-
bed IIcluarsecollcaulcln.Un eriroque,nllcrnnlivocoflsis1cen iniciar la rUlinn jl.etn-
tiva con UIl ,;;1101'desalidacli~linlQ y t1ceste modo,asegurnr elmínimo globnl. Fin;'}l-
mClllc., los errorescS,l<Índnl' lienen lnmbién cierln difieullad. El enfoque Ilds
pr:Ícli<:o seríó! rC;lliZ",I:,hoo.ISlr'lr,tl') 1" .tol"lidntl dcf proceso (v~nse Cólp"ílulo 1 J).
",ullque también.dchamo~ser enulelosos "",)lc la .Iiniilada experiencia etnpíricn que
cxisle con cslc modclo.

13.12

1 Ef.E,éTO'S
.• ,"",',
DE,-rl~kG\IV1YENTO y ~'IItTODOS EN DOS
'. ' .• ,' ", .' ,.' '.', o,, " '. • •.•. :
ETAPAS •

I " ' . ,. , ..

,I Es !Hu)' difíéildel,iIlar y
los divcrsos Illodeio~ quecOlllhinnn vnrinblcs lilllilntln's con-

:.:L,,,.,,,.,.~;~:~~~~~:~,;'~I~~~;;;¿~,r,~~;:;;~;m1;~¡~
." .' , E" 1, ""Ol' 'c,do" ¿,,,¡J,,,,,,,o,' b,. ,'m,,, " 'q" ello' p,obleo'"q", 'm.
P
,
. pi k." "" 1""''',;c nlo ("O,"'" In,'"le; "".";,, bledieoI6o,¡",¡ y \in ¡""";do.< no,.
m;t1nicnlc. i,ni, vnl"¡;;hlcconlilllll;r'LiI lcrniiliologí,,' i.lliliz¡¡dnlienesu órigencn 1:1
.'1 hiología:Yenianlc~lii:¡ií;;;dón(fe 1;\v:ij'¡;;bledicOI6Illicn objclb de esl udio su.e1e ser
llnanuevndrogil ();uil ré!Fmelidéierníliindo y clrcsullado,'una median de) crec.lo
del iraiamié,ítú '-ui;'i'li~rcl;)~nt()tk la cspdal\z'adcvidn o I~ énnlidnd'dc glóbu,los
ro]oss;ínos,porejeml)1Q; .... . '. .
I
i HcckmandcsélfrollallnlllotlClo'genernl qucnnidamuchos dc esos modelos y
que such; ulilizarsetICrilodogcnéi'aI.2~ElllIotleJo es: '.
n
i
:l
:1
::Ckrl:rsapli~;\d\,n~~'in.r(l(l';,;it¡c:,~ .il1~ln)'~)I;,h~ l'it!in:\ ¡:ellci:t1rar~ c~I,clliar regresiones cn~niik\ .. E". tli.
c" ••s'pa'1\ld~~. i);'''l C('rfC,SPllil,lc '~Ia rcgre'sicin cit:lIu¡'¡ enel éllan'il cincucnl~.
:"r.:Aillcl1Il)'a."Tllhil "littlcls: A Survc/', ¡;",r;i~1 ti! £('01101/1(1(;0. 24. IrjB~. ).6),
:' .l. Iledl11:m ....Varielks lIr'Scleclillll uias". A'¡:r~'iclIIl CCIJI/lJIII;C 11,'\';,.",. 1>0.19')0. ) I).) 11>,
.', j
 ,"-' ,

510 ~I£TODOS lJLO ECÓ:--:O,\IETRIA ,~

:.:;
I

)'I¡ = Xli PI +Eli(I].75):h

, Yli = X;;P; +E2; (13.76) ;'W .:
" ' , ~ua
'T;=I (Z¡ ~tE(}j:' O) (lJJ7)
y¡;;" T¡YIi+ (I":Ti)'~j' (1].73);1¡
donde, Ti. ~I tratamienlo, es una itariablci.nditadorconv,alores 1 b o según seacier-
la o falsa, respectivamenle,la afirmación 1('). Las'niedid~s COillilllliiS Yle Yi descri.
ben la relación enlre el resullado y las cOV:lri¡jni.~s si el individuo es tralado, o no, f.
réSpeClivamenl~." ':" ',' " , ' ,
. El 'modelo present'a dos problemas:
1.,' He[crogcneidad !I,e! efe~lo dcllra[amien[ó::ElcfcclO de un,tralamienlo suele ,c.
, ,,'~variar enlreindividuossegún ~'us catac1erislieas., ,,'. .',' ". " ';i~
,•""""'¿";:":';.¿;;t:~h'{~'iÚir-áfÚ)s'~áé"'WlJc'Vb:e:r'ddt6:'tJf'lk'átfihjt'í'ó~;'siri'éJ ¡dl"'~()hrc':1 b~'~,\'1:¡;ios:LO' ,o' "", ,-"f,/
habjl'ual es que los sabrios de los sindicndos sean más elevados 'lucios de losy;¡eenles.
',:no sindicados; a pesar dc' ello,: el efeelo dees,\ar' sincJic"do es más sulil que sin)-
ple'menle variar el lérminu de 'intersección' cn' UÚil'Celi¡leión~nlnrinl. Supon~a-
mas 'que la ecuación (13.75) cs acjJella ,qu'eeÍeiermina l.os salarios cn el sector
, sil\ditado ,y que.\¡iccuaeióri (13.76) ~s la ecuación correspondiente en el ~ector
no 'si¡)C]i~ado. En ge~eral: 16s bene[iciosobtenid~s pOI' una mayor inversióil'en
'esludiós'suelen,serm~enores ,erilósirabajos silllÚcados.Por ejem,r.;lo. si la ,
'colu~lOa,~-és¡ma d~X iucrael n'ivel dcestúÍJio~; In observación sugiere que', ~) r''
jJ~'<jJ~-: donde :~I supcríndiecseñala' c¡ue'cstan\os reriri~ndonos al'elcmeillo
.k-ésimo dci vector'. En 'CSl~ ea,s~, el crecl~ ,cJeisinuieal~ variar;í con X. En'pnrti-
'.c'u In r, . " .,,. ,. , ', ', '
,;' .' gr¿croso'¡>re el ¡r¡¡bajador;';;' Xi (J11~Pl) '(1).79)
:{,s~léc.l¡"i(In~I:, •.L~:s~I~~tividad'i~;~ii¿n lap~'~sc~dn :Je'cic¡:l~'cnracl~ríslicn en el
: ,grupo delralalllienlo(d 'de 'col1lrol)' asociad",lanto al hecho de ¡:ecibirel trala-" ;
"':'., rÍlien'io c~mo al rcs~ÚniJ~,:C¡lIcorigina 'ul~n fnl$a at;'ibució'l de:caus;¡'¡idiúJ en .;~
, "~~Ua~IÓnllra'taij1je~tóy s~sresultádos":25,~ " , . r
. "Cpnsideremos la¿valuDfi6n .de',la~uealicJild:' dc'eierlaescuela privada."
Acórden1Qs, que' ía n'iedida' del res~lladó ,CS,pÓr cjclúpló; el nivel de los salúios ,:¡
una vez finalizados los e,sludios. Sup.ongan)OS ncie,~ás,: para faeililúel ejemplo;
q~e éa~~cc¡'no;'deihrorri,aCiór¡a<;erca el,énlon~Qfamiliar. ¿Qué ocurre si Ia'ad-
'minislració,idcla' escuela no 'a'dmite CSl~t¡¡anlcs de, r~)fI11'a.alcill~ria'! Suponga-
inos. poréjemplo, ~IU~:los eSludiúlt'~s sc.'n~Q\he'n sel~fliv;lm~l1\C ¥: que se pre-
, riere ri estudiaÍlles,de fnn\íliÍlsrids'¡(aql,eIlos qrue'provicnendef:lmilias pobres.
Si los ¡,:sl(;dianles d¿.fahülins :r¡cás tienen rnayar. pr~bat:JilidacJ lle ser ricos por
:' :olras nizon~soisllnlasal hcC!w"dc'p:oSCÚUll nivel deesúH.lius "surerior~', Cll-'
•••• "¡ ',' .' ,,,-, •••• ,.. • '.'.

r',' •

D,
'11 'u.nrnow: G.' Caín y A,G~idlJcrgcf""IS,lud~ in Ilii:,Ail~I):sis ór Sél~~li;'iIY Bias., r:"III/1;'lit¡'I'SI"tI;"ll1~.
,:vi~,IVJ\/I/1'j'InI,,5"1976:4).59.. ,,'., ' ' '!," .. " , ~; ':"':' ,.' : ' "

<l: - •• ,( •• ,0 .. ,' ~ '.

.. ti

l
• ,. 1",."
:.','
 .,4~ 'fot

:,'t'"
"/:.::
•..;p.-..
C,\I'ITlJI.ClI.I:
i\.1llllclos uc V~riablc Discreta y V~riab\c. Dcpcmliélllc Lilililaua 511
.-,;¡,-'
"0(.:/
lonce~ igl\(lrar dicha selecciÓI\, [1U,edc,provocar ciuccl eco'nónlctra conr~lll]¡í el o

decto .uel entorno familiar conel efecto de laeuucación reci[jiu;\ en delc'rmi;la-

cscuelapriv;iua.', ' ,
p' , " '
, .uede darsec1 C;lso,ue que ambos problemas sc'pl'escnleilcoíljlll\l¡ln;Cnk"
Conslucl'ell1~S (~c~lU~voel ejcmplo del sil\dicalo. La hetcr'ogeneid;id dellralamiel\-
lo es e~ rc~ol\oClnllenlO de la existencia de dislinlas ecuilcicines de saiario e'l\ los sec-
,l?~es sll\uleados y nosindicados:'EI modo másfácil de talclll;¡¡lo cs corriendo rc"re:
slones sep:\ra~as en ambos seclores. Sinerilbargo, en el caso dc que la asi!!,naciól~en
e.1S~CIOr sln~lcado no fuera nlealoria, los estimadores ue lasccuacioncs I;ourí;in cs-
1M eonl"mln"uos" por un sesgo de selceliv[uad.' , .
Uno de los resullndos ue Heekll1n~ cs qUe a vcces es f'icil conlrol"rlo S''
b,,¡'~o, rec~men.dnlllos de nuevo cautela al Icclor. porq~elo~ mélodosc;ee;l¡~ll~C~~~; .. , '
:~}.
~~
"-':
,,!,151.1tI0cs,.c:;r!!.Cl,S (I,glJ"Lqu e T Q b.i[J.' sohex 1re:111
;-,\,

a da rn cii l,esCfl ~ib105,a'j (is ',siit)d~ilb~tih.; ""' ,1' '.\

, ~' . '.

::\~
.::t~
13.12.1 La Corrección' de HCc!(lilan'
\~
'vk
¡'lcekl11.nn: ellun'arlíeul,O muy il_l'n~lyenle•.pr'o'p~ne u,n, sl:nci1'lu ;'l1~IOU~l~k d;;s pas'()s ~r"

,~~I.e:~?luclo,n"ln. Illnyofln de eslos lllodeI05.~(1 Dicho l11(¡dClndc doselapas <;lI<:ic lIli. :'~~~
"lit,.llse en SlluaClOnes donuc aparezca el ','Sesgo deséketivilJad". " "
" '. ,Gro,hau a!)~rla un ejcniplo clási'co ,que ilustn\'laspo,5ibb conset'ucnci'as lid
:)tl
,sesgo ~~ ~el<:c(l.vld"d. dondeel,resullnu.o éS,el snlariQ de,lIn".l11ujer y ~I tralamlcnlo. ' G(
su declSIO,n
I . '1 . de Inlegrarse
.' en eln\ercado
," ' labQraJ.21"QlIé
'..,' f.,.
es lo Clu'c'del !' I
Clnllnn os S,l- .
ar.'~s. te I~s 1ll~IJ.crcs?,Aunqlle el,I11o~clo se.aju~laal ant,eli(lr'Cnlol'l1o dc lrnbajo.
,1ll~S genernl, utillznlllos una perspe'clivauisli'liia j)a'~hsililplificar. ..' ,
' .. :L:a.i~len I~l¡íssencilla se'ría ¡ijuSI¡rrfa's'igui~nl<ce~;ació;i;i~ln'a;~1Ueslra "u~ ;nujc- ,
le5'llab,IJndOlas: ' ".. " ,
, ,.' , ,;,¡ =: X¡jJ:Ú'li., . ' " (13,XO)
d.~nd~,l\:es e.ll~g~rilmO de sa,lnrio )' X~I, ve'~lor ,~Ieea~a~terísli'cas'Jalcs camÓ eXrl:-
f1e~cl:~ll.~bol,~I.• ,lI~os,de eSlu~lOs~ ele. SIIl embargo, es disclIliblé qu~ la lllucSlra dc
n~lIJelcs lI\legr~ldas end "mcte,ado ,laboral" (es dc'cir, nqucllo1s q\'ú:'trab¡ijan a C"I11-
b~o de \In salano) sea \ln<) m\leslra,nlealorii,cle mujeres)' 'llIe dicha seieclividad uri-
g~ne 1I.1~sesgo-cnlos cocficienles:FornlUlaren.lOsunae'cunción j)arlicipacilÍn:

(IJ,X 1)
r..~
!
.(
; ...r'
'(ir
l

5/2 .\Ir:TOf)()\ ¡'JI: I:C(J:'o'O.\II:Tlli,\

.~
< .••

don.de Z incluyc variablcs que predicen Si\1I1a mujer lrabai~'o'no. Una ;11üjertrho'n.
ja si Zi-Y > - (Oi o: ut: modoeC]uil'illcnlc, si - Z¡'« EO¡'
DeSfaquelllos quc Z y X p;le.
den incluir vari:lhles comunes y que. cn ciertos ejeniplos elllpíricos, s~ln idénlicas.
En el C¡~SOde Gmnau. L il.leluye t¡\I11bién cl número de hijos pequeños. Es presumi-
hle <¡u..:la prl:sencia uc hijos peque,ios afecle a la uccisión de lrabajar dc la mujer, '
aunque no debería lener <;fCClosobre el salario. El rrohlcll1a de ~c1eCliviu;¡dse hace
aparenfc cuilnuo 101ililnHJS.esperanzas de la ccullción.( 13.00) sobre la mueslra de
Illujeres irabajadoras:

T:'I"'¡IX¡J¡ = l]=xjJ+f[EliIEO¡>-Z¡'Y] (IJS2)

Cuando EII y (Ise dislribll}ien conjulilnlilen'tc'sig'uie'IH.lou,na ley n~rlllal, podemos
l'~crihir:
. '(J¡ú'
Eli=-.-2-EO¡+v¡ (lJ.in)
(Jo

donuev¡tsl<Í incorrci;lcionilUa cón ~0i,~0'1 cs fa'covarianza enlre EO¡ Y El;' Y(J~ es la

v:lrianza de > ESI"'lillini"
ÉOi ol;ser~'"ciÚn'es lítil porque "hor" podemos formul;lr.

. .,¡.>" ElEI¡ I EOi> -1¡-yJ = -erlJl E [ -':EO' 1_'€U' - Z.y]

':> _~_,_
-"1' . . (Jo .. (Jo eTu eTo.
.(;~
.~J ='. _eTI_JI _'.(_¡,(_z~.;_-y_l~u_")_.
. (liS4)
(Jo e[l(Z¡-y/u(j)
i:.:".
:.~!';\
,:)-"".
dllnue ,11 (-) es la deilsidau nOfll;:i'esl;índar y'el' n
Sll funcióil (Je"distribilción aeu-
mulada. Las estimaciones MCO ucla ccuación(13.80) senín sesgadas. En rarlicu.
~i!-.. lar,'la Úlliilla' espe'rnnza dela ~~l,ilción (13.S2)ser;í distinla a cero. El sesgo por se-
ot':1r.'
Iccciün'lelldr<í lugar sie,iipr~'quc ulll.sea dislinto a cero.
~¡'~ 1
...-1.-, H"k ""'"I ,,¡¡ "''' '1'" , 1''""'"'''' ú, ""Ji"" P ~S '" ,,, "",,,ió" (I3.S0) "
~~.;. ""'. C'"'" ",o.. lo,
jÍ " '''s''úo d, "iúo , 1"p""""i"ú," "" ',";' bl.,o,,[i¡id,••~,,". '.,
iívcri;;~dc'M¡'IIW
',' ~~:~Je~~¡~~1!9')~t:il].lJP~\'éTC:S"Sc~rCilo-¡r(1/'lt(¡lz:~',.":,/z(J0()')ll. ... ".,< '.'.
- r
-'-I!-(Z-_-¡-Y-/-(J-{J-). (1 J.85)
e\.lInil vilri;t!llc ClIil.ilida.. Si dil'''a vari¡I!)le omiliua sc .incluyera enla regresión ~ICO,
COIIlO en

'II( Z¡-yI(Jo)
-----cJ.
el'( Z¡ -y¡un) ( 13.86)

I;I~ e'slilnilcillncs resultarían consiSlentes. Heckman 'afirma que dicho modelo se cs-
limil r;'lcihlll:nle l11etli¡lIlleel siguienle eSlil11auorendos elapas:
1. I~cilli~.ilr 1111pmhit del Iralamienlosohre el vcclor Zy ohlener eSlimaciones de
yinll.

;¿~ ,.. ,
 C.\I'IWLO IJ: ~IUllclo~de Variahle .Dis~reta.y. Variable' Depentliente Limilatla '513
. ..
2. Ulilizar dichas eSlimac'ioncs pllra co"nslruir la razón inversa de Milis. .'
J .. Estimar por MCO del rcsultlldó~obre X,corno en la ecuación (13.86), ulilizan-
do la razón eSlimadninversa de Milis cono un regresor lldicional. '
La 'csli~l1aciól\ de (Ju¡/(Jo puede lecrs~,como' ~icocrieicnte de la rnzón inversa de
Mills:~Lo's errores eslándar s~n illgo ,más complicndos porque el modelo resull~nle
es hel~rosccl)¡islico"\;Ülili7.:\ \'alorcs'e'slimados. En'g.enernl. no reslIlln nucc\\aclo
aju5la; los errores eS;ánJJr¡)arJ'heláosc.:Jasliciu~J ya que Jiclia corw:ciún nll ~i~.
n.: .:n cuenla la r:llladeprc(i~ión rúu\\nriled~ utilizar eSlimaciones Je b r:\ZL)n in~
. ¡'
. \'crsn ui:'l\ Iills. enlu\!,ar, de los.\'alores'rc:lks.'
•.. " .0:'.
l.J.l\a:Jiscusion' dcl:lllaJa de esle lcma
i..... .".,.. 'r. ,
-1' . ...., i

puede enconlrarsc eh Amcl1liytl.:!'l '. . .,..:.,.... .....

Lnaplic:aciáll llc(modelo l1l¡ís gehefélt,dOIlc1c.'otloslos codicienlesriJcc1én va.
riar ell'los gruI)Os' de co.illrolyiral:il]\i'enlo, se re¡¡liz~ de la misnla manern,~x~ep.
luai;u~) cihec¡'"o de'(I~;cdcbe~¡i~ ~s¡'i'n;nr$e do~ecunciones, cnda una de ellas con su
.propia. e~r'~~,~ci~,;' ~'.é'~el?Slly.id,!(I: '.~?:eslac~:r: C]\I~}I ~cgr~sor .de sclec,tividnd d.el
l'.rui)od~ conlrol (ie,ie'l;, mis!]1a toi'l11~ <¡ueel descnlonnlerrorl1lcntc;> es dcclr,
S,
~,(, )/(1)( ~X'~CI)tl;;iI1(loel' I;'~cho <Icq'u~ ahol:'auliliiitrnos.el negali~o del ín:dice:
. ,,', '. ,/J(~ 'ZiY/(Jn):':"¡,(Z¡y/uo) i
,.l, .. ( _. ,. "

.. '(1)(- Z¡ -ylc~¡~) 1 - (I>(Z; -Y~(J0)

13:12.2 P~ei::lI¡c'i(,Ili:s :Illii: 1:, uiili1;:icióú deiSesg(;~leSereclividad

. ¡ ,.. '. , ..
. " ....
'Cild;; vez eSIl1~s rrceu'cnle la uiiliz.aCiol;' ué laco~~ección de l-Jeckmí1n o Je' algunas
de.sus.v¡i~ia,úes~ ~luchosuel;is:~plrcilcio;les inf~~lil;\lic~'s 'acluales in~luycn procedi.
mien.tos "heckll1¡1I1" que permilen al usuario ulilizar varian!es del mélodo ue dos
élaras de I-1eckman o.tlc su equivalenle de máxima verosimililud, sin necesidad de
'.' S"'''ú" '''"''O, ú, pmC'"",,,,'ó"..' ,· , .' " ,: _ C~"7'-"C''''C""', ,.
,.' ,,'.,..••..•,..~..•""""h~!""'¡\'"Icn1\¡¡¡;lilj¡'C"Ó¡lO",¡'¡l'¡¡¡'T'iR'~,ri¡.'iJO'i,"',: ,pli"'dbt:;,cint,r, n"
. ..•...
~... .' "cvilarla uJili~acióli i,idiscrimin~dadC: lales l¿cí,icas; 11, 'Gregg Lewis. por ejemplo.

.•.. 1 Cll una innuyenlcinveslignciólI sobreelcf~clOd~Iossindicalos en Jos salarios. re}\!-

mía C0l110sig~lesllrcvisiólldccsliinacioiics calculadasrnedianlc: correcciones e)el
sesgo de selccli~idad: '. . .... .... . '. . .,

Aumirola ingenuidad lalc,;tccl1suu~;s;Í'rroilo ¡de esas técnicas]. Pero en el pre5en-

. 'le' conlexto. dich¡lS técnicnst10 rllll~icin;n. 'rilializaua'l~irivesl igación del prc~ente
..capn~liosahia tan poco uchi magniluddelsesgo de 'S~I~~lividad en las es(jmaciones
MCOdelsalaric;. que' hlloiese.resuh¡idolo r\lismosihubiera ignora.do las eSIimacio-
..:.,
'.
1~l:'sr¡lIépreiporcionoaquí';::1U . .... ".
. Enlrd ()lraSCÓsa~, I..c\visdeSl;cab;~guc:li1sCSlil1Jaciones obtcnidasulilizando
'dichas 'técn¡ca~ p~re¡;iancxhibil; un~ vari~bilidade!1lredivers6s eSludios muchomn-
. ,. ",' ","', ", ..... ':.' .• ,'-:".<'.:r, ,,', :", '," ..,' j
":.1.
'1 , ..•. -' .. '
:j !" "j'. ';'lHl'll.li")'.;": (tp .. c:it.•.Sc,~~i'ón'~I.,J._.'
.. -','.'

"
.~II L Cirq'¡: I.c,,:is. Ul/¡~'" [(,01,,1;,'( \I'n.~/qfCClJ:'I\S/lr!,r)'. Urlivt(sily o( Chic~l~O rrcss,I9~('. p. 59~
:I
'.1
.'.';
r-' --------''

,
yor que laseslim~ci?,~es ouleni¡Jas 111edinnt~técnicas m,ís s~ncillas. HeckmM i~ldi- ,'
"1"" ••
cague parli~ de esta nparenle varlabiiidad es,simplemenlc. consccu~ncia deurín in'
lerpretación errónea de las estimaciones generadas por esos modClos. Sirí embargo,
;.1' ~1
Heckman indica lambién que, en muchos coniextos y l;ltnlido se lrata de 'responder :~
inleresantes preguntas econó,micas.las técnicas m:\s sencillas ~lcestil11ación(indll-
yendo variables inslrumenl'ales) funcionan lan bien como.los métodos de sesgode
seleclividad más com'plicados.J1 .' .'. .' '. . ..'
No existe consenso en cuanto al valor. de los mélodós dé sesgo de sc!ectividnd
ni a cuando deuenlllilizarse, De todos modos, dest~caremos los sigllie~tes puntes:.
, J~~mós -dislingui'de,en ~ueslros ejemplos.enlre ~(I:is covnrbn~;ls que afeclan
el resullado, y Z,')as covariilnzas (qveparcial!l1enlc.pueÜcn rcpctirse en X)qlle
. dc;C:rmina~ si s~'p~aClica o..no el Irnln~lienlo;En prillcirio~elll\oddo se .identi. .,
.."',fícairidusocuand() las.. variablés.q~ /<y. Z s9:r:ligllal~s .. 9n~sle.i,:aso,la. iden!i.f¡,
. .," ¡;~añit'iÚ'~"Jc.!(l'u¡f.:cí"'¡']j t'cl'C'ig-'y "2T ~s';II;~'~soi
,..,?',."".•;...•¿a~"8~;'1ré-p~n1í;¡(é'icl;rs ~\í'tll-Ó'~~\¡~'¡'(In~I;" .*:.. "v'~.'

. s~an exnclamenle correclos, su pues lOS casi ~ienlpre derllnsindo severos: . .'
A.unqueúesenule.~sucle senJífícil,hnlbr variables 'que' 'nfeClen a lapr'ouabilidad '~
tle .reGibir el lfalamje;ú6 y ¿¡ue,:nde~m~s"no Cnlr¡;n' en la ccll'ación dc. salado. El
'.,.,
'.' cas~ d.e.Gronm.i,don.de In identificación ¡i.diciol;~1 seb.asa.en la hnbiliuad de cx- '. ~ ","

. '¿lüir'l~o pr~senci~ .de ~iñ.~s p~qüef¡Os: de In' e¡:~aci6n J~ snlari~,:ln 'p'robn\JiJidild .)

es n.l.~S,b cXl;ep~'ióú q'uel~no~n~a: . '. . ' o' , . ,. . . ....., .

Ilicluso 'cbn' sucidcl)lc.iníornlacióndc'idcniificaci61I, 1'(;5 panínlclros uel HlodcTo .
l. .' :" ," ,/. ,o. • '. :.', .' , , _. •

son sensib\~s. a la presencíade hClerÓsced,l'sI.icidad o ~ los álcjn niicn(osde la

, nonn~lida.d,Eüo no' deU~ríaso'Í'prcndcrnos, segúi¡'\i1 discusi(ín sob~e helerosce.
<.Ias{icidad rnan'{enida eo'ei f1iodelo' Tobii.'Hay qúicn:su'gii:re que. 'es 'pOsible
•¡
cÓ~lsc¡~uir 'lúe 'los. ni~\o'~,os¿¡c dosel~pas'sc¡I\ln1GnOS sClisiblcs'a las violnciones .~

de cic rlos :s'u PUCSIOS si~é combinan' l~ciíiCasn'ol>hraf11élricilsypi1ramélrichs ':.'

. ~
.' '-iÍlcluyc.ndO cohía regr.esores' adicio~nl-cs;:por cje'lI1r1o,; el '"nlar al'cuad.rado o ,
.;
. pOlcnc;ia's 'd9 iliayo.r grado dl::',la ~C1~¿riinversa ,de Mills;}:lccknlall revisa ciertos "
rnét'odos'pnraniélri¡:osmns ~ofislie~dos.-Ln expc!'ieflcia empírico sol~(e eSI:l?S
rn~rooos eSlnmbié.n es'cas¡¡.32 : ',...'. " . . .
,r-in~I~,en~e,'iI1élÚsó 'c~and'o 'el'ni'6d~lo' ~éespeeifj~n C,or~écliln';é;,le, .~I.'enToq~é
. de dos ,cl.,,'pas puede ~.e:;;ullú (Fcmendall';e'n'l,~ili¿'fieic'n'l~.con;p:;rnlio éÓI.';~i &Ia
m.áxiol'¡ ve'rosill1ililUd, Davidso'l y MncKi'nnon. por ¿jem¡-iló. reco'l~li~l\t1an lllili.
z~r el,I)~.o~edj~ienlo'd:edqs p~~os:5ólopnr~ .~~rifi<:~r, fa' ~Tt~cnci'a dél s.csgo de'
selcclÍv¡dad;.en <;aso:de.gllc lahipóicsisnulá .de. exiSICnci'1 de.sesgo 'de scl,eclivi.
dad'saliern rechaza~a¡ reto'inícndnnlllilir.nr !a.'cslimnl;:i(ln IvlV sielllpre:y cuando , .
no sc~ prohibitivo a ni~cl de cál~\.llo,P, ,:' . . . .¡
. . ~. . .'
"':.' .
. '. . .: . . '. ";l
..
", j-.,

.' .
,,:' l.
,',
,)1 V¿ase Hcc~,;\~n, :op. cil:, 1990. pa¡a.~na eXctlcnfc uiscu'siúlillccrca,uc:csIC l~nh1.
. )1 J, Ilcckman, ilJiJ,. ,." . .' . . .....
¡) R. DDvius~n;; J. ¡..ia'c~¡-nnon,op. c'ii.,5~5' ,

. ",,: ',.:'
 (',\l'ITlII.O 1.\; 1"loúelos de Variable Discrel'l l' V'IrI"ll)le D l" L"
, " epell( ICllle I1111t;llJa :i l.';

13.12:3 Tobil (OlllOUIICaso Especial

El cnlorno '(i~lrabajo dl:scrilo al princi)i u' l. , .. ' ... ,. . .}~)-

cjcrcicios ue "1' .. o ~. o e ,¡ plescnlc sccclon Incluyc mllchos
cs 11Il.\CIOnnormales. Cunslderclllos' ahora Olro c.. .. , '. I S ,r.:r
gamos que y indicn el consul\1O de ci . arrillos' ,ISO CSPCCI,I.. upun. su .'. <'.l,

rianzas incluye, por ejcmplo el precio gde lo:' p.ongamos que el \'eclor de co\'a-
variablc indicador que in<lic~ si el o d"tI sfclgal flllos; y supongnmos que T es una
, lf1 IVI lIO ,lima. De un modo l\1,ís formal
J.,.,. ..•
Y¡::: Xi

Y2¡ =0
jJ,+ EI¡
( U.S7)

(J J,RS)
I
<-.
••
" , , '

••. >,t< ", ;~."; •.. ,, ... ',.' .,'.'

'. 7j=:J (Zi~+EI;i>O)
,. "Y/~Tiy;;'~:(r~Y;Yj'li"'".... "
'. (' .",
.' ... 13,.89)
":'''<;''~;;!~~9~).
'.
.'~"'~

".'''.
.
Si concretamos un I)OCO ~ I '0 I .'
... ' . . milS e 1110 e o supol1lclldoque .t. = Z., .=jJ' \' . _ • "

<IcCII, 1,\ ecuación <le.selección .); la ce ; o d . .... , . 'Y.. l. EII, ,- EI1.(es

., .. '.. '. uaclon e consumo son i"u' I .) 11 "
.fprl1lulacil1n. dC! proliio. 1lI0deloTol;il. S.:.' Ir;',':' '" ,1, cs ..:gamos a la
:'S\llfalilucho mas ['íeil'yer' (1 1 ,'. .' .: '.' In <;1~1,\1 ¡;,o';en. ~s.le, clHor,nn de lra,bajo re'
o...
al slslema . '.de" e' '.'. '., ..'.Ie .'no ..son', pocas' ....las resll'lcc. I(1'.lCSqlle . ",1.\',
ue lell10S....Ill1ll()IICr
.. ',' .. '. cuaclOnespresell(adoenlrc'(1387) (' ,". . .' " ..
.Coi1VCnetollnl'C .. <.\. . "." .. '. y.. 1J,90) II,ISI.I COIISce,ulr,lIn Tobil'
". ,. onsl eremos lí,.clasllcldad del .. ". . "tI' ,' .. ' .... '~ .
p.rccio . Afeclal I . . b d .': . '. " .. CO~ls~jmo e ,L1::.\Ill1lo~ rcspel'ln.al
I ..;
O'

• 1. .' ,l. os cam lOS c.prcclO' de. igu-II' "

fllnl'ldoics?' Tnl .' ' '. .' . 111.\l~era n os fumadores \' a los no
, .' , vez SI pero por desor'lcia 'Ia ro<' • 'f' . " 0r' ..' o. '
... ' .. , '. • ' . .. <>' ": .:,.,pecl l,caclOlI obll.aslI'lllc quc sí.
. 'Su¡'lOng'lmos n I d'l T.... . ..:. .'
, ., .. ', . ",ue e 010 e o .obll es incorrcci-()' por 'l' ..' ,
ala dceisi6n de IJarlici¡)ar <lc 1111. :j" "'l" " .... , ~I(c, as co\'nflan~as afetlan
. .' moe o (ISlll1l0 a COIllO af"l I u . '. .
c,OI',sulllireonuicion¡¡ua nor hu .... 'd' .. . .' ce an.n eCISlon dc CU¡iIlIU
. " .. ' .' .. '0 • eCIS!Oll. C'consunllr ulla ealllidnd 1 " •
)ns ~Cu.lclone~ comprcndidas entre (1J.87) , (13.90) el..... ..' O~~IIl.~..COIl1.o~II
"e1 . slsleli1amcuiaillc
..' llI"vl'I"11a'v','.
,l.,. • el 0,,1III <' ""1' .,' Y.
I , Uu: .
..0 '!JI '1; 'l. Es. m,I5 f.\cll estimar
. .i'las,:~ esie' 1lI0l11elllü,Ia dis~u's¡¿n ~1;gi¿I:'. e:;:'.. ' :::.. '.'.., .
tlcra'r.e) mOdelbTobil COIll ..... '. . ,,' , ..C.l. e U.ll,1,t1IC'.lIdll~~aelm~ISlc cn comi.
Ill.o dislil1to. dc ~.~ro c~llIosr rS,e 1rl~.~.a,a ~c,~I~lpr,?blcma ,ue. selt:~l iviond y' e J. 'c()l1s'll'
... ' .. ' ,'. .... . . " uel!, e. InH,lmlcnlo Consid"'" l' " . '" J:.-
de la r~gr.cs.iólI MCO sobrelos.v' i :' d" .:' '. CICmos ,lS consccucnclas
'~'}..
.'. .. . '. ' ... .. ,l ol.e~ ISIII~lo.s:a ce.ro dey.:Forll1ulúemos.,

• .'
El)', I Xi. 7: =
','
11 ~ X.jJ, + E[E,'I E'. ~ -
•..• ' ,111
'z-¡'('1 (U.YI.)
~J.',
.Dl:lllIC\'O.siE ::::E' ..jJ' = .. \'-Z' '0 '.: .'. ' , ,¡"t,
: 1, 11,. '( y. :- -, 1,1CCUolClonse rcduc' . T l: "
cxprcsión a la que nos enfrenln;il0sal . ~'.' . , . e ,1 un . OHl cSl,fnuar. La
... ' , . . .... ..' , 10la recuer.da mucho el cJc 1\ I <l l' '>'~.~

llIuJcres. Lr¡¡bajadoras. De hecho .el . l', '. .. ". '...' I P o e sn .anos y

. , , .pIO ) ema comp'lrle con ;1 /. I .o . .,.) ..
clapas: En el' primer paso par'l cnlc' '1' : l. ,o.... .. .~ . ,1 so u~Jl)n dc dos
, . .... ." " u ni ,1 razonll\versa dc lv'Jlls " '1'"
bll quc predeCid si In obser\'aci6n se "01 ,. :",,'
. .. ;. '. , . ,. . )ser\'aO'110.
'.
En
'. o' .. : SC U!l 11.,1 un rro.
el s(:~lIIrdo' . '",'.
'~)J.
,
nleglcslónMCOde)'sol)l'e'''yl'.'
. .. ' .,'
vacJOncs dislintas iI eej'o:
... ' ."
. .'..
Ó '.'
.l,faz n ll)veL~'a de
'
. '.' '.' . - ..
01 .
pnso.sclcalrza
,l. SSO o pal a aquellas obscr-
M'" :;JI

'(i.. ,
 '
.•..¡;--,
.."J.;

La interprctación cambia'ligerar"llcnlc, sin embargo, si fo~mulamos e1'problema

dI.: esta manera. Las decisiones de parlicil)ación y consumo ser;\n resullado de tlos
variahles I;¡lentes:
}'~=XfJl+EI
t. * = Z'y
)'0 ; + E(J

.,¡~ si y{j; > ()

y. =( ."'tí
.-~- I no obsl.:rvada en Caso contrario
o',

En d ml.:ncionadoenlorno, jam;ís observamos yfJ¡-sólo si es positivo o negativo- y

sólo ohservamos yi¡ cuando y'fl; es positivo. Existe una intcrpretación distinta por el
hedlO de que esta allemativa no limila estriclamenle el rilngo tic y. Véase,Hsiao co-
',-,
.1'
mo iluslración.3~ En su caso . .1'1 es,la canlidad observada de la reclamación de u,n se-o
guro e Yo es si la reclamación scacepla o ,no, Véase tic ,nuevo AmcmiyaH para una
discusión' extensa .sobre el tema.' ,: ,.., " ',' , '
El méto~o de dos elap¡ls. dejando apnrle sú sencillez, tendrín poco i'I deeir
comparado. con una estimncil)n!vl" complei¡¡ de,' modelo. Ln experiencia, sugiere
t~ que el mélodo de Jos c'lnpas ~eráincríciente respecto .í su equivalente MV.,l'or
'r>
......
otro lado. ,cualido un contraste de cspcciricilción rechaza el supuesto de que el pro-
''1 .,
ceso que dClerniina la participación es el mismo que determina el consumo y rcsulta'
".'
imposible implelilenlar la estimación MV; cl método de dos etapas es prderiblc ni
moddo Tubit.

