Beruflich Dokumente
Kultur Dokumente
15 de junio de 2018
1
Contenido
2
Introducción
3
Introducción
4
Introducción
5
Omisión de variables relevantes
6
Omisión de variables relevantes
Pero ha estimado:
yi = α0 + α1 x1 + u∗ (3)
Por lo que:
Cov(x1 , y) Cov(x1 , β0 + β1 x1 + β2 x2 + u)
α1 = = (4)
var(x1 ) var(x1 )
Cov(x1 , x2 )
α1 = β1 + β2 (5)
V ar(x1 )
7
Ecuación de salarios: sesgo por variable omitida
Suponga desea estudiar el efecto de la educación sobre el salario
y ha modificado los ejemplos anteriores agregando la variable
experiencia entre las variables explicativas:
8
Generalizar formas funcionales
yi = β0 + β1 xi + β2 x2i + ui (7)
∆yi
= β1 + 2β2 x (8)
∆xi
9
Ecuación de salarios: formas funcionales
Ahora, suponga incorpora el valor de la experiencia al cuadrado
en la ecuación de ingresos, lo que modifica el efecto marginal
derivado de un año adicional de experiencia.
∆salarioi
= β2 + 2β3 exp (10)
∆expi
10
Efecto ceteris paribus
11
Efecto ceteris paribus
ˆ
∆salario = 12,8∆edu + 5,3∆exp = 18,1 (12)
12
Modelo de regresión múltiple
13
Modelo de regresión múltiple
14
Modelo de regresión múltiple
E[yi |x1i , x2i , ..., xki ] = β0 + β1 x1i + β2 x2i + ... + βk xki (14)
15
Estimación
n n
2
(yi − βˆ0 − βˆ1 x1i − βˆ2 x2i − ... − βˆk xki )
X X
min u2 = (16)
i=1 i=1
16
Estimación
17
Estimación
18
Interpretación de los coeficientes
Consideremos nuevamente la ecuación del salario:
19
Valor ajustado y residuales
ŷi = β̂0 + β̂1 x1i + β̂2 x2i + ... + β̂k xki (21)
ûi = yi − ŷi = yi − βˆ0 − βˆ1 x1i − βˆ2 x2i − ... − βˆk xki (22)
20
Varianza de los estimadores
σ̂ 2
var(β̂j ) = Pn 2 2
(23)
i=1 (xij − x̄j ) (1 − Rj )
Pn 2
i=1 ûi
σ̂ 2 = (24)
n−k
21
R cuadrada ajustada
Pn 2
i=1 û /(n − k)
n−1
2
R̄ = Pn 2
= 1 − 1 − R2 (25)
i=1 (yi − ȳ) /(n − 1) n−k
Para comparar las R̄2 ajustados o no, es necesario que los modelos
tengan la misma cantidad de observaciones y las mismas variables
independientes (aunque adopten cualquier forma) (Gujarati y
Swan, 2009, p.203).
22
Ejemplo
n−1 8−1
R̄2 = 1 − 1 − R2 = 1 − (1 − 0,57742) ∗ = 0,5070 (26)
n−k 8−2
23
Supuestos del modelo
24
Supuestos del modelo
k
X
yi = β0 + βi xi + ui (27)
i=1
25
Supuestos del modelo
26
Supuestos del modelo
27
Supuestos del modelo
yi = β0 + β1 x1i + νi (29)
28
Desempeño en matemáticas y desayuno escolar
Suponga el porcentaje de estudiantes que aprueban el examen
estandarizado de matemáticas en el primer año de bachillerato de
una escuela (math10). Suponga que se desea estimar el efecto del
programa federal de desayunos escolares (que se otorga a los
estudiantes más pobres) sobre el desempeño de los estudiantes.
Sea lnchprg el porcentaje de estudiantes beneficiados con el
programa de desayunos escolares, se estima la siguiente relación
(MEAP93.txt).
ˆ
math10 = 3,14 − 0,319lnchprg + u (30)
29
Supuestos del modelo
Cov(xji , ui ) = 0 (31)
30
Supuestos del modelo
σ̂ 2
var(β̂j ) = Pn 2 2
(32)
i=1 (xij − x̄j ) (1 − Rj )
31
Supuestos del modelo
32
Supuestos del modelo
33
Supuestos del modelo
34
Supuestos del modelo
Normalidad de ui .
ui ∼ N (0, σu ) (34)
35
Referencias
36
Referencias
37