You are on page 1of 3

Una convención de notación .

De ahora en adelante , para evitar una anotación posiblemente confuso y
complicado , vamos a utilizar una
boldfacexto denotar una fila de la columna de X ora . Que se aplica será evidente a
partir de la
contexto. En (2-2) , xk es la columna k-ésima de X. Los subíndices j andkwill ser
utilizado para denotar
columnas (variables) . A menudo será conveniente referirse a una sola observación
en (2-3) ,
que escribiríamos

Subscriptsi andtwill generalmente se utiliza para denotar filas ( observaciones ) de X .
En ( 2-4 ) , xi es un vector de columna que es la transpuesta de la i-ésima 1 × Krow de
X
Nuestro principal interés es en la estimación y la inferencia sobre la vectorβ
parámetro.
Tenga en cuenta que el modelo de regresión simple en el Ejemplo 2.1 es un caso
especial en el que X tiene
sólo dos columnas, thefirst de las cuales es una columna de 1 s. La asunción de la
linealidad de la
modelo de regresión incluye la perturbación aditivo. Para la regresión a ser lineal en
el sentido descrito aquí , debe ser de la forma en (2-1 ) o bien en las variables
originales
o después de una transformación adecuada . Por ejemplo , el modelo

es lineal (después de tomar registros en ambos lados de la ecuación ) , mientras

no es. La variable dependiente es observado por lo tanto la suma de dos
componentes, un elementα disuadir - ministic + βxand un variableε al azar . Vale la
pena subrayar que ni de las dos partes que se observa directamente
becauseαandβare desconocido. La suposición de linealidad no es tan estrecha como
lo mightfirst aparece . En la regresión contexto , linearityrefers a la manera en que los
parámetros y la perturbación entran la ecuación, no necesariamente a la relación entre
las variables. Por ejemplo, el equationsy = α + βx + e , Y = alfa + βcos ( x ) + e , y = a +
b / x + ε , andy = α + βlnx + ε son todos lineal en alguna función ofxby la definición que
hemos utilizado aquí . En los ejemplos, onlyxhas sido transformado , butycould han
sido así , como iny = A x beta mi ε , Que es una relación lineal en el ofxandy registros ;
lny = α + βlnx + ε . La variedad de funciones es ilimitado . Este aspecto del modelo se
utiliza en un número de uso común funcional formas . Por ejemplo, el loglineales
modelis

Estos datos también presentan una cuestión interesante sobre la cuestión de la celebración de " todo lo demás constante". Asemilogmodel a menudo se utiliza para modelar las tasas de crecimiento : En este modelo . los autónomos (al menos no explicada por el modelo sí mismo) proporcional . En particular . el consumo de gasolina debe caer . a continuación. Vamos a utilizar estos datos para obtener . Si los coches antiguos utilizan más gasolina que los más nuevos . ceteris paribus . ¿Qué debemos esperar para el ofβ4 señal? Los coches y la gasolina son bienes complementarios . entre otras cosas . Podemos utilizar el modelo de regresión múltiple y los datos de la gasolina para intentar responder a la pregunta . . entonces los consumidores van a comprar menos de ellos .2 . No menor . que fue sugerido en el Ejemplo 2.UU Los datos sobre el mercado de la gasolina EE. que no varía con x k. que mantendrán su usado coches más largos y compran menos coches nuevos.UU.2 en Apéndice F. propio precio . por lo que si los precios de los nuevos coches suben. Diferente valores de β producen funciones muy diversas . el aumento de los precios de los coches nuevos conduciría a un mayor consumo de gasolina que de lo contrario . y cruzada de la elasticidad de la demanda en este mercado .Esta ecuación también se conoce como la forma de elasticidad constante como en esta ecuación. La forma lineal de registro se utiliza a menudo en modelos de demanda y la producción . la elasticidad de y con respecto a los cambios en x es ∂lny / ∂lnxk = βk . considere un modelo algo abreviada de la gasolina per cápita consumo: Este modelo proporcionará estimaciones de las elasticidades precio e ingreso de la demanda de gasolina y una estimación de la elasticidad de la demanda con respecto a los precios de los coches nuevos y usados . las estimaciones de los ingresos . Otras variaciones de la forma general permitirá una enorme variedad de formas funcionales . Ejemplo 2. por un periodo de tasa de crecimiento isdlny / dt = δ . ¿O habría de hacerlo? Si los precios de los vehículos nuevos aumentan. todos que encajan en nuestra definición de un modelo lineal. para el periodo 1960-1995 se dan en la Tabla F2.3 El Mercado Gasolina EE.

8.4 . ) Por esta interpretación .1 para la discusión . El modelo translogarítmica discutido en el Ejemplo 2. incluso con términos cuadráticos . sin embargo. en cambio. es bastante limitado en que tales una aproximación es probable que sea útil sólo en un pequeño intervalo de variación de la variables independientes. el modelo lineal . tiene demostrado ser mucho más eficaz como una función de aproximación . ( Véase la Sección A. la función subyacente.El modelo de regresión lineal a veces se interpreta como una aproximación a algunos desconocido .