, ,
13.]3.
LECTURAS 'o

,La,'" ,i.n,',;"'".',s"J,i,g',I,fi'(ilií.Tífc.hc ill(iS~ilctliC;wc, ' cfK"c,Sí{Farc-¡{hJsi,Uo"b¡''¿ v6 f s,e Ice 1i \;¡i'; 01 I¡OS¡:Ó',::;:;":

,piécis ('¡Oetldiclllos mcncionar son logit )' probit llluhinomialcs. modelos de dese.
quilihi'io ycllllodelo de regresión truncada. Otros temas a considerar sérían losnié-!'
lodos de e~;¡imaci6Ii basados en modelos de propensión dc punlu:lcioncs y dc azar
Illllral. ¡'\'I;l(ltI;llt1,1 ofrece.,un .huen pUlllO de pllrlida rara. 1l11IChos de esos nlodelos'}'
l\lrosde los investigados cn el presente capítulo. Vale. la pena repasar también las
ill\'esligaci()nes~k 1\ll1cn;iyasobre motlclosTobit2.' y modelos de respuesta cualita.ll11()s
1¡V;I';'. l.a ill\'cSligación tic Kider~(, cs,un buen punlo de partida para los modelos de
a/M. Parle de las tliscusiones de este C<lpílulo se han basallo en la obra de Dealon,.

q (.... 1 hi:II' ... ,\ Sl:tlisli~ill P\,~rspt:(ti\"l,~ ur, Insurallcc Hat~.r\"lakillg'~. 10""1(;/ 01 ~:"'('fJlJt!i"l',r;cs. ~14.I'J~)O.
).~-I.

,'oT. 1\l11tl11iy"."Oll"lii,,¡il'~ ("(tsl1l'IlSC,Mutlcls: ,,' Sur\'cf'. JO"fII,,1 01 (;"('11110"';(' /.if"'"f"",. 19. 1961",
~sl.':,~t.. .'
-.t, j\:. K i'•..rl'r .:'E""ol\lJIllic 'DuratílHl 1):11.;1' íllH.J H:11.aru FUl1ctiolls". Jm""',,lo/ J:'cor'III11;C .I.;Il'''t~"r( •. 2(" 19::;6, ....
fl.lh'(17tJ.
 CAI'ITULO
1), Mudelos tic V~ri~l>IcDiscreta )'.vari~ble Dependiente Limitada 517

q\le prcsenli'l \lnil lúcida t1iscusión sobre helerpscédasticidad en modelos de elección

binaria y los problemas ¡;1l'plícitosI5• ' " '

PROBLEMAS
• ." .' .i 1-'/

1. Dcmos\rarquc la [undón de prob'abilid~d d~ logil es globalmenle cónc;i,'a.

2. Demostrar que-. p~ra los I~~dcl~s ,logilYde ~robilbilidad lineal.lil sumil de las prob~b\li.'
tladq pl'I:dichils,eqlliv;¡l,e ,a,Jasl)n,l:;l,empiricatle los,uno,sde la muestra .. " ,

J. Demostrar q~;e el. cllnlr~ste R V que implica la cómparaci6n con ei motlclo toiaím~nte
~;~Iu~ado,~i~c~ti,dll aIn~;,I,tlc, iasección'13,8)',se dislribuye~sinI6ikamenlC: según ',urÍa

.
I
dlslnbueloI1X.No,la:,r:e¡;or~ar.q\lt;
t:lndnr li::netin~,~islribue!~n,
la suma de los euadratlos de variables normale~ es .
i' ,"".". ,'
1 t/,<::on.sitleremos los siguiente~ dalus tle tlos vllrial>lcs tli~oI6rn¡eas:'
,1
.
,!
, ,
, ••* -_
I
••••• _ ••••• _--
,x
•••••• 0-..
'.
1 'y o, 1. Tli~1
I
I 'ó 40 60 100
I, \,' 60 ',40 ,' 100
TOl,al 100 100 200
1
1 (a)C:llculai' los codidelltcs tic rcgresiÓn' y los valore's predichos pnra el siguic~te
I
, motlclo tic prohabilidad,lineal: '! ' '. , '

, , ' )'= fJn + fJ IX , '

:~''7''J;'": ','," ,",.:"",~~~~~~.};!.:~c~;~,I:ll;"~Wi,!:P:¥-

~o/",~~~;'J,cgJd~W8t~),g:.J?[~~l~¡:,9J~~¡:~:!~~:~,~-5r¡,~.¡fr,¡~~
, "¡ ,,' ", pro l>lIy los valorcs prclhchos dclmotlelo:li\ilizandó únieamentclas tablas nor'n1~'1
i ' , cSI:intlar. ' ""
"~
5. ~stima~ el ~lOdel~ 'probil eSl;\ntlar tlontle, Prol>(yl = 1) ,= l/>[X;(/J/a)í. y siendo y u~a va.
1 r1élblc t)ln:ln~ que :ttlquicrc vnlor () o J.), .
1 (n}¿ClÍlllo sOn !o~coeficiel1le.scsliniiltlos si sc-estinia un modelo.prol>ilcon los mis.
t1alo~ allnquecuriladiferenciadeqllcyadcluiriera valorO o lO? '
l (/I~ Repetir la pregunlil'¡Ullcrior,en ~I caso de que el ';lodelofuera' un fogil.
(e) J.~(;pelirlir:lI11~r;¡paral!n modcltide. proh:ll>ilidad li.neal y tliscutir qSmo interpre.
lar los coeficientes en este caso.' ,
.~.. ~.
(j. Los modelos tic vilriable binariadepcndicnlc preserilatlos,en este ca'pitulo I¡enenla [01'-
mOl prob(y =1) = F(.YjJ). Describir cólilosería'elmodelo si F (uera una tlislribucion uni.
forlllcacll/lliilatla.

7. Considerar elmollt:lu :~ubilest¡illtlar,dol~de () censura pur del>ajo a y (los tlatos ob~cr.

\'ados)y ',,', , ' : '
 51 S ~II:.TODOS DI: ECONO~Ié.TRI¡\
:.: ..... , ..' • i ".'

. . .y*=~(ft+E." ."., .'

, ..' ..:. .' j.í \ '1'::. C'." l'de'¡J' .. Consid~re.:.~\os U.llác'slim¡¡c.iÓn a\lÚll;l\iv. aMjJ ob:
Denominemos J ¡¡,es 1111,11,,1 .' .. ' ..• ' ". '.', .. ;.' ",' ...• '. .

lenida ap¡¡rlir deTobil,susliluyendo)' pori, donde ' ..

' .. f~Yi siy¡>c ' ..

