Archivo de la etiqueta: MCO

Modelos Econométricos: Errores Comunes, Diagnóstico y Soluciones

Preguntas Frecuentes sobre Modelos Econométricos

Problemas de Especificación y Estimación

A continuación, se abordan preguntas comunes relacionadas con problemas en la especificación y estimación de modelos econométricos, incluyendo cambio estructural, multicolinealidad, heterocedasticidad, autocorrelación y errores de especificación.

Regresión con Constante: Fundamentos, Supuestos y Estimación MCO

Modelo de Regresión con una Constante

Modelo de Regresión de una Constante

Término constante µ; variable dependiente Yt; Ut error aleatorio. Yt = µ + Ut

Supuestos Básicos del Modelo

1º supuesto: La media poblacional de E[Ut] = 0

2º supuesto: Homocedasticidad. V(Ut) = E(Ut – E(Ut))2 = E(Ut)2 = σ2

El incumplimiento de este supuesto se llama heterocedasticidad, e implica que esta varianza no es constante. V(Ut) = E(Ut2) = σ2t

3º supuesto: Normalidad. El error aleatorio Ut tiene una distribución Seguir leyendo “Regresión con Constante: Fundamentos, Supuestos y Estimación MCO” »

Estimación MCO: Propiedades, Distribución y Aplicaciones en Econometría

Estimación MCO: Propiedades, Distribución y Aplicaciones

Conceptos Básicos del Estimador MCO

El estimador de Mínimos Cuadrados Ordinarios (MCO) se define como:

PC = pico (Nota: Se refiere al valor estimado)

SCR = Sumatorio Upc2 = U’pc * Upc = (Y – XBpc)'(Y – XBpc)

Donde:

  • Upc = (upc1, upc2, …, upcn) (en vertical)
  • U’pc (en horizontal) = Y – Ypc = Y – XBpc

Aplicando las condiciones de mínimo, se obtiene:

Bpc = ((X’X)-1) * X’Y

Características de los Residuos MCO

Upc = Y – XBpc

Es una variable aleatoria Seguir leyendo “Estimación MCO: Propiedades, Distribución y Aplicaciones en Econometría” »

Consecuencias de la Heterocedasticidad y Estimación de Brechas Salariales

Pregunta 1: Heterocedasticidad

(5 puntos) ¿Cuál de las siguientes opciones es consecuencia de la heterocedasticidad?

  1. Los estimadores de MCO (βj) son inconsistentes.
  2. El estadístico F usual ya no tiene una distribución F.
  3. El estimador obtenido por el Método de Mínimos Cuadrados Ordinarios ya no es el Mejor Estimador Lineal Insesgado (MELI).

Respuesta

Cuando tenemos heterocedasticidad en el modelo lineal general, y todos los demás supuestos de Gauss-Markov se cumplen, el estimador MCO será insesgado Seguir leyendo “Consecuencias de la Heterocedasticidad y Estimación de Brechas Salariales” »

Modelo Básico de Regresión Lineal: Fundamentos, Estimación y Propiedades

Modelo Básico de Regresión Lineal (MBRL)

2.1 Planteamiento del MBRL

El término «regresión» fue introducido por Galton en su libro “Natural inheritance” (1889) refiriéndose a la “ley de la regresión universal”: “Cada peculiaridad en un hombre es compartida por sus descendientes, pero en promedio, en un grado menor. Regresión a la media”.

Supongamos que consideramos el comportamiento de una variable endógena, Yi, que puede ser adecuadamente explicado mediante una relación lineal Seguir leyendo “Modelo Básico de Regresión Lineal: Fundamentos, Estimación y Propiedades” »

Estimación y Propiedades del Modelo de Regresión con Dos Variables

CAPÍTULO 3: MODELO DE REGRESIÓN CON DOS VARIABLES: PROBLEMA DE ESTIMACIÓN

La primera tarea consiste en estimar la función de regresión poblacional (FRP) con base en la función de regresión muestral (FRM) en la forma más precisa posible. El método de MCO es el más común en el análisis de regresión, sobre todo por ser mucho más intuitivo y matemáticamente más sencillo que el método de máxima verosimilitud.

3.1 Método de Mínimos Cuadrados Ordinarios (MCO)

Los ui (los residuos) son Seguir leyendo “Estimación y Propiedades del Modelo de Regresión con Dos Variables” »

Análisis de Problemas y Soluciones en Modelos Econométricos: Sesgos, Multicolinealidad y Cambio Estructural

¿Cuál de las siguientes circunstancias puede provocar sesgos en el estimador MCO? Omisión de variables relevantes.

¿Cuál de los siguientes síntomas NO es propio de la existencia de multicolinealidad próxima o imperfecta en el modelo? Coeficiente de determinación lineal corregido bajo.

¿Cuáles de las siguientes afirmaciones referidas al problema de la multicolinealidad en los datos de un modelo econométrico NO es cierta? La presencia en un modelo estimado de multicolinealidad no desvirtúa Seguir leyendo “Análisis de Problemas y Soluciones en Modelos Econométricos: Sesgos, Multicolinealidad y Cambio Estructural” »

Análisis de Regresión Lineal: Guía Completa

MODELO DE REGRESIÓN LINEAL GENERAL

Sea el modelo econométrico especificado como: Y = β + βX + βX + … + βX + μ, o en forma matricial: Y = Xβ + μ. El análisis de regresión busca determinar la relación existente entre la variable dependiente (Y) y las variables independientes (X).

OBJETIVO

Estimar los parámetros β buscando el valor más probable de Y dados los valores de X.

SUPUESTOS