Sea un modelo de regresión simple,

𝑌𝑖 = 𝛽̂1 + 𝛽̂2 𝑋𝑖 + 𝑢̂i (1)

Se trataría de comparar el modelo con variables originales con:

𝑌𝑖∗ = 𝛽̂1∗ + 𝛽̂2∗ 𝑋𝑖∗ + 𝑢𝑖∗ (2)

Donde:

𝑌𝑖∗ = 𝑤1 𝑌𝑖 , 𝑋𝑖∗ = 𝑤2 𝑋𝑖 ̂𝑖∗ = 𝑤1 𝑢̂i

𝑢

𝐸𝑠𝑡𝑎 𝑐𝑙𝑎𝑟𝑜 𝑞𝑢𝑒 𝑌𝑖∗ 𝑦 𝑋𝑖∗ 𝑠𝑜𝑛 𝑋𝑖 𝑦 𝑌𝑖 𝑠𝑜𝑛 𝑅𝐸𝐸𝑆𝐶𝐴𝐿𝐴𝐷𝐴𝑆

𝑤1 𝑦 𝑤2 Son factores de escala: 𝑤1 𝑝𝑢𝑒𝑑𝑒 𝑠𝑒𝑟 𝑖𝑔𝑢𝑎𝑙 𝑜 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒 𝑎 𝑤2

* Por ejemplo si 𝑋𝑖 𝑦 𝑌𝑖 se miden en miles de millones de dólares y se desea expresar en

millones de dólares, se tendrá 𝑌𝑖∗ = 1000 𝑌𝑖 y 𝑋𝑖∗ = 1000 𝑋𝑖 , aquí 𝑤1 = 𝑤2 = 1000

Debemos encontrar las relaciones entre los siguientes pares:

1. 𝛽̂1 𝑦 𝛽̂1∗
2. 𝛽̂2 𝑦 𝛽̂2∗
3. 𝑣𝑎𝑟 (𝛽̂1 ) 𝑦 𝑣𝑎𝑟(𝛽̂1∗ )
4. 𝑣𝑎𝑟 (𝛽̂2 ) 𝑦 𝑣𝑎𝑟(𝛽̂2∗ )
5. 𝜎 2 𝑦 𝜎 ∗2
6. 2
𝑟𝑥𝑦 𝑦 𝑟𝑥2∗ 𝑦∗

De la teoría de mínimos Del mismo modo al aplicar MCO

cuadrados sabemos que: a (2) obtenemos:

𝛽̂1 = 𝑌̅ − 𝛽̂2 𝑋̅
𝛽̂1∗ = 𝑌̅ ∗ − 𝛽̂2∗ 𝑋 ∗
∑ 𝑥𝑖 𝑦𝑖
𝛽̂2 = ∑ 𝑥𝑖∗ 𝑦𝑖∗
∑ 𝑥 2𝑖 𝛽̂2∗ = 2
∑ 𝑥 ∗𝑖
∑ 𝑋 2𝑖
𝑉𝑎𝑟(𝛽̂1 ) = ∗ 𝜎2 ∑ 𝑋 ∗𝑖
2
𝑛 ∑ 𝑥 2𝑖 𝑉𝑎𝑟(𝛽̂1∗ ) = ∗ 𝜎∗
2
2
𝑛 ∑ 𝑥 ∗𝑖
𝜎2
𝑉𝑎𝑟(𝛽̂2 ) = 2
∑ 𝑥 2𝑖 𝜎∗
𝑉𝑎𝑟(𝛽̂2∗ ) = 2
∑ 𝑥 ∗𝑖
∑ 𝑢̂𝑖2 ∑ 𝑢̂𝑖∗
2
𝜎2 = 𝜎∗
2
=
𝑛−2 𝑛−2

Con estos resultados es fácil establecer relaciones entre estos dos conjuntos de parámetros
estimados. Todo lo que se debe hacer es recordar las siguientes relaciones:

𝑌𝑖∗ = 𝑤1 𝑌𝑖 (𝑜 𝑦𝑖∗ = 𝑤1 𝑦𝑖) 𝑢̂𝑖∗ = 𝑤1 𝑢̂i

 𝑋𝑖∗ = 𝑤2 𝑋𝑖 (𝑜 𝑥𝑖∗ = 𝑤2 𝑥𝑖) 𝑌̅ ∗ = 𝑤1 𝑌̅
𝑋̅ ∗ = 𝑤2 𝑋̅

Se puede verificar fácilmente que:

∑ 𝑥𝑖∗ 𝑦𝑖∗ 𝑤1 𝑤2 ∑ 𝑥𝑖 𝑦𝑖 𝑤1 ∑ 𝑥𝑖 𝑦𝑖 𝑤1
𝛽̂2∗ = 2 = 2∑ = ⟹ ( ) 𝛽̂2
∑ 𝑥 ∗𝑖 𝑤2 𝑥𝑖 𝑤2 ∑ 𝑥𝑖 𝑤2

𝑤1
𝛽̂1∗ = 𝑌̅ ∗ − 𝛽̂2∗ 𝑋 ∗ = 𝑤1 𝑌̅ − ( ) 𝛽̂2 ∗ 𝑤2 𝑋̅ = 𝑤1 (𝑌̅ − 𝛽̂2 𝑋̅) ⟹ 𝑤1 𝛽̂1
𝑤2

