Indice

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o

Clase 1
Introduccin a la Econometr o a Profesor: Felipe Avils Lucero e

26 de mayo de 2010

Profesor: Felipe Avils Lucero e

Clase 1

 Indice

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o Funcin de Regresin Poblacional o o Funcin de Regresin Muestral o o

Profesor: Felipe Avils Lucero e

Clase 1

 Indice

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o

Breve Denicin e Historia o

Econometr es la ciencia que aplica mtodos matemticos y a e a estad sticos al anlisis de datos econmicos, con el objetivo de a o dotar de una base emp rica a una teor econmica, para as a o refutarla o vericarla. Aunque la econometr parece ser tan antigua como la misma a ciencia econmica, slo en 1930 se crea la Sociedad o o Economtrica, la cual sistematiz su estudio y prctica. e o a

Profesor: Felipe Avils Lucero e

Clase 1

 Indice

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o

Breve Denicin e Historia o

En 1933 se lanza el primer nmero de Economtrica en el que u e Ragnan Frish1 destaca:

...la experiencia ha mostrado que cada uno de estos tres puntos de vista, el de la estad stica, la teor econmica y las matemticas, es necesario, a o a pero por si mismo no suciente para una comprensin real de las o relaciones cuantitativas de la vida econmica moderna. Es la unin de los o o tres aspectos lo que constituye una herramienta de anlisis potente. Es la a unin lo que constituye la econometr o a.

Uno de los fundadores de la Sociedad Economtrica, a quin de hecho, se e e le acredita el haber acuado el trmino Econometr n e a.
Profesor: Felipe Avils Lucero e Clase 1

 Indice

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o

La Metodolog Economtrica a e
La metodolog economtrica se puede detallar de la siguiente a e forma:

Profesor: Felipe Avils Lucero e

Clase 1

 Indice

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o

De la Econonom a la Estad a stica.

En el grco se muestran las medias de salario por nivel de a escolaridad.

... para cada nivel de escolaridad, existe una distribucin de o salarios.

Profesor: Felipe Avils Lucero e Clase 1

 Indice

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o

Relaciones Econmicas y la Funcin de Esperanza o o Condicional (EC)

Dada la aleatoriedad sistemtica en los resultados econmicos, a o estos son dif ciles de explicar... Sin embargo, esta informacin o puede resumirse utilmente. En promedio personas con un mayor nivel de escolaridad obtienen mayores salarios que personas con menores aos de n educacin. Carreras tcnicas vs. universitarias. o e La conexin entre escolaridad y salarios posee un gran poder o predictivo, a pesar de la gran heterogeneidad presente en los individuos. Por qu estn Uds. aqu e a ? Cmo podemos resumir esta informacin de una manera o o convincente? Funcin de Esperanza Condicional. o
Profesor: Felipe Avils Lucero e Clase 1

 Indice

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o

Relaciones Econmicas y la Funcin de Esperanza o o Condicional (EC)

La funcin de EC de una variable dependiente yi , dado un vector o de regresores Xi de K 1 (con elemento xki ) es la esperanza, o promedio poblacional de yi cuando mantenemos Xi jo. La denotaremos por E [yi |Xi ]. Para un valor jo de Xi , digamos Xi = x, escribimos E [yi |Xi = x]. Para una variable yi continua, con funcin de densidad condicional o fy (t|Xi = x) cuando yi = t, la EC es: E [yi |Xi = x] = tfy (t|Xi = x)dt

Profesor: Felipe Avils Lucero e

Clase 1

 Indice

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o

Relaciones Econmicas y la Funcin de Esperanza o o Condicional (EC)

Un complemento importante de la funcin de EC es la ley de o esperanzas iteradas: E [yi ] = E {E [yi |Xi ]} la demostracin queda para Uds. o La ley de esperanzas iteradas posee una caracter stica relevante, la de dividir una variable aleatoria en dos partes, la EC y un residuo con propiedades especiales que veremos a continuacin. o

Profesor: Felipe Avils Lucero e

Clase 1

 Indice

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o

Relaciones Econmicas y la Funcin de Esperanza o o Condicional (EC)