. .... Z¡l=c.cncasocollllatip

' d e >U. Comparar'. inforrn¡¡lmenleambos

'. ". .' '. eslJm¡¡
. 'c.J .orcs y s"uncrir un
'.' conlraStedc
' .. eso.
~~~~h~~ción, CO~lcnlar lo(iucléocurrc a\s¿gundo cSlilnauur. cuanuoaUnlcnla ~I valor
. .; . '.' .". -.,. .
.. uc c. . . '.:' .<., .' ' '. •. '. .' .•. ' .••..• .

8 • U 11"1"Izar. Ios. 'd'a.10s\J~I'CPS

. dc~11)8'8incluid¿s en'el di~<tUC1C
. '. de lliitus )' calcular
. , la SlgUICII-
.
""IC rcgr~sión lincaldcllognrilillo de s¡¡la,rios:- l' ~:'.' ','~ :.: .... . •

~,:. .... . lsalario =jJO+1JI(cxpéric~da ÚOlcllcjal)+pi(ex~criencla/2"'i ,".

". 'o .:.;ú.;,i) •.¿,.:....•: .•..~,,:.,.., ...;.¿.,¡ ~;p;(~r¿~dli'~slt~i¡¡~j'+.~f.í.:;(fsÚd~.¿¡\iíIy+'lJ5(ií1'úi'(hy-:rEo"
..:":'...,~.':.~.
. .. Cc~c.rúIUcg~úi.;.a.n.u.cv~:variapi.e •.¡i'o.r.'Cj:mPI~~'~)~'¡¡lílr!o.lalqUc: . .' .' .,
.,:;~
. . .. ' ., --.' .' ...•. :r'IS¡¡I~~i.~....si.ls~l¡¡ri~> ¡.8?"
' .. ', .c~saiario;= 1. 0." '. cil. ca~o ~on'l~:;riti ,

E.sumar
'.: •.. nodclo ~o\)ii. Sl!Sli;~;~ndq ..I.~al~ii6 P,ó.; .~isa~a(i-o.. LC¿Ill~.S:.llifct~n ..~i,an;las
un I . . '.. '. ....,'. l" . comcn
' eSlirú¡¡ciol1S:s dc' los co'cfici~'nl~s r~levnnlcs;!.r'icr~rn.~.nJar c,l.p.Ulllll.l c ~~nsu~a Y";.. '
.lh.~ios'rcsulla~o~:; ".". . .
.1"':.,', '<.<" ,",' . " ..~
~ f',

" .
. . '-,' '.'
f.
','

"
,-.:.' ,j"
",'~ '.t, .; ::'fJ ...
¡ _, . J.' ~ ",':.
,',' . "'.' .
,':. :."':":'. ':," '-';,'

;' ..:.

. .-,,: ~ "

":",

". ,j.'o
.,' . ":1 '

.",:
., . i~ ~ ,;. - '. '.' "

,' ..." .... ;

.'.
.; ,
" :~
. .f' " ,.:.,'
.-'.',.
.• .•••

;",
1,'

. ':

. ", ..... ,o. "<_

. . .~
~', ,. . . ~. .. ".:-

'"," ",.'
. '. .......

'.: .' ~:, '

"',.',
"-".1

,',1;' .•...•.
 APÉNDICE A

':':: :1

Algebra'Matricial

En la mCdida de lo posibl(: seguiremos la conyención.de uiiliz;\r lelras en negrita .

millli$cuJas para simbolizar vectores y. 'mayúsculas -pflr¡l simboliza'r mal rices, L:l sc- . ,
''\
cucncia~c'.lbs tópicos analizados c~.este apéñdiceiillcnla seguir eí mismo orLlen en
. el que dichoSIÓpicos aparccc~ en eltexlo principal conobjelo de facililar l:ls rde-
. rcnci:ls'c'ruzad:ls entre cllos .. ' '. .
"\1,"
:,.'".•
~~,..(~"

.A..1. . . • j,

VECrOrmS' • ¡,
\;: ;~~
~,.~"

. 'Ut(.yecto(
l'

cs \.lna secuencia onJenadade c1~mcilios ~'~loc;iLlusen fOI;I~l¡ídc fila o co-' .~~.~."

.. :Jümna. Los'elclllento; SOil. gcnCr.alinenl~.::en ~SIC lilir~' IlÚIll~rOS rC:llcs o símbolos

. cluc.reprcscnla'n núrilerosrc:lIes~. C:?Úl0 ejelnplo.c'scribámós ~.1.
.
"

",:".~
,
. oc!:] ,.i.

. que c.sun .veClor columna de 3 elen,cnlos,-Y:b= [~2 OJ'CSUI.lveClor I'il<i::to'nHci;: Jic- :¿.
InciilélS: El orden d~ lín vectores el ínínlCrO 'de elenlcnlosen .efveclor., Cambios en, j ..•.

. ta's'cc'uencia dG los. elen)elilos'dc U~vcc(oi prodlíccl;nYCClor'tii'fl;[eiiid. Enl.óllccs~ si ~f-

reflnulal1~OS los cl<:mcnlos dcn'pli~den ltegílra .oblen~rsc $'cis \'~ctores distintns. 'Q
En gcnerril.inlerprelarcll.l'OS el' sÍl'nbüio útilizadci prrra represclHar un vetl.or como
'.):..
uli vector columna. Los veclorcscolumna 'pu~dcn ,lransform<Irsc en vectores fila. y
viccycrsa, rncdialllc una operaci6n- de '(ransposición. Sci'i:ll:lremos esla o'pcración .';,..;
,
medi~lile un.apóstrofo! aunqu? 'algunosillilores'prefiCren 1Ililiznr,unaTsomo supe- :(',1
".;.):'
ríl1dice~ ¡j~esle modo. .' .. '... . .. . . l.:

JJ .... Y. .. [-2 ']

b'=
,'~ O
...

" .~
r~
c}.
~~ SiO .\Ir:-roUOS Ill; ECt 1:-;1)\11,'1"111"

, .
Obviamcl1lc. la rcpetición d~ 101oper01ción de Irfll1sposiciól1 permile r~cupcrflr el,
I'cclm origil101I. O1s(que (a")' = a. .

A.I.1. ;\ llllliplicaci<Í11 por 1111Escalar

La lI11iltiplicaciól1 de un \'ect~JI' por' UI1cscalar significa simplcmcnlc quc tndos y ca-

da UIIO de los elcmcnlns del vcelor qucdan mulliplic01dos por dicho cscalar. Por
ejcmplo. 2b = [-.:1 01. .

:\.1.2. SlIl1\a)' resla

En esta operilción lus elcl11cnl'os 'coiTespólidicl1les de c;¡da vcclor sc suman o res-o

I;¡n. ESlo sólo puede d;¡rsc'pnrn:vcclores.quc (i) .todoscllos se<ln vcclores éolul11n;¡ o
\'cclorcs filn. y (ii) CJue.19dos sean del mi,smo orden ..Evidcntelllcnlc. no cs posihle
sumaLun vcclor rila}' ul1l'eclOr colul1ll;a,no puede sumai'se II un veclor C~luI11I101'de
3 clc'illentos un vcc'lorcolul1lnil .de 6 elementos. Comoiluslración considcrcn~os el
siguicnlc ejcmplo.

Para a' = [al a~ '" a"l y b' = [!JI h~ ... /),,1

"'.
)<0'

La có,i1bilwciólltie dos operacioncs del11ullil)lic01Ciól1 escnlar y suma dc vl:CIOreS pro-'

porcinl~a un ycelor que es U\HlcombinaciÓI1 line,,1 dcl(js olros vcclores, Por cjelilpló, :

,le:) 1+ 2I!1{~1.
En gencr:t1 , k

11.,= At'aJ+A~ ai +...+ Ak (/k = ') Aj a¡ (A.2)

fu
f~:.
~
¡. • AI't:-:OId A: Algebr3 "l3lrici~1 52\

"
"

que definc el vcclor b como unacorilbinacián Hnen\ de vectores nj~con pesos dndos
, !
por un conjunlo de cscataresen\afoi;m~ Aj.

,1 A. J.ol. Un poco de Gconlch'ía .'

Los "cctorcs admitcn tanlo un:\ interprelaci<Íll gcomél rica como algeuraica. Consí-
f.
uC,reill1l5'un ve,clQr dc 2 e,ÍeJ1)~¡'I~.s:.(/:,:::.[i ' 1 Este vector pu'ede ser rcprescnl:}uo
como un scgnlenlo de un:I.Ií;lea,recln con dirección l;¡\ como mueslr" \01figura Fig,
A.I. La f1cch:i sirve para il~d¡carq'ué 'e'l'segmento ó';'pil:7.a,c"ri eLorigen decoordcn:1-
das)' acaba cn el punlo dc c;JO~:dcnauas (2,1). Elveclor (/ puedet<Jmuién idcntifi-
carse por el punlo cn el' i1uc lermina la QCC";¡: Si tenemos Ol~o v,ccior de dos ele-
mcnlos b' = [1 J], la gcrillleirí,i.Úe l;tSlllll;¡dc vecloreses 1" siguiente. Se empiczn
con el vcctor {/y'se sill;a. ~I ~ecior b CJ1el p'U;lIO dondc~íermin01 (l. Este proccdimicn,
lo nos lIe\'a al punIó l' en '101Fig. 1\.1; Este punto P ddillc lin vector e que es 100S'U-
n1;l dc los veélllres (1 )' b.' Y 'que ol)viamenle 1;t1~dc' 1;lIl1hi~n ohtcnersc cmpezando
con c1vcc!or 6 y situ;1I1do"c1ved~)r á cn el pUlito el1 uOllde lermin" el veClor b. ESle !

,: ,proccuimiento se conoce ~como lu)' del p:ml1clogr:lln()'()01r" 1" sumn de vcclores. o \

proccdimienlo de, complclaF el p:'II;;dclogl'01lllo.
,,'O "'.

/'

,
.-' .. '<: , '

L..-I
11 2 .l"~
I'rilllÚ i:Ie",cl1lo, 'fI GÜ nA A.l

LIS coordenadas de l' son (J.'I) Y " '

" ',',', ,:=;'[2] ,"['"r], •[ J ]

c= á:~b '1 + )=4

lo que n1l1C51r;1la cxaclacorrespoli,dcllciaentrclas inlerpretnciones gcométric01 y;¡l-

gchraica dc la SlIm;t dc' veclbrcs:' .' .,' .
Consiutremos ahora el IHOtÍUclocscalO1rde unveclor. Sen, por ejemplo,

2(1
',.,,'
=2 "
, ,', ,'t, [ 2) ,[ 2,4]
== ,,', '

proporciona un {;ectol'cxactamelllccn l;¡inisrÍla dirección den.pero conun01 mag-

nilud kual
.•.
a do~
,
vcces\i,dtlvetlO[(I;[)cI01in'isi1101
-.' . ',.",.-.'
foní1".
. ",
 522 ~1a;lOl)OS Ut [eO/'WMETR(A .

. .- 3a.'.. J~
l-361' "
da un vector tres v~ces más largo que el ~'ector a:,p~roc~n una dirccción opuesta a .
la de a. Los tres vectores ap¡¡recen representad,os eola Fig. A.l. Lostres puntos ter-
minales pertenecen a una misma línea recta que pasa po~ el origen, estando dicha lí-
neaderinida de manera ú.niea porel vector a.
, En general.
h~' ~ lha I h02 :.. ho,,1 . (AJ) .
Del proce<1imientodd paralelogramo es evidente que éualcluiervector de dos ele.
mentos puede expresarse como una combinaCión única de los vectores o Y'b en el
..ejemplo :l~lerior.Pórejemplo. . ..... " .' . ... .. '

.,..:,••,,:";.,,~_;i';;~~:< ~".";("'/ii~.,,,< :j; ~;;:':~h,;,',

.. :~~¡7,L.431iJttlz~3.t~1~::.i.D,;:~¿.\;!,.;
..> ".j~,,:~,._:,:.\,;~',... \'.,';.L-'~

Segundo clcmCI\10

, .. ~

...
: ,1"

, ¡.

.
" ,',

,"
'. . 'FIGUItA' 1\.2

" -, .
.~, ' :', 1 '" '.l

A.l.S. Muliipli'cadón
. "
..de V~c(ores.
'. ,

El pr~lJucIO: escal~r o. prul\llc(oillte~.nód~d6s. vectofe~ scdcfine c:omo

. ., "

:' ,':
. '. :. ;

!JI.
.•.:

,,', n'ú= [n¡ '02:" b2 ~01~1'~~2b2+"'+IÍ"b,;:='~ ;'¡b/=IJ°{/ (AA)

¡ " :.,.': 'C. "'." ,= t.. "
..
b~1 '. "
!
La operacióneslá sola~\e'nle d~:nnid¿ para:~~ctores' d.cLmismo 9r<1en. Los elemen. :~d
. ioscotrespondienles .se mulliplican'"y sus~u,ma prol?orciof)ael resultado rJel'prorjuc- p: '.
• ',' '. ". '. ~, , ". • , • . "1~ • '. .

h,
1, .
; .
 ::1 .~
.j:'<
\i\" ,
."

'i~:/
lo. qpe cs un cscalar. Un caso cS[lucial, ue la ecuación (A.~l)cse!' pro(Juéió dé Un
vcctor por élniismo. que proporciona el siguiente resUltado ,l.
,,', .". '.

;;;(/ = ~(,~
. ,=1
En el caso de 1 clcmenlos esla cuntiuau es (rí~ + O}). 'qtie. porel tcorema de Pil<Íg.(1-
l.. l'
ras; es cl cuaurado de la longilud del vector a. La longitud de un ,'celor sc simboliza
mediante Ilall.' Exlcndiendo este resu}lado al caso de ¡'¡'és (1 1l1;\S dimcnsioncs lenl" ...,'
.\~; I

mos quc. cn general, la longilud de un .veclor se expresil medi;lnlc

~': .. J"
lIall = \;;;0;/, . .('\.)) .l, ro
El produclo exlcrnode dos \'ccl9res columna de 11 cll:menlos cs ribO. que cs un.1 111;1'
trlzlI x /1, en la que cada elemenlo es el'produclb de un elemcnlodc' (/ por UI) ele-
mcnto de !J.
....•........... :', .--...• ".: .~.. ~._:.;.:.._ .... ~.'~'_""(:'::' ....•':':,.::..:', '/", :...
'., '

1\.1.6. Igu:ildad deVccturcs' . -..•..

• , :'1",

Si .dos vectores del mismo orden son' igu¡jles',' entonc'es r,esullaque son iguales ell:.
menlo a'elementu.La direrencia de eSlos,dós veclores 'd;1 cl "celor cero. <)ue es Ull
VeCI?r .cuyos elclllen(os son. lodos y,cada'uno,i¡,:uales a ccro. '

A.l .... " "

'MA1'IUCES

U¡;a l.n;llri7. cs. una ordclUlciúlI rcc/~llIg/l/úr' de elementos. EI'ol:dc;l de una m;¡lriz "ie-
ne (1cICrmi,lí;¡do por el númcro. <lc filas y ele collúnnas. Cuando mcncionamos el 01'-
(len de U'itam;¡lriz se proljorcion'~'cli .pril~\e,fiugár elnllmcro' de rila~ y a continua- :yt:
'.1'0

ciól') clllül1\ero de columli:ls,E'I\'!onces. una matriz 1\ de ordénlll',x/I seescrilic CUIllO

.'.
. 111 L (in IIj"
:~.
'j'
. 'i;'
r/21 n22 .(12,;
A='
.. ¡
y"
,n,/Il IIIIá ..... tI,';III'
~-
Esinnledialo que lli\ veclor c'olumna' es un caso cspeci;¡1 tic 'una malriz cuyo ordcn
es nLxl, micnlrns,que u.ri vector fila es ,\ina malriz,de.'oruen l X /1. La malri'l, /11 XII '0
.:'.
. pue'de' contcmplarse como un.a' coiecciqn or~lcP:lda de "eciclres c'olumna dc 111 clc- '.~

,
. ,~,.
. menlos o. alternativamentc,'como una cbleccióno{.(leI{ad;¡ dc vcctores riÍ;¡ dc 11 ele-
'-...-J~'
mento?, Lamulliplicación d~ una matrizpot un esó"<lr significa (jue cada erem~nllJ ':'
cicla matrii,quecJa muli'iplic~¡J() por cJicho'csc¡¡lú. L¡/s¡,iná de ,dds m~lri¿cs del mis- ~~'J
:¡:
mqorden. al igual que sucedía e,n e/caso. de/os ~.célóres"c()lisislc cn la sl/ma dc los "~j
~Icnlenloscorrespondienles decad;i rílalriz. ' . .~

',~,'! JI J
~Ji, """'!
 52.1 ~II~TULJUS DE,ECO;\'U.\II' IId,\

La matriz 1r:1I1Sjlucsla dc A la simboliza'mos mediante A ',L'a rri'nlcril [il;:¡ de A' .,..

es la primaa columnn de la .matriz lrilnsrucslil, la segunda fila dcA es I;i ségtÍnda
columna de la matriz Ir:lI1spuest;¡ y nsí sucesivamente. Lil definición es igualmenle
dliua si decimos qlle la primera columna'deA ";1' primera filil 'ue I;¡ malrizlr;¡ns. es
puesta, y así sucesivamente, Veamos un ejemplo
r
''0.
:-"

i~
A == . [\' :2, 3],1 ,

r 20 4
1~

-A "
Una 11I:itriz simélrica sillisf;¡ce la condici<iri'

-f:' ,\ ' == ,\

'f- es decir. I/ij == l/ji parn; *- j

i:
'~:-. donde (/ij es el elemento de la m;¡tr¡z ¡\ que cSI.icil I;¡'intersección de la fila ;.ésim;¡
J'
)' lil column;¡ j.ésimil. Esta propieebd sólo puede sillisfocierscen el e;¡so de l11nlrices
1
1 cuadrados. (/1;== 1/), )'n que en 'cu;¡lquicr otro c';so A y A' no son del l11ismoorden.
.p:
, Un ejemrlo de un;¡ matriz simélrica es
, I
r.":
'"
1 - 1 .4 j ,
,\== -~I ~,','~ ~A'

, " • I

.... De la definición de matriz transrUcslase siglle .que si repelimos 1<1operación

.....
y~. "

reprodllcimos la m¡¡triz origin:l1. También se desprende de inmediato qllc '

•,.,. L. (,\ + n) 1 == A 1 + lJ I ,
(A.6)
es decir. la lrilnspuesta de una suma es la suma de las lranspuestas"
'1~'
':.,/
. t"}
;.";1 ,,'. ,_." ,,\,..¡ .~~,;,?(.i{"'?>T7:~-:'7~~~7.~,~~.::';t:.~:,/::.:f.?::~:':~7;"~:;.:':~::.:::~.~~-:'"~~~.~::":_-.:
.. ._...~ .. '....'-".... ~.4:?:.':. '~'j.' '.~:',::',
'(O A.2.l:i\lullipllcadiJII de i\lalrices .
,J
, '
l'
it")
La multiplicación de mal rices se Olllielle deln rcpelida aplic<lcióll de In mulliplicn-
~'t:'~ cie'ln d~ V~Clorcs, Si Aes de ordenlÍ/ XI/ )' 11 es de orden," x JI, cntonces ruede ha-
"¥~ ',;',1
lI:lI'se una malriz C =.'i1J de orden J/I x p. Elclemenlo típico Cij de la malriz C es el
de l:l rjla ¡.ésima de A parla columno j-ésil1l:l de n. cs decir.
't~l'
,'::./
prodUClO interno
,,' .
\:" Cji=
%
., C1jk hki ;='1,2, .,.. 111;. j == J, 2•.... 'P .• (A.7)
" .)
l'
, '" I

ESIOS proc1uCIQ~ inlérnossólo cxislellsj el númerQde colurn,nas ele A es igual al nú-

\:~ mero de rilas de n, Entone,es el ordc;n de las ma.triccs quc intervienen eli elproduc-
, ./~)
r: lo es !HUY i!l,1rort~llle, Cl;a,}do'p 'f. m,e1 produclo inle;'no dc 1ó1~ rilas de [J y las co- "
~~:~;Q lumnas de A .1)0 exisle y.encPllsecuencia. nA no eslá definiela, El siguicnlc ejemplo
\' ,

,:\S ilustra una ca~oen el qll~ nl11boslipos ele produclo exisl'cn (p_== 111);

ft1'¡")('
 i.
, i, . ,A!'l".NDICE.I\: Algcbr~ Malrici~1 . 525

A [J';' [1 2 , 3,]'[ O1 6]1 . •

. " 2, O 4, 1 1 .
, . " .:

1(1) + 2(0) + 3(1) 1(6)+2(1)+3(1) 1"

== [ 2(1) ~-O(O) + 5(1) 2(6) + 0(1) + 4(1)

411)' .+

== [ 616 '. "

:!

1JA ==[ ..~ .. ~.]

! L 1
, '1

'[ 1(1) + 6(2) 1(2) + 6(0) 1(3)

. . + G( 4)
"

= (:l:~::~~~:~~~::~~~ Q(3).+ 1(4)

1(3)+1(4)

==
13
2 ()
2 2714
j,
[
3 2 7

A.2.2. La Transpncsta ele ni, Protlnclo

~".~~::Y;~'''':l~::.~
,:,: •..
"t,~';:'~"."'.~.:~:_':,.'~.":,:,,~.(~ '7:.,:;~.~"~./~.
..,,~~;',.:,_:':r:-:;,,.,~.~~.~:,:.
~,'.::
::.: :'.~"::l,s.'\~ ¿.<,::;:;,:7;T01tr~:;~~~~."p:7J;-.B:.~~.:;.'~q::::"7,~,'?::;-:~:~
:~:.,:.<~~',~;,'>::\." ...,;.'\~i"':•:.~~:',.~T:?:':~'~~y.:,~,~;.:~,::"
.', " ' '$cad p'rodUetoA[J C¡IIC~il~l~ólizari'lOséoÍ1 .,' ' , . .'

dondc ni indica la j-ésim;¡filn'de,lt.y bjes lai.ésima colurt1l1';r de n, Enlonces.

Gji == nI b/j == 1, .,,' /11; .¡ ==1. 'oo, P ,
~imboliza elji-elcmél\lo ,de e. Lo.lrnnsposicióndcC signirica que el ji-ésima ele-
m~nló ele Csc~dn~iérte~;~cl i¡:ésirllo~Ic~1~ntode C'.Simboli~amoses(e elcmcnto
por C'jj lo que rroporciona c1rcsulladosiguienle
.. ,:"C'ij == cji ==. nj,b¡
S.iah~rn, nos, ,referimos n Ja.ddinic,iún dclvcclor de mlllliplicilción ,en .eeuación
(/\.4), poilemi)s ver que jli bi': 'Ú'j-aj. Enlon~es
('"
r produclo inlerno. de liI rila j-ésima de D' y la j-ésima columna
.c' .. ::: /J'. a'.::: de A', Y
a~¡de I~ d~finición de lamalri~ de mulliplicación,' .
CI,::: (AD)I::: D'A I

La lranspuesla de lll),prodliclo es el produclo de las transpuestas pero cfeclu:\Ildo el

produclo en el senlido in.verso. ESle proc~dimienlo se cx'licnde a cualquier número
de maírices iñlplicadas en la opérilción. De esle modo,
(ADC)'::: C'/J'/t: (1\.9)
La le-)' asociaiiv'1 se manli~ne paiü el C~ISO de lasmat¡'¡cc~: CSIOCS,
,(A + IJ) + C::: It + (D + C) . (A.IO)
Eslc resullado es obvio ya que la SU¡'¡lélde matrices no suponenada'm¡ís que ir aiia:
dicndo elementos de manera sucesiva sin quc impone el orden en quc.sccfeclúe la
, operación. .
~nunciaremos, sin demostración, la ley asociativa di:,la mullipliC¡lCión de mil-
trices, que es
(AD)~:::A(nC) . (A.ll)

o O O
con unos en la diagonal principal y ceros en el rcslo de la matriz. Esla malriz juega
un papel similar al tic la unitlad en el álgebra cscalar. Si prclllulliplicamos un vector
: tle n elcmentos, y, por 1 el veclor queda inallerado, es ~lccir. 1y :::.y. Lil Iransposi-
ción de eSle resullado da: yíI :::)..; es deeir, que si POSllllulliplicamosun veclor fila
por 1 el veClor queda lambié~ inallerado. Para el caso de una malriz. A de ordcn
11/ x Jl se sigue que .
¡/IIA::: Alm::: A
, La pre o poslmulliplicación por 1 deja la matriz inalterada. Habiluallllenl.c no hay
nccesitlad de indicar el orden de la malriz. idenlidad de manera explícil:l pucsto que
se desprende del propio contexlo. L:I m~lriz idenlidad puede aiiadirse o suprimirse
en ,1:lSoperaciones de multiplicaciones de matrices. Pór ejeniplo,
y - P)' ::: ¡y - 1')' :::My
Gonde M :::1 - P.
 :r~
~I

,.'l'l"UIl'E '\¡,I\I~<:hr;d\'lal ricial 527

Ulia lIIatri'l. dia¡;onal es como una malriz identid¡¡d Cilla que los elemcntos quc
no 'cstiÍn en la diagonal'principal son:lodos iguales a cero. pero los eklllentos de la r
diagonal principal son e1l:menlos' escalares. de los cuales ahlh.:nos Hno es dist in lo de .'~, ~
cero. La malriz diagol\¡d pu~de es~ribirse de la forma

Al O '0

O A2 O
1\:=
..
() O A"
Il"de manera m;is compacta. ¡\ :::diag IAI A2 ... A,.). Algunosejeinplos SOIl

Un caso especial
[:,~l
de matriz diagonal
y [~-~ ~J....
aparece cU:llldo lod;ls las'A'són igu:llcs.' [sla .\
. ,-;:""
l~)iltriz se dCnOlllina Illa(riz escalar y .puede 'escribirse conlO '.,
",l"
'::'"
A O
O

()
A

O
~J>I"n '".'l'

.',LJ,;cscalill' puede coiocarse indislintamente anlesó dcspu0s de lamalriz. a la que , '.~~

, Illultiplica. . '}."

Olra importante malriz cuadra~Ja es la matriz idelllpolellte. Si ti cs idempolen- .\

lC, elllollccs • ,..1:-.'

"
A:::¡\2:::¡\J:= ....

cs decir, que multiplicando A por sí misma, l:lnlas "eeescomu se quiera, el resulla- ~).I
do no es olro que la reproducción tic 1:1mntriz originnl. Un ejcmplu de malriz itlcni.
, ...l'.'
poten le es la la malriz '-
~J.'
1 - 2 '1]
A:::*-20.1-2 .~)J
[
l -2 I , ),
quc puede verificarse efectuando las correspondienles IllUlliplicacioncs.
'~) ,
Una transformación de matrices muy útil es
. 1 '.;J ;
A ::: 1- - (jj')
11 ,lJ
''(
dOllde j es un veclor columna den linos. El produélt1 ji' es ulla matriz de orden
1/ x JI, cuyos elementos SOIl lodos 'iguales a uno. Dadll un ':celor colulllna de 11 ob.
servaciones de ulla variable Y, '.
 <'l
, .¡.
1-
lr y
,7
, -1 (" ,.,") y="- I
y
.. 1/ 1/
r
,

r':
i YI~ Y
o,Y' y d.: eslc modo.
Y2~Y
Ay =
r
, 'o

':',

Y,,:": Y'
'/-"
.'"1,,
L<I m<llriz lr<lnsfonn<l los dalos'ell desvi<lcioncs con re:speclO a la medi<l. Los 'dntos
no resull<ln afecI<ltlos en el c<lsop<lniclJlarcn el'que su media se<l igu<l1 a cero.'Fi,
n<llmcnle. debemos nolar qlle Ai= O.
011'<1 irnpo;lanlc malriz, aU;Hlue noneecsa~ia'mcnle cuadrada, es 1<1I1lalril'.
nl1l:1 (J, cuyos c1em~nl(Js son (!-ldos igu<ll,cs a ~ero. Obviamenle las rclaciones son '
A+(J=A, Y AQ=(J
De m~ncr<l p;¡recitla operaremos con veclmes' fil,a y colqmn:l cuyos elemenlos son
lodos Iguales a cero. '
Una propiedad impOrlanle dcl<ls nl<llrices cU<ltlr:\das es la 11':11'.:1. La tr<lzade
una matriz es 1" suma lh: los e1eIl1l:I\luS de su dii'gonal priilcipal, es decir

;1'(/\) = :¿, n¡¡

'i'L,
':~)
~fJ"",
~,~
"ir-
..~.. '

~¡ •••

~?'..
'{'"
, \:l'\.. A.2A. i\1alrices Parlicionadas
1'''1
,\¡;;- .' ¡ •

I.:.¡;t,:
Una m:llriz p~lel¡'e p;¡rlicion:lrscen submalricesindic<lndo subgrupos de rilas y co,
\,
:k
1~
.~. '. lumnas. Por ejemplo.
:\Ir
,<1 l
(A.U)
 .''':~
"
oi;.'
t: .-\PE.='l:.1let A: Algcbra Mauicial 519<

donde
,1
! . .'
Las líneas de puntos inuicanla pnrlici~)1l quc:c~ndllce 01\01formnti6n de lns cuatro
ilo sllbmalrices Jcrinidas enln ecuación (A.\"}.L9s'pro.cedimi,enli:>s descrilos anlerior-
¡' Illcnlc'l?<lrn la SlIJn;l y muiiipiic<lciont1c "lalriCes p~ed~l,lUliliz¡¡rse direcl;lmenle en
, ,
el caso de las ni;llrices' panicion;Íd';lssicmp~c )' cuando las sublnalrices senn de lns
~Iilllcnsion~s a~ecuadas. Por cj~mpio.si A Y'fJ son IÍlnlrices escritas en forma p"rti-
donada COlllO ,.' ", " ., "

fJ = l~:: ~:: 1
-".
,ti 12+ fJ12]
enlonces
A22 + D22 "

dadoquc Ay IJ son del mismo orden (dimensión) )' c<ld<lp;lr A;¡, D;¡ es del mismo
, orden .. Como ejelllplll ue mulliplicación de Ill<llrices p<lrticion"dns consideremos el
si~uienlc ejemplo,' ' . ',' .,

','ALJ '~\AIA'
, '
21
1\12]
'[J
"A22
l'
D'
11

, 'A ,,' A 21
- JI' 32

Par:l qu¡; Innllillipl¡c~dó'l se<l posible es Ilcces<lrioqu~el ~úlncro de'colum~as ue'j;¡

ma.lril. /\~en igu:tlai lllílllero de Jil~~9cl{n;nír,iz
o • '"
B,yqllc
,
el csquen~n(¡e p;irtició'n
(, _ ""',. o' '. _

,aplic<lble nlastolumnas ocA sealambién<lplicnblenlns filas deBo

,
"1,

Como hemos Icnid.ooC;¡sióndeveren CJ'Ca~ílllloj,l~ esljm;¡~ión: por MCO re-

quiere ,la deltrlllinadón tle lll;vcel.or, b que mihi;llit'e,¡';Ísumn de' cundr<ldos d~ioso
resiuuos '
e'e= )")' ":2/;';(')' +b'X'Xb .
 530 ~I(,T()DOS OE EC080~IE-rH(;';

El primt:r termino del lado de la derd:h~ de la igualdad anlerior no incluye nb,

mienlrns que el segundo término es.line.nlen b yaqu~ .X')' es un vl.:clor columna de
k elemenlos.} elt,ercero es una m'atriz 'de' fornm cuadrada'y sim¡;lrica qut: 'incluye a
b. Para diferenciar una función li~t:nl i'adebemos' escribir' en la forlllil,
J(b) = I/'b = I;,/J, + n2b2 + ... + lIk!Jk = b'n
donde las a son .c~Jnsiantes .. rod~mos diferencinr.pnreintmenle r(b) con rcspecl¿ de ¡

cnda uno deloselernenlos de b. El res'ultado dcIas ~eriva~as parciales se orden¡\en

forma de veClor coluillna, . . .
111

"
¡¡(a'b) = ¡¡(IJ'a) = ni
=a (A.I5)
iJb. r1b
11"

-'o<' '!?5'nls'dÓNildas\aiúbiciiPÚcd¿íf 'c:Xfír'eS'a'rsc'cn' f o~iiÚ\\.Ic 'vcl:tli (ril¡~.'EIfi::(IÚi:;i lo i ¡i{:'.'>

: '
porlnnle es la consistencia dcltrntnmienlo queddle dnrsl.: a los vcclort:s y malrices
de Ins derivadns de In función para que sean de ordcn apr'opiado pnrasu posterior
manipulnción. Para 'el tÚmin~ linenl.e'e se sigue.(iirecú'mente que
él(2b';'('y) • .
---'- =2X'y
, ~b. o

que es un vector de k el'eml.:ntos.

L:J forriln cuadfiÍlicn gcnernl enb puede 'escribirse como f(b) = /¡'Ab. dOlide la.
mntriz A est~ comp'uesla por constantes conocidas y puede entl.:ndersequc' Sl.:lrala
dc un;~ matriz simétrica. Como una simple iluslración considerl.:mos qUl.:

l.
;.
:.:.
,.
";.-

El vector de derivada's par'ciales es

élf
él/J I
2(;';)/)1 + 1112iJ2+.IIu1J))
iJf(b) af
=' [ 2(1I12b, + IInh2 ot'(,2.1h.1)
élb iJh2.
2(~IJhl + n~J!>2 + I/Jj!>J)
aJ
¡¡b4

Este .resultado es válido 'pni'n toua mai~izcuadrada simétri~a de cualquier orden; cs'
decir que o"
. oo(b'AfJ) ;';2;\ú (A.ló)
c1b
I
,

L
 par;¡ la Illatriz silll~lrica ,\. I\plicando es le rl.:sullauo a los jvlCOresulla .F;o
. c1(h'X'Xh) " .
--- = 2(,\ .\)h
.. ¡Ih , ~rr;'fi
..•.•
n~
que l.:Sun vcclur cululllna de k elementos.
l~.;;;l
A.2.ó. Itcsolllcilín de ECll:lciillles

°EI veelurdc coeficientes dc estimadOres ¡viCO. h. es la sulución dl.: (X '.0\)!J. = X'y. u?l.
Necesit,lI110S establecer las condiciones b;¡j~ las que exista una solución lInicn. Con-
siderenlOs el conjunto de ecu~ciones
o_~,?'
. ;\ ú:'; e. (A . l 7 )
..0L\9n~.e¡\ es una malriz cuadrada. no. necesarialllentc.siill~trica,dc arde.n k.x/..'.; yby.
e son vcctores columna de k e1cmenlos: Los eleolcnlos (il.:'..\ y' e son conociJos ~' los
dc ú debcn delerm:narse. El cnso más silllpil.: ocurre cuando k = 2, L;¡s ccu;lciones ../)
'•..•..
pueden:en l.:sle caso. escribirse como'

. don'de ~¡ (i = 1.2) son vectores' coluninil de2 ékllll.:nlOS dc la inalril.:\ .'Si el "iPI; dc' .
siiuación ilustrad" en la' Fig. A,l t:xisle., cnl'on~~s dircclalll~nle se 'desprclHk que
Ilay una solución lInica que es combinación lineal de ((¡ que dael veclor c. Sin Clll-
bargo, si la sitllacit"Jn dibujada l.:n la r-ig.A.2. en dOlllleun vector coluiilna cs simpil.:.
'menle un escalar múltiplo de 011'0, digamos por <;jemplo que ((2 = Afll. enlonces
cualqUier combinación lineal dedos veclores solanicnle pue'de producir otro 11llílti.
. plo de fll' El veclor e debe coincidir con Iii line;¡ definida por fll' ecuación ('\.17) .
para que 'Icnga infi,iilas soluciones. micntras clue ~i elvcClur e eSI~ en cualquicr ~lro
Illg"r entonces no exisle soluciÓn. Li difcrc'lc¡o¡¡ entre (i):una solución llllica \' (ii) no
exisle soíucióno hay inri,iilas solucioncs es que l.:n e1 primer casu los vcclores.co-
.,J"
. lumn¡¡ son lillcallllcn(l.: inllepcnllientcs, y en el s'egundo ósu los \'l.:Clores sun lincal. 0 ••

II1cnlc dcpcndienlcs, Si In ~nic¡¡ solución dc la ecuación Al fll + A! fI! = !l. es Al = A2 ,,j-. .

,;, O.los vectorcs'se dice que S(lll lincalmenlcindependicnlcs: l.:n cualqllil.:r aIro ~aso.
),
son line¡¡lnlenle dependientes, . .
La extensión deesla definición a veClores de m,iyor dimensióli se realiza como J-
-\; .
sigue. Si la.lIflicasolución de la ecu¡¡ci6n ..;)....

+,.
.

Aln¡ + A2n2:~ ... +.Akl/k = O

es Al = A2 =oo. =.Ak = O,los.veelon:s n¡de k elel\lenlos'S(lnlinealml.:llle independien.
--Á ..
les. Cilalquier veclor 'dc k elementos puede expresarse COI\\O llll'a combinación line .. .': .
. nl unica de estos veclorés, y así la' ecllaCiÓn (A: 17) tiene un vcctor de solución ünic¡¡, .~

b. ESle conjunto de vectores linealmenle independientes sirve COI\\O h¡¡se del cspa. .<

lJ
 --

~.
~, P.
532 ~IEToDns DE E('o:o.:l)~I¡:TllIA

(..,:"
f .• 'h

~io v(ctoriOlI de k dimcnsio,ies que contiene lodos los vcclo~es de k elementos cuyas
1O.n.lponenlcs son rcales. El espació veelorial se si'lilboliza con Ek, que es el símbolo
r~
t~ r' . utilizado [lara rcp.rt:scnlar un espacio euclídeo de k dimensiones. La suma de dos
veclor~s cualesqulcra dc esle espacio también perlenece 'al espacio, el múltiplo de
(?:, cu;\lq~"er \'cc.lor del esp;lcill también pertcnece al espacio y la distancia uelllro del
l.

r;;;, . CSP¡.CIO.se Illld.e como cn la ccuaciiín (A.5). Una hnse no tiene por qué ~er lmica ..
CualqUier conjunto ue k vcClores Iinealmenle independientes tam'bién lo cs. Los
vcctores .que constituyen una base sc dice quc expande la basc. Una base muy ¡Ilil
cs el conJunlo de veclores unilarios. En EJ los veclores unitarios son ..

y. dec~lc 1110do, cualquier. vcct,or e.'.=' [CI e2 c)) puede expresarse cOI.no C = el!!1 +
~. c2cZ'+ CJC1' " . .' ,

El .i,'¡gulo O en'lrc e10s \;~ctores a y b-d~1111ismo or~len ~e define como

.. a'b
.cos 0= ----
y';¡'iJ Vb'ú (
1\.1 S)

CUOlndo 0= 9(t. cos O = o. Y dc esle modo a'ú = O. Los dos vectores sc cruzan for-
111;ll1lloun .íngulo recto. el prodileto interno es iguala cero, y los vectores 'sc uice
que son llr~ll¡;l)na":s. Claramente los vcctores lInii'arios son mlltlla111~nle o'rlogona-
I les,')' constllu)'en una b¡lseor!ogonal para e1es[l;'lcio. . .
,.>- .•...

A.2.7. La Matriz Inversa

U . . 'ó '. . ,,

~,'~,~'~:~~
.'
::.;,~;~;~~:~T:;~~~:~~~::~~-~:;~"t
na aprOXlmac! Il estr~cham¿nle relacionada'eón la soluciÓn tic laeóla~iún (/~ 17)

