ECONOMETRA 1

ESCUELA: PONENTE: ECONOMA Econ. Francisco Ochoa Ordez II Bimestre

BIMESTRE: CICLO:

OCTUBRE 2009 FEBRERO 2010

1

Formas funcionales de los Modelos de Regresin Se trabaja con modelos lineales en los parmetros, los cuales pueden ser o no lineales en las variables. Se analizan los siguientes modelos. 1. Modelo Log-Lineal(como medir la elasticidad) Tenemos el modelo de regresin exponencial

y 1 X e ln y ln 1 2 ln x u ln y 2 ln X u
Lineal en los parmetros y 2 Lineal en los logaritmos de las variables Y y X, y debido a estos se denominan modelos log-log; doble log o loglineales. El modelo log-log es importante ya que el coeficiente de la pendiente B2 mide la elasticidad de Y con respecto a X, es decir el cambio porcentual en Y ante un pequeo cambio porcentual en X. Si tenemos un modelo en que el Y=f(p), B2 mide la elasticidad precio de la demanda.

2 u

2. Modelos semilogartmicos: Log-Lin y Lin-Log. Utilizado para medir la tasa de crecimiento de ciertas variables econmicas. 1 2

ln y t u

Caractersticas: El coeficiente de la pendiente mide el cambio proporcional constante o relativo en Y para un cambio absoluto dado en el regresor t. Al multiplicar el cambio relativo en Y por 100, nos dar el cambio porcentual o la tasa de crecimiento en Y ocasionado por un cambio absoluto en X. Esto se conoce como la semi elasticidad de Y respecto a X.

El coeficiente de la tasa de crecimiento instantneo (en un punto del tiempo) y no la compuesta (durante un periodo).

3. Modelo Lin-Log

Se determina el cambio absoluto en Y debido a un cambio porcentual en X. Y 1 2 ln x u

Modelo utilizado en modelos de gasto

Modelos Recprocos
1 Yi 1 2 ( ) ui Xi
No lineal en X, pero si en los parmetros. Caractersticas: A medida que X aumenta indefinidamente, el termino B2 (1/x) se acerca a cero y Y se aproxima al valor lmite o asinttico B1. Contiene un valor asinttico o lmite que tomar la variable dependiente cuando el valor de la variable X aumente indefinidamente.

 Muy utilizado para expresar la curva de Phillips, la cual marca una relacin importante en economa, pues sugiere una relacin sistemtica entre cambios en la tasa de salarios y el nivel de empleo.

CAPITULO 7: ANLISIS DE REGRESIN

MLTIPLE:PROBLEMA DE ESTIMACIN
Presencia de mas de una variable independiente. Se trabajar con modelos de regresin lineal mltiple, es decir lineal en los parmetros y que pueden ser o no lineales en las variables. La FRP de tres variables es la siguiente:

Yi 1 2 X 2i 3 X 3i

i, t

 B2 y B3 son los coeficientes de regresin parcial.

Se sigue trabajando con el MCRL, el cual supone: 1. Valor medio de u=0

2. No correlacin serial: cov(ui,uj)=0

3. Homocesdasticidad:Igual varianza 4. Covarianza entre u y cada variable X igual a cero cov(ui,X2i)=cov(ui,X3i)=0 5. No hay sesgo de especificacin. 6. No hay colinealidad exacta entre las variables X2 y X3 o no multicolinealidad. Lo que requiere es que la FRP incluya solo variables que no sean funciones lineales exactas con otras variables del modelo.

 No se garantiza que en el anlisis emprico exista correlacin entre las variables.

Aqu se habla de relaciones lineales perfectas, pero puede darse multicolinealidad en modelos con variables no lineales. La interpretacin de una ecuacin de regresin mltiple, es determinar el valor medio de Y ante valores dados de las regresoras X.

El significado de los coeficientes de regresin:

B2= Mide cambio medio en Y, por unidad de cambio en X2, manteniendo constante X3.

B3= Mide cambio medio en Y, por unidad de cambio en X3, manteniendo constante X2.

Estimacin de MCO y MV de los coeficientes de Regresin Parcial

Para encontrar los estimadores de MCO, primero se escribe la FRM correspondiente a la FRP.

