Resumen Econometría

TEMA 1. REGRESIÓN SIMPLE.

Error = Yi – Yi^ (real – estimado).
Modelo: Y = β1 + β2·X + u → Y^ = b1 + b2·X
Parámetros:


Interpretación de una constante negativa:
2 posibilidades:
* que la relación entre variables no fuese lineal.
* Que se extrapole fuera del rango de datos. Habría que limitarse a interpretar la ecuación dentro del rango de datos disponible.

Los coeficientesminimizan RSS (suma de e^2), por lo que maximizan el R2.
El coeficiente de determinación (ESS/TSS) indica qué porcentaje de la varianza/variación de la variable dependiente es explicada por el modelo (o por el conjunto de variables explicativas), sobre el total de la variación (TSS). El resto lo explicaría el término de la perturbación (RSS/TSS).

Propensión marginal al consumo: cambio en elconsumo por cada unidad de renta.
Propensión media al consumo: parte de la renta que se destina a consumo, el resto será ahorro.

TEMA 2. PROPIEDADES COEFICIENTES Y TEST HIPÓTESIS.
* Datos de sección cruzada: en un momento del tiempo.
* Datos de series temporales.
* Datos de panel: temporales y sección cruzada (combinación).
Propiedades de los coeficientes de regresión múltiple:1. Modelo lineal en parámetros y correctamente especificado.
2. Regresor X debe tener alguna variación en la muestra.
3. La esperanza del error es 0.
4. La perturbación es homocedástica (varianza del error constante).
5. Los valores del término de perturbación tienen distribución independiente. ( iid N (0,σ) )
6. El término de la perturbación tiene una distribución normal.Varianza de los coeficientes:


Su2=e2n-2



Los estimadores de los betas son insesgados (p.ej. E(b2) = β2) y eficientes (de varianza mínima).
Error I = rechazar H0 cuando es cierta = nivel de significación = 5%.
Error II = aceptar H0 cuando es falsa.
Cuanto mayor es el error I (significación), menor es el error II; y viceversa.
Test ‘t’ genérico y cuando la hipótesis nula es β2= 0



Cuando rechazar la hipótesis nula: cuando |t| > tcrít (al X%) o el p-valor < X%; es decir, la variable es significativa para estos casos. Se rechaza que sea = a 0.
Intervalo de confianza al 95% (5% de significatividad) con s.d. desconocida.
b2 - tcrit (5%) se < β2 < b2 + tcrit (5%) se
Test de una cola:
* H0: β2 = 0
* H1: β2 > 0 ó β2 < 0
Se consiguepara un mismo error tipo I, cometer menor error tipo II.

Test F: significación conjunta.
En simple las hipótesis son las mismas que para el t al sólo haber un parámetro. Cuando hay mas es testar que todos los parámetros valen 0 frente a decir que al menos hay UNO que NO es 0.
Fk-1;n-k=ESS/(k-1)RSS/(n-k)=R2/(k-1)(1-R2)/(n-k)

TEMA 3. REGRESIÓN MÚLTIPLE.
Propiedades de los coeficientes deregresión múltiple:
1. Modelo lineal en parámetros y correctamente especificado.
2. No existe una relación lineal exacta entre los regresores de la muestra. (p.ej. Y = b1 + b2x2 + b3x3 +u y x2=x3-1)
3. La esperanza del error es 0.
4. La perturbación es homocedástica (varianza del error constante).
5. Los valores del término de perturbación tienen distribución independiente. (iid N (0,σ) )
6. El término de la perturbación tiene una distribución normal.
Desviación estándar del error:
Su2=e2n-k

. reg EARNINGS S EXP if COLLBARG==1

Source | SS df MS Number of obs = 101
-------------+------------------------------ F( 2, 98) = 9.72
Model | 3076.31726 2 1538.15863 Prob> F = 0.0001
Residual | 15501.9762 98 158.18343 R-squared = 0.1656
-------------+------------------------------ Adj R-squared = 0.1486
Total | 18578.2934 100 185.782934 Root MSE = 12.577

------------------------------------------------------------------------------
EARNINGS | Coef. Std. Err....