,
relación slmdaL Específicamente, si A es uÍla niati'iz cuadr.lda, ¿existe otrá matri~
cuadrada, n, lal que An = n Si las colurllllas de A son linealmente independientes
la r~spu~sta es sí. Hag¡\I110S que ÚI simbolice la primera columna dc n, con lo (',ue '
Abl =!!¡ (A.I~)
Oonde c'l = [10 O, ..... OJo ba,da 1;'1indepcndenci;'l lincal de las cl:lumllas de A ti
queda determinado de manera líliica. Por el mismo argumento cada columna d~ 1;
queda delerminad" línicamclite, y la malrizil exisle, si se salisfacc que
. . AI1 =1. (A.20)
I.lemos .di'cho. sin de!noSlrarcl re~ul,tndo, que si,las columnas de 1., matriz cuadradOl
,\ SOl~, linealmente; int~epe.ndienles"t.am~~én lo~on sus filas. Un arg.umenl~ sin)ilar
rermlleden~(1strarque CXISl~lIn~ .1)1.a1rizcl)nc1raya la.! que ;. " .•
CA = J (A.21)
 .•. ..
"I'~NDICEA: Algebra Matricial. 53J

Dol\de cadn fila dé e está. úni2am~nledelerminada' coino combinación lineal de los'

c0l:ficientcs de las fil;ls de A. poniellllo las c~ual:iones (A.20) y (A.21) juntas,lelicmos
- • • • o.

h e = el = C.Ul= ID :=. B .

(fltonces. si las k columnas (y filas) de A son Iinealmenle independientes, exisle

una matri1.,ünica que es c.uadrada yde orden igual a k. Esta matriz se denomina "in-
. versa tic A "y ~e simboliza.mediante A ~I. cumpliéndose 1;\ propiedad siguiente:.
Ak' = klA =1 (J\.22)
l'i-elllu1tiplicahdola e,
Eq. (A.17) por A-l dn {¡-;= A-I que expresa el vector solución en
términos de los t1atll~ conocidos. Ulla malriz que ticne invcrsn se dice que es una ma-
triz /lO si/lI;II1:¡r. Una matriz que no licne.invcrs;'l se dice que es una malriz singular.

t\.2.H. El Rango de IIn:l Mnlriz

.'. .~-
El rango de ulHllnatriz se define "como el número rn<lximode column:ls(o filas) Ii-
ncalmente independiente de la matÍ'iz. Utiliznr'emos la i,ótnción p(A) p.miindicar el
rango tic 1:1matriz 1\. Para cualquier matriz e1nlll11ero máximo de columnas inde-
pcndicntes es sicmpre i~ual al nlulleró illáximo de filas linealmente independientes
y tle este modo el rango es único y 'es un mimero que no da lug<1r ;) ningún tipo de
ambi~liedades. El rango de una mairiz 111 x 11debe, obviamente, Satisfacer 'que
Rango $ mín (m, 11) . ,(A.2J)
Cuando el rango es i~ual a :/11« 11)la malriz se dice que tiene rango completo en fi-
las y cuando es igual ;\ 11 « /11) la matriz es de rango completo en columnas. Si todas
las columnas (filas) de una matriz cuadrada sen lilleal~iente independientes, la ma-

~::¡~::~"
tr:,~';:~::;~:~::,:;~:~'t
"'c"'' 'S:f'::~;,<;~:::::::;Jl'!~W>
,"t ..k'é"T"-H~"~7'"-''''''''' .....•;..'
A+ T:•..
2 3
O 1
. .2 2 4
,.
'1
El rant;o no J1l1cdeser mayorquc l[és.'Lai~sJ1ección de la 'ma'triz. sin embargo,
Illuestraque las filasobedecen.a larelación, filal + fila..2 - rila 3 = vector de ceros.
El rang.o debe ser, 'porhl ,'anto, menor que tres. No hny ninguna fila que sea un
múltiplo escalar de otra fila, as£'que elr;lngo de la malriz es igual a uos, Desde el
plll1lodc visla de las collllllnasobservnmos que hay cuatro posibles conjuntos de
,tres vcclores; pcroen' conjunto hay tres colllnmas linealmente independientes. Las
ri:lacion~s enlr~ ~llas501~ " ," . - " .' .•
col 1=' col 3'- col 2
col 1 = col 1\ - 1,5 'col 2
..¡

J
 "
534 ~!I~'rooosOE EcONO~iETI\IA' -X..• ~..

col 1 = J col 3 - 2 col4

col 2 = 2 col 4 - 2 col J
Ninguna columna es un múltiplo esc"lar de otra columna, así que la matriz es de
rango en las columnas igu¡1I a dos, como en el rango de sus rilas.
Volviendo al caso de la matriz. inversá, n~cesitall1os ahor" ver de manera mu-
cho más explícita cómo s.e ,ha construido esta malriz. y también poder detenninar
sus propiedades. Para una matriz. cuadrapa de orden dos:' ',

- {/12] (A.24)
{/II

el producto confirma que AA -1 = A -1 A = J. Ya que la 'm.llri7. inversa, si existe, es

, única, podemos av'enturarnos'a proponer una inversa y comprobar si es la solución
correcta multiplicando esta matriz por la origin,al para ver si se cumple la condiciÓn
exigida. El común divisor de A -1 es una función dc todos los elemcntos de A y se
conoce como el determinante de la matriz. A. Este escalar sc simboliza medianle
dcl A o, alternativamente, lAI. Algunas 'veces necesitamos trabajar con el valor ab-
soluto del determinante, escribiremos entonces Idet(A)1. El determinante de una
matriz. de segundo orden puede escribiJse

, IAI = n;,nn -,(I12n21 = ¿ :1:ni" n2p (A.25)

u./J
Ellérmino en el sumato~io proporciona la suma de todos los posibles,productos de
" los elementos de A, 'tomndus de dos en dos~ COn el primer subíndice en orden nalu-
" ral 1,2 Y a, {3indicando ladas las posibles perm'u'laciones de '1, 2 para ',el segundo
lérmino ell el subíndice. El produclo resultante lleva el signo positivo (1Iegativo) si
el número de inversiones dél orden nalural en el segundo subrndice es impar (par).
En nueSlro caso sólo existen dos' posibles perinulaci"ones de 1,2, que son 1,2 Y 2, lo
La última permutación liene.sólo una inversión del ordcn natural, ya que el número
2 aparece 'antes quecl 1,10 que propor,ciona la expresióncxplíciloi quc'aparece en la
ecuación (A.2S).
La matriz. que apnrece en Ji-:\ en ecunción (A.24) es un re~rdenamienlo de los
elemcntos de IL Se conoce como I\1nlriz de ndjunloso nialriz conjugúda y se es"cribe
COI1\O(adj 71). Se obtienehacicndo ras siguienles opcr¡icioncs:
1. .Para cada clemenlo de Asceliminilla fila y Ii\ columnn que conliene el c!emcn-
'lO en cueslión yse ,escriben nparte los restantes elemcntos de la matriz acompa.
, ñue.los de un signo positivo o '£galivó según la eslruclura sig.uienlc

[:.:.]
i\ ' E"o d, la """;, [ ::~, -~::'l
~~l
 :,...\~
"__
-:i
.
~. ,\I'I~=-iDI("E .•\: J\l.gchra i\'I:llricia.t. 535

2. Sc lranspone la anlerior matriz obteniénuuse

,-, '.1
,• ' ad j/t = (~';1121 '~i~'I' ~-1'
, La multiplicación da {,

A(ndjA)=(ac,lj/\)A
[
(1111 (1);-aptl'l)
--O -- () ] ',-. 'j

I,U '

y, de este modo, resulla A -1 = _1- adjA <1

IAI

'Volviendo de nuévo arcaso de matriz 3 x J, lencmos

lA I = )':t (;1,,'a2/I(/J1 . '..'
- ••7f.1 '
= (/1I(/nl/Ji + tllíú~JñJi :~nljrt2Irt).2 - ;ll(/;-J(J;~ - 111.,1I12(/JI ',(A.~7)
El proéedimienlo para In' obtención de In mnlriz de adjuntos en el caso de la matriz
de' segund~ o'rden necesita algunas modir¡caciones para que sea nplicabre al' caso de
"""i

la matriz de tercer orden y cle mayores órdenes. Eliminando la fila y la columna que
contiene a un elemento, por ejemplo el elemenlo all, nos queda una submalriz
.'.~
í
-'.
;, [~~: :~~1
~.'
en lugar dc un cscalar. En declo, ahora rccinplazamos el elemento 1111 por elliL'll:r.
minanle de esta submatriz. Los procedimienlos recomendados son los siguientes:
1. Reemplazar (/jj por (-1 )j+j Mjj, donde Mjj es el determinan le de la submalriz , ",1

2 x 2 obtenida después de eliminar la fila ¡.ésima y la clJlulllna j-ésima de la ma-

, ......¡
triz A. Mjj se denomina l1IellO'r y, una vez afeclaclo de signo. lo reconocemos co.
mo cofaclor, Cjj, es decir, ',;..:)

C IJ.. = (_1); +j /1'/"

'} (1\.2:-;) . ....J

El.signo de Mjj no cambia si i + j es un número' impar y cambia en el caso de :...J

que i + j sea un número par.
. 2. ':.-1
Se efeclúa la transposición de la matriz de coractores con objeto UC oblener la
matriz de adjunlos y se divide luego cada elemento de esla malriz por lA 1. El re- ._J

sultado es la malriz inversn.

1\-1
,
= _1_ (adjA) = _1_
[e
C'2
ll C11 C-I]
C~~ C:~2 (A.2lJ)
..J

.J
, IAI IAI Cn C2J C-'J

¡ De la ecuación (A.29) se sigue que

',..J

....-J.

.~ 1\ (adjA) = (adJi~)A.
"
~ IAI :1=11~1
. O
I~I ~
O /.-1/
J ( A..1fl)
"
,~

.-,
.' .•..J
J

:~.
---'-- _ r, "
 T~)úo ~~1.0 ~llIcslra <¡u.e.h:I~'varias [armas úc expresar el d~lerminante úe Una ma-
lllZ m,IS ,dla de la Úd,nl(IOn general dada en la ecuación (A.27). Igualando el elc-
menlo de la p'lrle SU¡)c" '. . I I I ,.'
" 1101' Izqlllert a t c as malnces con la parle th:recl . '. .
da de Eq. (A.JO) resulta 1,1 e Izquler-

. ' . 1,1I={/IIC11+I/I2CI2+{/IJCIJ (A.J!)

que define 1/\1 como una combinación lineal de loselcmentosúe la'prim' rl. C'-
r. J'I el 'm' 11
.
. J ú
c. el esta°'
mu
1 . l'
tlP Icado por su corre~l)ondienle
'.
CO['lclor 1"1"'1
.••
'1111"1
era 1 ,l. a
I
., ra l' es e rc-
su la 1.1, agrupamos los términos en la ecuación (A.27) por los elementos di'"
nll:ra [rla úe A para obtener '.' e a pn
1;\1 ={/II ({/2'{/n-{/ (/ ) ~ / ( tl )
I -" 2.'.12 '(12 - 21{/n+nn{/JI +(/IJ({/21{/.12-(/22{/JI). (A.J2)
lued~ :omproharse dc una '[orma scncilla Cjlll::los términ'os cntre parénlesis tic h'
ccuaCllln (1\.32) son lus co[aclores tic la ecuación (A.J 1). De la ecu;lció (A JO')
puede I'erse que d determinantc 'puede expresarse como UI1<1combinación I,linea; de
losr ~lemenl(~S de Cl!alquier riJa (o columna). 'dado que Jos clemenlos se mullip;ican
po u~ co~rcspundlentes cu[actores. NÓlese, sin embargo'. que si 'Ios e1elllentos de
-..... cualqUier fda (columna) sc multiplican por los co[aclores de una [ih(o I .) d'
( [crcnle. enlonces el re' I . I ..... ..... '. ' ,ca llJlln,1 l-
. su 1,1(0 eSlgual a cero. Las extensiones en lérll1ino~ de oiros :
(o[actores desaparecen de mancra itlénlicn, . .

I-:JE,"1'1.0 !lE Ui'i,\~I'\TIUZ IN\'EIlSA.

"--, 1 3 .1
1,11,: I 2 1
'1.-
2 4 .'i
Los nlel10res de ia malriz son

(j 3 O
- I -J -2
"
\." - 5 -J -1
~oloc~nd~ los si~nl1s a los menores y haciendo la Ir~llspu~sla dc esta malriz resul.
1,1 la matraz lh: aUJuIlloS . . .

6 J
adjA = - 3 -J
-51 J. .

Expres;llldo el uelcrlllinallle
r O 2 -1 .
en ténllillos de los elemelltus de la primcra [ila de JI
lent:1ll0S que .
\',: .. 1,11=1(6)+3(-3)+'1(0).=-3

i \.>- y. de cste Illudu. la Ill;ll.riz illvnsa es

-2 _1
I .
11
J J
=
'l:--";~. "
.:.t
¡\-t 1
O _1
I -'\
I

;;:'t J "3
 ArtNulCE A: AIgebra Malricial 5)7

Para el caso de una matriz de orden'/1 los p'rocedimientos a seguir para obtener
la matriz. inver~a son esencialmenle Jos mismos que los desarrollados para el caso
de la matriz. de tercer orden. El determin,lnle es

.. IAI=") :t:nlnIl2p ... n", . (A.33)

/¡f.. ,
Altcrnativamente, la expansiÓ.n en términos d'e.la i-¿Sima rila de A es
IAI = (~i1 CiI + (I~ C'1 + ':. + I/j,1 Cjl! i = 1. 2 ....• /1 (A.34)
o. en términos de la j-ésima columna de A, ..
1/\1 = al; Cl; + 1/2j C2j + '" + n"j Cllj j = 1. 2 ....• n (A.35)

Los cor"clores son los menores arectados del signo correspondiente a las matrices
de ordcn /1 - J. Y In matriz invers;les

... ,~,\ .\.,'

.
J

;,
C¡';"C'2'"
.
......A.2.9. Algil;1a.~ rropicdadcs;lclo.~ Qc!érJTli\1,:1IJtcs .
.., ~ ' '. ~....
... , . ' ..
(i) Si';,in /IIotri, n d.fttÍIO~l/i(1{¡~'~ pniiirl/~: I~ 1;1n';ri,~dCsfJl/éjd~ ~ii{/~!i~/~ ,;/1;.
/IIliltiplo (Ir! I//ln[iltl (v 'COll/lI/l/il)n olril(¡cslIJ[ifas (o COIIl/IIII{/J). el detcrlili:,
l/O varía. Supongamosqu~."aj-ési'I1\~
I/(II/tl! rila de n se ddine corno In su-
ma de.- la i-ésima rila de A y Un hlúltipló
. .
de la
. j-ésima rila de A. es decir
. " ,
• I

IJjk = I/ik + >'ir;k .k:;: 1.2, .... /1

Extcndicndo la anterior expresión en lérrilinos de la i.ésima rila, resulta

IDI :;: ¡ (aik + >.njk) Cik. :;: ¡ aik Cik =.IAI : ,

donde los coractorcs de Ja rila i.ési,m:i s,9n, obviamenle; los mismos en caeJa
unadc lasdos I11ritrices. El resultauo se sigue innú:dialamente ya que las
expresiones en lérminos de los cofactoresdesapare¡:en,:
(ii) Si las filas (cvll/mlll/s) tic A sql/ lillenll/'-cnre depelldientes.IAI:;: O.}'.si SO/l ti.
l/ea/mente illdr:pr:;,dielilcs. 11\1 -t o. Si,
'p~ngamos por ejemplo, la filni.ési-
ma se expresa COIllO combinación lineal de otrasJilas.las rilas de Asonli.
neallllenle dependienles. Restar la combinación lineal de la rila i.ésima, es
simplemente una aplicación repelida de la propiedad (i) y. cnconsectien-
cin. el delerminante no ca,mbia de \'alor. S'in em.bargo'.'.la nueva malriz. lie.
IlC tln:l fila [orinada por .ceros, Ya que cada término de la expresi6n ues;i.
rrallada del v"IOr del determinante contiene un elenlcntode una de sus n-
las, el dcterminanle es igual acero, Si las filas (cnlum'nas) de A son
5Jll 'Mt::fODOSOE (coNcniETI\lA

linealmenle independientes, nO'hay forma tk que una de sus filns (colum- .

nas) scaun vector de ceros Yi por 10 lanlO, IAI O, En consecuencia, hls '*
Ilullrices 'no singulares lienen. detcrlllinanlc.s dislintos l\e'cero, Illiehlrlls
que las niatrices sin¡;ulares tienen delerllllnllnles i¡;Ullles II cero ..
(iii) El detalllillQlile de ulla
lIIatri, Iriailglllar es igllal "í ¡¡rue/llctode los e/emell-
. los de Sil didgóllal. Una malriz .lriangu!¡lI' inrcriof liene ceros t:il lodos los
elerilenlos q~e quedan por encima de !adillgonal principal, como en el ca-
so siguiente:
(/110 . O O
{/21 a21 O O

"..•o.•....: ;~..;"..:.•.t:,,',.>\,,-;.(l-.v •.i~.A~F; ..~!.3,'-";,:;..;...,R.,,..';.,

f.~H;'ó.,~H.I/ ',:""",";/": < •.. ,;.;''-. .•• '> •• ". _.' " f:;
," :' ~;
!'
.~
f
Extendi~ndo' el resultado gel delerminanl'e el~ lérnlinos de los elementos l'
de In I;rimera fihl resuÚa que ~ldeleiminaille es i¡;ua\ ,,1 produclo de all
por el determinan le de 1:1n\illri'l. de ordC!1 11 - 1 oblenida después de elimi-
nar la primera fila y la primera eólumnade A. Procediendo de esla fOfllla
resillla
IAI = "llrino)) oo, ",,/1
Uní! malriz i'ria;gula~ superior tiene ceros.en lodos los elelllen.los quc quc-
d¡¡n por debajo dcla' diagonal principal. El anterior resultadl! es extensible
..a esle cas¿ de maner-a 9bvia .. Doscasos especiales de esta propiedad sc
despreJldcl~direclnll1ellll:: :
. El delerrilil1iln'le de una m~lriz diagonal es el prouuclo de los elelllen-
los de la di:lgona\
El Jelerminanle dC'una matriz idenlida(r.(unilaria) es i!,'.\Iala uno.
(iv) El reSlllwdo de /11 11Itii)lica'r, ~1I;,lqlli¿;'¡iltl (cull//Jllm) dr wli, /JIII/ri:, por 1111(/
CO/¡jlnllle es qlle 1'./ dclernl.ill(IJJle 'de' 1(/ /J1(l/rii í/"cda IIIl1ltipliclldo [Jor cstll
mismCl collstall!e. MIIÚipliclIlldo nim mnlri, dcor~lclI n por 1/1111COI/J/IIllle, el
delemlillallleqllúla lIill/(iplicado por esla cOllstml/e. elevadll (/ 1(/ n-ésillla po-
lellcin.ESlei'esuÍlado se sigue inmedialamenle de I~expresión expandida
del valor,del determiililnle ..donde cada.lénllino es el prolluClo de n ele-
menlos, uno y sólo uno de cada fila y c?ll!mna ue la m,ltriz.. . .
(v) El dctw!lillallle del/JI'od/lCIO, iI~ dos /1/(l/rices el!Mlradns I'S c1'Jrodllclo de
sus respectivosdelerlllillalltes .

IAfl¡ ,= IAI: Inl

. Un éorolario útiLes
 1"','--<
AI'E:\IlIt'E ,\: 1\Ig.d)f~l"{alricial 5.19 ~:;,

"'... ,i
.1 '(4
IA-'! =- ,~ 1
IAI
,'!)

A.2.10. l'ropiedlldes de Ia.~ 1\'lalrices Inversas

-'''-'''
" .,,\

Enunciarell10s a conlinuación. la mayoría de las 'ocasiónes sin dcmostración. algu- . 'rí.

nas de las propied:ldes ll1iís inleresanles de las matrices inversas. 'l't':)

(i) . La iill'er.1"II tic 1(/ i'll'cr,l'(l de 1111£1

IlIfllr;z rcprodllcc la /llI/tr;;: 1!I';~il/al.
.~
.. )
;.'~

IA-i¡ =A

;., "" " '..' ~:I~~::~~~I~i~~~\~:~ill~~1di~ISV~~~~::(/\-1 )(A -:' )~I =~:: premUlli.pli,~.~I~~~;!~ór 1\

(ii) L(/ i1lVl'r.1'I1 e/e Id lf(lmplle.H"" de 111111

IIIntriZI'J"igllll(1I 1(/ trflllJ/JUl'sttr dI' 1(/ ;11-
versa de diclrlllllll/riz.
.~'l.<
. (A 1)-1 = (A-')' J

T'ransponielldo A¡\-I = 1, lcnemos (ft~l)' ¡\' :: /; POSIIllUlliplicantlll por

.~:~
.. ~

(/t')~l lenemos el resultado 'lúe busc:íb¡¡mbs.

(iii) La illverm de 111111 I//(/Iri,lrillllgli/(/r .l'IIperior {illferior) CJ ItI/!I!Jiél/ I¡II(/ 11111'
triz u'Í1l1lgl/lflr .l'IIpcrior (iIlIcrior). lIusLrarcmosc~lc rcsuItatln ci;1l UII cjcl\l"
plu conun;¡ 1l1alril.] x]: '.
;O
A = a21
["" "]
(')1
1121

~/'J2
O
11)).
....

lnspei:cio~ando esta malril. podemos observar' que los tres cofaclorcs son
igUales a cero. en ereclo ..
~
....L,
n() \
. .)<
.,
~-~L
. I [CIIO '0 ]
.../,
,1'

Entonces. resulta quc ¡/t-\¡ = -IAI C'2' Cp ()

. .-
j
CI) c~). e.1.1 í'"
'j
.J
(il') Lo illl'cr.w tic /Il1n 11I(ltri, pnrticio/HIII(/ tnmbién' p'//cr/e l'.lpn'SIII'.I'1' ('/1 ¡orlllll ,-<"'

pnl'ticiollnt1l1. Si :j, .'('f

~,
;J
,...
j'
donde 1\ 1I Y An son Ol;¡\rices~cuadrad;¡s no sing,ul,¡rcs. ICfH.:müs(juc
f
'.
"
.

j;'sJ.'
:~;~'1
/
 ~IU()O(J.~ DE ECO"'U~lI;TllI",

A-I=[ .D11 . -.DJlAI2A2~ ] (A.37)

- A 2~1\ 2' D I1 A 2~+ ,\2~D 11/\ 12A2~
donde ni, = (,\ 11 -;112 ;\12"1/\21)-' o, a.lternnlivnmente,

A -1 = [,,"i\ + A.,\/\ 12D!r\ 2,1\)11 -A I'IA 12D22 ] (A.J8)

-lJllA2lAII .' JJn
donde lJ22 = (A21'- A21.¡\II~1 ;\11)-1, Lacoher~n'ci" dc estos rcsult"úos
. puede comprob¡¡rse efecluando 1n.smultiplicilciol)es 'correspondientes. Es.
las ~:-;presiones se ulilizni1 ti 'menudo .. La"primera rorma. la ecuación
(1\57). es la manera m;\s scncilla dcc:-;presar el rcsultado de la inversa de
la matriz particiollaua CIl términos de 'Ios clcmenios de su prin1era rila. Oc
Ill:lnerasimilar. I:lsegllllda rorma,.la'etu:lción (A.3S), es una expresi'ón
más adecuada si lu que se quiere es'.dcs.arrqllar 1;\ illvers:l ell términus de
los cll:menl()S ¿le la segunda rila .. ' .
Un cnso espccialmllY imporlanle'de estos resultados es el que aparece cuanuu
,. .
tina malriz de d.íllOSse parlil:iona'enla.rorilla X= [XI X2J. Entonces
. . [' . .. ;.] .
. \~
(.
.X'X = 'X'IXIX'I'X2 .

Il' . . . X'iX,: X'2X2

'rt.. La sustilucjóli .de las c:-:prcsiones an. . . .
\1>-

'f.-: II:rinrcs cnla r;írnlll'la PI:cC¡;¿knle cqnducc a

~¡;.. [X'IXI - X'IX2(X'2'\'2)-IX';X¡j-1
n'l:; = (X'IM2X)-1 (AJ9)
:"r.
.¡~ COII ,\f 2 = 1- X2(X'2X2)-1 X'2 (A.40)
"('"'
!.t:.
Ulla sU~liluciólI similnr. o simplemente el inlercambio delos subílldices 1)' 2, da

1) n11'= (X'l;\fIXt)-1 , (A."I)

..•

'1!'< con ' MI = J - XI(X';X1)-IX'1

.
(A.42)
,:;1 '. L íI\. ,1:~~\t,i.?9'~¡~!F,s~n:n1í1tTÍr:~:;:?,il1r.z\TiGcrs-fdel'{1'pOlen!-c.s;-'Pre m u Iti 1)1ien 11d o c~.~,a:vl?:c,'~o"c..",.\
1"'
tÓl'púr M/scbblieúe el veclor de '¡'csiuuos de In regresión sobre Xi' Entonces, M2X 1
~~l. "1 a míllnz'.' uc resluuos
. ua '.1 CU¡~1l( I o Cílua
,1 unn di'e ílS vaníl bl es .Inc 1IIluílS
',' en ,\" 1 se regresa
'r¡'t sohre.: X2. y así sucesivamcnte Las ecuaciones MCO de la regresión de y sobre X en
';1 forma I)arlicioníldíl son
\,¡j".

't"~ [
bl ] _ [X'IXI :X'IX2 ]-,' [X'I)'
. . b1 ,'('2XI X'zX2 X '2)'
:'jl
,,-,l',. Tomando cn cuent" el
ucsarrollo p"ra la primcra rila. tenclllos que

!JI = [(X'I/~J1XI)-;
. .'
-(X',M1X¡)-1 X'IX2(X'2:Y2)-;J
': ' . lx'])'
f X'I)' 1 . (AA3)
= (''('''\[2,'(,)-1 X";\(2)'

De manera pareciua .. (A.4~)

 :t)"

.-\PESDICE A: Alg~bra :-'latlÍcial s.n

ESlos resullauos'proporciollnn unit rOflna all(:rníltiv,a,dc contemplar,la estimación'

MCO dclmouel0 dc regresión. La regresi6nde)')' XI sobre X2 proporcion",un vec-:
tarde 'rcsiuuos.M])" y una 1ll"lriz derdsiduos M2XI..EfeCIU:lndo la regresión de los
primcros sobre los segUn~os se oblicne 0.1vcctor de eoeficienles bl de la ecuación,
(A.41). Una interprelación sin;ilar sco6ti.elie pnrnc! v.ectorh en la ecuación (1\.'14).

"
A.2.11.l\1:ís subre el Rango )/ In Resolución lIeEc\lacioncs '.'

GOl1sideremóshl eOU:lcilÍl'lhoIl1ogéIlC:I""':';",
- ,lb = O (A.45)
Los elemcntos deA son eonslantes. conocidas, y b es un veclor solución descolloci.
do. Si A es ul1n nialriz. cuadrada .yno.singul:l'r,'.'a:única solución es el vector cero,
b = ;\-10 = O. Unn solución dislinl:l' de cero requiere que A sen singul"r. Considere-
IlH)S. cml1o)luslr ••citln,lasiguiei11~exriJ;esiól\.' .
','.. '. '.." .
'(I1,b', + {I12b2 :d O .
.. , ," .,'., ,'1

(12 lb l. t (122b2 ;:;O . ,

. . , '(112' '. (122'
Eslns ecuacioncs (j"n bl ='- -
IJ2 bl = - - b2
. 011' (121'
Par" uníl solil(;i6n distint" de cero,lenenios .
1112:.. 1112
l/JI (121
es decir, el determil'¡lIIle de A 'debe seriguala cero. L;'\ malriz A es, en eSle enso,
ulla'm;ltriz sinoulílrb
COII rílllfloiguíll
t;o
íI uno. Ulln rila (columníl) es un I11últiplo dc
u.tra [¡líI. (colul11níl). El vector solución es unalínc." recl" que pasa por el orir,en dc
. ;.1 .1
. cUal uenauílS. -, .' .
\,;1,",>".::,.>",;,'.'r';eoi'-sld2YtlWdS~:{no'¡:¡¡:'cr]Tgui~n!l1iHrcn;~-f:f¿8?i'¡1~mIi.F~~:""?:;-::,<0.'"';:''!'''::~';'7??;
•.,gé!:,;?~'?<"" -c "

.. ' '.' ; '.-' : .... , " '> .. "." .' .

+. (Ii2IJ.2 +....(IJ)hJ = O
{/I)/)I .
(I21IJt+ .(I22/)~ + (12)/)),= O .' .
. .' . .
El r:lIigo oc /\ es, como 11l;\XIIlIO;Igual';1 dus. Si es igunl a. dos, enlonces A tiene ni
mt:nos dos columnas Iinealmenl~ independienles. Supong"rnos que las dosrrimcrns
columnas son inuepcndicnlcs. Las ecuncioncs pueden resolverse pílra b I Y b2 en tér-
minos dc, [¡J' cs dccir,.b, =A¡lJJ; bz= X2b~.El vector soluciónpuedecscribirse como
.• . ['b(] '[Al']'
:{~ 'lJ2.': •.= x2.¿J
b 1
") .
El cscal;ir hJ es ílrbilrario. :rotfasl;\s soluciu'nes son v~ctoresque se reprcsenlíln me-
dianlc lí!lCaS rect"sqllt: PílSíI" por el origen.' .
 542

Si ~¡"rangodc A es igual a uno,cntoJ~ccsun" fila ,cs un mÚltiplo dcolra ...Las

! . ecuacioncstpucucn re'solverse para, por cjemplo, bl• como función lineal ucb2 y b],
que son arbitrarios. Escribiendo ~SIO como b1 = A2/)2+ ~)/)J ,el veclor solución es

1
11 '~2 AJ
[ 2] [] ]
b'.= b = 1 bJ- + () .!Jj
b] O . 1.

Todos lasvcclores de soluciones pcrtenecen allli su1.i-e~~'paci()bidilllellSional de EJ.

EI,<o~jo" 'o d, '01 "io"" d, 1, "",,,i6,, (AA5) co,,,'; "'Y' "" "1""0 ve<loc;,'
Jlamaüo.csplIclO 11;110 tlé A. Ladin.lcnsióntle cstccspacio nulo (el nlullcró de veélo-
res .linealnlC?IC indepen?íen IES(~~!_~_~.~~,ii~~~,sL~.~~.~,~?_:IE1~)•.~~}I.')n}a.~I.1~.!r~I,:.\(,I~"'.~?.~Jr,Ss:.;
, .',:, ..:". "<:.
:'-";'cj'éi\1¡il6~'sii'l'i'sr¡rccnTiC'ecLiií'CIÓi1~" .... ~ .... ..'
. . . Número dc columnas dc /t = rango úeA -l; nulidad . {A.46)prucba
Esta CCU'~:CIÓ~se'satisfaecde manera general. Sea A lI'ii,i m;llrizdc ~rden /1/ x 11 c~n .
r;¡ngo igu;¡1 a r. EnlOnCes, h'ayal' menos u.n conjunto de r filas 'linealllle)lleinuépen-
dic,itcs y, almenas; l1nCOlljl~nto. de r cólumlia:dinealn.lcl.lIC iIHlcp¡;'nuientcs.Las filas
y. colllmnaspuedéli intercambiarse.par'aque, si cOllyiclle, las primeras r fiI';¡Sy rco- .
lumn¡¡s sean las qu~' resultan linea!mciile iild~pe'ndicntcs. POdCn\IlSahora p(Qccdcr
a la partición de A por lasr primerils rilas y columlla~ cn.lil forma '. ..

.
. A-. '[A';"AI2)''.
. ..... - ,til . Aü',.
úonúe ~ II e's U';il nléÚrí~'c~aú'~"da'nb 'singu,iar de árden.r.y'A".i2cs'de. ordcn l' X (1' - r).
. Elimin;¡ndo Ins líltinlns in :..:ailn$¿!c !" -ec\í,ición <f,.45)rcsllllil

. ' "":'[~:II /~d'['bl.]~O .

. b2.
(A.47)

donde b l.contic'né l' elem~lltos)' b2 ¡os 11 - 1'. 'cleillenios

. . rcstanles. Este cs un conjull-
lo de r ecuaciones linealment~ independientcs.con {I :;:: r elemcntos desconocidos.
L¡¡ solución del sislellla pnra ¡j 1 da
'.

El subvector- b2 es .nrbilrar'io o, dicho de Olra rorn~a, "libre" cn el sentido de que

/1 - r elemenlos pueden scr espeeifica'dos de cualquier manera. Para cada una dc es-
t¡¡S especificacionc'sclsubveclor bl qued¡¡ detetmi.nnúopol' la ecuación (A4S). El
Vcc¡orque reprcscnla la solución generai de la. ccuilción (A.<17) es .

IhL ~ _
 ..-'k;
'"Jl.~Y •

.:~.
''''"~.iJ,; .,.

Caua solución ~Ie la CCU;\Ci(ll\(AAn .es lambién una solución de la ccuación (r\ ..1.'i) .,....."
.:"::¡,!
ya que las filas tJcscartadas de la ecuación (AA5) p"ra proporcion"r 1" c¿(,acic'ln
(A.'l7)yucuen cxpresarsc Como colllbilra~ión lineal de hlsrfilitsindepenuien'lcs de
........,
la ecuación (A.47). Por lo I;Inlo. cunlquicr solución tille se;1 \'iilitla para I;,s filas in. ~::::>
cluidas también lo ser,í para las filas desc"rtadas. EJilollCes. la ccuaci<Ín (¡\AlJ) ddi. :..r!~.
~..ti~:)
-
IH': el veClor de solución genernl para la ecu<ición (AA5). Si b cs una solución. en. . -...\.. .
:.:iJ)-
lanccs está claro quc Ab es lnmbién unn solución para el valor arbilrario A. Si h. l' h
son solucio/)es distintas entonces resulla que A¡b¡.. j'Ajbj es lambién una s(Jlu~i'(i,/ .',~.•. ji

Las soluciones de la ecunciÓn (A.45) eOJlstilllyen'ento'-lc~S un csp,lciri vcclaria!. 0.:1

"I'"i" m" o d, A, L, di"" "sin" d,1 "I',do 'o "i"" "t, "<tú,,;;
"id" po,' 1" <e"", '.
. c.i!in (l\.<1lJ). Las 11 - r COllllllnas de 1;\ matriz (Itleaparec9.'.cn .la,ccuaci.9 J(AAS!) son'"
I
,. LIH~.ilhncnle indcpelrdientcs' ya" que las C'OiUIÚilíls(Jc' la' Sul';;llairiz 1".( son neccsa ria.
mente indcpcndientes. En cSlccaso, lildilnensión dcli:spaclO \ll;Jó es ;/..:. r. lo que
l:i relación que aparcce ei.l la'ecuación (1\.'16). Enea'n'tramos una importanle
. ,aplieaci6n úe eslc. resultado cn 'la discusiÓn' 'de .la identificaciÓn de los'modelos de
ecuacionessi)llull,íncas, en donde se disc'utc quc si el r.angl)cie la malriz ,\ cs i~ual .
al nlÍmcr(i tic cQlumnas nie'los lllIO, "CIHonccs'.cI e~spaCio de s~iui:iones es sim~)le.'
mcnte una línea qüe pasan través.del origcn. '.' ..
. . El. rcsultado (A.46) también proporCiona Ulja simp'ledcillOslración de algunos
~Ic los In\p0rlantes .teorcmas acerca úcl r¡lngode matrices. En el Capítldo ] dccía.
¡lHlS quc una malrizcrucial en la dClefl'llinación dcll'ccri>r f\.rco es X',( uoiHlc x es ....•.oh
'u.na matriz n x k. Se supone quc 11 > k. Su~ongan\osadelll¡ls q(l~ p(X) = r. El espa. .~
'.J'
CIO nulo dc X ticneUlia dimcnsióil igual,a k - i'. 'Si 111. siniboliza cu;ilq uicr veclor en
'este espacio \lulo, . ..,.., ., , . ~r-;-
.~
, . XIII =' O ..
:j ~

I'rclllullip'licanuo por X' obtencmos .X'X/Il = O. . . .Á'

¡,JI
Así rcsulla que también 111 PCrlc,icceaLc~paciO nulo de 'X',r. Sca ahora s un \'e'clo~ '..L:
cualquicr;¡ úcl espacio nulo de X'X, dc ,ilOdo (jue. },:;

X"Xs = O
-l..,"
I'rcmulliplicando por s', Ilcgnmos n :J'\
j.?
s'X'Xs = (Xs)(Xs) =O -J,}
.. EI veclor X.r es un vcclor COn longilud cero)' (Icbe ser elvcclor nulo, es decir. J'
'1;.
'!"

Xs= O JI..
r
'1:
Entonces,.r pertenece al csp;¡cio nulo dc X:,De e~la (orm¡; resulla que XI' X'X li~-
~~\
nen el mismo cspacio nulo y, por lo 1;1/110, liln~isma nulidad. (k- r): Ticnc~ lambi~n ~..
. elm~smo llIímcro decolunina~ (k) y, Cl1consccilciicia por la ecuación (A.<16). liencn ,.,
....•
h',
el mismo rango l' = k - (k - r). Enlonccs, .' .. ':, . , .

p(X) = p(~\"X). .C /\.5U)

Clíant'-o'X.~iene colulllnns lineallllcnle indcl1cnuienles su ra;lgo es'i~uill a k.'Enlon,
ces (X''\') licnc rango igual a k y cs unn'ni':tlr'ii',no s'inguhlr CUY;Iin\~l:rs;1 es (X'.\') '.
 5~~ ~1t2TOIJUSDI, ECOl'll.\IE'//lÍ"