Teorema 1: Propiedad de descomposicin de la EC o yi = E [yi |Xi ] +
i

donde (i) i es media independiente de Xi , esto es E [ i |Xi ] = 0, y por lo tanto (ii) i no est correlacionado con ninguna funcin de a o Xi . Demo. (i) E [ i |Xi ] = E [yi E [yi |Xi ]|Xi ] = E [yi |Xi ] E [yi |Xi ] = 0. (ii) Sea h(Xi ) cualquier funcin de Xi . Por la ley de esperanzas o iteradas, E [h(Xi ) i ] = E {h(Xi )E [ i |Xi ]}, y por independencia en media, E [ i |Xi ] = 0.
Profesor: Felipe Avils Lucero e Clase 1

 Indice

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o

Relaciones Econmicas y la Funcin de Esperanza o o Condicional (EC)

Teorema 2: Propiedad predictiva de la funcin de EC. o Sea m(Xi ) cualquier funcin de Xi . o La funcin de EC resuelve o E (yi |Xi ) = argminm(Xi ) E [(yi m(Xi ))2 ] por lo tanto, la funcin de EC es el predictor de m o nimo error cuadrtico medio de yi dado Xi . a Demo. (yi m(Xi ))2 = ((yi E (yi |Xi )) + (E (yi |Xi ) m(Xi ))2 = (yi E (yi |Xi ))2 + 2(E (yi |Xi ) m(Xi )) (yi E (yi |Xi )) + (E (yi |Xi ) m(Xi ))2
Profesor: Felipe Avils Lucero e Clase 1

 Indice

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o

Relaciones Econmicas y la Funcin de Esperanza o o Condicional (EC)

Cont. Demo. (yi m(Xi ))2 = (yi E (yi |Xi ))2 + 2(E (yi |Xi ) m(Xi )) (yi E (yi |Xi )) + (E (yi |Xi ) m(Xi ))2 El primer trmino de la ecuacin anterior no involucra m(Xi ). El e o segundo puede escribirse como h(Xi ) i , donde h(Xi ) 2(E (yi |Xi ) m(Xi )) que posee esperanza igual a 0 (por teorema 1). El ultimo trmino se minimiza en 0 cuando m(Xi ) es la e funcin de EC. o

Profesor: Felipe Avils Lucero e

Clase 1

 Indice

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o

Denicin de Regresin o o

La regresin es un elemento fundamental en la Econometr o a, corresponde a un estudio de dependencia entre una variable dependiente (y) y una o ms variables explicativas (X). a El anlisis de regresin tiene como objeto estimar y/o predecir la a o media poblacional de la variable dependiente para valores jos de la(s) variable(s) explicativa(s) (i.e. predecir E(y|X)).

Profesor: Felipe Avils Lucero e

Clase 1

 Indice

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o

Funcin de Regresin Poblacional o o

Anlisis de Regresin Poblacional a o

Anteriormente vimos que la funcin de EC E (yi |Xi ) es funcin de o o Xi : E (yi |Xi ) = f (Xi ) donde f (Xi ) es una funcin cualquiera. o La ecuacin anterior se denomina Regresin Poblacional. o o Que forma tiene f (Xi ) es una pregunta emp rica, aunque muchas veces la teor nos puede ayudar bastante. a

Profesor: Felipe Avils Lucero e

Clase 1

 Indice

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o

Funcin de Regresin Poblacional o o

Anlisis de Regresin Poblacional a o

Supongamos que el salario (wi ) esta relacionado linealmente con la educacin (si ), as podemos suponer que la funcin de regresin o o o poblacional E (wi |si ) es una funcin lineal de si , es decir: o E (wi |si ) = 1 + 2 si donde 1 y 2 se denominan coecientes de regresin. As el o objetivo es estimar 1 y 2 a partir de datos de w y s. Por lo tanto podemos reescribir wi de la siguiente forma: wi wi = E (wi |si ) + = 1 + 2 si +
i i

(por Teo. 1)

Profesor: Felipe Avils Lucero e

Clase 1

 Indice

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o

Funcin de Regresin Muestral o o

Anlisis de Regresin Muestral a o

En la mayor de los fenmenos econmicos a estudiar, no a o o disponemos de las observaciones totales de la poblacin (ej. o CENSO). En la prctica se tiene alcance nada ms que a una muestra de los a a valores de y que corresponden a unos valores jos de X (ej. CASEN). En este caso tenemos que estimar la funcin de regresin o o poblacional en base a informacin muestral. o

Profesor: Felipe Avils Lucero e

Clase 1

 Indice

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o

Funcin de Regresin Muestral o o

Anlisis de Regresin Muestral a o

Supongamos que los datos poblaciones de ingreso disponible (YD) y consumo (C ) para cierta poblacin objetivo son los siguientes: o

Supongamos que nosotros no conocemos estos datos, es decir, no tenemos acceso a las observaciones correspondientes a la poblacin o total.

