Manual de econometria
Páginas: 10 (2393 palabras)
Publicado: 17 de abril de 2013
FACULTAD DE CIENCIAS EMPRESARIALES
MANUAL DE ECONOMETRIA
Profesor: Medardo Aguirre González
Escuela de Ingeniería Comercial
INDICE
Pruebas de normalidad
03
Modelo lineal simple
Estimadores mínimos cuadráticos ordinarios
04
Pruebas para correlación de Pearson
06
Problema de predicción
07
MODELO LINEAL MÚLTIPLEFormulación matricial
08
Supuestos básicos
08
Coeficiente de determinación
09
Prueba F-Global
09
Test de razón de verosimilitud
10
Pruebas t para los parámetros individuales
12
Coeficientes beta
13
Pronósticos
14
Puntos influyentes
16
Error cuadrático medio
17
Modelos con término de interacción
19
Variables dicotómicas
21
MULTICOLINEALIDADDiagnóstico de la multicolinealidad
22
Correlaciones parciales
23
HETEROCEDASTICIDAD
Test de heterocedasticidad
24
Método de los mínimos cuadrados ponderados
26
AUTOCORRELACIÓN
Autocorrelación residual de orden 1
28
Método de Cochrane-Orcutt
29
Test de Durbin-Watson
31
Otros test de autocorrelación
32
PRUEBAS DE NORMALIDAD
Sea ~Sesgo de X
en que:
Curtosis de X
en que:
Test de Sesgo:
~
Test de Curtosis:
~
Test de Jarque-Bera: ~
Modelo Lineal Simple
Supuestos Básicos:
(1) X fija (determinística)
(2)
(3) (residuos homocedásticos)
(4) (residuosno-autocorrelacionados)
(5) Supuesto de Normalidad:
Estimadores Mínimo Cuadráticos Ordinarios
Estimadores para las varianzas y covarianza
Estimador insesgado de
Test para:
(1) Test de Fisher
~
(2) Prueba F
~
(3) Prueba t
Teorema:
~ ~
~(4) Criterio
Para α = 0.05 y n ≥ 20
Se rechaza para
Relación entre y
Teorema:
PROBLEMA DE PREDICCION
, , es la estimación de para dada.
Hay dos clases de predicción:
(1) Predicción de : Predicción Media
(2) Predicción de para : Predicción Individual
Intervalo de la Predicción Media
estimación puntual de
Sea es unestimador de
Por lo tanto
Por lo tanto
Intervalo de la Predicción Individual
Observación:
Los intervalos de confianza para predecir asumen su amplitud más pequeña cuando y aumentan a medida que se aleja de .
Modelo Lineal Múltiple
Formulación matricial
...
...
...
Resumidamente
Estimadores MínimoCuadráticos Ordinarios :
Varianza de los estimadores :
Estimador de : es un estimador insesgado y consistente de
Supuestos Básicos:
(1) fijas (determinísticas)
(2) no correlacionadas
(3)
(4) (residuos homocedásticos)
(5) (residuos no-autocorrelacionados)
(6) Supuesto de Normalidad:
Coeficiente de Determinación
: Varianza total de Y
:Varianza de Y no explicada por el modelo
: Varianza de Y explicada por el modelo
Ajustado:
MODELO DE REGRESION SIN INTERCEPTO
Si se elimina el intercepto de un modelo de regresión múltiple, entonces no hay garantía de que con esto, no podemos asegurar que los EMCO sean insesgados.
Además, es posible que asuma valores fueradel rango [0,1], de hecho puede ocurrir que .
Prueba F –Global
no-central:
no-central:
no-central:
Teorema:
Entonces:
RELACION ENTRE
TEST DE RAZON DE VEROSIMILITUD
Consideremos de nuevo la...
FACULTAD DE CIENCIAS EMPRESARIALES
MANUAL DE ECONOMETRIA
Profesor: Medardo Aguirre González
Escuela de Ingeniería Comercial
INDICE
Pruebas de normalidad
03
Modelo lineal simple
Estimadores mínimos cuadráticos ordinarios
04
Pruebas para correlación de Pearson
06
Problema de predicción
07
MODELO LINEAL MÚLTIPLEFormulación matricial
08
Supuestos básicos
08
Coeficiente de determinación
09
Prueba F-Global
09
Test de razón de verosimilitud
10
Pruebas t para los parámetros individuales
12
Coeficientes beta
13
Pronósticos
14
Puntos influyentes
16
Error cuadrático medio
17
Modelos con término de interacción
19
Variables dicotómicas
21
MULTICOLINEALIDADDiagnóstico de la multicolinealidad
22
Correlaciones parciales
23
HETEROCEDASTICIDAD
Test de heterocedasticidad
24
Método de los mínimos cuadrados ponderados
26
AUTOCORRELACIÓN
Autocorrelación residual de orden 1
28
Método de Cochrane-Orcutt
29
Test de Durbin-Watson
31
Otros test de autocorrelación
32
PRUEBAS DE NORMALIDAD
Sea ~Sesgo de X
en que:
Curtosis de X
en que:
Test de Sesgo:
~
Test de Curtosis:
~
Test de Jarque-Bera: ~
Modelo Lineal Simple
Supuestos Básicos:
(1) X fija (determinística)
(2)
(3) (residuos homocedásticos)
(4) (residuosno-autocorrelacionados)
(5) Supuesto de Normalidad:
Estimadores Mínimo Cuadráticos Ordinarios
Estimadores para las varianzas y covarianza
Estimador insesgado de
Test para:
(1) Test de Fisher
~
(2) Prueba F
~
(3) Prueba t
Teorema:
~ ~
~(4) Criterio
Para α = 0.05 y n ≥ 20
Se rechaza para
Relación entre y
Teorema:
PROBLEMA DE PREDICCION
, , es la estimación de para dada.
Hay dos clases de predicción:
(1) Predicción de : Predicción Media
(2) Predicción de para : Predicción Individual
Intervalo de la Predicción Media
estimación puntual de
Sea es unestimador de
Por lo tanto
Por lo tanto
Intervalo de la Predicción Individual
Observación:
Los intervalos de confianza para predecir asumen su amplitud más pequeña cuando y aumentan a medida que se aleja de .
Modelo Lineal Múltiple
Formulación matricial
...
...
...
Resumidamente
Estimadores MínimoCuadráticos Ordinarios :
Varianza de los estimadores :
Estimador de : es un estimador insesgado y consistente de
Supuestos Básicos:
(1) fijas (determinísticas)
(2) no correlacionadas
(3)
(4) (residuos homocedásticos)
(5) (residuos no-autocorrelacionados)
(6) Supuesto de Normalidad:
Coeficiente de Determinación
: Varianza total de Y
:Varianza de Y no explicada por el modelo
: Varianza de Y explicada por el modelo
Ajustado:
MODELO DE REGRESION SIN INTERCEPTO
Si se elimina el intercepto de un modelo de regresión múltiple, entonces no hay garantía de que con esto, no podemos asegurar que los EMCO sean insesgados.
Además, es posible que asuma valores fueradel rango [0,1], de hecho puede ocurrir que .
Prueba F –Global
no-central:
no-central:
no-central:
Teorema:
Entonces:
RELACION ENTRE
TEST DE RAZON DE VEROSIMILITUD
Consideremos de nuevo la...
Leer documento completo
Regístrate para leer el documento completo.