La existencia de 1]1matriz inversa,.de (X'X) garantizn la cxislencia de un 'único vec.

•.. :' lor dc csti/úndor~s MCO." . .
l.a,lransposicil'lI1 de una matriz nOllfccla,,:sli ,:an~o, es tkcir,'p(,",) ;"p(X').
'\0_

.-- ¡\pliL'an~lll eSlC resullado a la e~uaci~in (A.50) rcsulta

,»,1
. , [1(.\'X') =[1(\")
'J_,.

p(;\') = p(X'X) =- (i(XX,)(A.5 1)

N(ill':S~ qué X:\'i,c,s U';;1:g1illrii'. cu:,drnda de orden 1/ (; k),)' por lo lanlo, si X ~s de
, .," r. \~ ' . ~ ~. ~. ' .," .', '
ran['.11plenl'l é,i'tolui11l1as. XX. lambién es sing,úlar ' . '
Olro imporlanle ll.:orcni:, acerca del rango de m'alrices pu~de eslablecerse co-
n\O sig.ui:. Si ,\ cs una m"lriz de orde,ím x n con rango,,: y J' Y Qson malrices cu".'
,..
tlratl"s no sin~ularcs de onlt:n./II'y ,.,rewecli~'amenle,.fnlonces'
~. (A.52)
, ..
:- cs ,b:ir:la jlremullipli.cacit'lIí ylo poslinulliplicnciól.l de ,\ por malrices ,'10 sin~ulares
-,~~.;
.) . cl1nducca una malrizc¡ue liené el mismo ra~~o quc,la '¡1atriz.A. ESle resull"do plie.
dc cSlal,lcccrsc ulilizandolos mismosl11étodos que los usndos en la ccuación
(,\.:\ 1). ~inalmcnte. enunciaremos, sin neccsid,id de dcmoslrncilÍn, un leoremn pnra ,
,.•..1.'._
.'1 cl GISII g.cncr:lI de 1:,.mulliplic,\I:i('lI1,de,una'illalriz,reClan¡;ul~r por olra malriz re'c-'
~;-..
lang.ulilr 'cllnr.ormahle; Sea A una malriz 11/ x 1/ y.JJ cilra malriz 1/ x s. EnlónCl:s,
.J".... (A.53)
•. l'.
p(;\LJ) $ mín IP(A), p(/))J

-. , >~ .:s dccir. quc el rangll del í)nH.1uclo de dos malriccs. es menor o 'ig,ual que el menor
\
.••...•... l.k IllS rang.os dc las m¡¡l rices que i,úervienen en el prouuclo. De nucVO, un procedi-
'" '\ mienlo parccido al ulilizado en los dos anleriores leoremas sirve pnra de1110slrotr es-
,/,-..
Ic úllimo.
)- .

.?-.
:\.:!.12. Valoresl'ropios y Veelores Prop'i~s
'A
.:
: ,_. ~ Los \';lIores p,;opios y I(;s \'l.:clorcs propios :lpúrccen en la r'esolución de un conjunto
.:sp.:cial de ccuaciones: Consideremos el conjunlo de las ecuaciones en difcrcnci:ls
,11.:primcr ordcn quc aparecen enla discusión dclos VAI{ en el Capítulo 9, es uccir,
x, = AX,_I (A.54)
donde x, es un \'cclor k x I tic observaciones de un conjunlo de variables x en el
licml)ll l.)' ,\es una nwlriz k x k de números conocidos. Por ,!"alogíacon ellrala-
mienlo del casouniv.lI'i':lIllc que vimos c'n ~l Capílu'lo 7,hel11os poslulado un veclor
soluéi(¡n parad cnsO mullivarianlecomo' .
x,=~'Jc (A.55)
donde >-- es un escalar conocidú y cun veclor I~x l'de elemenlos desconocidos. Si la
COlación (Aj5fh:ldcscr una-solución ue l"ccü:lcián (A;SII), enlonc~ssusliluy.cn • .' .
 •••I'~~D\CE •••: A\gcbra Matricial 545
. , ' ,',.0' ~

do la ecunción '(A.S4Le!1 la ecuación (A.5S) d'ebd proporcionar una igua)d:ld en los

dos lados. Erccluando la suslilUci(1) íl,1dicada ydividiendo por >,,'-1resulla'
••• ' ' • 'o' .' •

. >"c = Ac
, '

o.(A':'>--I)c=.O, (A.56)
El veclor e perlencce al espacio nulo del" malriz A - >J. Si esln malri7. cs un" ma-
clriz no singular. la única. solución :l l~ ecu:lción (A.56) es la solución lrivinl X = o.
Una solución no lrivial reqlliere.'que la malriZ: se:! singlílar (J, ~n olras palabras, que
su delen!1in~nlc se~ i¡;ual;l cú(i, lo iillesig,l1ific~ que
, ._' "\A'~~II O' . ~ . (A.57),.
Esla cOI;dición propor~i(¡n¡i 1;, ccu'~éi()n C';¡:':lCI'er;~lic~'d'~ i~;
;11:llri;:A: S~ 1ra;~ uC'u~,;'
polinomio de grndo k enel v:llor, desconocidó >--, que puede rés~lvcrse par" las k raí.
ces. Eslas >" son. los denomil1:ldoS vat~r'es propios de A. -rnl11Gién se conocen c'omo .
raÍ\;csl:llenlcs o r:líce~ c;tracleríslicns .. Cndn >--¡ puede sersuslilUido en la ecu:lción
(A.56) y tle ahí oblener el veclori: correspondienle.Losvec\ores e así oblenidos se
ucnon\1nan veclores propios de A.'¡;ambién ;ecí\)e)\elnOl)lbre de veclores l:lt~'nICS
o vec!ores carne!eríSlicos de A. Itcagrllpnndo I"s k soluciones oblenemos un" '~cun.
cilín l1lalrici,,\ 1,. ... " ..-

o o
O,

que de l11aneracol1111n~lapllede 1;t'lI1bi~'í

,\C=Ci\ (A.58)
donde ees una 11wlrizcu,Wi'aua forl11ada por iosveclore~propiOsy A es la :malriz
diagonal de los v¡¡lores propios. Si stiponemos por el:1110111e1110
que e esuna mat ri'l
no singlllar,se sigue de illmedialoque . .
C~IAC=¡\ . (A.59)

y la malriz de veclores propici~sirve parn diagollnliznt la nplriz A. '"

EJ EM I'LO. Coh;o sin~pie ilus'l':iÍCió~'consideremos"

. >A~b~-ri"l
,
.0,8
.'
0,4

La eCllacit'lncar:ú:led5Iid(/\.5'7)'rcsuna;"
.,~
, .,'~ -'. .-
 546 ~I~"OOOS OE ECOr-;O~ICTRI,\

. \ 1,3 - >-.
-0.1'\=(1,3_>-.)(0,4_>-.)+0,01),
0,8 0,'1->-.. . '.

= >-.2- 1,7>-. + 0.6.

== (>-.-'1,2)(>-"- 0,5)

.= O. .'
.'
Losvcclorcs c;¡raclcríslicos son AI= I,~ t>-'2= 0.5. Susliluyendli el primer valor
propio en Ji¡ ecunción (A.56) resulla 2
. ] [ ] ( ]

.....•...•..•... . .;(Ac',!)o;= [ ~.: j:: :~: = ~ .. .. . . .

..•.•,.j;., .•,.,~." ...: .~,...;"~-'-¡;..~;.,,:.,U••,'"'••{,:"'.!Ü,', ..,"".A••X,.'~<,:<;i;",.,,-:~';,.,,"'~"i,~jo":';; :,C"J,.,',< , ..., .. :...:".'.',~.l.:,~' .., ...;.•..,.:.<
..".,.,.•..,.~,;..;,.~;.',;l.'~~.: .•.!:,.:.•.....
Entonces, ell :: c2l' El villorpropio eSlá dcterminado por un raCial' dc cscala, y es
un múltiple;> distinto de ,cero de el"~ [ll). DCll1ancra pilrecida, podell1o's sustituir
el segundo valor pr.opio 'en la ecu;¡ción. (A.5()),hj ~lüe proporciona el rcsult';üI6 si. .
. \. ,')¡cl+b2c2"'O.
gUientc: 0,8 c,;'= .O,le2;' Ei segundo valo:r priipio cs un 'nllíllirh; LlislInlo de cero de'
e2' :: [1.'8]. La matriz . d'e vc~torcs
.' . " .
propios 'pueuees,cribirse cn . la rorllla'.
., C.=.(.I' !..) CO'll.. "C'~.I=_l.(". s ,-,'1.').

..... ,.1,8..,.7 -1;.1 ',~

)' resulla sencillo c~m¡;~~b¡¡r que.
.:1 . '. l[ . .][, ..],.[. ...]. '.. ..
. . ... ~:' j
" .. c-i.A.~ =.~. ~~ ~:~.'-~,:~'.: :,'~. :~:2.':.::.~:'
,
le;>que'ilu~lra el proceso de cliagonalil.:lciÓll :lc"la n\nl¡'i7:,l~ElleCl:;)f 'pll~de'culiipro: e
L¡,r que cu¡i1i¡uie:r; Olr¡i norni¡;'lii.ación cii-bilr;'\rj~ d~ ~ccú;rcs pri,p¡¡;s deja in;¡llera. b
'dos los 'v.alo~es .pro.rios.... .', '. " .. '. • '.' .. '. , .. r
'. -. " . ."; '. 2
". . " ' , '. ~.'' .." -. ." ,~:....:, ., . ~,.::,.
'. " . \ 'l'! .
A.2.D. Propiedades (~C los Vnl.orcsy. V~.clorcs P.ro¡110s.
. .' ". l'

En l~s propiedades q'ue s¡gue'rlacontiil~íl~'iéln,A.~ss¡~mí'¡re 'IIn'al~l~lriz k.xk. ~IIYos

elementos so.~números re¡¡le"s','ics'uri~.I;lnlriz uiagonal.de kvalo'r'es pr(lpios, no .C
neccsa~iamenlc' disli'nlÓs io'd~s ello; ~~¡re sí, fC~s m;llri.,.. k x J(.v s k),cuYas nl;;\ .
columnos sbil los veclores pr'~pios'dc A.AI¡iul;aso.eéstas propi~dades son aplica-
bles a cual<]uier matriz cuadr;<)a de elcmcnlOsreale~~ Olras depenucn ue si la ma- I
trizes si'lIélrica o nó. Para Ilegal' a estos ,:esllllildos(lI)nos rderiremos ¡lIeaso de
'molriccs no simélricas y (b) .al caso dClllalrices siinélrica's.-.Algúnos 'resullauos se. T
..
enun¿an sin mediar' dc'mOSlr;¡eión, Para .0lroS' cn~os el.resultado se ';]eompaíia dc s
tHlá dcmostra.éión.'

l_._~ _
 c'io~¡' .
...J ...,.
-,~ ..
,\I'I:="I)I[C ,\; AI~chra i'vlalricial ).17 'JI:--'

1 (o),. LO.I' 1II,.lurr.~ propios ¡fe /1110111 II/ril l/O silllétrico IJl/l:dcl/.\:('( rwln o co/llp/rjos.
/ (b). L~.I'I.(¡forr,\' propios 'de ui /(/ 11111/
ri z sil}, el rica ,\'01/'to(í os ('1/OJ 'Illí /Il(,ros rcn/es.
C~mo i1uslración ~c eSI¡¡s rropieuadcs ~onsiueren;os 1;; ~latriz '\. que mOSlramos'
mas aUd;l111e.
.' . ~. cuya ccuación c'lI"lclerísliC'1
"., cs.. >-.)+ 1 (J l .
=, () quc supone .,que 1\ = :!: ".
dondc I = v-l. y /Jllenc v¡¡iores propios igualesa: i == :!:.Vr:¡. .

l1 =, [ 1 -2
]
IJ =[ 1. '::'2
]
~,

v :~.
~
1 -1 . -2 -1
2(a). S~/os k l'i¡fo~'C,\' /}J'(;pios ,\'011¡j¡slilllos. C tCl/d~'1Í k CO/¡IIIII/O.l' lillca/lIIl:llte il/tI~/}(,,;,'
(1Iel/tc.\" )'. (1,\'1.COIIIU awhll/llo.\' tic tlellloJ'trnr' .

. . C-' AC =A . o .. ,l = CAe-' (A.6<l)

St ;?
~ l..Lll.. O Q.;.u..~. <)en.l~s I~1Ici Ó 'l ..PJle<Je .$e r. <;0111
pr.o bad o. p«l'a'. e l. cn so de', {tU e"k'::,:~~;$ (fs:~:"
pOllgamos. el resullauo eonlrario, es decir; ((ue dos \'eelores propios scan linealll1cn.
le dependlellles; ue 1110do que sca posiblc c~cribir.. . . .J~')
l" .
. . , 1:')
p.ara,:l.lgun.o.~e.scalarcs.lJl y 1).,., d.e.,lo.S.c.u¡;les;¡.I'me ..ilO~."uno (Ir.<.. ell()s'.e.<"'¡'S!'II'll()'
•• U
(1,'
~
c".'
~ j~\
'l'

'.0. llel11ull¡plicar eSI~ cOl11blll:lqon lineal por A cO'H.1uc'e a J-----

. lJlAc¡ + !J2Ac2 = (!JI>-',) el + (h2>-'2)"ci = () . .~. " 1

~ullipIieilnd6Ii'C()l11billaciónlinc~ir()r>-'l.díl 'J>
'. Cb,>-'i) el + (I)2~2rc2= 'O." . j,>
n.csÍ,ando esla céu;ición o"e,lilcclia~iÓli.anle;'ior pern;ílC IIé~ar.a -J~.
" •," '(~2- Al }b2 c~:= '0 .~
.0.;-
',{

~.os. v;\'orq p[ópi6~ son, rorhipó(C;is.; dislill.IOS.)"C2~ .(;UC.. ~~ un \'e~lor, propio. no

.j,~
es ~I Ve~I(~~ nulu. ~.nlollces.112.= P: OC mal.l~[:\ yar~ciua. puede demostrarse que .. -t'

b.1 - (~' ) .asl.ser u~r7.,lla COIII r;~dlccIOIl. En. ddllllllva, diSlin los ¡'alures propios ge ne. 'J~
r.ln v.e.ctores proPiOS que son Iincalmellle lIluepcnui.eritcs:
:J'~, 1',.
2(b). La dcmoslración realizada Cli2(1;),"no 'implical¡¡ simcúía ¿;c ti ni\lI fa!la. ¿n.'
j~,
. IQ.~<:es rcsulla 'lúe ladiagonalizaéióll de 111ccilflció,,'.(A.60) sir\'e indiSlillJ;¡. "r~

mcnl.e.alus ca:os en los que la.nialrizes, °."10, simélrica. Sin cmbargo. ('lIl1ntlo ,J~
A 1:.1'111'111
J/I(l/l"Il silllétriclI ItH )'CÓ . ..
S
;.. ..... ..' .. . '": . .\ '.
.... '. ". . ' ..... UI( e)O/)JO.I.1I0 .\"UN-/))"eCI.I'lIl/ll:l/lC 1t'1t'1I/IIlC"t(~ .J~.....
. lIull'/)(,llrll(~/l/~'.~: X()". or(o¡:ollll/CJ tlU.\:1I rlos. . ' ..
Considercmus el primcúi eJe los dos ~eelüres p'rop.i(;s ell la rorn~a:
. '. ..' ..... ACI = ~,CI .' . .y" ..itc2 ~A'~~';"
I'rel1lulliplicalldo primera ecuación I)Ore ':)' l'l's'e'gull(l~ )'(')r : l'
lit .' .
.' ." .' . . 1 '. "1 e,. e Ile m os '11I e
("2Ac, =>',c'2'cl .... "y" . c',Ac ='~ e' e
. " .;. l. 1\:' I ".
Tr;]nsponielldo la segunda ecuació,; ttncnio~ (Iue c' Ac' "=.'A' ('~' c -J. I .' _.
.. . . . . '.. . . 2 I .. _ ,_ <.Ie () <]uc 1\ es
sIIllelncn. Enlonces
", -,',
'
. . . ..' . . .'
~..
rí.
I

:r.
•• )

~i~
.c
J-- Ya que los valores propios .soi\ distintos,c'i el' :: (i.' Esteresult~'dose r~;¡i~tie~~ p~rn
ro cu;dquicr p;!r de vcctores prupius y de este modo dichos vectores sun' orlogonnles
cnlrc sí cUanthl A es una malriz sillléti'ica. Es habitual en esle ¿¡¡so nurmalizar los
G \'cclorcs propil1s dc modo quc resulten veelures de loilgi'tud uníúHin, IIdl :: 1, parn
i :: 1. 2..... /.;. Sca Q una mal ¡'¡z cuyas colu'11111asest¡Ín fUl"ln'ndns por estos vectores
01:- . prl1pi\IS \lrt\lgon;\ks'llllrm:di1.:idlIS. Se lit:nc que
r. .;
Q'Q :: 1 (A.6.L)
7--- De In ddinición demat riz inversn y de.la propieda9 que eSI;¡blecía que cs única se
o~l"
sigue: que ., . , .
£ Q' = Q-l
~~; - I
Esl;! matriz Q sc dcnomin;!.llIalriz orlognn:il,es decir, cs una matriz tal que .1'11 ;1/-
-'~.
1 .I'\'rSl/ ('S S;/III}lclIIl!ntl! .1'1/(r!l.IiSP,II~s/(/. De ahísC siguedireClarnente d<: (A.62) que
..-:(:' . . Q'Q= j~' (A.tí])
""j-0 cs decir, nunquc Q rue construid" como .una matriz con colull1l,1as ortogon;¡les, sus
'o o \'cctorcs rila SUI1lambién ortogonales. Un" malriz ortogunnl de ddine cnlonccs C0l110
'C
--'h.
Q'Q = QQ' =1
Para el caso de m;,lriccs simétricas la diagonalización puede escribirse de la rorma
~Y- Q'AQ::¡\ o "A:: Q¡\Q'. (A.tí5)

3(fl), CII~'I/do los \'Ir/orcs I}ro)}ios de: 1111(1l.Ii(l(rÍlllu s()lllUlio.l' dios t/iS(;IIIUS e:1I(re:.I';
c:.r';.':(('//'/IIc:iWS c/2 /.; pe:c/(Jrc.d;IIl!II/IlIe:I;Ie: ;lIile:pe:íll/icl/(e:s, .
Considt:rcll1os el siguicnte eje'mplo: .' .
A :: (3 '. -21
. 0.5 I
.l,.l) s',:\,:;Ho¡:<:s';l~i'd1)iO~\6'¡)'>::1~'X~ ,f:.Z::C's"d"Ct ir:'li'~
),'üíí i1í'B íí' SI 111 P r¿ .d e"¡'úlilr1¡jI ic:iü:i il'.
. ','. ".
igl\id ados.SustiI1l);end()cnl;¡ccu¡¡ción(A.56) resulta

tI' ~:][;::1"[:] .
I:Slc rcsulladll nos IIc\'a aun\'cclor pn"pi(') simpk,¿'I"::.\2 11. La diagon:t1i"/.;\ción de
la ccu;¡ción (A.60) cs imposible en este caso. Sin cmbargo, es posible ocerenrnos al
resullado de la di;¡gonaliz;\ción cn la rorn~ade una ma(rii de ./or.dan. En este ejem-
plo \;¡ matriz tk JOI'lI;\n cs

L" matriz eSI¡Í cbillruesia; como puede observnrse, por UI1Iri¡Íngulo superior con el
\':1101'propio (repelido) coloc;¡do en \;¡ di"gol1,,1 principal y el nllmero 1 cncil11<1de
1:\t1iagon:d princip;\1.. Exi~leUI);\ m~,tri'l. [' nu singular lal que
 ,.¡"-' A1'tNOICE A: Algcbra- Matricial
,
.' f
, ) .•.•1 AY::'] '. O,. It =. 'PJP-l (",66)
Parn encontrar la matriz P de¡cjcml)I~, cscrlbiremosde nu~vo la ecu¡Jción (A.66)
comu 1\ l' ::J'J; es decir,

Enlonces resulta qlle'" 'A/'I ::'h[J1

"" .'."~\p'2'::¡;I\~P2
la primcra cctl.lI:ión mtlcslraquc 'I;I'~S ~\\'cc~'~~ propio el' que nc"bamos tic' oblc-
ner. Suslituyendo )..::2 y PI' ={21].' resulll) P2~ :: l<\ . l}. l<l m;¡tri1. P es

'~J2 '41 .. '

ll'l'
dondc i::td:l colUmnn h:l sido 11o'rm;¡lizndn'hnciendo cl scgundo ~Icmcnlo igunl íI J.
Dcspués dc nlgun:lsopcrnciollcs nritméticíls pllcdc' dc'moslrnrsc quc cslns mnlriccs
salisrnccn In ecuación (A.títí). .. .. . .'.
En el caso gencrnl cn el que ¡\ liene s(~ k) veclores independienles, In m;¡lriz

...... ...., J{;}J

de Jortlan esdingonal por hloques' . .

Cada bloque se re\;¡cionn con un v;¡lor propio y el vector propio nsoci;¡do con él. Si
un v;IIor propiu tiene ll1ultiplicidad igunl a 111, e.1correspondiente bloque tiene un
:<.•, •.'
.......
~
•... S r,i~..,9Y.~.1jq~.
}:~n~li~Q,Y'~~~~,~,.~.º.l~Í'y.!;a~p~:t)tÍ?r,.~,}~i
.:" ..• ,Y.¡\.\p.rA~r~I~}p. p~)j.JJ.f.'.~.~ ,~,ryJ.~...~.i~..~.
. gon¡\l porericitúa'tlelndingon;\¡'piil)d'p~L,To~0'si6;;(Jcn~Ks~ién12'iítos'so¡)'¡'~~~(cS¡\'"
.' '. . . '. " ; ......• . , '., <
cero. Si el valorpropioes dislin.lo, erblonues~i'educenÚÍ1escnlnrquese idenlirica
con c1valorprol)io. 'Por ,ejclllplo, sik~4 yhnYdosvnlores rrorios~uno conmulti~
plicidnÓlres, 1;, malr'íz de JorÜ¡\úes .
I O O
Al 1 O

[JI
J = , ..
O
O
..
Al
O
O
A'
2

Cu,lndo u~a 0111:ís raíce's esl¡Ín rcrelid;iS,p~~de cncó~l¡"a~'se unn molriz no sil1gulnr
l' que s"risra~\ll;\ ccunciol) (1\.66); ÚS e,c\lriciones en: (A.6G)~on'pcrrect;~enle gc-
ncrales)'no aplicalJ\esso!al11cnte al casÓ p"rlicularde k = 2. Si ¡\ es un" motriz dia ..
gonalde onlén ./.; qtle cOlliicl)c .todos 16sv"loresprópios, inc.luycndo los repelidos,
eS inmcdia\ocompróbnrquc . ~.

j
 .550 ~H~TOD05 OtO ECOtlO.\IETIl/A

lr(A) = tI' (J).,y ..IAI = \JI (A.ó7)

3(11). Cltalldo iI. es siJllé/rica, ellllislllo reSllI/n~/olII;s/iadOell la w/(I(:iól/(I\:65)sir-
ve /all/apara valorcs propios repe/idoscolllopamvalores propimélis/iIlIOS.
La razón es que una raíz con multipliCidad'J)J tiene 111 vccloresortogonales asocia-
dos con 'éP. Como ilustración, consideremos In mali'iz
I O. O
1\ = O .10 .
(J O 2.
[n ecuacióncaracleríslic:, es (1 - A)2 (2 - A) ;:: O, con valoreS propios Al = A2 = 1, Y
AJ = 2. Para AJ' (A - Al) C =' O~ da , .

..,'".","~.C,."_A.,.,>j:~,;:~
..
Los primeros dos clelnentos en c)son iguales a cero,ycl
,~ll~::ln"" ....,,",' " len;cro cS;trbitrario. De ',.\
"'E

este modo el veclorpropio es un múllip.lo disl.inlo deccro de e'.) ,,; [O o 1}. Él va'lor ,
propio Iliúlliple da' . ,

.\0 ..O O l' '

" .' ~ . ~ • ~ C =O "

Eltercer e,Jenienta decd.ebeser igual a ce.ro, pero los OII:OS <Jos elemenlos son arbi-
trarios. Simbolizilndo los esc;ilare.s arbilrarios pÓr'IJrY, LJ2 podemos escribir '
.' '. . [~Jt'", ,.1'0 '
"
b2: ':::b¡ O~.b2 1
b' ,.,'. O,, O'
, .' . . ]'.' ....,.
" ..' ,'. ,

. El valor propio' ~on lllulti}¡:iIi~idad2 prod,ucedos .vederes ortogonales, el ye2 .. Es po-

sible también' comprobar que loslresvedol:es:propios so'n ortpgon:tIcs, entre sí. La
diagonalízación en'la 'ecuílc.io_n (A.65) sirve, pál'a todas las~matrices simétricas cuyos
elementos' seail númc~os' reales, i'ndepe~dicntemenic del' hecho de que s(¡s valor.es
propios sean, O 110, dis[in~.Qs; .
4. La Slílll(l de/oc/os /oswilore.s propios es igll;,rci lo /mw.tIe A.
Dé I~ la ecuación (A.59) p'odemoseScrtbir' qu6' ,:-'. " ,.' .
. ; tr'(i\.)lr',k-ij(C) ~ tI' (A.ce-I):::'lr(A) (A.68)
El mismo métod~ 'd~¿iem~srraciÓri:u:iliz;d~.f;nfltel:c.¡)SO de l:ismn(ric~s sim¿lricns
. en la ccuaci6¡; (1\:65) yla ~cuaci9n{A.66) ~s aplitnble.ahora,,)'a queccil1ldhCl,110S
e
dicho e'n j'a cuación(A.67}
. '''.
tr(l) ';:11'(0-).'.'. .,'
.'., '",.' , ., ',"
.
 -.
~J0)
...,. "
-!.
551 .i"'~\ "
...;...., ."

5. El protlllc/o tic lus valurt,s Prollios. es i.~I/{tl al de/erll,illcillle de .•t ~ J.~

..Jo.l,ll - I

De la propiedad (v) de lo~ delerminantes,ll:nel;lOs

1"1= le-lA CI= le-'II/tllcl = IAI (AN))

El mismo01élodo de demostración uliiizado rnra fas otros dos casos en laecunción
(A.65) y la ecuación (A.fió) es aplicable nhóra puesto que 1,\1.= !J1.como vin)os en
.~~.
~.í)

ECI.(A.fi7). '..

(j. fl rtllIgo d{: /\ es i!;/Io1 al 1IIIIIlNO de ¡'Idores propios tlix/ill/os de ('('ro.

En la ecuación (A.52) habíamos establecido que la prel1lulliplicaci6n ylo poslmulli-
plicación de una matriz por matrices no singulares deja el rango dela matriz inalre- ...:T)
roldo. Enlonces, en la primera de las dos diagollalizaciones. ecuaciones (A.59) )' ...;0
(A.65) . . . .
',jt')
"... ,". p(1\ )=p(I\J.. _.... .. >.'~i:;"'(,£\)(.n" ¡
El'fh'rig'O'dc í\cs'~I()rc.lcnd¿I;;layo'~,i~ r~s deí~~n;i~';l;;I~S ql;~ 110 desaparece y que
')(1
puede formarse a partir de los elemenlos de la diagonal principal. Este resullado es
~ .....•
'-11,,'
simplemen(e igual al nllmero de vat'ores 'pl'opios qu.c'no desaparecen. De ahí se ~i- '.<\~.\
guc-también que el raligo deJ:es igu~1 al rango <le t\ y. de este mouo, el resultauo - i~~

siguesi.endo v;\lido en los tres easos~'.,. " .

7. tus 1'{/lorcspropioJ de n= T'-A'solll(JS cOlllplelll(~Il/tJS 'dd ¡'I¡for ~lrolJio de "\ .
tltlllq/lC los Vcc/ores propios' dc laj. dos JlU//rites.irall i.~u(ill~J.. .
~n valor pl:opio y un veclor pl'opio~soeiado de 'j\.. v¡en'en' ¡kl<.:rmillados'por,
I\c i:AC
. l';'"
-!,~~
-, '

¡(estando de cada la~o de la 'jgualdad la cantidad c, Fcsulla ' ..:.....~~

, ,

c - A e = t; - AC' ~.i~"'
:l

es decir. (1": /t) e = (L"'~)q (A.71)

h
C]ue eStablece el resullado deseado." . . ,'';:
..
j~
8: .l;sI'f,!ól~e.r'jJ>o~JI'~~dc A Z SOIl lOs' cú¡u¡rad(jJ de fOJ 'ti{/jorn prU¡JiuJ de A,' aUllque .,J, "

los vec/orcs propios de IIIIIIJ{/S fIln/rices SÚÚ¡ igllales. . " , .' :.J......
l'rem.ull!I)\icando Ac = AC por /t,r'esulta'
-, ':/'
.• ' .
::....{ .

'A2c=A'Ac=A2c' (1\.72) '.~.~

l' '.
que es el resultado dcseado.

9. !_os'~('lores pr~pio.r líe A"'; :¡;n los ,rccíp;oeos .de lo~',l'alorc.l' propio.l' de A. aUllque
los vec/orCJ IJI'upios dc allll)(l.I"I//{lIricé.'r. seall igualcJ:.' .
De 1" expresión/le = AC, podehios'escribir.' .
. ~= ~A~lc

por l'o'que' . ; "(1).

A-I,:-= ....:.. ::- C'
. (1\.7.1)
- .,'.
. .A.

10. Todos los w¡forcs ProlJios de IIIIa 11la/!:i.z itlC/lljJOlcll/e.\'U1l ig/lalc.r (¡ cero o' a IOIU.
De ia ecuación (A.72) . ' .' " . ' ' ..
. .
 552 .'I[TI)I)OS I)E E(,O:-;O~IETI(Í,\

ClIill1UOA es idclllpotcnlc,
,l2e = ,Ic = AC.'
l'llI'llll;lIIto, , A(A-'I)c,=O
t; y. en enn~ecllel1ciil, eildil,vc'¿lor propio é cs UII vcclor liD 1~1I10,

'r-:,
1',
o A = \

,~(-. JI. [1 rallgo dc 11110 111(11";

~ idelll[Jolcnlc' e,i ;gllO/lI JII 11'1/<.11

iJ"¡ , p({\) ,,; p(A)

r'
J} ,," ,c = níillle'ro'tle v"lores ;JI'opios di~tilllOS'(ic cero
7:-' = Ir(A)
~r
'"

,',
.
==11'(11)
El primer paso seucsprcllele dela e'cúac¡ón (A.70); 'el segundo ('Ic I,¡propi'cúatj el
r, lereero ele 1" rroried<ldlO •.y el ~llil11o tlda ccuaéión (A.ó8) .. ' "
Ó,
~
--r,
¡,"
'r A.2.]4. Formas cundr:ítie:ls)' Malriccs dclinidas positivas
"r~
"r Un silliplc CXlllllcn tI<: 'las rorlllas qll<ldr~ticas se h'a viSlo antes, en csie mismo "pón.
dice. en el lralamiclltp de la diferenciación de vectores. Ellcsla sección simbolíia-'
"1,">
f' _ .- I1lUS C\lll ,\ ulla malri,. ~in\élricadc ortlen:k xk de e1emenlos reales. Una formOl CUil'
"r.
\\
dr;ilil:a ~c define elllllO
q= (¡'¡\bEI
-r-;-,
h" .
donde 11 es un cscalar y f¡ es 1111vcclor no nulo de orden k x 1. La form" cuadrñtic" y
,.j....
la malriz se diec que son definidas posilivas si I1 es estriclamente posilivo para cllal: '
:V
'<i~ quier ¡, ¡Jislinll~II~ ..c.:L~;~~~~.I~l.!I_>.'r~~m,~lrk~g~I.~_<:'~I~hIc!!!~i~!;iüo,:~~Uv:ls si (les no.: .
.~,. sIre'eh ll'l'clili:i¿i¡' ~ÚIr'c-'ini1i1lti j:;\ iclti' de" u n á ro rn I'a e Ü ;'J~X
. 1\ c g".!i.V,~,;;Ji-V¡')t?tÍ~\;I:t Ú~'K'.'Y' ",.:.
,:;')
~r~
,x.
IllS \:a'lnrl:s pn¡p¡';)~ dc la mairiz ll."
\. 1/11(/UJII;lil'j¡illll['('¡'.I'(/ri(/."
'
.wficicllle Pllro qtle tlIIOllllllrilo's;¡i,élrieo
JiI,lid(/ l'o,l'iti"1I ;'.1' (/111'lodo.\" los '.'lIlo;cspropio.r
rc(/I ASCII c/c-
de A SC(/II IW.rilil'o.r. Para rrob" l'
~:' .
r. ~~ 1;1Cilllllicil'lIl neccsaria, supong;lI11os que IJ'llb > U. Para cualquicr valor propio y
'-t'''''' Sil l'lll'll'SPllllllil'lllc "c'rllll' prllpio, ,le = Ae. I'rclllulliplicalltio por c' rcsulla '
r't"
'1."-:, e' ,1 e = A CC' =A
".
~'--, ~'a que los ''Cclores prnpiospucdcn l¿ner longilud igu"¡,, uno. La caiaclcríslicn
,;}- de \cr definida Pllsili,;ailllplica valo'rcs propios rOSilivos. Par" proh<lf la sufí-
'c l:ielll'i;l. SllP(JII~;1I110Sque lodos los ."l¡lores propios sc"n POSilivos.
\,L
-¡,:.' De la ccuilcit'lIl (AJ15)
\':~, A = CAC'
(,;':., dlilllk, e cs un;\lIlalrizorlogonal de vtelores prorios. Púa cü~lquier veclor' no
~.:~. lIulo f¡. ' ." , , :
.t'I¡~
e'..;;
f,:l'~
 •',. ..;~I

• r~ .. _ ,: ';1 l.,'
"':'''I'~N()icE A: AlgcbraMalricial 553
. I l. ~'. ! I

b'Ab::: b'CAC'h ,', ! '

" '''~(j, A'X .

. '
,= i\¡.i7,
uonde el = CIJ. PlI'eslo queC,es no'sin~ular.:cl vecl~r el es un vector no nulo. De e~-
tc modo b',\ (¡ > O, lo quc pi,tich;1 d resullatlo. " ;
2. Si/\ es IIl1a 1II(1lri<. silllélrica y'dcfillido positivo, [Jllcde Ir(ll/MSC 1II10 "lOtrilo PilO
sillg,r1nrlnl 'lile ¡\ ~PP'. CU,~ntlolotloS\Os v~\ores propios .son positivos 1\ pue.

~
tic factori7."rsc en la forma :-'
, .... ~. .

donde

.'
Eníollces resull" que
1\ =
¡\ In =

l
CA. C' = CAlnA
"

In C'=(CAln)(
. -'-'.'

CAII2)'
'.

. . "!'

qued" el'result:iuo busc;\(Jo cu"ndb Pf:, CAln; ',' " f •

3. Si i\ es defillid(l posiliva y nés s x k cO/}(l('D) = k, elltollces B'AB eS ricfilli;la po:

Jilivn. Para todo veclor no n(l1o el "
"
,(/'(D'A.D)c['; (Bcf)',\(Dá)
",' ., -'.- .. ." .'. -¡ 1

vector Del es una combin"ci'~lIline,,1 de I"s collJmn"s de D y no ruedé ser,n~.

10 yil que I"s columnas de B.'sonlincalmentc inderendienles. Haciendo A = i.
resulta que D'D es una 'malri~dcriili.tI:,r?s.itiv~: En el análisis tic mínimos cu."-
" dr"dos 1" lIlatriz. dc d,ilos' XescollVcúcionalmcnle un m"tri7..l1 x k con r<lilgo. ,
., ,,:,~;"""'" x"~. ,
""''';'',''''l-gÚ~Tr.~~k't''Oc'"C<~¡eilí'o(J"8\ViX,:<ti:i{cS'lil:W;'MHrd'C'Fú';i'6F:i(joni;'tf2<"iffó:a~lcl~~'~'Hj~~;:
7.ndos;.es definida POl'iliv", Esie .rcsullndoialilbiÚ¡ Sl¡'~~p<lra'¡as nialrices &,~~-
rial17.<lsy coyarianz"spobl"ciOlialésOleóiici's',siemprc y cu"ndo no exista '~iñ-
gu lIa dependcnCI;i lincal'elllrc 1as varia l~les:, • ' . '

O,,:'
 AI'ENDICE U
I
~~'" •• ~"':'t:"Y.lJrrr.r:--"Tl't t"lI'T"1":c\l"'J"1n':.~UJ'\'r.:\'.~~;:VZ._H'(Il'~;"
. .'
.~"u:~T'1:,j,•.''''r:,,~=,:";''''':~.•...•.
~..:~r4'::IC " .:.""'I"" ..••~.;-r;'r.:~:-J
II
, "{
..
.

Estadística' .i
I
¡

"., .~. I
I
,
.¡
L~~~~~~~~~._~~_:~~~~k
cubra los principios básicos dc la,eslim,icióny el conlr<Jsle tic hipÓlt.:sis. El propósito \
d¿esle apérid.ice es dar: algúiilJUnlo de viSI¡¡''ailauido 'so\ire ~Igullós tlclos'íl1~~. ill1~,
,pOrlan'les resu1t,ados'lc6.ricos Y,'en p¡¡rli~~I¡jr. proporcionar un Ir'alamiCnto inalr¡cial 1"

• de los .COilt<:PIOS'y I'carcinas m¡\s'rcfe.v~lll.es.' .

,D,I:. , ..
VAH.IADLÉS t\LEA1:0RIAS YDISTH.IllUCiONES',
DÉPROllAnIUPAD ' '.
, .

Ernpei.ai-e~ioscon cJcaso'únivarianic:'tJna.~ari:;ble ~lea¡'Orialiene trll conjunto de

posihl<;s va'lores y sus probabilidades i\~o~i¡~tI¡!s,'VI)" vñ~iabJealcalo¡-¡a discrela COI1-.
sislccn 'un canTu lit~. de p:6~;'iblcs~~lorc~' \'1; ;rk;';'xk yfr¡)c:eillI1CS(prohnbilidadcs).l1o
negativas asociil.da~,'PI;'¡)2 •.•..:¡Ji.:;.l'alq'uc .. .. .
. " .' k' • ;,

•, •..•
' ...

"
'.

,:.,
,.L . I :;;
.[J;'~'
I .-~
i
, L;\sdos' caracl€:rístiéas 'lll;\s,impOrlill;\es'de'l'á dislrib,lIciónde prohabilidiJd son la
media Y la yarianza.' La 'n;edia. o valor,. e.spcr.ado. 'se simboliza ha bil ualmenle me-
tliallle ¡.t y se define como, '. .
. ' .. ' le '. .
.' ,.' j.L'7E(~\').'= ¿',~!,,;. (D.l)
.' . . .' ..'". "', .'. .... : I F 1, . " . ...• .•
quc'no es nada m,ís que 1:] media pondcrúd¡¡ d.c'los va.lores.\'. slentlo los pesos sus res-
pcclivás¡irob~bilid;¡d.es" Ji ¿se'\'opcra;lur' ~sp~~:j~lza y'puc,dc apli~~rsc';j dívt;:¡sas run-
. ciones dcX. ?oréjcmplo;E(,y2) Inüiéacl v.afor,GspcraÜl.lc.lc,,\'2.L<ls' posiblCs:'valores
de)f1. son x~ . .r~..:':.xl'que Ocurren'con. probabilidnclcsPI,-'Ji •.. ,~Pk: Oc' cSlcmodo"
'.; ;' ¡. ',' •. ,".' ,. o.' ,':,'. ,k'., " o. '.". •. .

;,' "E(~\'2):="¿ ;r7 ¡Ji

." ,; I
: ~.~-:.' .' .
" ,554.
-. "

. ,".
 ",.,...
t

.,\I'I~.'\IlI(F,,:Esladistica 555
..
•..• ;:.;:i
....;..
•..••.

. - :-,
\.:J:~.)
LiI vilrialll.iI, h¡¡\Jiluillllll:lllc Silll\Joli~.ildilmetliallll: lr~, es dl'ú//))' L',\pcmdu del CI/II'

dnldtJ dc /it.\' tll'SI'iIlCitJJlCJu's/IL'C/u dc /ulllctlin. Así pues. l't:sull¡¡

Ir2=£[(X_11)1], (8,2)
Evaluando t.:sl;, c.xprcsilln ICnl:mllS
1:',(X - 11PI = ¿ (x; - 11)1p;
..~
......•. ,".'

= ¿X;II;-211.¿ X;II;+11~ ¿II;

=¿ x;p;- (2: x;'PJ

=E(X2)_'[E(X)F
Es!t.: rt.:sullau(l IHil:Ut.:ublt.:nt.:rsc \¡lIl1bién extcndiendo, t.:n prima IU~ilr. ~'I cli;,dradu .~;~ -
de la suma qut.: npnrece en laeCl¡¡ición (8.2) y nplic¡¡ndolucgo el op~radllr esperan- :':.J,>
k~~m~~;~;r~,~~m.~~~_~,;
= E(~y2)- 2¡.tE(X) +C(I,l1¡:. ..•.),'\
<.•L,
. ~ £(:.-0)' -'[Í.:(X)j2.' '.,
~a qllt.: 'E(11:) simboliza la t.:spl:r;\Ilza de u~~ CllI1SÚilllC-que t.:; scncillilll1l:n'lc i~\íal a
'Ia mism,i' cllnslallle. '.".' . , '" . .' -
:_)!~.
.Cliail~lo.l;l ,,¡¡riablc ¡i1e,;loi'i:)eSCOlliilllla:iaslil'obabilidadcstliscrClas Sl: ret.:nl.
plúall por tilla flllld{1I1 l!cilcnsiilad dé .íJfo:lJnhjlid:I(I,(rdp).hal~iIU¡llm'elile simboli- (,.J"
z:,1da.meuianle II{x) o 1(.1'). La rd6lienc las pr~piedades ~i!tuiénles
. .
1,'
.. . _. .' •.. ..),'
f(x). ~ (J. para ludo x'
..X
/o.
..f f(x )-tú'
.
=i
'.'
l.