2
∗2
∑ 𝑢̂𝑖∗ 𝑤12 ∑ 𝑢̂𝑖2
𝜎 = = ⟹ 𝑤12 𝜎 2
𝑛−2 𝑛−2

𝑤22 ∑ 𝑋 2𝑖 2 ∑ 𝑋 2𝑖
𝑉𝑎𝑟(𝛽̂1∗ ) = ∗ 𝜎∗ = ∗ 𝑤12 𝜎 2 ⟹ 𝑤12 𝑣𝑎𝑟(𝛽̂1 )
𝑤22 𝑛 ∑ 𝑥 𝑖 ∗2 𝑛 ∑ 𝑥 2𝑖

2
𝜎∗ 𝑤12 𝜎 2 𝑤1 2
𝑉𝑎𝑟(𝛽̂2∗ ) = = ⟹ ( ) 𝑉𝑎𝑟(𝛽̂2 )
∑ 𝑥 ∗𝑖
2
𝑤22 ∑ 𝑥 2𝑖 𝑤2

2 2
(∑ 𝑥𝑖∗ 𝑦𝑖∗ ) (𝑤1 𝑤2 ∑ 𝑥𝑖 𝑦𝑖 )2 𝑤12 𝑤22 (∑ 𝑥𝑖 𝑦𝑖 ) (∑ 𝑥𝑖 𝑦𝑖 )2
𝑟𝑥2∗ 𝑦∗ = = = = 2
⟹ 𝑟𝑥𝑦
2
∑ 𝑥 ∗𝑖 ∑ 𝑦 ∗𝑖
2
𝑤22 ∑ 𝑥 2𝑖 𝑤12 ∑ 𝑦 2𝑖 𝑤22 ∑ 𝑥 2𝑖 𝑤12 ∑ 𝑦 2𝑖 ∑ 𝑥 2𝑖 ∑ 𝑦 2𝑖

De los resultados anteriores debe quedar claro que, con los resultados de regresión basados
en una escala de medición, se pueden obtener los resultados basados en otra, una vez que se
conozcan los factores de escala, 𝑤

En la práctica, sin embargo, se deben escoger las unidades de medición en forma razonable; no
tiene objeto manejar todos esos ceros al expresar números en millones o en miles de millones
de dólares.

Casos especiales:

1. si 𝑤1 = 𝑤2 es decir, si son idénticos los factores de escala, el coeficiente de la

pendiente y su error estándar permanecen inalterados en el cambio de escala de
(𝑌𝑖, 𝑋𝑖) a (𝑌𝑖∗ , 𝑋𝑖∗ ). Sin embargo, el intercepto y su error estándar están multiplicados
por 𝑤1 .
2. Si la escala 𝑋 no se cambia (es decir, 𝑤2 = 1), pero la escala 𝑌 se cambia por el factor
𝑤1 , el coeficiente de la pendiente, al igual que el intercepto y sus errores estándar
respectivos, se multiplican por el mismo factor 𝑤1
 3. Si la escala 𝑌 permanece inalterada (es decir, 𝑤1 = 1), pero la escala 𝑋 se cambia por
el factor 𝑤2 el coeficiente de la pendiente y su error estándar se multiplican por el
1
factor ( ), pero el coeficiente del intercepto y su error estándar permanecen
𝑤2
inalterados.

Sin embargo, debe observarse que la transformación de la escala (𝑌𝑖, 𝑋𝑖) a (𝑌𝑖∗ , 𝑋𝑖∗ ) no
afecta las propiedades de los estimadores de MCO analizadas en los capítulos anteriores.

EJEMPLO

Note que, en todas las regresiones presentadas antes, el valor de r 2 permanece

constante, lo cual no sorprende debido a que el valor r 2 es invariable respecto de los
cambios en las unidades de medición, pues es un número puro o adimensional.

La interpretación del coeficiente de la pendiente 0.2535 es que si el PIB cambia en una

unidad, de 1 000 millones de dólares, la IDPB cambia en promedio en 0.2535 miles de
millones de dólares

La interpretación del coeficiente de la pendiente 0.2535, una unidad de cambio en el PIB,

que es 1 millón de dólares, induce en promedio a un cambio de 0.2535 millones de dólares
en la IDPB

La interpretación del coeficiente de la pendiente 0.0002535, una unidad de cambio en el

PIB, que es 1 millón de dólares, induce en promedio a un cambio de 0.0002535 miles de
millones de dólares en la IDPB

La interpretación del coeficiente de la pendiente 253,5 una unidad de cambio en el PIB,

que de 1 000 millones de dólares, induce en promedio a un cambio de 253.5 millones de
dólares en la IDPB

En ocasiones, es conveniente multiplicar o dividir una variable por una constante. Por ejemplo,
esto sucede cuando los valores numéricos de una variable son muy elevados, por estar dados
en dólares, y para facilitar su lectura preferimos utilizar la variable en millones de euros, lo que
equivale a dividir sus datos por 1.000.000.
En otras ocasiones, podemos estar interesados en multiplicar todos los valores de una variable
por una misma constante, por ejemplo, 100.