Profesor: Felipe Avils Lucero e

Clase 1

 Indice

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o

Funcin de Regresin Muestral o o

Anlisis de Regresin Muestral a o

Tenemos a nuestra disposicin slo una muestra, la que ha sido o o obtenida de forma aleatoria de la poblacin. o

Es importante notar que a partir de una poblacin podemos sacar o una gran cantidad de muestras en forma aleatoria y en la realidad nosotros observamos slo una de ellas (uno de los dos cuadros). o
Profesor: Felipe Avils Lucero e Clase 1

 Indice

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o

Funcin de Regresin Muestral o o

Anlisis de Regresin Muestral a o

Como contraparte muestral, la funcin de regresin muestral puede o o escribirse como: yi = 1 + 2 Xi donde yi es el estimador de E (yi |Xi ), 1 es el estimador de 1 y 2 es el estimador de 2 . Importante, notar que y = E (y |X )

Profesor: Felipe Avils Lucero e

Clase 1

 Indice

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o

Funcin de Regresin Muestral o o

Anlisis de Regresin Muestral a o

En el grafo vemos rectas de regresin en base a muestras distintas o

Profesor: Felipe Avils Lucero e

Clase 1

 Indice

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o

Funcin de Regresin Muestral o o

Anlisis de Regresin Muestral a o

Denicin Estimador: Mtodo que dice cmo determinar el o e o parmetro poblacional a partir de la informacin suministrada por a o la muestra disponible. De igual manera que para el caso poblacional la funcin de o regresin muestral tambin tiene una representacin estocstica: o e o a yi = 1 + 2 Xi + i Entonces, el objetivo del Anlisis de Regresin es estimar la a o Funcin de regresin poblacional: o o yi = 1 + 2 Xi +
i

con base en la Funcin de regresin muestral: o o yi = 1 + 2 Xi + i

Profesor: Felipe Avils Lucero e Clase 1

 Indice

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o

Funcin de Regresin Muestral o o

Anlisis de Regresin Muestral a o

Rectas de regresin muestral y poblacional o

Profesor: Felipe Avils Lucero e

Clase 1

 Indice

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o

Funcin de Regresin Muestral o o

Anlisis de Regresin Muestral a o

En trminos de la funcin de regresin muestral, la yi observada e o o puede ser expresada como: yi = yi + i y en trminos de la funcin de regresin poblacional puede ser e o o expresada como: yi = E (yi |Xi ) + i En el cuadro anterior podemos notar que para todo Xi a la derecha del punto A, yi sobreestima E (Y |Xi ). De igual manera, para cualquier punto a la izquierda de A, yi subestima E (Y |Xi ). Esta sobreestimacin y subestimacin del modelo poblacional es o o inevitable debido a las uctuaciones muestrales.
Profesor: Felipe Avils Lucero e Clase 1

 Indice

Introduccin o

Econom y Estad a stica

Anlisis de Regresin a o

Funcin de Regresin Muestral o o

Propiedades de un estimador
Se denomina sesgo a la diferencia entre el valor esperado del estimador y su verdadero valor: E () . De esta forma, se dice que es un estimador insesgado si E () = . El estimador es eciente o de m nima varianza si no hay ningn otro estimador insesgado que tenga una varianza u menor que . En general se trata de utilizar estimadores de varianza pequea, pues de este modo la estimacin es ms n o a precisa. El Error Cuadrtico Medio (ECM) es una propiedad de los a estimadores que mezcla los conceptos de eciencia e insesgamiento. El ECM de se dene como: ECM() = E [(E () )2 ] Lo que se puede expresar equivalentemente de la siguiente manera:
Profesor: Felipe Avils Lucero e Clase 1