.:.};, .
l"

..y. . LI(.r) ti.\' ';pr.O\l [1/ < :r-< IJj ,J...

',,'

I~slapllibabiliuad,api\rt.:c'ert:iii't.:sé'ni'ada:el.lla:'r.ig. IJ.L La nJ~~li:i \' la'\:'~rianza séth:'- ...)~

. rlllen l:OnJ(.I.'lllles sonIa lrnil::II':Iri:lll\c dc'<¡lIelns SlIlllilll);'¡OS han'llllcliad\; rL'L'nJplit- 0..
,!,-¡llIm..por I.Illt.:gralt.:s.Así IHll:S; ..
:.J;
J1= J-r f(.I')'r1,¡: (fU) ,;-L
,
"

)'
..
)~
(IU) 1\

.11.2
LA DISTIUB UCIÓN I)I~'PltO 1i'~\;IIL~D/\nNOOlt';'ÍIA~' UNIVAltIAi\'TF
• "'.. J
 ~lf:TU!JOS!JE I:CO;-.:()~IETlti.\

([) .5)

t>
-r:,
,11' : (1" ,./1 x
FIGUItA 11.1'

E~la función udi,ie una fa'íllilia de dislribllciones dependienlcs de dos p:¡r;í Ille 1ros.
E~lllS paníllle 1ros sonlalllcdi:\I:Cy,. 1:1v;¡ria~za (~2.'La'n,rv:1':1Ic"nza sum<Íxil11o en el
pllnlox = p. y es simél~ic.",r~spccIO. d.e e,sle pUnlO. Un micmbro eSJlccial uc csta f¡¡-
~,Jr-:., milia es 1., c1isfríullci(ín 'nm:';1al csl:ínclar quc licnc I11cuia cero y vari"nza igual., uno.

~f; Un <Írea bajo eu.i1qtiicr distribuc'iól; ilOhl1al puedc c:\presarse en forl11.~equivalenle

CUI110u!i ~rca baju la eu'n'adela nori'l1al CSI.í,~dar' sin nlásque definir .
<f:l z= .-,-.
x-p.

'.~~l (J
..;,(

"re Claral11cnlc 1::(::) = {) y \';'1'(:) ='1.

.
así que
l
2
1'(::) = -==- c:\p-(' -1. ) " (13.ó)

r
.. ' . V2it., 2
. '.
',1 '{.V---) .'

J':
.

'"':/~,
_'.~ '"r'
I~CSU'¡lalal11bi~n ql~C
• '\1
f(x) e/x =
1
1(;:) d1. ..

,":r, uonuc : = (x; - p.)/cr. Las ¡ircas bajo la curV:1 tI.; }a u_i_~~r.i~H1ci6n norl11:11CSl:í,~d:~r_e~'-
. / l;in ¡ab:,'I"d'a.~);£.~~";bl:i;,¡;~,~aicc:i5:""'::""'C:::,' .... ;'c::- ~, ,',....
'~~!~':
'lo,:'
,,"\.'-:,
,)1- 11.3.. . .
'í.
DISTIUBUCIONES BIVAlilANTES
l.:.

~\~.:
t!.•.
tl ••••••
¡ ,\ nlelludo~slamos inleresados ell blvari"ci<Ín conjunla dClln p"r de v¡¡riables alca-
': .
lorias. 'Se¡¡n las \';lI'iabks X e Y que liencnllna Cdp bivariante simbulizaú" por
ICc yJ. Resull;1 que
...:}..
'. . para\odo .i',)'
~.:~~\
,
~~:'I~.
'(")
fJ [(Xl)'~ elx d)',,=1

\':6 y ..
J' J('~'/(.1':
1" . ..
y)d.r ely = prob la < x < b, c:<)' < el] ,
 "'0'1' ~. . f ", .1'

',' ;1 I :' AI'~"l)ICE D, EslaCJísli'COl 5S') I

Dada ¡a función de densidad eOrijl'nl~~ puclle ,obl~ncrsela dcnsi~"d marginal P;;fíl:

caua lInade las variables sinmásquc,iOlcgrarsobre cl rnngo de I'a olr:J variable. Te-
nel110s _.t", ";'¡'

fdp marginal de' X =1:", J(t:' y) ~[)' ==,f ex) , (13.7)

y fup 11wginal dc Y = I- ,J ~;t. elx y) == f(y) (O.B)

1

La dcnsid:Hl clIllllicilln:ll úe '}', dada ,X, se dc[¡n~:~omo' '

,1 (y I.\') ,;" f (.r(y). , (0.9)

", "'/er)," i,
y. de Illancrapan:cida.la dcnsidad condiciolia,l de X. dada Y, se'ucfinc co'I110
, j{x I~,).~ 1(X;):) ". ~n.lO)
. ':, ['(j")' '"..-.
Dos variahlcssc, dic~ que SOI¡:c:i'I(/([f.l'licill;;Clík in elcjú!ndiclllcs ; o dislriúII¡elns hidc-
si la ,'d~n~j(]¡l(iil)'iirgínilTy co',;iliciOlíal 50'n I~'m ¡sma. En' cslE cils'o la
(JCllelic;i'(';",c/,i~;
u~nsidadcoiljllllla Illlcdc cscri6its~ COh,lOelprüullcto ue'lns densidridcs m;¡rginillcs~
. ' J(.I:,:y):r<x)'f(y) , '(0.11)
Volvicnuouc 1l1lCVO,a la distribución general bi~:1riilnic, podcmos oblener lariibi¿n
1:, mcdi •• y la varianza dccada,:vari,ible a pa.rlir.dc l:1sdensiuaucs hHlrginales: T~ne-
1ll0S que ' ...

;f r~I
"',,'

(x',' y);.ri.~ dy ~
, , .

• , • ,', " .' ',' ,1 '=J r~f(y ¡:r) I (x) dx e/y

'~J~j(X)d.;
1::1lérminocnlre pa ré nlesiscnlacunrla, Iínc,icsia sumaue}a proba b¡lidau' conJi-
c1onal)' es iguala uno para cualquierv¿¡lor de Xl'or el mismoproccdimienlo

(T2~v«X) =J(x-,IJ..,.)2fC\J~l.~'.. '.

y dc.l:unisma forma se obliencn la I11cdia yl;¡ ,varianza ueY; , ' ..
Un iHI~\'o' CS'lü~IíSl-icc(cn 'el cnso"'.bivhdiil)lC' es,"la co,,~rinnzn. Sé define. C01110, '(:" .
, ' .. (r .. .:,=co\'(X; )')='E'I(X~"~:f)(y'~v.;')j_2fJ(X~~:.,) (Y~IL;:);C:r,)')dx dy .-:
y mide lil:1SOci"ciónlincal exisienlc'cnlr¡:l:1suos v;¡ri¡¡blcs. Un conccpto csl rechil-
mente rclacionatio con la covari,lI1z;¡escl codiCienle IIc correla~iÓIl r = (J"I' 10.r a".
,-
Para vari¡¡bIesindcpcnüiclllenlcnlc 'disl;'iQllitbsJac;)bi'i~nz;¡ es igual a ccr'o ya qu'c
. .; ", '.' ". .
 55:! ~IE'fODUS UE EC():"O~IETIlI"

La ecuación (0.11) dá

COV.(X'; Y)= :J(:r-ll.,) f.(x) eI~rJ(j'- iir)f()') ely ~ O .

En gc"neral, la afirmación Contraria no es cicrla •.es deeÍi", que si una coVari¡Ú1Za es
igu'al a cero, e:¡.tc rcsultlldo no implica necesariamente la indepcndcncia: Hay una
imporlanle excepción, sin'emb'argo, para el ca'so de va'riables con distribución nor-
mal. En es le caso la covarianza igual a cero iniplica la independencia. Li lknsidad
de un:! variable normal fue inlrolll.lcilla cn ia ecuación (1.13) del CIIJílulo I:si la co-
rrelación res igu¡¡1 ¡¡ cero.la.densidad conjunl¡¡ se puelle cxpresar como el prmluclo
de dostlensid¡¡des ,nargiJ1aies de dislribuciones normales. . .

UA
,l.tÉLACIONES ENTRE L/\S DISTIlmUClONé;S NOHl\'IAL, Xl, iY F
,,~'>;..-,~¿~'¿~~;r ¡"~';::'~'I.-.:.:::....••.-..;.,.__~.•,.';•.~~:•..;,,'.;,;.,: ..~.;.:i:¡"-.-,i'::' ..:i~~'."r':"':':",,. :~'.\ "-:',:~. '.•.'.:...•.•:.~.;..•..•
..,~.¡.!,~¿j'~ ~~~~_
'o:, ..;.••.;;::::.:, . ..:.'.':. ,,;,:' '::':.: J.'i,,:~:", -:,.,/.•..•:.:.I,.-.~'
..•_,',_.:_.::.') ..•.., ••. ".¡'}:~•. '.

Sea lo - N(O,!) una yarinblc normal estáiülar. .Sup0!1gamos Cjue esta dislribuciílll g,c-
nera 11 valores tI" lol •.•••. lo') Cjue se' elev.¡¡n al cuadrado y se suman. El resullado resul ..
lan\e e's un eSI:ldísli~o Cju'e se' dice sigtie una qiSlribucilÍll X2 con grados deliber- . 11

lad:" .
.. '(' 2 . '2" , 2) _ 2 ( .): , .' ' l\,+ tl+ ... + lll• X.II .'

La ror~alonat~;11áti¿\'P:~e~isádel¡úlislriÍ>udC>nx2 1)~I~llS ¡nlcre~;1 ~n cslc 1110'l11cnlo.

EI'iérna illiroriante .~s Cjueesl:ldisl,ribución consliluyeuna ramili;; tic disiribuciones
depen'dienles de ~n. solo p:lrá;ne'lro. El p:li'i\mclrosc denominaconvl:ncional;ncnlc
¿;rnd9I eh: liberlad de la' ~¡islribU(;ión. La media y la dislribución vienen dadas púr
".t(x.~(Il))~'1I '. y~arrx2(1/))=211 Út12)
La t1isll:ibución i S.Cde:nl'lc'<;I~lórlllinlÍ~ l!~ulHi varialJlc nurmal eSI¡íll(\¡\I: y dc una. ~a.
riable X1COn dislribuci.ór¡ il)dependie'nle' de. la lInle,riOf.Sea ",".'

. .. ..' . :i.';'iv(o,l) yy:- X2 (/1)

donde yn ~sl~ri"JiÚribu¡J~s jl)derel;d¡cntcI11GI;oi~':EIl.l(lIÍCeS
. . .l.y;; .... ,
1;: . ...¡;-' (B.IJ)
. ..' :.......r..'.... :
liene una dislribuciónl'deSllldenl con /lr/ados deliDerl,id. Ladistrihución 1, como
la Xl. es una ra.rúilia de dislril;üeiones:<iucdepe'ndcndc un parünielfll. Es una ~Iislri-
. bución silri~üic¡¡reSpeCló deceto Y'liende: asinlólic;imcl1lc, a una dislrihución nor-
mal estándar. Sus valorescrílicos apatcécn en el A'pél\Jicc D.
. . La dislribuciónf se define cntér01inos'c.lc.dÓs dislrihucion~s X2 independien-
'Ies enüe. sí. Se:lo Yi: y 'y~' vnriables, x2 dislriliuidnsin'depeildienlcll1enle con ¡i i Y 112
'&rados d<:Úb~ri~d. tcspectiv.~Júcnte.,Enlonces.cl.esli;dí~lieo .
".' "

'. "':'
 ;.."h\
~,.\
..'
liene una tlislribuci(¡n F Con (1/1,112) grados de libertad. Los\'aloreserílicosap;lrc. :':
...
J~..
cen labulallos en el Apéndice D. Alulilizar la labia debe nOlarse que 11 $e rdiere a
1
los grados de liberlad de la variable del numer;¡dor y 11, ;¡ los ~r;¡dós de libcrl;ld de :;.,::-\
la variable que aparece en el denominador. . -. 'j.:.,
Si elcvamos al cuadrado la expresión para In disiribuciún I en la ecu¡lciún ... \"
(B.I)) cl resull;ldo pucde cscribirse -\j.~

,2 =: __
z2/1 ~~;~ \,

)'/11 ~'~
..
t~
donde z~ " que es el cuadrado de una variable normal eSI¡indar. licnc una dislribu.
ción X2 (1).Oe esle modo, 12(11) =: F(I,II); cs dccir, que el cuallr:ldlllJc'un¡¡,variilhk: 1
con 11grados de libertad es una variable Fcon (1.11) grados dc'liberlad. Oc 1:1ecua.
. ci~n (11.12) se desprende laplbién que. . 'j~
...... ',':.:;:,
:.,,[
[=:-.-=:1
X2 (1/) 'J"¡- ".' .. :. '0'

)'
.,'.:,. ""[ >;2.(;/)] 2. ~,:. -,"
.,j~
'. IJ .'~' .'
Vílr -- ='~
1/ 11 .',j-~
. ESla varianza liendea cero cunndo aUI11cnlnmos'¡!, y e'nllllices .:~y,
.
1
. [X (11)] . .~)'
. plim -.-'- ;" 1 '-1e:'
11 .

.. Olra col)secuCnci:limporianlede esle re';uli"~dOCs Cjl;cla dislribuci'lnll; (-:('/1 .11,) ~

.. liclllJc.asinlÓlicamcnlc a 'una'x2(1I¡) euanlloll).iCIll!chilcia.iI1l'iliil'ti. . I '.- a-
':J-
'U.s' .' .' <J,
ESl',EltANZAS EN DISTIÚlllJCWNES UIVA.,IUAÚttS ..) ..
1..lemos vislo un ejemplo de. este pmced.ili,icni~ en el illllerior desarrollo de IL. De J-
. maneram¡is general, sea.g(x, y) 'algúna función escal:lr bien definid;1 deJas d~IS va.'
riables. En estccnso, ..... '.' .. ' . '
J.
.J,..
Llg(x., )')] =:ffJg(.r:' C~:;X)t!.IV{.lj'
y)/ dI'.
.J~
.' .

J~'
. =JfJI:..(X, ).)¡()'l:ri¡;)']f{.r) ¡~.r'. .,¿l .

.J ~
. ~1 lérminu cnlre parénlcsis es el ,,'alor' esperad'o' de g(x, y) en la dislribucilÍn condi .. ..¿
c.lo?al f (y l..l). Simbolicemos ~sla espeí'illlza'Condicional mcdianle L/x .. Cada cspc . "
.:)~'
'.,.lnzacondlclol.lal :es u.na htnclón ele s<;J1 al11C11le . .la variable .r. y cntonces.se promc.
dlan sobre la. (lislnbllélón marginal de.r ní'cdianlc una' operación' que simbolizamos J;"
con E"~.El proceso arranca con.la dcscol11ljosiclón alldnali\'a dc la densidad con- \'\

jUI).la.Dc eSle modo . .. ..... , .... ' '. . '..:) ,

'. -:!r,
(n./)) ..••,
';..)

:~")
~t'";"

Wl..
...!'.'..:,:.r .•
'-j:
 5{¡() ~"~,II)U()S 111;I:.CU:'\CJ~":'lllj,\

,m-' blc r<.:suilado. e~ ulilizadu n menudopnra evaluar [u;lcion~s co.lnplej:ls. Parn oule-
.•.~~:-' n<.:runn <.:spcranzn condicional lh:bemos lomar.esperalizas co.ndicio.nnlcs cn unn de
~. I;¡s \'ariahks y. n conlinuacil'lI1. Innwr<':Sli.:ranzas sobre 'Ia~ olrns vari¡¡bles. Este pro-
, ;i' ~ C<':SIlrt:cih<.: el nombre de léy dc la.s esperanzas ileraliras ..
¡~.'
, ~,....,
..•. 1...
'}-~
J.f lUí
DENSIDADES iHULTIVAIUANTES
~~.t;
'C .. '

~.-
Las densidnde5 uni'variantes y'bivnrinnlcs so.n casos parÚculares dc Ins dcnsidades
r:
.~C
11l1l1Ii'\';\ri;1I1Ies.EIl'el CiISll l;CI\l:r;11. lenemos tllIe.r sil11líoliz;; IIn vet.:lor de variahies
ak;lllll'ias XI' ,\'~.....X". Ahora la l1lisl11¡¡Ictr¡¡ sculiliza par¡¡ ladas las v¡¡riables y el

~t: suhíndice dislingue unas vnriable.s de olms. Ulla observación cn el punta l1lueslrnll
proporciona el vet.:lor de k el~l11entlls.x'l = [xit x21'" .r~.,). Cada vnriable tienc lIn Va.
"'r-
,',.. .~
1,,1'.:sperado
",:r i = 1,2, ...• k

<f-' Ürtknandll eslus \' ••Im.:s cSlh:rados e'n.un I'.:clur p.lenemos

<r £(XI) P'I
~f> J.I. = E(x) = £(X2) P'2

"~ro I:(X)) J.I."

<¡--
r": ~.. La ;Iplicaciún lklllp<.:radnr f:" n un veciorde medias es lu mismo que nplicar £ a ca.
~"r
, 'f ' tia uno de los ekmenlus del veclor. La varianza de Xies. por ddinición.
'~~.r
\;'r..
l
\'ar(X;) = £ (X¡ -1.l.YI. .
l1li~nlra5 que la t.:o\'¡¡rian7.a -:nlre X.)' X, cs. . ....'
;,~ , .....;.:-',.';.:.,::~;:;;'"":.,:l-.::,.;..¡~c:-.~.....
-:.~-; ..: -::..:;".o:_ •. ~. o ••• , •••••• "... • ••••• 0 ..•. :.• ,.0 ...••.•

VI~' ." ,..tov(,\'; ;X¡)~ E[(X¡':'l.l.¡) (X¡- P'i)]'

~r;
\Y'-~:-' Si fllrni;lnll;5' t;l \,<':(101'.(.1'- J.I.) Y definil1los la malrii
\:-¡í.....
. .,~.
'

\:l:--
{:...
.\ .

('~~. t:(XI -I.I.¡)~' £(X,-I.I.,)(X2 -1.1.2) £(XI -¡.l.I)(XI: -¡.l.d

~¡',( = nX!- '~!)(X~- 1.1.,) I:(X~ - 1.I.~)2 E(X2 - fl.2)(X" ....I.I./:)
"1.'
eL l'
\
£(XI: - fl.d(X, -fl.¡)
(,'l.-
e.,
(/~ \'eI1105 (¡UC loselen1enlos de esta m:llri?o SOldas varinnzas y covnrianzas de Ins variao
hles X. Las varianzas ajla¡:<:ccn rcpr<.:senl¡¡das en la di¡lgonal principal de la malril. y
;~~;~
:,' \.~.
«';:.]
 AI'ÜIDICE u: ESI¡¡t1íSlic¡¡ 561

las co.varianzns en )¡¡s posiciones que quecl¡¡n fuer¡¡ oe dicha di¡¡gona\. L¡¡ m;¡triz se
conoce tol110 11l~lriz de v¡¡rianzns:y cbvari~nza's a, de maner¡¡ más simple, como ma-
triz de varinnzas o como malriz de covnri;mzas, Habilualmcnle .nos referiremos a
eSla malril. como mali.'iz'dc
.. .
varia';lzas'y la'simbalizaremos
". '
medi¡¡nle

, val' (x) = £[(.\',-1.1.)(/- I.l.)'] = r (0.16)

. ". ~• .' ., iI
La mal rj./. de varianzas es c1arnmenlc unn,mnlriz simétrica. P¡¡ra ex¡¡minar las candj-
cilll1es baj(; bs que esl:l mnlriz es,'~ no, d~fjnid¡¡ posili~'a precisamos ddiniruna va:
riable a\c:lloria escalar. Y. que sea una combinaei6nlineal de las X. es decir, que
. "

y = (x - I.l.) ~c"!'
donde c es un veclor columna de k elemenlOS' arbitraria y no nula. Elevando. al cua~.
drndo nl11bos (¡¡dos de la ecuaciónanleriory lon;and~ luego esper¡¡nz¡¡s lenemos '
~()'2) == E[ c'(.r - ;.l.)(x- I.l.)'e]
, , = c' El (.t. - I.I.)(X- ,1.) 'lc

.. _=,'c'):c.
11:1)'dos /JUlllos úliles en c¡desarrollo :lnlerior que nos inleresadcslacar. En primer
lugnr. (.1'- 1.I.)'ees un escalar, y de este 1110~OSUcua~r¡'do.puede oblenersc multipli.
cando dicha eXI,rcsi(íll'por su lranSpUeSI¡¡. En segunda lugar. siempre que lomamos
esperanzas de un producto.de. n'lalriccs, el aperador ~spernnz¡¡ puctle qcSpl¡¡zarse
hacin liI derech:lsiél11pre que enconlremos ~ect'ores y m¡¡lr'ices campueslos sólo por
conslanles. pero debemas par'¡¡rnos cUilndacnconlrel1los expresiones que incarpo-
ren vúriables alealorias,. Ya que y cs una v¡lriabh~ a\c¡¡loria escalar. E(y2)~ O. Así
c'Ie ~ O
siendo ~ una 11Ii'11riisemidcfinida posiliva. La forma cuadr¡)lica lomad el valor cc-
ro stílo en aquellus casos en Io.s que X represcl;le desviaciones linealmenle depen.
"{frCil'i¿'~:"'Jjlch¡)'a(!olÍ'li:7ím)TIó ;"cIF'ii'U]tAcl'¡r(l~]"t~t'ii(r2hci'i{'fi.ilc~~V'21Ít¡:~/I~'i\;'ari'ti'úl'cs ..
a!calorias,hl malriZdt \'arian7.asesdcrini(J~ po~iliva. " . . .

11.7 ...
fdp NORMAL IVIULTIVARI0-NTE

L.ns variablesnlealorias li~;lC¡l nl¡;:lIlia fd¡llll11lli\'aria¡,i~'c¡ue simb~li~amos con f (x)

=}(,'(\' x2 •••.• Xk). La dislribución .nlllllivnri,úilem¡)s iinpOrl;¡¡~le, es la fdp norma\.
Sedcfine eh lél'lnil;os dc Sll~cc(ordcl;lcdins Ji. ysu mntri~ de v¡¡'rianzas r. La ecu¡¡-
ci(lI1 reprcscnlaliv" t1eeslnfdpcs ' ,

¡¡xl ';(2.)';");,,,,"" F~(-' -1')' I- L (, - ")] (0.17)

 562

. Unarorma compacla de: exprt:sar a ;inleriorccuaciÓ'll es

x ~'N (,1,):') ,
que s'e lec c~mo "I;'IS v~ri~bl~~ incluid;ls en ,~';e tl¡slrit;uj'en ~Ic ;'Icuerlio una dis .. C~I;
Iribuciónnormallllulliv;'Irianlecon.veclOr'UcllietljólSi¡;ua\¡1 11)' matriz de vari;'luzas
1". Un ejercicio úlil para el ki:ló~ i:s;col1lp~~b;'l(qllel¡¡ suslilución de I )' 2 (lork da
l;'Is rtlp univari;'lnlc. y hivarianl~cxriuest;'ls anh.:rio!'nienle. Cada una de lasvariahles
en x liene ui,a distribucj6ñ'liiarginal qüe eSluíil nui'mal univarianlc. esdecir,
X¡ -:N (¡.J.¡ ,ü2¡) para i= 1, '.', k, tlonde .112¡ es.~i 'i,ésinw elemenlu de ladiagonal
princip;'ll deI.' .' .." ..,.: ." .' .. ., .
" Un casoespeciiÚ' nlllyilllporlalite tkli1:eCila~i(Ín (ILI7) aparece cualitlo todas
l;'ls 'J.; lienen la. misma varian.za p-2 yestiln i.ncon'cl¡i~ionadasenlre s¡J; En esle caso
1; ='1~21". :.':

i"'.;<"'),~;~:,,,,,,<:;~,:~j,,::,:,;,;;/:,'~",:.j.~.;.,~~;:.:jji,';:~:¡;0;>.,;~;g~~
...,.:."""~.~,~\~:; ..:,.d:,.;.. ../, ,I":,,t,;: .'o',

La rtlp mullivarianlc,cjuetla enlonces simplificada en la (orma

: .- ,'. '. .

.' l. .":\~(x~~r.(.\' ~ll)l'

'.'t '1:,'

,'H,,) = .'(2n)u2)k/2 expr_

2u . ",. .. ' .
'\',"

~A.l.~.
),t CXI~[~ ,lT., , n...., ....
1
'2 .:,'
Ir-
(X¡~
.....
11¡)2])'.'
,'. •
(IUX)

¡' .~ [(XI) I(X;)' .\f(Xj,J.

.
. ' ,.',
~.' ,
.

asi que la de,';~i~ad ~lulii;~rianle¿s:el prGdui:1Ci'de'la~ dCI;sidades Ill:iq;illal~s, es lIc.

cir, ,las X se dislribuyetr rndcpendientcl1lc'nlelhsül~,ns dclas olrils~ ~sle re'sullado es .
de' .ex 1rc¡n~ .illlpÓf! aneia. Correla¡:iQl'e.tCeri? ei)l/e'¡'(ltiti!J/.e.r di.~/rili/ti¡f/~.\'.IIÚ(//IIIII1It:II"
'e 1111¡JI/¿'II/t ill;t.:{J~/l{lwcill ái.di¡{J/iC(/~' Elresultallo;l1o es v,\lido l1eceS,tl'iamelllep'i1ra
el,caso dC'vari:iblcsCltle nO'cslc.lliliStribitidás:scgíliillnal;o;:Ill,'1. .' ..
'. Un 'caso lnás'gencfal de'esla 'propied,\d"pli~tJc dc'rivarse crililO sigue. SurOn~a-
1I10Sque.L es' un;imalr.\ztlrngonal porbloquésbr:i,i (orilla:". .' " . , ,
. .... . .- . ::. ~ ' ..

,
.." ,..... :".
,~n(~II'L.~..;J'" ,-,', .
(B.I~)

duntle:L1I cs' una n¡¡;lriz. cuadrada 110 si.ng,ufarde;orden ,. )"122 es UI;,\ malriz cua-
drada no.singuiardeorden (k-.,.)'. Lil fOflna:dela,ecuación (13..1~) significa quc 10'
. das y cada,uJia de; las \'i)riables'enel éónjunii(Y.I~'X2.""" X, cSl,í illcorn,:laciollall;\.
;. '. -,' ,.' .
. ¡",
" .
;( i', ,":.:
... :.-,

. :. -'. ~,

:¡;
, ""."
l.L" "hi.pótcs.is tic "\'ilriól'nz;:a comlHl s,e 'irürndü~..: p:u". slll;rIÚi~';ii": l)~'~~IC ~Iilldo ia Ill.al'ri'¡t ¡le \"i1~ialllas eS di;l'

.
'. "1, .' .-., •.••. :.::." -'.. .

. ;'

'-",J.,;
, I~.

( ..•

" ~
'

c-.:.... __ ~~~~ ~ --'-_~

 ,.'"")'/""'

,..J",! .
['.
conlotlas y cada una tic las \'ariahles tlel conjunlO .1"1' .1,_, X~ Si ahura del" "'-Jo: /

luamos una panicil\n sinlilar en x )' )1 >' utilizalllosd I'esuliadocn'conlratlo en'I;1

ccuación (f3.l~).l(ue permile afirmanluc: I~I=' I~,dI~'~JIkg¡lIillls a la conclusión
tle(lue .. 'j.J

;./j
.J~)
,..::)
cs decir,l(ue.
. "
...;::\
La densidad Illullivarianle para lodas las k variables es el ¡J1:iJducLOde 'dn> dell>ida:
.., ;" ;.9~~.J'~llliv¡¡ ri an<les.~ep,arildas.,.~i.rwqlte. in du)'e) as k.p.ril.1ll:ra s.i~.a¡:i:¡bles S la u 1r:J. e.o.¡j
.•. .•...
las reSlanles (1; - r) variables.

lUí
)
n UCIONESr.>EfO
,

.DlSTIU ,
RII1AS
. CUAl)
..... h.AT¡'CAS -.'
.....,'

. SlipollgallHls
,\'...; /V(O. n .' r.
""''-'1
).,

. es decir, que las k variablesen:\' t!ellendisírib.u¿ollcs.'1l0rlllalcS (csl;inllar) ill~l~p~I;' .

tliCIl.les' enlre sr, catla ulla de ellasecoll iliedincero. )'1';lI'iailz;; ¡'gua I a la ulliJad. La
.. , SUIll,j' dc los cuadrados. de estas variahles •.x'.\' ...es UIl ejemplo'partÍ<.:ular sencillo de '~t--
luia
.
forma cuadr;ílica conmalriz
.
l. Oé'IHlc.finiciÓn . dc Ih variahle X~ tenemos, J,-;-'
. x'x ""X2(k) ):..
'Supon£;llllos ahora quc .1' - N (n.; 1/21)
Las .vari:lblcs i;ullhién cSl:\n di'slribuid;;s'de. forilla indépel\llÍ<.:nlc ClUI media cero .J.
11CÍ'o.a'dirercneia de anles, qlja X se ha dil'ilt'iJ;¡ pOI:lr CI~1lobj~lo'dc prop,"rl'iunar . J-
una variable con vari,lIlz.a igi¡;i1 a la llnidaiLTe'ncmos ellllinccs que
. \,2 v2 ' . ~ '. J-.
, I . /l.,; .,X k" . ,'" 1
x- (k)
-,
1/-
+~+
lr-.
... + ~
. 1/-
-
,-- ' ..j:

que pilcde escrihirsc CUIllO

o. iillernalivamelllc. comu
(IJ.:! I )

.1
,... ;.

~ --'- ~
'~~
~ ~ ",!,l.
)
 ~--."
r,r.""f
~. ...

.~r;
• •t ~ ,'1

,;',t .Supongamos ahor;¡ que

\.~r' . x"':' N (O',X),. (D.22)
.
':~
,-j"
dUl1lk ~ cs una l11alriz lkrinida posiliva. Las v¡¡riilbles tarnbi~n se distribuyen seglín
~,,¡'-).-..
~, . una normal con I11cdia ccrn. pcro ahor:1 'no lienen distribución il1(lepcndicnle. L;)
.'.
.,\.-. o;prCsi('lIl cqui\'alcn\(; . a la ccuacicin (l3.2 1) eS
. .. .
-~ .. '

~ :r x'~-I x.,.. >,:2(k) ([3.23)

.: C' ESlc rcsul1ado cs cieno pero la dCl110slración ¡lO es direcla pue~lo que las X esl~n
1'; ;;-
--r clll'rdacionad;ls entrc sí. El lnico cO;lsi~te cn lr~l;srorrn;\I: las /( e;l l' de l;¡1 modo
'.~:t.. quc cslas ;'ariables ~ean norl11ales c~l;índar indepcndienles cntre sí. Corno.se dc-
;.(: :t.' I1lUOlr;1 en d Apéndicc A. lllla l11i\triz 'j. puede raclSHiz;)rse de l11odo que ~ = 1'1",
.~}h donlk l' cs tilla l11;)lriz no singular de orden k,x k. Así pues, resulla <Juc..
.'1:

.~l:~ ~~I =(1'-1 1')' 1'-1 y 1'-,' X (1'-1)' =1 (13:2'1)

::r IJdin¡11110S un "eclor y de k clel11cntos C0l110

'ft,~r )' = 1'-1 x

L;¡s Y conslituyen una norl11all11ul1iv;¡rianle y¡¡ que sc Iratól de cOl11bini1cioneslinc;¡-
').;,. Icsdc X. Claral11cnlc resul1aqucE(y) '= O Y . ,.', .
,:'r: var(y) = £[1'-1 x'x (1'-1)')
"r
"<~
~r- Las Y Sl!n variables
= 1'-1 L (?-!)'
=l
lú¡j'l11al eSI:índar independientes y; por lo lanto, se CUl11ple
y')' ,- X2 (k)
~~
~,:'.~' . Por lo I;,nlo.' .1".\;';' x' (1"-1)' 1'-1 X = x' 1:'\ x
,,--y--.
y.cn consccuencia.
"
; 4:;;; ,._-,-~-:-:\.!4d..:\.~2-fk}.-------_.c" ,'o
. '. -, •..•• ".
<L qu.: cs cl re~~ln~:LIÚ:qw::;I\:ai\~',¡í)i~l;lOS en: la ;cuaciÚn D(2j).
(ons'¡Jcri:mos rin:dnlenle .la rorm¡¡ cuadr~lici1 .r'A.r donde.\"- N(O, 1) y A cs
'~t / Ull;' matriz simélr'iéa. idempolente dc r;)ngo r :5 k. Si simbolizamos 1;, l11atri7. orlo-
~\- gllnal dCI'cclores propios pUl' Q. cn\onces

() 'A Q
~
= ,\ .'.= [ IrO . 0]
O (D.25)

¡;S l.kcir..\
liene ¡'unos .y (1.: - r) c!:rns. en la diaL:I;nal
' •.. princip¡d. Ddiliamós
. ,r.= Q'.r yo\' = Q)'
Enll)nCcs. £(y) = O. y \'ar(y) = ['(.1'.1")
= f( Q 'x.r'Q ')
= Q'IQ
=1
 Las Y son variables norm;¡¡' estándar independiJnicscntre sí. Ln rormól cu;¡drlÍ¡ica
,pucde ahor:\, ulilizando la ecuación (D~25). cXpr~sólrse Como
....• ',~ " .• .
.r'A.~'=: y'Q'AQy
. ),2 y2' ,,2
= 1 + 2 + oo. + 'r
y, pllrlo 1l\lllO, " "."'Ax - X2 (r)
El rcsuÚado g~llc'r;\1 c~ . .'1 ~.

Si x:'" N (O • rr2 1) ): It c'.~1111(/ II/(//ri~ si/llé/rien idcm¡Jo/elllc dc rnllg(} k,

,c;' \. ':.,.' "' .. >.~
, -':xijLr:':.: >i1 (r)' \
(Jl . ,

Estc rcsultado puede ulilizarse para derivar la distribución de la suma de cuadr;,-

dos deJos residuos (SC'R) en e11.nodeio de rcgr~'sión lineal.Vimos en (3.17) COIliO' .:.
c= Id)' '. Y'.' Id :;1-;-X(X'X)-1 X'
tH es una malriz 'simétrica iticmpolcnte y tliX = O,' Enlonces,
e := úy ='M(XjJ +'i~Y;'¡}fll
PUl' lo tanto,
'c,'c= u'/dll

L:1 hipótesis 11 •••• N (0,1/2 1) permitc':;r¡'rmarqt;e .

. .: é'c
~ - >,:2 (r)
(J .

dondc r cs el r¡¡ngo dcM. Oc un reSUII;¡do encontrado en c1Apéndice A, '(¡ue mos-

lraha como cl rango de una malriz simétri~aidempoten{e es ¡gu;¡1 ;) su tr;l1.;), lene-
IllOS . '- ,

.,.".- .•••. ".,..,. "C., .• ': • .\,~." •.c.é !1~:::{".RT:';'-~"'y;;-;;¡e,:::;-: <;':.- ;.""..
:~-:7"'7-~~';-'-'"-:'r'.f;\J)"':.ytll~'X(~~
=.11. -Ir [(X'A')~I (X'X)]
=H-k
e'c', ,
.y. di: este lllodo,lIegalilOs rill¡l!mclllea. ---'-;:.-X2 (11. ~ k)
(T-',,' ",
'. "

qUl: cs el llliSI)11;rC5ulladoqucan,unei,ípanlos enJaecuación (3.~7).'

11. ~. . " .', .' '. •

INDEI'ENDENCIADE FOHMAS tUADRATICAS

Supongamos que,\' -N(O; ti2/)y qucienemú$dos rOrn1;¡S cuad'r:íliC;ls x'll.t y xinx.

¡flll\ll!: ,\ Y 11 SOi1lilalriccssimélric;,s idénlpolcnles:Se lraladc h;)lI;¡r Ull;l condición
 para l¡I)(; las dus [orni~s cU¡H.Jrálic;is sc dislribuyan deforma independientc.:Dehiuli
al hecho ue que las dos matrices sonsirllélricas e iJe\úpotcll\es, pudemos escribir
. ; . . " ..

.r'A.r = (Ax)'(tCr) y.r'll.r;;: (llx)'(1J.r)

'. - .: ',', .
: . . . .: .- :... ','. :
Si caua una dt: las l'ariOlblt:s que inlegrOln el veclor;Lr lienecorrclacillll cero con ca.
ua una de las \'ariables de llx, enlonces estas vari¡jhlesest¡1f¡índisirihuid¡¡~ Je forma
inuepcnuicnte las unas de las Olra y, e'n ,consecllellci;" cualquier [uncillll de un con.
junto de eslas \'ariables, talcOlllo:r'A.r, iendfií un'a dislrihilciün independienles dc
cualquier [unción del OlfO cOlijunlb de variables,lal cómo .r'll.\'. Las covarianzas cn.
trc las variables 'lueaparecen en Ax y lJx vienen dalJ;¡s por

. EI(t\x)(Dx)) ,;, E (Ax.dJj=u2¡\[).

ESlas covarian,as ()',enconsecuencia,.lúscorre\¡;ci.~;\Cs) son lodasiguales acero si

.''.,,'v~~I;;:\,:~cX~):::~L~,~L~;.,
...,...~~.:..; ,h,;.,,~,; ;<;,,,~~:-,
..~;.~~'''':~)~{;.'''~''::';'~J~\'i:~>',\:>",;,
::;.i•. ,.\.... . o'." .
. AlJ = O (n.2ú)
l' ,
Ya que Olmhas. nlatrices son simclrieas,' ia C~lIlÚi~iÓn'I~¡Il:UC.estabiccerse de [orma
cquivalenle uicienuo.quc J)/\ = O. En tÍdinilivri, (loJIór'¡'I/.~ clÍad':,ítiéa's, Imsotll/J 1:11

...
"I/finbles lIol'/!lnlcs, COII'.illntfii:ei Jilllétfic(lS:.1: itlel1'potclIlCS C:S/llf(ílt' diJt;ill;,idns illdc.
IIC:luliclIll:lII'CIIII: si.i:1 ¡¡f(JlIIICIO tic tlidlns¡'!"ij~i(:cJ l!~.¡;i'llI"lri,i.lIlI!" ..
. . ", ",' . .' ,', -.' .. ;' . "
.,,' ;

~." ~:. .:
. '",', • .'. " t~

ll:10:, .' ....'. . '. .'... .'...,., _,'. ,.

INDEl'EÍ'lDEN.9IADEVNA FÓ'Rl\'1A,.cQAQltATI<;:J\'
y UNAr-:{jNqONLl1"lEAI:, . "; ",~
'.', '.

Sur.oilgnmo~ qlie .r .,. N' (O, Sca.,r';lx'una (J2'n:

f~';IIl~~uadr¡itic¡~ sicndo tI un~\ ma.
Iril. simélrica iu.:mpol\:lil\:.ucórdcl,'k.,)' sea 1-\'\1n 'veclor dé r elem\:nloHnllond\: .
cilua elemenfo es lInn coilíbÍliaclón lil'lcal de las)í, 'Eneslccaso, L es dc orlkn f x k
y, como; po.Jcmos ver,llo ne~~~i\i1qucse~ lUl!,',n,lQ,r,iz 'cuadrada nisilllc:lriea. Silils
. \'ariabltsc¡u.c apareesn cn:¡\x.)' L.•h~,n,ue lener,c,oynd.¡¡nzas nL!lns, es preciso quc
. .,.. ';' .. ' . . 'i:(tt.\~xi)7a2lÚ/:';' 'O. . . .
lu ~'uc supon<;\:~i!:¡r \;conu\ción . . .. .
- • .' 1 ~ ' •• ,~ .'

". :,' ~ LA':.(} :. (IlP)

.[~te' resu\ladopue('lc'0Íiii2¡;r~~'p~rjlproh~r(¡;'i;;JCI;~lldcncia lid v~clor tic codi .
. ,tientes y 1¡I.sUn¡a yc éü~dr'adOs tlelosresiduoScI,'cllliodelouc regrcsilín lincal. De
,.¡ la ~cuación (3:2J),. b~jJ.;;;' (X','()~IX'.I/;éseribienlro': Ii, malriz dela '[ormi!lineal como
L = (X'X)":I,r': Lamalrit dela fotm'a ~uadrá'licá:~s'¡\ =M; De allí ,se tlesprenu\: de
l1l:lner:l inmcdiala que ~~.salisface la ec'ú'ación (!3.27).Y, por l!llanlo,la independen.
cia qUt:ua gar;\~(izada; . . '.' .'<.; "" . .'. .'. .
. • ~ I l.. •. . ,

',: ;

..
', ",",'

.' ','"

,:',
 -",.•'
..:r.: :.! ";
o" •• -

Disquete de datos .:J!J)

':.()

, .
. ./TI)

.L9
.''.;;,,~
!l~
'. ~~t.7,1 r~vie n e ¡1.c<~Jl' P;l ii ad()u, e u I,..d i.s.'tII eJe.<)u e S() ilJ i~ I.~l)'Ja.11):.\ypr 1);1n e,dclo~¡j¡i,;,
los, ell forma de cOrle Imllsversal )' series t.:mporalcs. ulilizatlos ell los ejcmplos nu-
méricos a \0 largo de los dislilllOS capílulos .. Algullos ue los prohlemas su!.!,cridos ; .h~
~;\:,

'~;"
l:\Iilbién hacen rderelicia' a esla misma basc' tle datos. Los pr~[csnres y aiull1nus
puetlell ,invenlar olros problemas con eSlos. tlatos con objeLo 'ue realizar más ejerci. . ...
.cios pr¡íelicos lle Cconolllelría aplicada. Tqdos los. ficheros eslán \:n.formalo ASCII. '~~L...
I:.Vic\\'s)' Sta la. El richero REA DM E.DOC, que está cn el.directorio pr'incipal lI~1
'disco, proporci.ona li! in[l1rllló\ciiín nccesaria par:., eíllcnd.:rl:, CSlfllClura d.: Il')s dis.
.li;lIoS ,~ubllil:ecloril1s y lIc su conlcnilllj; .

-..-1-...

.j~
J-..
,0.0

.. ;

:-:J.:
.'.
'..).
.;.L
~.\.

:-t.'
.,
rJt1h
. ..l'~, .
•••. .1

'.r
Ll.,.'.
h
<r .
".~,

t-:
1--.
,.:'
.•.•jl
r.

~r.
J.:..'
'r-o
r-
." , .
. "

-p-,
l'-=-:-
'-t:-:

"r ~:;:
'/
 ..
. APÉNDICE l) . ,

TabIas Estadísticas' ". 't' '. ":'

'. .' .. l J

D.!. .. Árcas bajt;la dislrilill~¡6n nO;'l11alcst;índar

D.2 .. Dislrihllci(ín/ de Sllltlcnl .' .
