Econometria Modelo de Regresion Lineal Simple
Sección 2
2.
Modelo de Regresión Lineal Simple
2.1.
Modelo de regresión y esperanza condicional.
ENERO – MAYO 2015
Def. Análisis de Regresión.
Es el estudio de la dependencia de una variable de interés respecto de una o más
variables explicativas. Su objetivo es estimar o predecir la media poblacional de la
variable de interés.
El caso univariado osimple se caracteriza por considerar únicamente una variable
explicativa (X). Si se denota por Y a la variable de interés o variable dependiente,
entonces el objetivo del Análisis de Regresión será estimar la media de Y suponiendo
conocidos los valores de X, es decir, la esperanza condicional E Y X .
Hay que recordar que si X y Y son variables aleatorias discretas (o continuas), f X ,Y x, y
essu función de masa (o densidad) de probabilidad conjunta y f X x la función de masa
(o densidad) de probabilidad marginal de X, entonces la función de masa (o densidad) de
f x, y
probabilidad condicional de Y X x está dada por f Y X y x X ,Y
, f X x 0 .
f X x
Proposición
i)
E Y X x y f Y X y x si X y Y son variables aleatorias discretas.
y
ii)
E Y X x
y f Y X y x dy si X y Y son variables aleatorias continuas.
Para valores fijos de X (X = x), la esperanza condicional de Y es una función de x, es
decir, E Y X x g x .
Ejercicios E3 y E4 .
Notación: En al Análisis de Regresión Univariado se considerarán las parejas de datos
(Xi, Yi), i = 1, 2,…, n, de modo que los valores fijos de X serán X1, X2,…, Xn. Parasimplificar la notación se denotará a la esperanza condicional por E Y X i g X i .
Def. Función de Regresión Poblacional (FRP). Es el lugar geométrico de las medias
condicionales de la variable dependiente para los valores fijos de la variable explicativa,
es decir, E Y X i g X i .
DAVID RUELAS RODRÍGUEZ
2-1
APUNTES PARA EL CURSO DE ECONOMETRÍA
Sección 2
ENERO – MAYO 2015
Laforma de la FRP depende del comportamiento aleatorio de X y Y. El análisis de los
datos (Xi, Yi), i = 1, 2,…, n, y la teoría pueden ayudar empíricamente a determinar la
forma de g X i E Y X i .
Por ejemplo, para los datos (X1, Y1), (X2, Y2),…, (X10, Y10) de la figura 2.1 podría
pensarse que la FRP es “lineal”, es decir, E Y X i 0 1 X i , donde 0 y 1 se
denominan coeficientes deregresión. Geométricamente se trata de una línea recta con
ordenada al origen 0 (también llamada intercepto) y pendiente 1.
Figura 2.1
Y
(X8,Y8)
E[Y|Xi ] = 0 + 1 Xi
Desviación positiva
u8 = Y8 E[Y|X8 ] > 0
Desviación negativa
u5 = Y5 E[Y|X5 ] < 0
(X5,Y5)
0
0
0 0
X
Def. Linealidad en variables. Se dice que la FRP es lineal en variables si en
g X i E Y X i sólo aparece Xielevada a la potencia 1 acompañada de constantes. Por
ejemplo, E Y X i 0 1 X i , E Y X i 12 X i y E Y X i
0 12 X i
con 3 0 son
ln 3
FRPs lineales en variables.
Def. Linealidad en parámetros. Se dice que la FRP es lineal en parámetros si en
g X i E Y X i sólo aparecen parámetros individuales elevados a la potencia 1, sin
importar la forma en queaparece Xi. Por ejemplo E Y X i 0 1 X i , E Y X i 0 y
E Y X i 0 1 ln X i 2 X 12 son FRPs lineales en parámetros, pero E Y X i 12 X i ,
E Y X i 0 0 1 X i y E Y X i
0 12 X i
, 3 0 , no lo son.
ln 3
Ejercicios E5 y E6 .
DAVID RUELAS RODRÍGUEZ
2-2
APUNTES PARA EL CURSO DE ECONOMETRÍA
Sección 2
ENERO – MAYO 2015
En la figura2.1 también se puede observar cómo la esperanza condicional E Y X i no
necesariamente coincide con los datos Yi para todas las X. La desviación Yi E Y X i
(dato Yi correspondiente a Xi menos su respectiva media condicional) puede ser positiva
o negativa.
Def. Perturbación estocástica o término de error (ui).
Son las desviaciones ui Yi E[Y X i ] , y son variables aleatorias no...
Regístrate para leer el documento completo.