Modelo de regresion lineal

Supuestos del modelo clásico de regresión lineal
Como el propósito del modelo no es solo estimar B1 y B2 sino hacer inferencia sobre los verdaderos B1 y B2, entonces se hace necesario establecerlos siguientes supuestos:
1. El modelo de regresión es lineal en los parámetros.
[pic]Las variables deben ser lineales en sus valores originales o después de alguna transformación adecuada.2. El valor esperado de la perturbación aleatoria debe ser cero para cualquier observación.
[pic]para todo i
3. La varianza de las perturbaciones es constante – homoscedasticidad(IGUAL VARIANZA).
[pic]para toda i
4. Independencia o no autocorrelación entre las perturbaciones
Dados dos valores cualesquiera de X, xi xj para i ( j, la correlación entre Ui, Uj escero.
[pic]para cualquier i ( j
5. Independencia entre Ui y Xj para toda i y j
[pic]para toda i y j , esto para separar el efecto sobre Y de U y X
6. Los valores de X son fijos enmuestreos repetidos es decir son no estocásticos.
7. Debe disponerse de una información estadística suficientemente amplia sobre el conjunto de variables observables implicadas en el modelo.Como requisito mínimo para que pueda determinarse una solución se exige que el numero de datos (n) debe ser superior al numero de parámetros (k) (n>k) se habla para datos anuales mínimo 15.
8. Enmodelos de regresión múltiples se necesita que no haya relación lineal perfecta entre las variables independientes o explicativas, a esto se le llama no multicolinealidad. X de nxk con rango k ( rangocompleto).
9. Normalidad Ui esta normalmente distribuido para toda i
Lo anterior implica que: [pic]
Estimados los [pic]a partir de datos muestrales, se requiere de alguna medida para verificarla confiabilidad o precisión de los estimadores[pic] y [pic]En estadística la precisión de un valor estimado es medida por su desviación estándar o error estándar.

Desarrollando una demostración...