ID Dislrihlll:ÍlÍn X2
1).-1 Disl ribllcilÍn
. F ,

D.5 Eslildislico DlIrbin-Willson (lablils de Silvi'n-While)

D.(¡ Eslildísl ico dc' Willlis PUil lil illllócorrelilción de CllilrlO' orden
D.7 Villorcs crílicos ilsinl.Ólicos dd cslildíslico de ineslilbilid¡úJ dc 1'!:lllscll
D.X Conlraste. ClIslIl11dc cúadrados(Browl~. . Durl')il~'y Evans)
."

".- ..

569
 . L\U'L\ n ..• ~- :." _..~,,:: ..
:\rcas de la distriLJ"lcilÍlIlI\lrlllall:sl:hlllar.
~~--~_'-'-"'----~.-""~""':"-"'-""""""~~'~~-~-':'-:"'~""'#""! ..';'.- -: ,,-~ ~._'
'. ",', " .'.

I:n cl inlcriouk la labIa aj)arccen reprcsenlauas

I'roJlorcion~s~ (lajo la c\lrva 'colllp~c'üJidji entre'
I;i~¡.
=.'U.'1 t . ..... ~,.' . '.' .. ' .......•
-"',
'
,
.'
'.
un valor'posjli\'o de ¡:. Las ¡\Leas par~ ios "al()rcsne~' ....'.... '.' .
~;l~i\'.o$uc.:,¿~~-~ru\:(jcn:oh~lc.l\crporsill1Clri~.' <".,::} '~::: _ . '": , _'.'
;/c' "o.
'1:l.
• __ o

., t .00 ,91 .•..~ :02 !oj: <o~'.:',,;;~~;; .... 06:,o7 -' ,08 .09
0,0 ,6000 ,0040 ~,OO80;Ó I'io"': .0319 .0359
\: .0,1 .0398 .Q.1)S.O:l7B ",05i7, . ,,07!4. .6.m
0~2. ,079} .0832' ;0871, '.09(0" ,0948 .1I()3 .1141,

1; .' ....•... ;?i,¡;.~;~l¡i;,i¡~.~~¡~;.1;~;,,;¡;~.;;5~i:i~~;;.,,¿}:1¡.

,. 0.6 .1257'" .1291 .•. ',2)24' ,2357 j389 , .2422 .• 2454' ,2,186 . ,2517' .2549
0,7 ,2580 ,2611' .2642 ..26ü .UO). .2734 .2764' jm .282,}" ,2852
0.8 ,28Si .291'0 .•29)~' ,29Ú' .2995, ';302)." .)'051 '.3078 ';.3 1olí . .JI))
0,9 :) 1.59 . ',} 1~6. ~?212 .. .:im,)2<>4':~289 ,. :?) 15, ./ ..iJ40;, .3)65 ,))89.

1.0
'1,1
J41j ".34]8'
j643 ".)695 ...
.3461.)48.5
,3686 '.' ;él798
.)50~8.
,J1Í9
1 ~35;'1
.• 3749 '. .3770
':X53 > :3577 " .3599 ,36.21
.3790 .3810 .)S}Ó'
u .. .3849 ..: .J~69_ .388S ,3907 .:im .)3944 ,'J962 .391\0 . ;3997 . ;.iOI5
l.) ¡,40n .40-19 .' .4066 <4082 ,4b99' .• 4115 ')11) I' .4.147 04162 . .4171
.1.4 :4192.4207'.41Ú: ;4136 ':4251.'¡~65.;'.{279 .4291 '.ÚU6 ,,4.m'
~.~ ... : '.' " .
1.5 ,4332 ... 4J~5 ...• 4357 ' .•4)70 ,o\)8~ ,4)94.,".4406 ,4418 .44i9 A'I~I
1.6 ,4452 .. 446} .'. '.4474' ',ol.18(:.o\495~Ú05 ....•15.15.. .4525 .4535 J545
\, 1..7
l.8 ,;'
,45.l~ .. 4564"
.464I,.j649
.457)"
..•. 1~5¡¡
.4582 ',Ü,)I"
.46to\ ',4671'
.":1599,' ::4608
,'1678.;,1686-'
.461'6
..1693
.. 4625
,.4699
.46Ú
..1701í
'1.9' .0\71)' .4119,..• 4726. :.4732 ".4pS« :4j4~ :':.'!J 50 .4756 .476 I ,4767
'.',. -, - ',,.4.

2,0 .477i ':4718 ..-: :'4783'" .47'88": 4793 ., 4798'.4803 : .,1'808,,18,12 .4817
2,1: ,~821 ,4826 .' ,'.48jo' ~,'18jil ~:4S)8;'. :4,~:12. .4.8.g, .4850 .,4854
.;; .4857.
2,i. '.,~ 861 .;' '.• 486-1 " .486S::4871:':t815 ..;0\818. ,.4881 ~4890
2j: ,4893 .4896/ '.4898":;4901,' .,490-1' '.,4901í ,';')0') ":'.~~'9H81'
4, '. ,,1881
" . :.491) ,4916
.2,4 :,~918 :4920;: .4922 . '.01915 . '.49'p.:¡i)29>19H
.... '.: ,.
.4932 ';.19)4 ,49.)6
";!
, .2,5 ,49)8 , '.4940 .4941 ;494) • ..•49,'5. .49,(6
.J .. , ;;,;.4?4S' ;4949 .4951 .,4952
2.6 . ,4953 .49~'5 . ,4956 .' .495'7' ,4959. .', ,~960 :,:.4961. ,4%2 ;.I9~3 ,49601
'2.1 . ,'1965 ,4966 . ,4967 ' ,49G8 .,4969 ,4970' ,'1\171 ;4972 ..197) .4974 .
2.8 ,¡4<)74 .4975 ,4976 . ,'19.77 .,4977- .oI?n:< 4979 .•1')79 .49g0 .49'81
2,9 ',4981 ,4982 . ,49M2 .4983. . ,49.84 . '.4984 ..• 4985 .4985 ;.I9H6 . ,'19K6
3,0 ,4987 ,4987 ,4987 ,4988 .. .,4988 •4989.' : .498? .4989 .4990 ..1990
'"
'. , !. ~

".tO •

,: .. ,'

>,'.1
• ' j''"
 '1'.\111..\ 11.2

- •....•-dc -SludclIl
Dislrihul'il'lIll
._-.----.., ,,- .. , ,. -.-

La príplcra colulllna'indica c\'I)IUllcro

de ~rauosdc liherl:ld ("). Las c;¡hc¡:cras /
dc las <lIras cn'Ulllllasselialall las"proha. ' ',
hilidades (1') pilra '1<lC/ c.xccua cl ~'i1lor
que apilrcce cncl inlcrior dc la I;IIlla .
Para val<lrcs lIe~ali\'<ls tic /.¡:<ln\'icllc llli.
li~.ar la si;llclría'dc i:I dislrihucilÍlI.

p
v '. .10" .ll5 .025 .UI .IIU5
1 ).078 6,31,1 12.706 ) I.M21 63.657

.i'~~~,,;¡~~;~-
",:,'_~",.;" ri ' • ...... '.
2
3
.... '4..:c-
. 5
I.RR6
1.638
¡533
1.476
..
.2.920
2,3S3
..<2.1J2
_•.,.2.015
4,303
. 3.1S2
2.176:.
. 2.~71
(,.9(,~
~.~.II
..' .,1:1of1"
-3.J6S
tJ.tJ:!5
~.•-
.

~:~~~I".':i~'
4.032
'

.c.

'"l'
8
1.,140
1.'lIS
1.397
1;943
1,89S
'.. 2.4.17
2.365
J.I;\)
~
J.707
J.4~9
I.StiO 2.306 ~,' 3.JSS
9 .1.383 1,83) 2,262 2.821 3.2S'O~""
10 U72 1,812 2.228 2.76.' ).Ió~
11 1.36) 1.796 2;201 2.718 J.106
12 1.)~6 1.7M2 ..2,179 2.(1~ : J.1I55
13 1;)50 1.77"1 2.160 2.1,511 'J.1l1 ~
14 !.J4 S 1.,761 2,145 2.624 2.977
15 I,).¡¡. UD 2.13 1 "'1Xi01 2.')41

16 I,JJ7 ; ..1.7,16. 2.120 2.SMJ '2.t):!1

17 1,))) 1.740 2.110 2.5ó1 ~.8Y8
18 U30 1,734' 2,101 2.552 2.Ii 7 8
. )
19 1,)2R' _. 1.7i9 2'.1)93 . ..)...:
1"sJ'J 2.~C>1
20 . 1.325. 1,715 2.08(, . 'ij~K 2,X.4.S -;! )
"
J... '
21 un' .. 1.721 2.0RO 2~51 8 2.8) 1 )
f2 1.:121 1,717 2.0,7.1
.2) !.J19 I,ni, '2.069
2.508
2.S01l
'2,81'9
2.S07
.J~
2.1
)
1.31S , 1.711. 2,064 . 2 . .t1):! 2.797
25 !.Jló 1.708 i.oi'.o 2:'IH5
'.~_/.~
2.7H7
.. -'. ) ~
26
'27
l.) 1~ I)O¿ 2:1)56' ::! •• Iil) 2.17~ ..=k -, .
1,31" 1.70) . 2.052 . 2:.í73 2.17\ . ;.! ):
28 UD 1;701 ,,2.048 2 ..167 2.76)
i'J 1.311 1.699 2,0.15 ~...•6~ 2.756
-~
\,'
)0 1,)10 1.6'J7 2.11.1.2 2 .. 157 ~.7 51l
.J-1, )
40 IjO) 1.6S'1 2.021 :!..I:!J ~.71l.1
60 1,296 : .. 1.671 2,!lOO' 2.J!JO 2.ó60 •.•./;, ) .
120 1,28') 1.6.SR I.')X('- 2.358 2.1>1 7
1,2H2 .1.6015 1.960 2.)26 2.571. j..'
:t
'.1 ):

f
)'

l.'. '1'" ••1'1 .; l. •• 1'. II 1 : 1 l .•.. 1 1,." '.', ". .•• '.' -l.' .' " .•••. ,,~, .1 \" .•• ¡.,;. ~ l'. l. '.' '1' ,..
.-=t:.
1\ •• I

-.'. .' ~..

'

'-i:. );
.j~'I;: :
,
..

"2Ii"'~
... ~\$
..
 572 ~1I~nJl)m /JE ECO='O~WI1tI..\

-¡-.\lII..\ 1),.1

Oi~lrihllci(jll X2
.......••.. _ •__~..._._l. •..... ._•. ....-._~ ..._ .•._.. _: .......•..•__ ... ;..•

, rados de ..
lihntad .,
l' = U,Y') u.n 0,Y5 O,YO t
O,HO U,70
1 0.OOOI5~ 0.000628 0.00393' "
'0,0158 0.0642 0.148
2 0.0201 0.0~0.1 0.10) 0,211 0.446 0.71)
) 0.115 0.185 0.352 .0.584 1,005 1.424
4 0.297 0.429 0.711 1.06.1 1,6,19 2,195
5 0.S5~ 0.752 1.1.15 .1,610 2.343 3.000
6 0.87T 1.134 1,635 2,2b.1 3.070 3,828
7 1,2)9 I.S6~ 2.167 2.833 3.822 4.671
8 t.G46 2.032 2,733 3,490 4,59.) 5.527
9 2.088 2.532 3.325 4.168 5,380 6.39)
10 2.558 ).OS~ J.9~O 4.865 6.179 7,267
11 3.053 3.609 4,575 5578 6.989 8.148
12 3.571 ~.I78 5,226 ", 6,)04 7.807 9,b)4
IJ 4.107 4.765 .:-5,892 ?OH 8,634 9.926
I~ 4.6bO 5.J63 6.571 7,790 9,467 10.821
15 5.229 5.985 7.261 8.547 . 10.J07 11,72\
16 5.812" 6.61~ 7.962 9,312 11,152 12.624
17 6.403 7.255 8.6'72 10.085 . 12,002 1).5) 1
18 7.015 ..
7.'J06 . 9.390 . 10.865 ' 12.857 '¡- '"
14,'140
19 7.6 n _.
. . '9.:U7
_....$..\61_. __ --l.()..l..l':]_. _.- - .. .H.ú54 .... ..Ek7+6 15;352
20 i1.2(>O .. r~,851
",
'. 12.443 14.578 16.266
21 8:~'J7 9.915 11.591 13,240 15.4.15 17.182
~~ 9.5H 10.600 12.338 1'1.()'1I 16.31,1 18.101
2.1 10.1% 11:29) 13.091 14.8.18 17.187 .. 19,021
2.1 IO.X.~6 11.')'12 13,8.18. ' 15.659 18,062 1'.1,94)
2,~ 11.52~ 12.(.')7 14.611 16,473 18.9.10 20.867
~(I 1'2.I'IX .I.l..IlN I.U7'J 17.2'12• lY.320 21,7'J2
27 I !.X7') 1.1.125 16,151 18,114' 20,703 22.719
!X I.U(,5 1').~.17 16.928 18,9)9' 21.583 23.647
2') 1.1.256 I.U7~ 17.708 19,76H 22.475 2').577
.10 1.1.'15.1. 1(,.,lO(, 18.'19) 20,599 2).364 25.50H
-

I';,r;l ~r.hl,,,.k I1h-':lt:ulll1ayorl's '!llt.' 'Jc:

.~fJ.,I'\h.. utilizarse la cxprcsillll \.~ - V~ 011111,""11;1variahle
nPllIl.t1l"'111 \".11¡aI1l:' iru:1I a lil,lIl1id:ld.l1olllh.' " l'S d nUIl,cro oc gri1UllS d~ lihcrt:H.I.
H\.."pll,d\lndll d~ U .:\. r¡,hcl. -,,(_";,\lil',,1 .\./('Ilunl.\ for IkJcord, \\'flr,h',.f. 1.1- cdid('1I1. con Iwrll1isu d-.: la Ulli.
\\.'1'1\.1:111 ,k :\t1d';1ul;l.
 APtNDICE o: Tnblns ESlnl.!íslicns .• 573

'1',\ 11"'\ I>.J

(conlin /loción)
~.•......
_.••.•
_L.~ _ ....•. ~ •.-:.-.I'- ••
_>l ..•.•....• L.ul:.oo._ ••• _ •••••• _ ••••• OoII:
•••••••••••• : ••
_ ••••• ! •.•••••• ~«-..a~..s.o,_ ••• __ • ......
(;r:lllos de
,<,.
liherlad
0,50 0.30 0,29 0,10 0,05 0,02 0,01

1 0.455 1.074 1,642 2,706 3.841 5,412 6,635

2 1,386 2,408 ~3,219 . 4,605 5.991 7,824 9.210
3
4
2,366
3,357.
3,665
4,878
.- 4,642
' .5,989
6,251
7,772
7,815
9.488
9.837
11.668
1\.341
13.277
5 4,351 6.064 7,289 9,236 11.070 13,388 15.086
6 5,348 7,231 8,558 10.645 12,592 15,033 16.812
7 6,346 , 8,38:3 9.803 12,017 14,067. 16,622 18.475
,8 7,344 9.524 1.1,030 13,362 15.507 .• 18,168 . 70,090
9 8,343 10.656 ' 12,242 14,684 16,919 19.679 21,666
10 9,342 11,781 13.442 15,987 18,307 21,161' 2).209

11 10.341 12,89'9 14.631 17.275 19.675 22.618 24,725

12 11,340 14,011 ,15.812 . 18,549 21.026 24.05.1 26,217
1) 12.340 15,119 16,985 19,812 22,)62 25.472 27.688
14 1),339 16.222 18,151 ' 21,064 23.685 26.873 . 29.141
15 14,339 17,322 19,311 22.307 24.996 28.259 30.578
16 15.338 18,418 20,465 . 23.542 26,296 29.6)) 32.000
17 16,338 19.511 21,615 24.769 27,587. 30,995 )).409
18 17,338 20,601 22,760 25,989 28,869 32,3.16. 34.805
19 18,338 21.689 23,900 27,204 .30,144 33.687 36.191
20 19,337 22,775 25,038 28.412 31,410. 35,020 37,566
' ..
21 20,337 23,858 29,615
26.17J 32.671 36,3.13 38,932
22 21,337 24,939 27,301
30.813 33,924 37.659 40,2B9
23 '22.331 26,018 32,007
.28.429. 35,172 38.968 .• 41,638
".,0".
14
.:.->:'.-:':':~
.,~ _:.,11.1)1._ ....Jl.U9A .•.' . 4JrU5),~_......,J~~9.6.-"7,}.6.~lp .. . 10•2}Ü 42,980
25 24,337, 28,in ....... 30.675<. . '. 34)82 .... 'j7,652 41,566 4(3í4
26 25.336 29.2.16 ..31,795 35,563 38,885. 42.856 45,642
1.7 26.336 30,319 32,912 36,741 40,113 44,140 46.963
28 27,336 31,391 34,027 37,916 41,))7 45.419 48,278
29 28,3)6 32,461 35,139 .,)9,087 42,557 .. 46.69) 49,588
30 29,336 33,530 . 36,250 .40,256. 43,773' . 47,96f 50)92
 j'
", ~ ro ••••• - -
... - ~.. :. -. _, - ••• ,,_0_'"0 .' ••••

'r.\ 111.'\Il.~
...-' ObtriulIci,ín F . . ' .
Pnlllos ele b c1isírihllcitm F :,15 por cienfo (cifr;s en '¡ipo r
._ •••..,..~.í: .•: .• , ~."_.' .•_"''''''''.' '_,' ""'::._:.
•• ,,,,~,,, ,,,,,,,,
__

,
!
! .':'

'.Gr:lclos ele.
libert:lo
elel Gr:Jdos 'de.!iuerl:ld d
'elenoitiin:l'd'o'r. . ,",
-'.:
-"'.
-
"

'"
10
1 • 3•

.i

10

._--- ---- _ ..

__,I......-_---------------------
Grnelos de
libert:Jd
del
Granos de Iibert:Jd
denomin:Jdo(

'
•. ~ 3.98 3.59 '.)6 3.~0 3.09 3.01 2..9~ 2..90 2
9.6.1 7.20 6.:22 J.67 J.J2 J.07. ..1.&$' .1.74 .I.6J J
".7" ).!! ).49 ).~6 3.11 .J.OO 2.92' :.85 2.80 1
12 9JJ 6.9J J.9S S.JI S.06 J.81 J.6S J.SO J.J9 J

"'.67 ).SO 3.A I

'.02 1.9': l.s-& -'l."7' 1.71 2
IJ .J
9.07 ,6.70 S.7J .1.36 4.61 oI.JJ o/.JO J. /9

,.It . 2.96 '-SS' :'71 ::"70' -2.65 .::

"4.60 . 3.'4. .J.34
~.OJ . J.69 " . .J6 o/.~& ./.1./. J.D.f J
l!.l'6 6.J 1 S.S6
3.06 ~.90 1.79 :-'9 . 2
'.~ 3.68 '.29
01.6'1 J.'6 J.J1, J."9 J
8,6-<' 6;J6 S.Jl'
.:...•
9 3.6) ).~... ).01 2.85. ~,.. "2.,66 .:.'9 2,.~';
2
16 )
E:jJ" 6.:JJ J.29 -I.i7 J,'u, ./,20 ./.OJ. "l.89.:. J.78
~•.so
j.'~"
:-I•.J5 3-'9 3.20 ':!..9'6 .. 2:81 :!..70
2.55 :
17 J.79 . J.68 .J
3.010 6. iJ. ./.67 JJ./'. 01./0
2.77 . ~M .2.51: 2..16 ~
I~ .t •.n );55.3.16 2.9)
:.J." ./.01 J.71 }.6IJ J
S.l." 6.01 S.09 J.J,'
~.)8 '52 '.1)" :.?O :2.7J :.63 :2.5~. ::.~~ .:2...I~ .':2
19
."..1"'" J.QJ J.(J/ .I ••iO .J./i • .'.W J.n J.6J .•..~: J

.:a:.=,~ ),.~" :\.IU :2.10:1 :2.71 l.NJ 2-'\2 !.~~ ::.~o :

X.IO j.Xj oI.y.J J.J'; J./I~ .Ufl. J.'lI .. 'J.jf"í 3.J.~ .
..I.J:2 ~•.17 ).07. 2.1'('¡."2.M ,:: ...••
7 ,::•..1') :.-=:!:' '2.:" :
~ 1
,'(.{J] '.7.'f ./..'\7 .1•.17 .l.f~' .""(/ .tl\j .r..~1 .'.JII ,

..l.,:\U ) ..:...: .i.1l5 ::.)(2 .. ::.M . 2.;'i;'i :'..Jj" :2.•10 ~..'5 :

7. (,IJ J.7: J •••.•
] .1 •• 11 'J.""" 3. 71. .r••~"1 .' . .J.~ .' ••'.~ .

.J.2~ J.J2 -'.0.' 2)CU ::.1.... 2.5:- ::..I~ 2..'~ '::..'~

7.lf..'( J.M J;7f) J.]f) .f.W: .J.71 .t_~J -1.011 .J.JIJ J
.l.:2Ó 3 ..:10 ~.UI ::.7:1 2.6: ::_~I :!.J) 2•.'1\ 2..'0 2
7.-"1 J.I.! .1.72 J.l1 .'.'JO .'.67 J.JU J ..lb .'.1J .
.a.~.s ;\..'K 2.'rJ 2.it-. :.,.0 ~.",11 ::.",12 ..\"' :.:x
7.77 $.$7 J.~'t .J.l.'í .'.,'t1'J .t...... .,.J" J ..r: .1.:1 3

.:.'.\.!'
...•... '.r.-.,""~--=i\..'
,'" " (
 .'
,:.'

1: <
;""
. . . ~".'
ro'lIl:lno) )'1 por.c.:icnln (ófras en lipn il,jlicn)
_ .,.,,-,,,,,,,_"""'
..'.';" ...~:••._. '; "_ .••__ '"•.'""1.' ••
ro/
~.
..~'.

del lIume'radar (v]).

o F
,. - ."..

~O 100 500
16 30
0 II 12 )'

..-'-'- .

---~-;-----_ ~.~~------_.--~-~ ;-"

..-..
del ~umer:ldor'(vl)

75 lo<l :00 !-OO

II
J 6 . ~o
'a 2.~ 2.,.1'7 2..el 2..11
2.96 2.82 2.79 .2.7. ,2.;O'-'2.6~ 2.61 2..57 2.53 J.I'O J.7J J.66 • J.61
J.J . / .1..16 .1..10 .1.29 ol.l/ ¿.io oI.O~ ).9-1 ).S6
2..J.O 2.)6 2.'2 2.31
1.76 2.72 2.69 1.6" :l:.éoO 2.5.1 2.~O :'.16 2..s~ J.Só J,JY J ..I/ J. .'s
J,JO J.22 J.16 J,O~ J.98 J.~6 J.78 J.70 J.61 :.21
2.51 1.016 2•.12 2.). 2.).4 2.)2 !.2K 2.~fl
2.67 2.63 ~.60 2.5~ J.IX J,I6
J.78 J67 J.S9 J.SI .J.Ji J.J7 J ..10 J.:17
J./O .I.()~ J.l'6 J.5S
2..... 2.)9 :.J~ 2.31 2.::!? ~.2.a 1.21 2.19 :"16 2.I.l 2.13
:"60 2"",6 2.53 2.'S
J.61 JSI J.J.I J.JJ ).16 j.~/ ).1.1 J./I. J.()6 ).p~" .1.00
J.9J J.S6 J.• O ' J.70
2.'9 J~;\3 2.29 2.:5 2.2 I 2.IS 2.1S 2'.1:" 2.10 2.0}; :l.o'
2.S~ 2.S 1 1..18 2.4;:\ J.CXJ ~.97. 2.91 ~.<"i9. 2.X7
J.JX J.~J6 .• "~9 J.10 J./2 J,07
J.50 J.7J J.67 J.Só
'!.3~ i28 2.,2.1 1.20 2.16 2.1) 2.0'} :.07 2,o-a. 2.02 2.01
2..9 2.'~' 2.'2 2.31 2. .',.y 2 .•'16 2.•"" 2.77 :.7.5
),69 J•.61. J;SJ . .J.JS J.J7 J.2S
....
J.IX J.l0 J.OI 2,""
l.:=!:9 2.23 2.19 :.I~ 2.11 2.0~ 2.o-a 2.0:! 1;99 1.\J7 l.?ú
:!..AS 2..a I 2.3) 2.7Y • 2.76 2.7tJ 2.1\7 2.(¡j
J.17 J.16 J.OX J.m 2.97 1 ••'<6
J.S9 J.Sl J.JS
:.25 i'.1') 'l.I:S !. f1 2.07 . 2.l).J 1.00 1.9K 1.1)5. 1.').'\ 1.92
~.':l 2.31 'l.).l 2.29 ;.71 2.().'{ 2.,.,2 1.JY 1.J7
J.J7 J./Y + U7 JJ'X1 2.YJ. 2•.'0 2.7~
J.S 1 J.".I.I J.J7
U~.1 1.91 l.X/<
2.26 1.21 !. 11
:!.~I.~ 2.00 1.%
2.)"15: 2.;\.l 2.)1 }:tJO 1.92 J.,70 l.~.1 :.NJ 1.jJ ' • .JIJ
J./Y J.I'
J.J) .J .•ff¡ '.f.JO
I.'Xl LX;
:2.)~ :2•.:\1 2.:2)\
~.:.J ~:Il< ~:I~ 2.01( I,')h I.'n
'.S.'
J.IJJ.OS ~:YJ. 2.xl\ 2.1)}. 1..M ~.0I7
.J.) 7 .l.JU J.!)
:2.::K ::.:2~ :!.:20. ::..,)~ 2.0" 2.0.... :2.nn 1.9.ft 1.'1;\ ¡.X') 1.1\'
::.:t'2 .1.1J .t/] ).07 2.Y'J 1.8.'{ 2....,'. 1.7! ].r,.f ] ••\.'t : .. q ].J 7
,r.31
1..'11 1.:0 1.".1
:'.:2f" 2.:2.' :2.1)<; :2.1.\ 1.in loO.' I,VS l.".'
:':.'" .'.Jo'" . .r.ll .f.ll] :.V.I J.l\,f 2.7$ :.,.,7 ~..~o'" ~ .•~.' ': . .1(, : •.1:
.'.:"
I.~~ l. 7') 1.77
:'.:'J ::.:!U 2.1.1 ::.1t1 ~.i).i ::.00 1.')(1 I:JI l."''' 1.)0:.1
~.::I'l
J.1-1
J.I.J J,t}7 ~.Yl ].-"v ~.t.'\ 2.7tJ ~.I\] 2 ••1.1 1..18 ~.JI 1.J7 1.J' ~.~.'I
1.<)1( 1.0)01 I.I(Q I.X(, Uc, l.xn l.'tI 1.'41
2.~6 2.~2 ~.1" :2.1:'\' -:.1") 1.f1:! !.M : ..~.'i 1..IQ l.JJ 2..'11 ~.-,.I ~.1.7 2.:.'
.1./7 .'.IN ).0) J.YJ 2..'{j '1.7.J 1.'71
:.-0(1 1.% I.'J~ un I.S"' u<u 1.17
~.:" :.:0 ::.Ih :.112.1)(, ~.70 2.ñ:" .1.S.I 1.J.'I" J.J(J ~• .I: 1.17
3.13 .t.llj 1.W 1..••
"'1 2.HI
 (.r:
. -:: ',1' •.•.
:•.

., \/\ 1..\ 1),4

(Conlinn:lci,',n)
1'111110" de 1:1 di"lrihn~'i"1I1 ¡: aL:' por cientu (cifra." eu lipu rllllla

Cr:Hlos de
lihertad
del'
Cr:ldos ele Iilll:rl:ld del
d~'uonlin:H,lor
b .7 9' JO 1
(":1
J.~: .'..'7 . :UN ~~j'.J 1.5') 1...17 ~.-,q ~.:"2 2.27 1.22 ~
7.72 .fi •• tJ ./.1,.1
./.1./ 3.s~ 3)11 .J: .'.:9 J./7
.r. .UN ,r

-l.~ I .' ..'5 ~.t¡i)

~.7.l :.57 :!.Je' ~.:\7 1..'0 :.:5 2.:!n 2
7.6."t .fi • .JY 4.1,f) 4./1 . ".79 .•..:111.l"lY ".26 J./4 .1.()¡\ 2
1.71 2.56 !.,u' 1.)6 2.19 2.2J 2.19 2
4.~0 J ..l-l ~.9S
4.07 J,7(, J..:I" J."II ,1.2] J. JI ].0] 2
7.64 5.4S 4.57
29 4.1~ 3.)) 2.93 2.70 ~.54. ~...¡) 2..35 2.'1H 2.22 ~.Jg 2
7.60 S.52 4.54 ,I.C> J J.7] po J.JJ J.20 ].o.~ ].00 2
2.69 2.S3 2.J2 2.34 1.27 2.21 2.16 . 2
JO 4.17 3.J2 '2.9!
,1.02 ].70 J.,17 ].JO ]./7 ].06 2.98, 2
7.56 5.J9 4.5 I
2.14 2
4.1 S ).)0 2.90 2.67 '2.51 2.40 2."2 2.2S, 2.19
2.94 2
7.S0 5.,14 4.46 ].97 J.66 'J.42 J.25. ]./2 ].01

)4 4.13 3.2S 2.~& 2.65 , 2.49 2.JS 2.JO 2.2J 2.17 2.12' 2
7.44 S.29 4.42 ].9] ].61' JJ3 ].21 ].03 2.97 2.h'9" 2

'2.':8. 2.J6 . 2.18 2.21 2.IS 2.10 2

J6 4.11 3.26 2.S6 2.63
]J5 ].13 ].04 2.94 2.86 2
7.J9 5.15 4.J3 J.8Y ].58
2.26 2.19 2.14 2M 2
)3 4.10 3.2S 2.&S 2.62 2.46 2.JS
J.IS ].02 2.91 2.82 2
7.J5 5.2/ 4.J4 .M6 J.54 JJ2
2.JJ 2.15 2.18 2.12 2m 2
4.08 ).23 2.&4' 2.61
].19 ].12 2.99 2.~ 2.30 2
7.JI 5./3 4JI J.S]
2.:r1 2.2.$ 2.17 2.11 lC6 2
4.07 3.22' 2.S3 2.59
].26 ].10 :'.96 2M 2.77 2
7.27 5./S 4.29 ].80
2~J 2.16 2.10 2.DS 2
4.06 J.1t ~.82 2'sS 2.Jl
7.2<1 5,/2 4.16 ].78 ].14 ].07 2.94 2.£.1 '2.75 2

1.J0 2.12 2.14 2.09 2..().l 2

46 4.0S 3.10 2.&1 2,S7 2.J2
].22 ].OS 2.92 2.82 2.7] 2
7.21 S./O 4.14 ].76 ].44

""'_•• ~_._ .,,',.t ••

Gr:ldos de
libertad
del
'Gr:ldos de libertad del
denominador
7 10

4.04 3.19 2.80 2..56 2.41' 2.30 1.21 1.14 2.0& 2,03
7.19 S.08 ~n £U Ln LM L~'~ro 2W ~n
2.79 2.56 2..40 2.29 2.20 2.13. 2.07 2.02
SO 4.03, 3.1 S 4.20 J.n ..1.41 ].13 ].02. 2.83 ,2.7 •. 2.70 .
7.17 S.06
2.78 2.54 2.)8 2.27- 2.18 2.11 2.05 2.00.1.
ss 4.02 ).17
4.16 ].68 ].J7 ]./S 2.93 2,&1 2.7S 2.66.2
7.12 5.01
2.76 2..:12 2.37 2.25 2..17 2.10. 2.04 1.99
60 4.00 3.IS 4.1] ].65 ],]4 ].12 2.9S 2,.r. 2.72' 2.6]
7.03 4.98
2;7S UI' 2.36 2.24 1;IS. 'Lo& ''L02' 1.9&.
6S 3.99 3.14 4.10 ].6'1 ].Ji ].09 2.9] 2.79 2.70 2.6/
7.0'1 4.9S
2.7J .2.S0' 2.3S .2.32 2.14 2,07' 2.01 1.97
70 , 3.9& 3.11 4.08 ].60 ].29 ].07 '2.91.2.77' 2.67' 2.59.2
7.01 '4.92 .
2.72 2.J8 2.33 2.21 ,2.12 2.05 1.99 1.9S
&0 3.96 3.11 4.0'1 ] •.56 ].25 ].0'1 1.37 2.U 2.6-1 2.55,
6.96 4.511
2.70 2.46 2.30 1.19 2,10 'L03 1.97 •\'92
100 3.94 3.09 ].98 ].5/. ].20 2.99 2.112 2.69 2.19 2..51
6.90 4./S2
2.6& 2..... 2.29 2,17 2.0S 2.01 1.95 1.90,
12S 3.92 3.07 ].94 ].47 .].17 2.9S 2,79 ,2.6S 2.56 2.47
.6.3.'. 4.78
1.67 2.43 2,27' .2.16 2.07 'LOO 1.94 1.&9
ISO ).91 3.0? ].9/ ].u ],1] 2.92 2.76 2.62 2.5] 2.4-1
6.81 4.?S
2.6S 2,41' 1.26 1.14 2.0S' 1.9& 1.92 1.&7
3Jl9 ,i.(}t J.43 ].41 ),11 2.ro 2.7] 2.60 2..:10 2.41
6.76 4.71
2.62 2.J9 2.23 2.11 2.03 '1.?6 1.90 1.8~
400 • • J.M6 H2 ]./SJ J.J6 J.()¡\ 2./SS 2.69 2..55 2,46 2J7
6,70 4.66
2;61 2.Ja 2.22 Í,IO 2.02 1.95 1.S9 1.84
1000 US 3.00 J.80 J.J4 J.O'I 2.82 2.66']J]" 2.41 2J4
6.66 4.~2
2.60 2.J7 2.21 2.09 2.01 1.94 1.8a 1.83
J.a4 1;99 ].7& JJ2 ].02 2.110 2,64 ]J/ 2.,11 2J2
6.64 4.60
RcprcxJucido con f"'r",i~o de Gcor~c W. Snedccur)' Willi:lm G. Cochr~
 an())' l por t:i~'nlu (<;ifr:ls en t.ipo it:ílicll)

nUllIerador (1'1)
4U su 75 100 ~oo '500
11" 1~ 1-l 1ft. ~o
l.'Xl US 1.~2 I.n ' 1.76' 1.72 1.70 I./lY
~.1~ 2~!5 2.10 :.05 1.99
2.50 Z. ../I' '2.J6 1.:0"". 2.15 2./9 2.15 2./.1
r.O! 1.Yt'\' ~.S() 2.77 2.M
I.Y7 1.9J I.S~ I.X4 I.MO 1.76 1.7J. 1.71 1.6M 1.67'
2.16~. :.I~'-':.O~ :.0':\
2..55 :.J7 :.J~Y 2.31 2.25 2.2/ 2.'i, 2.12 2./0
2.Y,~. 2.9,1 2.•V 2.74 1.<\.1
2.IS :!.12 2.06 2.0:! 1~96 I.YI I.S7 I.RI 1.73 1.7S 1.72 1.6Y 1.67 I./I~
2.95 2.90 2.M 2.712:óll 2.52 2.44 2.JS. 1..l0 2.22 2./8 2./) 2.09 2.l1ri

2,10 2,05 2.00 1.9J 1.90 1.85 1.80 1.77 1.73 1.71 1.6S 1.65 1.60£
2.14
2.•9 1:,1/ 2.]2 2.27 2./9 2./.:1' 2./0 1.06 2.0]
2.92 2.67 2.77 2.68 2.57
1.79 .1.76 1.72 1.69 1.66 1.64 1.62' .
2.1! _ 2.09 2.04 l.99 1.93 1.&9 • I.8J
l,iS6 2.SS .2.47 2JS 2.29 2.24 '2.16 2.1]' 2.07 . 2.0] 2.0/
2.90 2.84 2.74
2.10 2.07,. 2.02 1.97 1.91 'I.R6 1.82 1.76 1.7J ,1.69 1.6o£,~1.61 .U9
2.M 2.S0 2.70 2.62 2..l1 2.42 ' 2•.14 2.1.5 2.10 2./2 2.02 1.90 1.96

l.84 l.80 'l.74 1.71 1.67 " 1.61 U9 U7' ..

2.08 2.0S 2.00 1.9S 1~&9
2.76 2.66 2.5& 2.17 2J/S 2JO 2.21 2.JS 2.08 . /.9S" 1.94,' 1.91
2.82
2.03 . 1.98 1.93 1.87 1.S2 1.78 1.7i 1.69 1.6S 1.62 1.59 ' 1.56 US •...
2.0?
2J4 2J5 2.26 2./7 2./2 2.0'1 2.00 1.94 . 1.90 1.87.
2.73 2,72 2.62 1.4]

2.0S' 2.02 1.96 1.92 'LSS 1.&0' l.76 1.71. l.67 1.6) l.6O 1..S7 1.54 IJ31
2.75 2.69 2J9 2..:11 '2.40 2.12 2.22 2./4 2.03 2.00 /.97 1.90 1.86 1.84

1.79 I.j4 1.69 l.66 1.61 U9 I..SS 1..S3 UI

2~ LOO I~ I~ l~
2.7] 2.66 .. 2.56 2,49 2J7 2.19 2.10 2.11 2.05 /.97 1.94 1.38 1.84. I.J/

2~2 1.99 1.94 1.a9 1.a2 1.7& 1.73 .I~S 1M 1.60 I.S7 1.54 .1.s1 1.49
2.26 2.17 2.1)3 2.1)2 1.94 1.91 /.lH /.80 1.78
2.70 2.6-'. 2J~ 2.46 2JS
1.76 1.72 1.66 1.63 I'sS 1.56 1..S2 1.50 1.4&
2.D1 1.9& 1.92 1.&& \,SI
2.24 2.1 S 2.06 2.00 1.92 1M 1.82 1,78 I.7S
2M' 2.62 2.52 2.# 2J2
1.7,S 1.71 I.6S 1.62 1.57 1S4 I..SI 1.4& 1.46
2JX) 1.97 1.91 1.87 I.S0
2.66 2M 2.50 2.4] 2.40 2.22 2./J 2~ 1.98 1.90 1M 1.80 1.76 /.n

l numer:idor (VI)
4ll SO 7S' 100 ,200 500
14 16. 10 30
11 11
1.60£ 1.61 l.S6 l.B '. 1.50 1.47 1.45
1.99 1.96 1.90 "1.86 1.79 1.14 1.70
2.02 .1.96 1.88 1.84 1.711 1.7] 1.70
2,64 LU2~l.~ 218 ~M 1.1/
1.6i 1.60 US 1•.52 1.4& l.<ló l••••
1.69
1.9S 1.95 1.90 I.~S I.n 1.74 2.00 /.94 1.86 1.82 1.76 1.71 1.68
1./0
.2.62 2•.:16 2.46 2.)9. 2.26 2.1& I.S2,.,UO 1.J6 l.43 I.JI
1.67 1.61 !.S&
.97. 1.93 I.S& 1.83 1.76 1.72 1.96 1.90 1.82 /.78 ,1.71 1.66 1.64
2.06
2.59 20SJ 2,4] 2J5 ,2.]] . 2.11 I'.~ 1.41.' 1.39
I.S9 1.56 1.50 I.J8
1.6S
1.9S '1.91.1-86 1.81 1.7S 1.70 /.79 /.74" 1.68 1.6] 1;60
2.0J ,1.9] • 1./S7
2..:16 2.S0 2.40 2;]2: 2.20 2./2 'I.J6' 1.42 1.39 1.37
1.63 1.57 '1.54 , 1.49
1.94 1.90 lis, I.SO 1.73' 1.68 2.00, 1.90 '1.84 J.76 1.71 1;64 0'/.60 /.56
2.S4, 2.i7 2.10 2.]72.IS 2:09 1.4S 1.40 1.)7, 1.3S
1.62 1.56 IJ3 1,47
1.9J •., 1.89 . .I,$.l. 1.79.1•72 1.67 1.98. 1.88 1.82 1.74 1.69 1.6] 1.56 1.5]
2.5/ ,2.4S 2.n 2.28,' 2;IS 2.0'7. 1.42 1.3& I.JS 1.31
1:34 UI 1.45
1.6S 1.60 1.57 U2 1.49
1.91 I.n 1.82' 1:77 1.70 2.0] 1:84 1.73 1.70 /.65
/.94
2,4$ 1:41 2;]2 2:24,'2, il' 1,J9 1.34 1.30 1.2S
!.SI I.J8 1.42
1.63. I.S7 1.5/ 1.4)
I.SS I.&S. 1;i9 r;'i5 1.6& 1,93 '1.89 1.79 .1.7] 1.64 JJ9 /,"'6

2,4] 2J6 2.26 2.i9 .2,06 \,)6 1.31 1.27 1.1S

1.60 I.5S" 1.49 1.45 1,J9
1.86 1.83 1'.77: ¡)2" 1.6S 1.7.:1 1.68 1.59 JJ4 1.46 1.40 /J.7~
1.94 /.35
1.'0 2J] 2.l] 2,/,5' 2,0] 1.J4 1.29 ,'l.iS 1.22
1~9 1.54 1.47 1.44 1.J7
1.8.5 1.82 1.76, \.71 1.&4 1.91 1.66 1.56 1.51 i.,1] I.J7 U]
/.8] 1.72
]J7 2.JO 2.20 2.12:" ~.OO 1.26 I.n 1./9
I.n I.4S, 1.42 1.35 1.32
I.S7 /.J9 I.]J 1.18
I.S3 I~O 1.74. 1.69' 1..62 /.79 1.69 /.62 I.s] 1.48
/.33
2.]4 2.U 2.17 '2;09' 1.97 \,2& 1.22 1.16 1./3
1.49 1.42 1;38 1.32
I.al 1'~7R \.72 1.67' \'60 1.54 /.47 1.42 IJ2 1.24 1./9
4 /.74 /.64 IJ7
2.29 1.2J 2.12" H)J, /.92,1.11 1.26 1.19 1./3 1.0S
1.4' 1.41 1.J6 1.)0
1.S3 IJ8 I~. ~/9 ¿II
I.SO i.76 , 1.7.0 \'6.5' 1.55 /.71 /.6/ U4 I.U
I./S/
2,26 < 2.'20 '2.Ó9" nil:' 1.39 1.24 \,17 1.11 1.00
1.46 1.40 1,J5 1.28
1.S2 JJ6 1.25 J./.5 1.00
1.79 \,75 1.691.60£ '1,57 1.69 1.59 1.52 /,,1/
/.79
2.14, 2./8 2.07. 1.9"!: /.8?

~n. S""üli~,,' 1~/¡oI"I)(Is.7. cdici\\n. low~ SI:lIC Univcrsil)' rrc~s. 19S0.

, .~.
 .173 "I(TODOSDE ECOr;O"II.:TRIA

L\ JI LA U.5 . ", ,,', ' .. ' .. ',"', .'

Estadíslico de [)urbin- Walson; 11UillOS l{t:J d¡j'.nrS por 'c¡enlode signi[jcáción
~-- .••.••
' -~, --,~r¥:"'-"""-_~~n~.....-::'.""."""",,~-:-.,,,~-;"'--,.
'6 0.390 1,142 - _' '_,' .. _".
,_', ..

7 0,435' 1,036 0.294 1.676 _', ,,

8 0.497' 1.003 '0,345 1,489 0,229 2.102 '"
9 0.554 0,998 0.408 i,389 0,279 1,875 0.183 2,A33
10 O,6Ó-l 1,001 q.466 , 1,333 0,340' t.7)) 0~230, 2.1')) O,i50 2.690
11 0.653 1.010 0,519 1.297 0.396, Ú40 0.286 2.030 0.193, 2.453
12 0.697 1.023 0,569 1,274 0.449' 1.5750,339' 1.913 0.244 2;280
!J0.738 1.038 0,616 1,261' 0,4'19 1.526 ,.' OO:,.43,~'I'1.826 0,2')'1 2.150
14 0.1'76 1,054 0.660 ,1,254 0,547 1;490. ,1)S7 0,)41 2,049
15 0.811 1.070 0,7001,252 0.591 1.4q.l . 0;~88 ,1.704 0.391 1.%7
16 0,844 1,086 ,0))7 1.252 ',0,633 1;4'16 ,0,5321,663 ,0.437 1~900
17 0.874 1,102 0,772,1,255,0,672' 1;432" 0.~?4 1.630 0,480 1.8.17
18 0902 1118 '. O 805 U5~, .. ,0,708 .. )'.422 ~ .. 0.6t'3 1.604 ,0,5.n.!~8(P
:' ;; •.•,,'i.>,,,'::,,J,9,;';:i,n:9./,$.:.'.', J ; 1J2.,'•.:<..•. O~lilk;..;,I<:.z.6~:;; .;:.;~~ei7új 1':4
.•. ~
.15-:?'.;:..:'.0¡65(F •.".!¡.j8;¡':' .....'. :'Ü;561 ",', +:761 ' ,',• ; . ..:•. ,,'o ,_..:-.':,.::'.~~-:
20 0,952, '.147.. 0,863 ,1,271 0,773 1;411 0.6851,567 0:598 1.737
21 0975 1161 , 0890 1277 0,803. 1;408,0;718' 1,554 0,633 1,712
210'997 1'174" 0'914 . 1.''284 . 0.83 1, 1.407:, 0,748: 1,5.1) 0,667 1.691
23 1'o 18 187 ¡'
.' 0'938 ' 1'291 0.858 1.407. ,0.777.1,534 0,698 ' 1.673
24 .. 1:0)7' ':199, Ú60' 1:198. 0,882' 1,407 0,805 1,5'28 0,728 1.658
25 1 055 1 2 \ 1. 0.981 1 305 . 0,906 ,1,409 . 0,831 .1 ;523 '0,756 1.645
26' 1:072 1:222 " \,001 ,. 1:31 i 0.928 i
,4110.855;1.,518 0,7.83 1,635
27 1.089 .1,233 1.019. 1.319' 0,94'9 1.413. 0.8781,5\5 0.808 1,626
.28' i.Í().j, i:
2'14i,O)i 1,325 . 0,969 ,.i.115 ,,0,900. 1.513 0.832 1,618
29 .1,'19 1.254 1.054 .1)3i. :. O,~88. 1,418 "" 0.92'- 1.5120,855 1.611
30 1.1 33 1;263, .1.070' 1,339 . 1.906, '1,421 0.941.' . \'511 0.877 1:606
31 '1,147 1.273 1.085'l,345 .,.023 :' 1'.425.', 0,960; 1.510. 0.897 1:601'
32 \,160 1.2821,100. 1,352 'l,lYlO '~I,428 ':0.979,1.510. 0,917'. i:597
)J 1.172' 1.291 1.11'4 ,1,)58 .1,055 .1.4)2 •... 0,9% 1.51.0 0.936 1.594
34 1.,184 1.299 10128' i,364 ,1.070 ',1,435. ".012",,1.511' 0,954 1'.591
35.' 1,195 1.307," 1.140 1,3701,085 .1;439' .. L028., 1.5120,971 1,589
36 ¡,206 1,)15 •. ',I,IH' 1:376 '1,098'1.112, .L00\3' 1.513 0,988 1.588
)7 L2J7 1.)2) .' 1,165 . 1.381 1,112 1.446' .1,058; 1,514 1,004,1,586
38 1.22,7 1,330 1,176: 1.388 1:1}4 .1.449' .1.072, 1,515 1,019 1,585
39 \,237 1,)37 1.187 1.393.1.137,1,453 1.085 1.517 1,034. 1,58'1
40 \,246 .1;'344 J.198.U9~;.'1;l18 ''''57: 10098 .1.518 1,048 1.584
4f 1.288 1376 10245' 1;'123 .1.201 "10474'- ". 1.156 ,1.528 1,11.1 .. 1.584
50 1.324" 1:403 '\'285.10:)46. 1,24511.4911,205 1,518 I.IM 1.587
55 1.156 1.427' 1:320, 1,166 1.28.1 1.506 l'f'.17 1.5'181.10,) 1.592
60 1.383. 1,4'49' 1,350 1.484. ,', .1.3.17 1,520 10283' l.558 1,249 :1,598
65 1'.,107, 1,468" 1,377' 1,500," \,3'16 ' 1.534'. 1.315. l.568.I,283'1.604.
'70 1.429U85 1.'100 1.515'.: ¡'.3.7'2 • 1.546 •• 3.1J 1.5781,)13' 1.611
75' ,1.448 1.501, 1.4221,529 ': IJ95 .1.557 ,1,368 1,58}' 1,).10 1;617
80 1.466' 1.515 1.441 1.541 1,416 ,.1.568' 1.390 1.5?5 .1.364 1,624
85. 1.482' 1,528 1.458.U53 1.435' 1.578 '1.111;' 1/¡Q)'I,386' 1,630
90 1.496 1:5.10 1,474 1,563 1.452,1.587 . 1.429',61'. .1.406 1,636
95 1.510' 1,552 1,489 1.573 1,468 ' 1,596' ,1,4'16 1,618 1•.125 1,6'12
100 1,522.1,562 1,503 1,583 1,482 .1;604 .1 ..162.1,625 ",4,\1 1,6~17
150 1.611 1,637 1.598 1,651 U84. 1,665. 1.571 ,1,679 1,557 1,1.i9J'
200 1.664 1.684. 1,653 1,6931,643' 1,70.(:. " 1,6])1.715 . 1.623 1.725

,', .
 1_",.""
TAIlLA 1l.5 ••...;. 1
,~'

(cvl/tilll/nciÓI/)
.....1' )
k' = 6 k' = 10
n, dL .. du
dI. dll
."..u..,
6 .....
t~.. J

7
8 "~I:~
9
10
(-;'f'
11 '0,124 2.892. '. ,..- .•.
-: .1
12 0.1&1 2,665 0,105 3,05)
13 0,211 2.490 0,140 2,838 0,090 3.182
14 0,257 2,154 0,183 2.667 0,122 2.981 0,078 3,287
