Professional Documents
Culture Documents
Andrs Elberg
Universidad Diego Portales
16 de abril, 2013
Clase 6
04/16
1 / 37
Clase Anterior
b
1 x
ni=1 (xi
sxy
sxx
ni=1
Clase 6
x ) (yi
(xi
x)
y)
2
04/16
2 / 37
Clase 6
04/16
3 / 37
Representacin Grca
Lnea de regresin
ajustada
Por ej. el i-simo
punto
Clase 6
04/16
4 / 37
Aplicacin
ejemplo. retornos a la educacin
ecuacin a estimar:
salarioi = 0 + 1 educaci on
i + ui
datos: wage1.gdt
wage = salario promedio por hora (en dlares)
educ = aos de educacin
procedimiento en Gretl
File ! Open Data 7 ! wage1.gdt
Model ! Ordinary Least Squares
dependent variable V wage
independent variables V cons; educ
Clase 6
04/16
5 / 37
const
educ
Coe cient
Std. Error
t-ratio
p-value
0.904852
0.541359
.
0.684968
0.0532480
.
1.3210
10.1667
.
0.1871
0.0000
.
5.896103
5980.682
0.164758
103.3627
1385.712
2783.954
Clase 6
3.693086
3.378390
0.163164
2.78e22
2775.423
2778.764
04/16
6 / 37
Aplicacin
0.905
b
1 = 0.541
Clase 6
04/16
7 / 37
Aplicacin
ejemplo 2. salario de CEO vs. ROE
ecuacin a estimar:
salarioi = 0 + 1 ROEi + ui
datos: CEOSAL1.gdt
salary = salario en 1990, en miles de dlares
roe = retorno sobre el patrimonio (en %)
procedimiento en Gretl
File ! Open Data 7 ! CEOSAL1.gdt
Model ! Ordinary Least Squares
dependent variable V salary
independent variables V cons; roe
Clase 6
04/16
8 / 37
const
roe
Coe cient
Std. Error
t-ratio
p-value
963.191
18.5012
.
213.240
11.1233
.
4.5169
1.6633
.
0.0000
0.0978
.
1281.120
3.87e+08
0.013189
2.766532
1804.543
3619.771
Clase 6
1372.345
1366.555
0.008421
0.097768
3613.087
3615.789
04/16
9 / 37
ubi = 0
i =1
(xi
i =1
x) u
bi
u
b
xi ubi
= 0
= 0
i =1
Clase 6
04/16
10 / 37
Clase 6
04/16
11 / 37
Clase 6
04/16
12 / 37
SST =
(yi
y )2
i =1
SSE =
(ybi
y )2
i =1
SSR =
ubi 2
i =1
Clase 6
04/16
13 / 37
yi
bi
= b
+b
xi + u
| 0 {z 1 }
ybi
= ybi + ubi
Clase 6
04/16
14 / 37
(yi
sumamos sobre i...
n
(yi
i =1
y )2 = [(ybi
y )2 =
y) + u
bi ]2
[(ybi
i =1
Clase 6
y) + u
bi ]2
04/16
15 / 37
(yi
i =1
y )2 =
i =1
(ybi
y )2 + u
bi2 + 2 (ybi
y) u
bi
notar que dado que la covarianza entre los residuos y los valores
ajustados es igual a cero el tercer trmino del lado derecho
desaparece...