Yi 1 2 X 2i 3 X 3i

 Al obtener los MCO, se puede derivar las varianzas y los errores estndares. A travs de estos podemos obtener intervalos de confianza y la aprobacin de hiptesis.

R 2 y el Coeficiente de determinacin

Coeficiente de correlacin Mltiple R El mide la bondad de ajuste de la regresin. Nos proporciona la variacin Y, explicada por las variables X2 y X3 conjuntamente. R2 Si =1, la recta de regresin ajustada explica el 100% de la variacin en Y.
R2

La Funcin de Produccin de CobbDouglas

Funcin No lineal Transformacin a funcin lineal
ln Y 1 2 ln X 2 3 ln X 3 u

Y 1 X 2 X 3 e

3 u

Propiedades de la Funcin de Produccin B2 es la elasticidad del producto con respecto al insumo trabajo. B3 es la elasticidad del producto con respecto a la insumo capital. La suma de (B2+B3) nos da informacin sobre los rendimientos decrecientes. Si es=1 son rendimientos constantes Si es < 1 son rendimientos decrecientes Si es 1 son rendimientos crecientes

Modelos de Regresin Polinomial Utilizados en funciones de Costo Y Produccin. Se representa a travs de una parbola.
Y 1 2 X 3 X 2 u Regresin Polinomial de 2do grado.

Coeficientes de Correlacin Parcial

Para el modelo de regresin con 3 variables se puede calcular 3 coeficientes de correlacin. Mide el grado de asociacin lineal entre 2 variables.

r12.3= coeficiente de correlacin parcial entre Y y X2, mantiene X3 constante.

r13.2= coeficiente de correlacin parcial entre Y y X3, mantiene X2 constante. r23.1= coeficiente de correlacin parcial entre X2 y X3, manteniendo Y constante.

 Coeficientes de correlacin de orden cero. r12; r13; r23 Coeficientes de correlacin de primer orden. r12.3; r13.2 Coeficientes de correlacin de segundo orden. r12.34; r13.24 Orden= al numero de subndices secundarios

MODELOS DE REGRESIN CON VARIABLES DICTOMAS

Los modelos de regresin no solo pueden trabajar con variables numricas, sino que se pueden trabajar con variables cualitativas. Estas variables cualitativas se las conoce como variables DICTOMAS , las cuales adoptan los valores de 0 y 1, donde 1indica la presencia y 0 la ausencia de cierto atributo lo que las permite ser cuantificables. Existen modelos con variables explicativas que son exclusivamente dictomas, los cuales se los conoce como Modelos de Anlisis de Varianza (ANOVA)

MODELOS ANOVA
Modelos con variable dependiente cuantitativa y variables explicativas solo cualitativas.

Precaucin en el uso de variables dictomas

1. Si una variable cualitativa tiene m categoras, solo hay que agregar (m-1) variables dictomas. 2. Si no se respeta esta regla tendremos una situacin de perfecta colinealidad, es decir una relacin lineal exacta entre las variables, esto se conoce como la TRAMPA DE LA VARIABLE DICTOMA 3. La categora a la cual no se asigna variable dictoma se conoce como categora base o de comparacin.

4. El valor del intercepto o B1 representa el valor medio de la categora de comparacin.

5. Los coeficientes anexos a las variables dictomas se conocen como coeficientes de la interseccin diferencial, es decir en que medida el valor de la interseccin vara del coeficiente de interseccin de la categora. 6. La eleccin de la categora de comparacin es a criterio del investigador. 7. Se puede eludir la trampa de la variable dictoma, al no introducir el intercepto en dicho modelo, y obtener los valores medios de las distintas categoras. 8. No se puede determinar cual modelo es mejor, pero se prefiere el que tiene intercepto.

Modelos ANOVA con 2 variables cualitativas

Se cuenta con 2 regresoras cualitativas, cada una con 2 categoras, por lo tanto se asigna 1 variable dictoma por cada categora. La categora de comparacin sera las respuestas alternativas en cada categora por lo que las comparaciones se establecen respecto a este grupo.

MODELOS ANCOVA
Este modelo presenta variables tanto cualitativas como cuantitativas. Se los conoce como modelos de anlisis de covarianza. Son por lo general los modelos que mayoritariamente se dan en la investigacin econmica.