15 0)03 2,244 0,226 2,530 0,161 2,817 0.107 ).101 0:068 3.174
"""""..:,I.~. Q.}42 V5,),,,. 0)6'?, .. 2AI.6.,. PJOO .2.681., .0;142. 2.944'.:- ~.;.. 0.b9~.':,;'3,i\\)p:
17 0.393 2,on 0,313 2,319 0,241 2,566 0,179 2.811 ' 0.127 3.05]
18 0,135 2,015 0,355 2.238 .0,282 2,467 0,216 2.697
r 0.160.: 2.925
19 0,476 1,963 0,396 . 2.16'9 0,322 2,)81 0,255 2.597. 0,196' 2.813
20 0,515 1,918 0.436 2,110 0.]62 2.308 0.294 2.510 0.232 2.714
21 0,552 1.881 0,474 2,059 0,400 2.244 0.3~ 1 2.4H 0,268 2.625
22 0,587 1,84? 0,510 . 2,015 0.4)7 2,188 0.368 2.367. 0.304 2.5-18 , I
23 0,620 1.821 0,5<15 1.977 0,4)3 2,1'10 0,404 2'.308 0.340 2.479 '-"'.
24 0.652 1,797 íÍ,578 1,944 0;507 2;097 004]9 2.255 0,)75 2AI7 . I
25 0,682 i.766 0,610 1,915 0,540 2.059. . 0.473 2.209 0.409 ' 2.362 .. -''"\
.26 0.71-1 1,759 0,640 1,889 0,572 2.026 0,505 2,168 0,441 DIJ
27 0,7)8 . 1.743 0.669 1,867 0,602 í,997 0,536 ,2.13 1 0,473 2.26lJ
'28 0,764 1,729 0.696 1.8'17 0,630 1,970 0.566 2,O')i¡. 0.504 2.229
29 0,788' i ,718 0,723 1,830 0:658 ' 1.947 0.595 2.068 0,533 2,193
30 0,812 1,707 0,748 1'.8) 4 0;681 1.925 0.622 2,04.1 0,562 2.160
'31 0,834 1,698 .0,772 1,800 '0.710 1.906' 0,649 2,017 0.589 2,131
32 0,856 1,690 0,794 1.788 0,734 1,889 0,6701 1.995 0,615 2.10-1
33 0,876 1,683 0,816 1,776 .0,757 1.87~ ' '0.698 1,975 0.641 2,080
-...1..
34 0.896 1,677 0.8)7 1.766 0,779 1.8(;0 0,722 1.957 0.665 2.057 ,
35 0,914 1,671 0.857 1'.757 0,800 1.847 ',~~
0,74'1 1'.940 0.689 2.0)7. .• ,1 '
)6 0.932 1,666 0,877 1,749 0,821 1,836 .
0,766 1.925 0,711 2.018 )
Jl 0,950 1.662 0,895 1.7.42 0;i\.1 r 1,825 0.787
.•.:.,......•....•
1.911 0,733 i.ool
38 0,%6 1.658 0,913 1,735 0.860 !.816 0,807. 1.8'19 0,7 ~4 1.%5
39 0,982 1,655 o,ino 1.729 0.878 1,807 0.826 1,887 0.774 1.'170
40 0.997 1,652 0.946 1,724 . 0.895 i ,791) 0.844 1,87(, 0.789 1,.956
.15 1,065 1.643 1,019 1,704 0,974 .~:.:...-,
1.768 0.927 1.834 0.881 ,1.902
50 1,123 1,639 1,081 1;'692 1.039 1.748 0,997 1.805 0.955 1.8&4
55 1,172 1,638 1,134 1,685 1.095 1)34 1.057. 1.785 1.018 1.837
60 1.21" 1,639 1,179 ' 1.682 1.144 1,126 I.IOH 1.771 1.072 1.817
65 1.251 1,642 1,218 . 1,680 1,1'86 1,720 1.153 1.761 1,120 I.HIl2
70 1.283 1.645 1,253 1.680 1.223 1,716 1.192 1.754 1.162 1.792
75 1,313 1,6'16 1.284 1.682 1,256 1,716 1,7,16
1.227 1.199 1.785
W 1,338 1,653 1.312 1,683 1,285 1,714 1,259 1,745 1,232 1.777
85 1,)62 1,657 1,337 1.685 1,3.12 1.714 1,287 1.743 1.262 1.77J
90 1,383 1,661 1,360 1,687 1,336 1;714 1,312 ),
1.7,11 ' 1.288 1.769
95 ' 1,40] 1,666 I,n I 1,690 1,)58 ~("
1,715 I,)J6' 1.741 1.313 1.767 ."
100 1..121 1;670 1.400 1,691 1,378 1,717 1...357 1.741 1,))5 1.765 .'5....
,
150 1.543 1.708 1.5)0 1.722 1,515 I)p 1.501
('.
1.752 1.486 1.767
~no 1 (>11 1.71~ 1/,(\1 1 7.1(, 1. ~Il~ 1 7(7 1;;"'''', 1",.\. 1':'" .~~

..•
r.,."
• ,(o
.,. \
. 5~()

T'\III.,\
~1I~TOf)OS

1).5
!lE 1;I"():-;lI~II'.TJU,\

¿ . ~.
(CIIIII i 111 IIIcic íll)
...
I

J
. ,;,
k' = 11 k' = 12 k' = 1.1 k' = 15
'. " ",. "l' J,. "u ", Ju
16 0.060 3.446
J..
17 O.OS~ 3.286 0.053 3.506
18 0.11 ) ).146 0,075 ),)58 0,047 ),557
19 0,1-15 ),02) 0,102 ),227 0.067 ),420 0,04) ),ml
l' . 20 0.178 2.914 0,1)1 ),109 0,092 ).297 0,061 3.474 0.0)8 3,6)9
21 0.212 2,817 0.162 3.004 0.119 ).185 0,084 3.)58 0.055 3,521
...:..
: :, 22 0.246 2.729 0.194 2,909 0,143 3.084 0.109 3.252 0,077 ).412
2) O,2M1 2.651 0.227 2,S22 0.178 2.99\ 0.136 3.155 0.100 ),3 1I
2~ 0,)15 2.580 0,260 2,744 0.209 2.906 0,165 3,065 0,125 3,218
25 0.)48 2,517 0.292 2.674 0.240 2.829 0.194 2.982 0,152 3,131
26 0.)31 2.460 0,324 2.610 0.272 2.758 0.224 2,906 0.180 3;050
27 0.413 .2,40<) 0,356 2.55'2 0.303 2.694 . 0,253 2,836 0,208 2.976
28 0.44.1 2.363 0,381 2,,199 0,))3 2,635 0,283 2.772 0,237 2,907
29, 0,474 2,321 0.417 2.451 0.363 2.582 0:313 2.713 0,266' 2,8,1)
)0 0.503 2,283 0.447 2.407 0,393 2.533 0,)42 2.659 0.29;1 2.785
)1 0.531 2,248 0,475 :U(,7 0,422 2,487 0,371 2,609 0,322 2.730
32 0,558 2.216 0.503 2,))0 0,450 2,4-16 0.399 2,563 0.350 2,680
)) 0,585 2,1 in 0.530 2,296 0,-177 ' 2.408 0,426 2,520 .0.377 2,6))
)4 0.610 2.160 0.556 2.266 0,50) 2,373 0,452 2,481 0,40-1 2,590
:i.~ 0.6)4 ~.136 O,5S1 2,237 0,529 2,340 ' 0,478 2,444 0,430 2,550
)6 0.658 2.11) 0,605 2.210 0.554 2.310 0,504 2,410 0,455 2,512
".
)7 0.680. 2.092 0.628 2.186 0.578 2,282 0,528 2.379 0,480 2,477
)8 0.702 2,073 0.651 2.164 0.601 2,i.56 0,552 2.35.0 0,504 2.445
J') 0,723 2.055 0.673 2,\4) 0,(2) 2,2)2 0.575 2,323 0.528 2,414
41) 0,744 2.0)9 0.694 2.123 0,645 2,210 .0.597 2,297 0.551 2.386
ro-. ", ~5 0.8)5 1.972 0.790 2.0,14 0.74.1 2.118 .0.700 2.19) 0.655 2.269
50 0.91) \.925 0.371 1:987 0.829 2,051 0.787 2.116 0.746 2.182
55 0.979 1.891 0.9~0 1.9.15 0.902 2;002 0,86) 2.059 0.825 2.117
60 1.037 1.865 1.00\ 1.914 0,965 \.964 0,929 2.015 0,8il) 2.067
65 1.087 1.8~5 .1,º5). 1.889 .---1!llil- . 1-21.1. ..9...•986 .. ..l.21l..Q. J!.25} .:l.0',!] .; .........
'1.999 c'T.liTu'
... ".' ....,."
70 1.1) 1 ' IfgTI: i:O~lf 1;911 1.0)7 Ü5) ¡.OO5 1,i)'JS
1';:' 75 1'.170 ' l:ili9 .' '1;\ 41 1.856 1.111 1.89) 1.082 1,931 1,052 1.970
HU 1.205 '1.1\1o 1:ri7 1.8.1~ 1,150 1.878 1,122 1.91) 1.094 1,949
~5 1.236 1:803 1.210 I.S3.1 1.18.\ 1,866 1,153 1.898 1,132 1.931
')U 1.264 1.798 1.2~Q 1.R2,7 1.215 1,856 1,19\ 1,886 1.166 I.'Jl7
')S 1.2')11 1.7~) 1.267 1.821 1.2.1~ 1;8.18 '1,221 .1.876 1,197 1.905
¡(XI UI~ 1,7'jO 1.~92 1.811í 1.270 1,841 1.2'18 . 1,868 1.225 1.895
1.~f1 1..17,1 I.7S,\ I.~SS 1.7'N IA.I.I I,S I~ 1,429 : 1;8)0 1,,114 1,8,17
2fXI l.5rd 1,71J1 1.5.~(J I.xoi 1,539 1.81) 1'.528 . 1,824 1.518 1.8)6

~',

~'
.

l'

,r..
 Al'tNDICE 1); T~bl~s Esl~tlíSlic~s 58\

'1''\ 111.'\ 1),5

(WlII;lIl1ociólI) . . '
.~.••. -..., .•.~ ••.'_~:a...••. JI ••••• ~ • ..!_~.~
.•. _ .•_~_-".::..•~I_ •..l .•• ~••.•••••t, •.. OI.U' ••• 4 .•• a./I.i~~ ••• L>..c7'oo~ •..:.a:.:..••.•.••~~~M.d

k' '" 16 k'= 17 k' = 18 k' = 19 k' = 20

n ti, Ju J, elu J, Ju el, Ju ell elu
16 -,-o
17 -
18 - -
19 '.

20
21 0.0)5 3.671
22 0,050 3.562 0,032 3.700
2) 0,070 •. 3,459 ,:.0.0,16 3,597 0,029 3,725 .
)4 0,092 3.36) 0.065 3,501 0.043 . 3,629
..
. 0.060' 3,538 . , 0.0)9,
0,027 ),747
3,657 . '0,025
- ),766
25 0.116 3,274 0,085 3,410
26 0,141 ).191 0.107 3,325 0.079 3.452 0,055 3,572 0.03(, 3,682
27 0.167 3,113 0.131 3.245 0.100 '3,)71 . 0,073 3,490 0,051 . 3.602
28 0.194 ),040 0,156 3.169 0,122 3,294 . 0.093 3.412 . 0,068 ).524
29 0.222 2.972 0,182 3.098 0.146 3.220' 0,114 " 3,))8 0,087 3,450
30 0.249 2.909 0,205 3.0)2 0.\71 3,152' 0.137, . ),267 . 0,107' ),)79
JI 0.277 2,851 0.2J4 2,970 0;196 3.087 0.160 J,201 0,128 ),311
32 O.J04 2.797 0,261 2.912 0,221 ).026 . 0.184 J,1)7 0.151 3.246
)) 0.)3\ 2.746 0,287 2,858 0,246 2.969 . 0,209 J,078 ' 0,174' 3.184
34 0,)57 . 2,699 0,)13 2,808 :0,272 2,915 0.2)) 3,022 0,197' 3,126
'"i
35 0,38) 2.655 0,))9 2,761 ' 0.297 2,865 . , 0,257 2.969 :-... 0,221 ),071
36 0.409 2,614 0.)64 2,717 0.322 2,818 0,282' 2,919 0,244 ).019
37 0,434 2.576 0,)89 2,675 0,347 2.774 0.306 2.872 0-,268 . 2.969
38 0.458 2,5.10 '0,414 2,637 0.37\ 2.,7)) . 0,))0 ' 2,823 0.291 2.923
39 0,482 2.507 0.4)8. 2,600 ." 0,395 2,694, 0,)54 2.787 O,)I~ 2,879
40 0,505 2,476 0.461' 2,566 0.418 2,657 0.)'11 2.748 0.))8 2.8)8
45 0,612 2.346 0.570 2.4'24 0,528 . 2,50) 0,488 2.582 0,448 • 2.661
50 0,705 2.250 0.665 2,)18 0.625 2.)87 ., 0.586' 2,456 0.548 2,526
55 0.786 2.1/6 0.748 2.237 0.711 2.298 0,674 2.)59 0.6)7 2.421
60 0.85'1 2.120 0,822 2.17) 0.786 2.227 • 0.751 1.28) 0.716 2,))8
.. 65 0.919 2.075 0,886 .2 i2) . '0;8522,172' 0.8\9 2,221 0.786 2.272
. o',:::",,:::
""70' ":d'9'fj....~Yr2i.i; "'~,¡nf&ii "'il'72';
'o'ij'íFi Oj¡i::-"';~'f4j.,,~,¥()S'lc':~" ();~.¡~ 1;117' .
75 1:023 2:00'> 0:993 Ú49' 0~964'Ú9Ci Ú34 ,2.13 1 . 0,905, Ú1Z'
80 1.066 1,984 . 1,0)9 .2.022 1,011 2,057 0.93) 2.097 0,955 2,1 )5
85 1.106 1.965 1.080 1,999 1,053 2.0)) • 1,027 2,068 1,000 ' 2.104
90 1.141. 1:948 1.116 1,979 L091 .2.012 1,066 2,~4 1.0-1I 2,077
..
95 '1;174 j 1.9),1 1.150 1.963 1.126 1.993 ' 1.102 2;023 1.079 2.054
100 1.203 1.922 1.181 1.949 1.158 1.977 ' '1.1)6 2.006 . 1, \13 . 20.34
150 1,'100 1.86) 1,385 1.88.0 . 1,370 1.897 1.)55' 1.9i3 1.)40 \,9) 1
200 . 1.507 1,.847 \,495 1,860 ,1,484 \,871 1.474 \,883 1.462 1.896

t.~:

J
"" ':>2 ~I'UOO¿'S DE ECO;':O,\IETItI,1

,l
1';\111.'\ 1l.5

ESladíslico de Durbin-Walson (TólblólSde Sóll'in:- \\'hile)

r:slóldíSlico de Durbin-\Vóllson:puntosd¡. y d¡J',all porcicnlo de significación
. --.~""- ..•.
m,.':"~~~~-r:-,.,-n •...-- ......-- .•~7 .•.•..•..
- -.-'''-''-

n. d'e
k'
- 1
du de
k' .' 1
'/u
k'=J:
di. .....
d" . .'de
~,
- 4
Ju' de
Ji' ~ 5
tilO
6 .. 0,610,
7, 0.700
' 1.400
1.356 0.467 " l,B96
- -',,-
-,
8
"

-
9
0.763
0.824
1,)31
1.320
. 0.559'
0.629
1,771
1.699
0.368
0,455:
:2.287
2,/18 . 0,296 2,588
-
10 0.879.- 1,.320 0,097 ' 1.6-11 0,525 2.016 . 0.376 2.414 0.243 2.822
11 0.927 1.32~ 0.758 1.60.1 0.595 1.9:!1i ' .0,444 2.283 0.3.1.6 2.M5
12 0.971, l.)) I 0.812 1.579 0,658 1,864 0.512 2,177 0.379 2,506
1) 1,010 1.)40 0.861. 1:561 0.715, -r.816 '0;574.' 2,094 0;4,15' ,2.390,
14 , 1.~5 1.350 0.905 1:551 0.767 '1,719 0.632' 2,030 : 0:505 2;296 '.'
15 I.On 1,)61 0,946 1,54) 0.814 Liso 0.685 " 1.977 Ó.562 ,2,220
lti 1.106 1.371 , ,0.982 ' ,1,5)9 0.857- 1,728' , ,0.734 1,935 0.615 2,157
1.7, ' ,1.1 33 1,)81 .- 1.015 1.5)6 0.897 1;710 ' 0.779' 1;9,00 •.0.664 2.104
18 1.1 58 ,:''1,391 1,0-46. 1,535 0.9)). 1,696 0,820 .. 1.872 0.710 2.060
19'. 1.180, 1.401 1,074 1,536, 0.967 1,685 0,859 " ) .8,18 0,752 2.02)
20 " ~1.20\ 1.,411 '" 1.100 1.537 .0.998 1,676 0.894 1.828 ' 0.792 1.99.1
21 " I.'ii 1 1.420 1.125 1.538 1.026 1.669 0,927 1,812 0.829 : 1.964
'22 1.239 ' 1,419 1.147'" U,ll 1.053 ' '1.6M
. 2), 0,958 1,797 0.8(\3 J.94o
1.257 1,437 1.168 ' 1;543 1,078 ,1:660 0.986 1.785, 0,895 1.920
24', 1.273 1.4.16 ' "1,188 1.546 ' '~I.IO 1 ,~I ,656 1.013 1.775 0.925 1',902
25 1.238' 1..154
26 . 1'.302 '¡ .461 ..: 1.206 1.550, 1,123 1,65.1. 1,0)8 1.167 ' 0.95'3 U86
; 1.224 1,55) . 1.1-13 1.652 1,062 1.159 0.919 1.873
27 ,l.) i6 1,,169 .1.240 .,1,556 1,162 . 1,651 1.084 . 1.753 1.004 ' 1.861
,28 . 1,328 1,476 1.255 ,1.560 . 1,1 S 1 1,650 1.104, .1.747
29 1.028 1.850
1.341 1.483 1.270 1-.56) ,1.198 J.(,50 l, 124 1.743 1,050, 1,8,11
)0',,' 1,)52 1.489 1.284 1:567 1,214 1.650 1.143 1.739 1,071 1,833
.... • j,I' .:U63. ,.1,496' 1,297. '1,5),0; 1;229. " 1.650 " 1,160 1,735 1.090
:.) 'i .'1,) ;i3 '1 :502 1,309 ,1,574' 1,244, ... 1,(¡SU. , 1.177
1.825
1.732 1:1 09 1.819
,,)), '1.383 ;I,50S. "1.32.1 0.577' .". 1,258 ' '1.651' 1.,193 1,730 1.12] ."I.S 13
.34.',;"'.:\<)3 1,514 ;'1;))) , i .580 1.271 1,652 ' 1,208' 1.728 1,1014
')5 1,808
1'.492 1,519 1.J4) : 1.584 1,283 ,1,653 1.222 1,726 1,160 1,80)
)6 ' 1.411 1.515 1.)5,1 ,1.587 ,1,295 1,65.1 1.236 1:724 1,175 1,799
,:Í7-', 1;419' 1.530" ' 1,36-1 . i.590 : 1,307' 1,655 1,249 1,723 1.190 1,795
38 1.427 1,5)5 1.373 1.594 • 1.318 .'1.651í 1,261 1,722 1,204 1,792,
j9 1.435 \.540 1,3'82' 1.5')7 , 1.328" 1.658 1,273 1,722 1.218 1.189
40 1.442 I,H~ 1.391 1.600' 1.J}8 1.659 1,285 ,1.721 1,230' 1,786
4Y 1.475 1.566 1.430 1.615 1,)83 1.666 1.))6 ' 1,720: 1.28) 1.776
50 1,503, , 1,585 ''',1,462 1.628 1.421 1.67,' 1,378 1,721 I.3J5 ' 1.771
SS 1.528 1.601 : 1,490 1.641 ,1,452 . 1.681 ' 1.414 1.724 1,374 1.768
6.0 1.549 1.616 1.514 1,652 1,,180 1.689 1,444 1,727 1.408' 1.707
65 ' 1,567 1.629 1,536 : 1.662 1.50) 1.696 1.471 1.7)1 1.438 1.761
70 1.583 1.6'11 1.554 1.672 1.525 1.703 1.494 1,735 ' 1.,\64
s',
7 1.598 1,652 1.571 1.680 1,54) 1.709 1.515 1.739. 1.'187
1.768
1,770
80 1.6\1 1.662 l,5SÓ 1,688 l,560 1,715 1.534 1,743 1.507 1.772
85 1.624 1,671 1.600 1.696 l,575 1,721 1,550 1.747 1.525. 1.774 '
.9U 1,635 . 1.679 1.612 .- 1,703 1,589
" 1.726 1,566 1,751 1.5'12 1.776
95 1.645 1.687 1.623 1;709 1,602 1.732 1,519 1.755 1,557 1,778
100 1.654 1.694 1.634 1.715 1.61) 1,736 1.592 1.758 1.571 1.780
150 1.720 1.746 1.706 1.760 1.69) 1,774 1.679 1,788 1.665 1.802
¡eo 1.758 1.778 1,748 1.789 1,7)8 1,799 1,728 1.81 U 1.718 1.820

. l.a \';¡!"j~hlc J.:' l,~" el n t"111 h.: rn tiC' H"i!rt''''orclO tilla '"ei' l"'\dllicln d lI:fllllll1' .'1111••1'11111'
 . 'lo:',
.~ d;:~'
\;¡;,J_\':
.-II'I"::-.IJICI'ILT:lhl:t, ESI:llliSliC:l' ~S::
(r'
:-';./
'1',\111.'\ 11,$
/~I~~I
(COlltiIlIlIlCitlll)
-----.---~_.~
..-. _._--, . .... _-_ ... - _ .... .....
-
':.!. ;}
¡,
1~1.
k' ~ 6
dIO d"
k' D 7
; ,Iv d
k' = 8
" ,/" ,1,.
k' .= 9
i/,.
k'
,11.
~ lO
d,"
'~.rr,
"
6
7
- !'.' ":l!\

8 ~:.(1:,;\
"') I
9
ID ,;..,
.~
11 á.2oJ 3.005 '-1,
-
12
13
0.268
O.n8
2.832
2.6~2
0.171
0,230
3,14~
2,985
- <0-
0.147 3.26(,
1.\
15
0.38~ 2.572 U.2S6 2,848 0.200 3.111 0.127 J.360 ', ..'"\
0.4n .2.472 0,34) 2,727 0.251 2.979 0.175 ).216 0./11 3,4)8
16 0.502 ,2.3S8 0.398 2.624 0.304 2.860 0.122 3.090 0.155 ,3.)0-1
17
¡8
0.55-1
0.603
2,318
2,257
'0.4'51
0,502
2;5,)7
,2.461
0.)56
.0,407
t757
2.667
0.272
0.321
2:975 0.1'98 ' 3.18~
).0'1)
'-i"
"
2.373 0,244
19 '0.M9 2.206 0/159 2.396 0/156
.,-J'''-
20 '0.692 2,1(,2
2.589 0.J69 2.78) 0.290 2.n~
0,595 2,339 0.502 2.511 0.416
21 ,0.732 . 2.124 "'0.(,37 2,290 0.547 2.460 ,0.461
2.71~1
2.6J3
0.))6 2.885
...••.
1 ,.'"
0.380 2.R06
22 0,769 ' 2,090 "0.677 2.246
23 0,804 2.061 0,715 2;208
0.588
0,628
2/107
2,360
0.50.1
0,545
1.571
2.514
0,424
0..,465
2.734
2.610
.••.. ; ,~,
24 0.837 2.0)5 0.751 2.174 0.666 2.) 18
25 0.868 2.012 0.784 ,2,144 0,702 '1,280
0.584
0.621
2 .•164
2:'1'19
0.506 2.613 ,',-.,
0.544 2.560
26 0.897 1.992 0.816 '2,117 0,735 2.246 0.651 2.)79 0.581 2.5U -
27
2K
0.925
0,~5 r
.1.974
1.958
'0.845
0.874
2.093
2.071
0.767 2.216 0.691 2.H2 0.616 2 .•170 - -'1...
"
0.798 2.188 0.72] 2.JO'}
29 0.975 1,944 O.~OO ,2.052 0.826 2.164 0.75) 2.278
0.650
0.682
2.,1.11
2.J')(,
;,-1,..
30 O,~9S 1.'131 o,nlí 2,0'34 ,0.854 2.1'1.1 0.782 2.251 0.712 2.3(,) ,
3I 1.020 /;920 0.950 2.018 ,9,879 2,120 0.810 2.226 0,741 2.33)
-,..
I

32 1.041 1.909 0,972 2,004 0.904 . 2,102 0.836 2.203 0.769 2.)06
33 1.01í1 1.900 u.~94 1.991 0.927 2.035 .0.861 ...
1.
2.181 0.795 2.28 I
3,1 /,080 1.891 1.015 1,979 0.950 2.069 0.885 2.162 0,821 2.257
)5 1,097 1,884 1.03'1 .1.967 0.971 2.054 0.908 2.1.1.1
)6 1,114 1.877 1.053 1.957 0,991 2.041 0.930 2./27
0.845
0.86H
2.2)6
2.21 (,
'.,
)7 1:13 1 1.870 1,071 1,948 1.011 2.029 0.951 2.112 0.891 2.198 ":",(1..
38 1,146 ,1.864 1,088 1,939 1,029 2.017 0.97U ' ion 0.912 2.180
39 1,161 1,li59 1:104 " 1.932 1.0.17 2,007
40 1,175 1,,854 1.120 1.924 1.064
0.9~0 2.0R5 0.931 2.16-1 ',_,:,1
1.997 1.008 2.U12 0,945 2,14'1
4.~ l238 I,R35 1.189 1.8Y5 1,139 1.958 I.OH9 2.001 1.0)8 HJSK
50 1.191 1.822 1.246 1.875 1.2ÓI :-
1.930 1.156 1.~86 1.110 2.(~"I'
55 1,3)4 ' 1,814 '1,29'1 1,861 1,253 1.909 1..211 1.959 1..110 2.(lIU r
60 1,)12 1,808 1,335 1.850 1,298 ,,~,-
1.894 1.160 '1.939 1.222 1.984
65 1,404 1.805
70
75
1,433
1.458
1.&02
I.ROI
1.370
1,401
1.,128
'1,843
I.S37
,1:aJ4
1.336
1)69
,1)99
i .8R2
. 1.873
1.301
I.JJ7
1.923
1.910
1.266
UU5
1.96~
1.9'IS
.~ - 1

1,867 I,)r,'¡ I'.')() 1 I.JJ'I I.'JJ,~

80 1.180 1,801 1,'15) 1,H3 1 , 1,425 I.U,I 1).lJ7 I.H')) 1)6') 1.'J1.~
".-1:

85 1.500 I,ROI 1.474 I.Íl29 1,448 1..857 1.•122 1.886 1)% 1.91 r,
~o 1.518
95 1.535
1.801
1,802
1••194
1.512
1.827
1.827
1••169
1.48~
1.85.1
1.852
I .•I.I.~
1,0165
1.8X 1
1.877
1.'1~ll
1.442
I.'IO'}
1.90J
---
100 1,550 I.RuJ 1.528 1.82(, 1.506 .•..•. ~.
I.N50 I.'IM,I 1.87.1 1.,162 1.89R ;~
105 1.651 1,817 1.637 1,832 1'(,22 1.8,17 1./iOR I.R62 1,5~4
2(X) 1,707 1,831 1/,'J1 I.H'II I/,Ar, I.H.~2 1.(,15 I.Sr,) 1.6(,5
1.877
I.H7,1 .. -()
~J
~'

-7'

¡,: r.
:~
J. '"._
" ,¡..
.
:

.¡ ;.:,

\1I1.;\D.6 ,

.,t ~~í.~~~(K~':~~~
~':I,I.I,i.\ 1~::1~;¡.:~~,I(:,~I~;:',~~:~:~.I~n,~I,~
..;~:~:~rl.~':~~~.1~~I'
."~:.
'unlos d •. I. )' du" al 5 flor .cicnlo lk'sig.niri<.:ai:iól\,"I;aJlI'rcgr~si~l1es sin vúiahkdiclid:ls trio.
',sLraks lk= );' + 1) ". .. ..... ..,.

,.'<t __ ~ .•• _ •••••••••

.~-'.,..- ,~--.~~r-"~ -':"~_;~";'_".~
'.': _ , " " .. '. "~"""'"_._"~'_ .
J,;' = 1 k~ = 2 k'";' J.' ','k'.;' 4 k' =5
du' d~u
11 d~L dW' 'd"'l d~IJ;" 'd v .. ' ti.•.u dv" d .•.u
-
~:~~~:
.

~~;
14' 1.036
~:~~;
~:~~~ ::;~;~:~;~:
:~~;~:;~~ 1,189
:~;~
:~~~~:;~~: 0,953 . 1,273 .. O,86}. ~ I~J71' 0,779
.
1.459
..

0.702 1.565
~8 .. 1,12) . 1,257 1,050'1.J2iF 0,975' 10410 '.0.898 I-,¡si 0,8281,576
31' 1,192 1J111,i27 '1)11. / 1,061 1,443.' 0.99J'I,;iiI0.929 1,587
.\6 •. i.i48. 1,)55 . 1.1.9I'[,;I:IO",.'I,I)I,I"j7l'/ ¡OtilO.'.1.532 ',I.on 1.598
!. ' .. 40', ....1.295 ....I,m •.•...• '¡;,24~,,~:I".H1<. ...'1.1 ~O :',< j~4?~.:\~¡~,:~."!}JA,'.:;J.'~,~9~;:.¡ ..;,,;J¡l)82.,:;J,609,:.,; .. \.,;":<:,-",,,,::.:,,";
",' \ •..:.'".i';fl''4\'.I'::fd.;-''.ljif'.' ..••.I)S8 .... j~;16if''''''''',2'39' ~1',5'18, 1.189 1,561 1.1'1,1 1,620
U I,J69 1,.151 \.J26 1,49J 1,281':. 1,5~7 .. 1,2J6 1.582. 1.191 1,6JO
. 52\.J99 1.475 1.359': I.~n l,ll8 i.55.'I, 1,276 U95 1,235,' 1,6J9
56: 1,426' 1,496 . 1;J89UJ2 1,351 '~U69 . I.JI2 .. 1,608 .1,17] . 1,648
'6014,19 1,515 '1,415 '1,543 . I.J79.:I,583.' 1,34J '1,619" I,J07 1,656
(,.l 1'470 15J2 '1,4J8. 1.56]' 1,/105:' 1.596' .1.J71 .,.1.629 I,3J7 . 1,664
lI8 1:489 1:548 .1.459 1,571.. 1,4i7. 1,608 .. 1,396 '1,6J9 . 1,364 1,671
72' 1,507.' 1,562 !1;'178 1,589 1,448 l.618. .IAI8 1,648 I,J88 1.618
76: 1,522 1,574 ..1',495'.'1,601 1;'161':,1,628/.' . 1.4J9';I,656", '1.411.1.685
MU' 1,537 1.586 1.511. :1,611' .1.484.< 1,ciJ1".1,457,' 1.66J 1,4JI \,691
X4 l,j50 1.597 . 1,525 1,621 1,500: 1,646:; I;,nr 1.671 . 1,449 1,696
X8 1,562 1,607 1,539 1.6JO 1,515.' '.654' 1;490 1.677. 1,466 1.702
'J2
. '!6
1,51~ .. 1,6'17
1.584 1.626
1.551,,1;631)
'U6J''U\~17'
.1,528'
1;54/,
1;66.1,,','1,505.1:.684
1;668'1.519.~'1,6?0
1.•182
1,496
1.101
1;712 '!
100 1.594' 1,6J~' .'U7)I.,~~4\ .I,552:I,674~';. 1,531(1.695' UIO 1.717
',' , .' .. ',- ',,':,'.' ""-.' . """, :". ~. :..: "i,'" , . ',-~" .-
.. i;'¡l're~,\ con pCIIl;isn <le £c';/I'/I./lrl'Í<'t1, ~o, 11)72.6~J" 62~:, .
. .'" '. ',' " .' l.• :..'):.

I.~ .", , ••.• t ", -;.. ' ~":' l'

, ~..

, "

"
.. . <,
,.
!~ ,
:', .' .,¡
. ;:1'.::' ,':"1:':>". 'l ..

,Ji: . .,.:, f ..
l. ,
;.
, .

,,;'.' I
¡.: t .'

. ¡"I,'

, , ;
'.

¡..~' '¿ '::f': . ,

"::J. : ,i /;:
,."
t' ~¡ • j ..~: ; .. ,.,",1

. '-J: ,.. '

. ~
. .' •• ' ,J 'l', i~ !'
 "],AlIl,o\'I).I,

.(('IJlllil,I",t'ÍtÍll)

1'\llllllSclu. y d4•U' nl5 por cientu de signiricncióh,par;l' r¿grcsiones t¡IIC inclll)'c-nllll L.:rmillo
éllnslanle y con \'ariablcs ricLicins Iril11cSlralcs (k =.);" + '1)
. .--:~_.'-- •• -~."."'.-.r'O' •.••.•....••._••.•(•.o._ .•• .._ •.,o..•.••....•~ .... _••. 0. . '.'
k" = 1 k" = 2 k" =] J,;" = 4 ~ k" = S
11 'd~l. ti~u d~/. dw d .•.¡ 'ti""1 du d,.~. tI~1. d¡.u
16 1,156 1,)81 1,031 I.5J2 0.902 1,776 0.777 ~,191 0.69J 2.n3
20. 1.228 1,428 1,123 1,556 1,011 1,726 O,R~? 1.~54. 0.806 2,O~2
24 1.287 1.459 1,199 1,565 1.107 1.69-1 I,ÓII 1.856 0.923 1:949
28' I,)J7 1,487 1,261 1.576 1.181. 1.679 ~ 1,099 1,80J 1,025 . 1.8S9
J2 1,379 1,511 1,] 12 1,587 1,24J 1,67J 1,171 1.773 I,IO~ . 1.850
J6 '1,414 1,5J2 I.J55 1,598 1,293 1,672 1,130 1,755 1,170 1,824'
40 . 1,4,15 1,550 1,391 1,609 1,336 1,674 1,279 1,7<15 1;225 1;801.', .
. . •. 44,: 1.,471 . 1.567 1,4~3 .. l,p~O .. .I,;IJJ .,. .1.617 ". Ij~r>.j:739., .•. ..'1;2]2/.1 ;195 o:',
""'\"'~f "í :;i9~' . 1,58i 1,450 1,630 1.404 1,6RI 1,]57 1.7J7 1,312 1.788
52 1,514 1,595 1,1]4 1,6J9 1,4J2 1,686 1,)89 1,736 1,) n 1,782
56, 1,5JJ 1,608 1,495 .1,648 1,456 1,691 . 1.416 1,7]6 1,377 1,779
60. 1,549 1,619 1,51,1 1,656 1,478 1.696 1.•141 1,7J7 1,40'1 1,771
.&1 1,564 1,629 1.5JI 1,664 1;497 1,700 .1,463 1.739 I,nl} \,716
68 1,577 1,6J~ . 1,546 1,671 . 1,5l5 1,705 1.4R2 1,741 1,450 1,175
72 1:590 1.648 1,560 1,678 1,5J 1 1,7io 1,500 1,74J 1,.170. 1,176
76 1.601 1.656 1,57] 1.685 1,5;15 1,714 1,511 1,746 1,488 1,716
80 1,611 1,66J 1,585 1:691 1,559 1,719 ' I,m 1,748 150-1 1,777
84 . 1,621 1.671 1,596 1,696 1,571' 1,72J 1,5~5 1,751 ,:5i9 1,77a
88 1.6JO 1,677 1,607 1,702 1,532 1.727 1,55H 1,153 I.S)) . 1,179
92 1,6J9 1.68.4 1,616 1,707 1;59J 1.131 1,570 1,156 1,5-16 1,781
.... 96 ,1,641 1,690 1,62.~ 1,112 1,693 • 1,735 1,580 1,159 1,553 1.782
100 1,65'1 .1,695 1,6J3 . 1,717 1.612 . ' 1,739 1,591 . 1.761 1,569 1,784
 ~1I,lllIlOS 1)1, 1'(l):"O.\II; mi,\ .,/
..•...•.. - ...

'1'.\111.,\ 1).7 ,y/

Valores crílicus asilll(ílÍcos del e~rao
dístico de ineslahilidad de lIa;I:~ell

(; r:I(I,,~ 1iL'
lihcrl:1(1 (/; + 1) 1% 5% I()%

I 0,748 0,470 0,353 '

2 1'1 1.07 0,].1<) 0,610
3 1.35 1,01 0,846
,1 1.60 1,24 1,07
5 1.88 1,47 1,28
(, 2,12 1,68 1,49
. ,
7
S
2.35
2,59
1,90
2,11
1,69
1,89
9 2,82 2,32 2,10
10 3,05 2,54 2,29
1.1 3,27 2,75 2,49
[2 3,51 . 2.96 2,69
13 3,69 ,. 3,15 2,89
I~ 3.90 - 3,34 3,08
15 ,1.07 3,54 3,26
16 4,30 , 3,75 3,46
17 4,51 3,95 3,64
18 4.73 4,14 3,83
19 4,92 4,33 4,03
2U 5.13 4,52 4,22
,~.;f
,~g~i;~\pres" ron permiso ,le E!sc\'ier Seience
.,::v.'¡;'1C. Ik IIruce E. 1I:\I"en "Teslin!: rOl 1'''':1'
o 111..:lcr Inslahilily". Jo",.",,1 o{ ¡'filie." ,\10th'.
lillg. I~. 1')'12. p. 52~. l." primer~ r;l~ es rele.
\":lIHe p;lrn d COlllrasle llc UI1 (ucricil:nh.: ais.
laul.ü'¡"iliz"ii<.!1I i:I 'e~I¡,<I~I¡¿ii"lfcrí,íidiicliT;i' --.---.-'-----.---'.'-.,
eell:l';';1\ (~:21). El reslo de rilas son rele.
\.al1lt...~ p:lra los l:Olltr;I~'ilcs de grupos de cuc.
rieiel\lcs 111;1;1.:111<1"
para e11" el C\lnlro~le <le.
rini"iI, l:'ll la ccu:Il"iúll H.2.1l.

: ..
,~

,.

1
.•
 ~
.¡.
,

l.- .. ',
A1'tND1CE ó: T¡jbl~5 Esl~dís\icas 589
r..........:'.
J~';."
'!l', • '",

"\o ,4 ".-.
T,\IILA Il.K ' .l',

Cnn(r:lsle CnSlll11 dc cu;\llr:,;llls (Uro"'n, DIl~[jil\ )'

Enllls). V:lIorcs de sigl\ilí~a~ión d~ c~ CII (011' ~i,
(ras(c CIIS\lIlI de (1I:1l1r:\llos" ;.,. :,'
.JI.:a.~~:..-.....au:.r....;.~:r.ooU~..,;eH~-....:r-.o;.......",
•..••I.'Il:~.-',.••.•.•.••••. I
I
t~
'lA.
t.. '. :
'" U,IO O,U5 11,025' . 0,01 0,005
,
2
1 O.~OO<){J0.4'5000 lI,475110 0.'19000 0.4'9500
,3S(J'14 .,1.1)0(,. ,S\lIlS.F . ,.5(,6(,7
I
,59596
3 ,35477 .,\1811 ' ,4(,702. ,53456 ,57900
,1 .33435 .39075, ,4464\ ,50<195 ,54210
S ',3155(,. ,37359 ., ,4~,?~ :47492 ,51576 1:
6 ,30244 ,35522 ,40045 . ; "i5440 . A898R
7 .2R991 ,33905 ,;18294 .• 43337 .46761 " 0,'

R, ,27828 ,32538 • ,36697 ,41n2 ,'lo\8 19 '

9 .2679~ ,31325 .35277 " ,39\122 .4)/)71
10 .25884 ,30221; ',3'\022 ,38.1,81 .41517,
11 .25071 .29227, ,32894 .37181 ,<10122
12 ,2.1325 .283)0 ,31869 ,%019 ,38856
13 ,2)639 ,27515 ,30935 ' ,34954 ,3770) ,
1,' ,DOlO ,2(,1(,1 ,)1){Jdl .339HO ,36649
15 ,224)() ,26U77 ,i92116 ,D083 ,3567",
.'
16 ,218')5 .25439 ,28570 .3i2'56 ,34784
17 .113\17 .24847 ,27897 ,31~89 .33953
18 .2(9)3 ,24296 ,71270 ,3u715 ,331H1
19 ,20<198 ,237HI ,266~5 ,30108 .32459
20 ,20089 ,23298 ,26131 ,29.184 ,31784
, ' ,

21 ,1 nos ,2284:1 ,:2S6ii ,28898 .31149

'2'1 ,193~3 .22416 ' .25136 ' ',28346 .305'5'1
2) .19001' ,22(J12 ,2467,9 ,27825 ,29989
24 .18677 ,216)0 ,2<12":5 " ,273)) .2N56
i5 ,10370 .212'68 ,23035 ,26866 ,28951
26 .10077 ,2U92~ ,23445 ,26423 -.2R,I72
27 .17799 ,2()S96 ' ,23014 ' ,26001 .280 lA
28 ,17533 .20283 .•2272.1 ,25600 ,,2U8í
29 .17280 ,19985 ,22383 ,25217. ,27168
30 ,I7U37 .19700 ,220(>1 ,2485 I ,26772
) 1 ,I6ROS .19-127 ,:21752 ,,2~SOI ' ,26393
32 .16582 .19166 ,214!s'7 .2,1165 .260)0
.....:l.J..__ ~i.(1J"'(ili.:..--J..!I.?...J.2."""";"UI'¡)~.?-.:L8_~J_,~,l.,1!i.l!:!'
34 ,1(0162 ,18674 ,20901 .23530\ ,25348 "l ..
35 .15964 ,IM42 .20639 .23237 ,25027
,.
,
36 .15774 ,I1Í218 ,20387 , ,22951 .24718
)1 .15590 .18(0) ,2014~ ,22676 ,24421
38 .15.113 .17796 ,19910 ,22410 .2~ 13<1 ,
. ,i
39 ,IS2~2 ,17595 ,1968.1 ,22150\ ,23851
,4n ,15076 .174(J2 .19465 .2 I 9O<'i .2)509

LlIS v:llores de en ~e ulilizanp:1fa úelcrm;nar el por úe.line~s

,\, " :l: C" • (1 - k)/(1I - k). r~r~ " nbs~f\'ocioncs, las k ,'."ria ..
hk~ cXI'I;c:llil':Os (i"durenúu: si'\o h:o)', el l.:rmino Cl",S1~n'
le),)' un n;"e1 sig,,;rie:oción n, c" se eneuenlraenlr~núo en la
11 '
I:lhl:o I'"r 111 =1(" - k) -1 y ".I':rr:1
l IIn conlr:oSlc <le uno eo.
1:0, en":oreJ1lO~ por 111 = ~ (" - k).- I )' ". Cu~ndo (" - /;) es
.
par, ,enl"nees el pr"eedrlllief1l0'lUe sc .sugiere consisle en ! .': ..
inlerl'"I:\I:li;\eallllcnlc cnlre /11 = 112(1/ - k) - 3/2 l' '" =
112(1I-/;)i-ln. .
,....,..l::J.~ perllli~o i.le lIiolllelriko Truslees de Jii,,;';(,
~-
~L(~\

- tnk". :'1ft. p)II'". ~_ .. .... ~ . '.

r ," '.-'

., 1,":
T.IIII ••\ D.R. '
(contil/llnciól/)

~; . .n .. ~
J.. •

1/1 0,10 0;05 . O,l)25 .. 0,01 '.0,005 >

41 0,1'1916 0.17215 '0,19254 .•0.216670,23310

42 ',\'176\ .. 17034. ,19050 :~.21436!:,23081
43"'_.,1'16,11., .• 16858.,i8852. ,21212 ,22839
44 .. 14466 ',16683.' ,18661 .20995' .22605
45 ,14325 .165Ú. .18475.
",
:20785-
J,..
..• 2237'1,
.16 ,'14188.16364:: 18295 ,'.20581 .. 22157
.17 .•. 1.1055 ..,.16208 .•.. 18120 .•.20383.',21943 .
-18 ,13926:".16058' ,17950 .20190 .. 21735
'19 .13800.159\1:.<;17"(85 .20003 ,)1534'
50.13678.' ,15769 .1762;\' .\9822.2133l.
", o ••• ' ••••• o' •. " •• ',' .' \"

51" .13559' .• 15630; .17~68'. ,196<15 ,211'16

52 ,13'\-[),:".15495 '.17316-".19,17): .20961
53 ; .13330.:'.15363', ',17168'; ',l9305 :.20780 .:.
54 ,mil' -.15235' '.. 1'1<l24'\ ,19141;,",20604"' .
55 ,131\3 ;",15110.;16884 ;::,\898J'~)()01J2:'
56 i
• 300; .' .I'm; .. 167,16: ":;úm ';.i0265'.
.57 . ,12907 ,14870" .\6613 .18677,20104.'
58 ,12807,1475'1.16482.18529 . .1'9942
59 ,12710' .14641. ,16355:, 183R5 ':19186
ÉlÜ. ,12615,14530 ,16230 '.:;IF45.;.'.1963 1
62 ,\2'\]1,101316 .r5990 .IJ9D: .19341
64 .12255 ,1-1112 ,157GD' .11'113 .• 19061'
66 .12087 ,13916 ,155,10. ,17-16,1'. ,18792
68 ,11926 .13728' ,15329.'.17226'.,18535
70 ,11771 ,135,18' .1.,'i127.,16997.,.8288
. 72 ,11622.' .13375 .. ,1'19)2. .\16777': .• 18051
.'7,4.',','-;'..,1)4)9'::.1]208,147'15: <:.\6566<;' .17~:n' .. ,'::. ~. '.','

76>:.' .iI34r' .13048 . ,1'1565- '.I6363''';17GO,í

78 . I1 iÓ8 .1289'¡'~ ,1,1392 '. ,16167' .17392'
80. ,11079.,12745
. . . '.14224'.\5978',17188
. ~ ... ' ,' .
82' ,10955 ,12601 ,14063' 1157?5,169?2
84 . ,10835 .1246'1' ,13907: .156\9 ..• 16802
86 .10719 .12327, ij756: .154.19.16618"
88 .10607 ,12191-',136iO,15284 ,16140"
'Xl .. Io.m .12971' ,13'16B;.! 15124 ,16:68'::

92 . IOJ93 .\1949 .13JJI.,¡'1970 .. ,1610~'

9-\ :10291 ,11831 .1]19&,,14820.;15940
96 .10192,11716 .13070 .1~674. ;15783.
.• 98_ . . 10096 .l1604 .. 129'\4,14533, .1563\
iOO . 10002. ,11496., 12823 ,14)96~,1548J
,
. \
.'

.t

"

':':',4