tema 1 modelos econometricos

METODOS Y MODELOS ECONOMETRICOS
I PARTE: REVISION DE LAS HIPOTESIS DEL MBRL.
1. Introducción.
2. Revisión de las hipótesis del modelo lineal.

1. INTRODUCCIÓN.
Primera etapa) Especificación inicial, planteamiento del modelo
En esta etapa se revisan las variables, la relación de las variables con los parámetros y la relación funcional entre las variables endocrinas conlas variables explicativas.

Segunda etapa) estimación y contraste.
Se trata de la estimación de los parámetros . Una vez estimado, se contrasta para comprobar que los parámetros son estadísticamente significativos

Tercera etapa) bondad del modelo y contrastes no paramétricos.
Se trata de la validación del modelo con el coeficiente de determinación. Con ello tratamos de ver si el modeloera óptimo para las estimaciones de la etapa anterior, tanto del punto de vista técnico como estadístico.

Cuarta etapa) utilización del modelo
Predicción, Evaluación de políticas, Control óptimo.

Quinta etapa) actualización del modelo y reestimación.
A medida que pasa el tiempo el modelo tiene que poder actualizarse, ya que los modelos son secuenciales y no lineales


2. REVISIÓN DE LASHIPÓTESIS DEL MODELO BÁSICO DE REGRESIÓ LINEAL (MBRL).

Nuestro modelo
Ahora planteamos un modelo lineal donde las X no son aleatorias (estocásticas), antes eran deterministas donde teníamos una que si era aleatoria. Nunca se sabe su valor determinado pero si aproximado

La matriz X es igual a rango k, y k es mayor que n. En la realidad podemos encontrarnos que el rango de kes igual que n o menor porque el nº de muestras sea pequeño.
La matriz X era linealmente independientes y podemos encontrarnos que existen combinaciones lineales (no son independientes)
Las variables X eran deterministas, no aleatorias. Ahora podemos encontrarnos que tengamos regresores estocásticos, nos podemos encontrar modelos multiecuacionales


Hipótesis de permanencia estructuralDecíamos que el parámetro es constante, y significa que tienen que servir para cualquier período (tanto para el año 1980 como para el 2010). Podemos encontrar que no sea constante. Cuando no se cumple y se da un cambio estructural no podemos utilizar esos datos para predecir el futuro. Por ello, trataremos de analizar dónde se produce el cambio y utilizar dos submodelos.

Perturbaciones aleatoriasNos encontramos con modelos heterocedásticos, y no como antes con modelos homocedásticos


Mínimo para los ordinarios


Propiedades
Insesgado. Si no sucede, entonces y por tanto siempre nos equivocaremos porque los parámetros nunca van a coincidir.

Eficiencia. Está asociada a la varianza, a la dispersión. Buscamos varianza mínima.
Para ser eficiente tiene que serinsesgado. Puede ser un insesgado y no eficiente.

Consistencia. Cuando converge a su valor verdadero la muestra tiende a infinito. En principio un estimado arte puede ser consistente y no insesgado, pero la consistencia cuando la muestra tiende a infinito reduce el sesgo y se acerca al verdadero valor.

Mínimos cuadrados ordinarios son fáciles de estimar y pueden ser los mejores si cumplen suspropiedades.
Máximo verosímil son los mejores pero son difíciles de estimar.



II PARTE: CASOS ESPECIALES DEL MODELO DE REGRESION.
1. Contraste de hipotesis con muestras pequeñas
2. Errores de especificación
3. Regresores estocásticos
4. El problema de la multicolinealidad
5. Cambio estructural

Las hipótesis ideales dejan de cumplirse y afectan a los procedimientos de análisis y a losresultados. Pueden incumplirse:
Hipótesis estructurada
Hipótesis sobre las perturbaciones

Incumplimiento de las hipótesis estructurales:
Muestras pequeñas.
Errores de especificación.
Regresores estocásticos.
Cambio estructural.
Multicolinealidad.

Incumplimiento de la hipótesis sobre las perturbaciones
Media no nula
No normalidad
Autocorrelación
Heterocedasticidad
1. EL...