Clase 6
04/16
16 / 37
obtenemos:
(yi
i =1
{z
SST
y )2 =
}
(ybi
i =1
{z
SSE
y )2 + u
bi2
}
i =1
| {z }
SSR
Clase 6
04/16
17 / 37
Bondad de Ajuste
Clase 6
04/16
18 / 37
Bondad de Ajuste
SST SSR
SST
= 1
SSR
SST
Clase 6
SST )
04/16
19 / 37
Bondad de Ajuste
Clase 6
04/16
20 / 37
Unidades de Medicin
Clase 6
04/16
21 / 37
Unidades de Medicin
Clase 6
04/16
22 / 37
Unidades de Medicin
ybi
1000b
yi
= b
0 + b
1 xi
= 1000b
0 + 1000b
1 xi
0
0
ybi0 = b
0 + b
1 xi
Clase 6
04/16
23 / 37
Unidades de Medicin
originalmente, con la variable Salario expresada en "miles de dlares"
las estimaciones MCO de la constante y la pendiente son
b
0 = 963, 191
b
1 = 18, 5012
Clase 6
04/16
24 / 37
const
roe
Coe cient
Std. Error
t-ratio
p-value
963191.
18501.2
.
213240.
11123.3
.
4.5169
1.6633
.
0.0000
0.0978
.
1281120
3.87e+14
0.013189
2.766532
3248.264
6507.213
Clase 6
1372345
1366555
0.008421
0.097768
6500.528
6503.231
04/16
25 / 37
Unidades de Medicin
Clase 6
04/16
26 / 37
Unidades de Medicin
(un poco) ms formalmente, podemos derivar el cambio en b
0 y b
1
de la siguiente forma:
ybi
= b
0 + b
1 xi
ybi
0
= b
0 + b
1 xi0
ybi
= b
0 + 100b
1
100
100
xi
100
Clase 6
04/16
27 / 37
const
roe_dec
Coe cient
Std. Error
t-ratio
p-value
963.191
1850.12
.
213.240
1112.33
.
4.5169
1.6633
.
0.0000
0.0978
.
1281.120
3.87e+08
0.013189
2.766532
1804.543
3619.771
Clase 6
1372.345
1366.555
0.008421
0.097768
3613.087
3615.789
04/16
28 / 37
Formas Funcionales
el modelo de regresin lineal es lo sucientemente general para
capturar relaciones no lineales entre la variable explicativa y la
variable explicada
la razn es que el modelo es lineal en los parmetros, no en las
variables
ejemplo (retornos a la educacin). podramos pensar que un ao
adicional de educacin tiene el mismo efecto porcentual sobre el
salario a distintos niveles de educacin (en lugar del mismo efecto en
$)
en este caso, salario = exp ( 0 + 1 educ )
Clase 6
04/16
29 / 37
el modelo es el siguiente:
log y = 0 + 1 x + u
1 representa la derivada parcial de la variable dependiente, log y , con
respecto a la variable independiente, x:
log y
= 1
x
Clase 6
04/16
30 / 37
dy
y
Clase 6
04/16
31 / 37
ejemplo
log (salario ) = 0 + 1 Educaci on
+u
1 mide el cambio porcentual en el salario cuando la persona tiene un
ao adicional de educacin
en Gretl. generamos variable en logs:
Add ! Dene new variable ! Enter formula for new variable
lwage = log(wage)
Clase 6
04/16
32 / 37
const
educ
Coe cient
Std. Error
t-ratio
p-value
0.583773
0.0827444
.
0.0973358
0.00756669
.
5.9975
10.9353
.
0.0000
0.0000
.
1.623268
120.7691
0.185806
119.5816
359.3781
731.2867
Clase 6
0.531538
0.480079
0.184253
3.27e25
722.7561
726.0962
04/16
33 / 37
el modelo es el siguiente:
log y = 0 + 1 log x + u
1 representa la derivada parcial de la variable dependiente, log y , con
respecto a la variable independiente, log x:
log y
= 1
log x
Clase 6
04/16
34 / 37
Clase 6
04/16
35 / 37
Clase 6
04/16
36 / 37
const
lincome
Coe cient
Std. Error
t-ratio
p-value
0.545142
0.855897
.
0.138202
0.0203228
.
3.9445
42.1152
.
0.0001
0.0000
.
6.353400
4.359798
0.883888
1773.687
135.0407
259.1623
Clase 6
0.400578
0.136790
0.883390
6.3e111
266.0815
263.2920
04/16
37 / 37