Indice

Introducci
on

Economa y Estadstica

Clase 1
Introducci
on a la Econometra
Profesor: Felipe Aviles Lucero

26 de mayo de 2010

Profesor: Felipe Avil

es Lucero

Clase 1

An
alisis de Regresi
on

Indice

Introducci
on

Economa y Estadstica

Introduccion

Economa y Estadstica

Analisis de Regresi
on
Funcion de Regresi
on Poblacional
Funcion de Regresi
on Muestral

Profesor: Felipe Avil

es Lucero

Clase 1

An
alisis de Regresi
on

Indice

Introducci
on

Economa y Estadstica

An
alisis de Regresi
on

Breve Definicion e Historia

Econometra es la ciencia que aplica metodos matematicos y

estadsticos al analisis de datos econ
omicos, con el objetivo de
dotar de una base emprica a una teora econ
omica, para as
refutarla o verificarla.
Aunque la econometra parece ser tan antigua como la misma
ciencia economica, s
olo en 1930 se crea la Sociedad
Econometrica, la cual sistematiz
o su estudio y practica.

Profesor: Felipe Avil

es Lucero

Clase 1

Indice

Introducci
on

Economa y Estadstica

An
alisis de Regresi
on

Breve Definicion e Historia

En 1933 se lanza el primer n

umero de Econometrica en el que
Ragnan Frish1 destaca:
...la experiencia ha mostrado que cada uno de estos tres puntos de vista,
el de la estadstica, la teora econ
omica y las matematicas, es necesario,
pero por si mismo no suficiente para una comprension real de las
relaciones cuantitativas de la vida econ
omica moderna. Es la union de los
tres aspectos lo que constituye una herramienta de analisis potente. Es la
uni
on lo que constituye la econometra.

Uno de los fundadores de la Sociedad Econometrica, a quien de hecho, se

le acredita el haber acu
nado el termino Econometra.
Profesor: Felipe Avil
es Lucero

Clase 1

Indice

Introducci
on

Economa y Estadstica

An
alisis de Regresi
on

La Metodologa Econometrica
La metodologa econometrica se puede detallar de la siguiente
forma:

Profesor: Felipe Avil

es Lucero

Clase 1

Indice

Introducci
on

Economa y Estadstica

An
alisis de Regresi
on

De la Econonoma a la Estadstica.
En el grafico se muestran las medias de salario por nivel de
escolaridad.

... para cada nivel de escolaridad, existe una distribucion de

salarios.
Profesor: Felipe Avil
es Lucero

Clase 1

Indice

Introducci
on

Economa y Estadstica

An
alisis de Regresi
on

Relaciones Economicas y la Funcion de Esperanza

Condicional (EC)
Dada la aleatoriedad sistematica en los resultados economicos,
estos son difciles de explicar... Sin embargo, esta informacion
puede resumirse u
tilmente.
En promedio personas con un mayor nivel de escolaridad
obtienen mayores salarios que personas con menores a
nos de
educacion. Carreras tecnicas vs. universitarias.
La conexion entre escolaridad y salarios posee un gran poder
predictivo, a pesar de la gran heterogeneidad presente en los
individuos. Por que estan Uds. aqu?
Como podemos resumir esta informaci
on de una manera
convincente?
Funcion de Esperanza Condicional.
Profesor: Felipe Avil
es Lucero

Clase 1

Indice

Introducci
on

Economa y Estadstica

An
alisis de Regresi
on

Relaciones Economicas y la Funcion de Esperanza

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

Profesor: Felipe Avil

es Lucero

Clase 1

Indice

Introducci
on

Economa y Estadstica

An
alisis de Regresi
on

Relaciones Economicas y la Funcion de Esperanza

Condicional (EC)

Un complemento importante de la funci

on de EC es la ley de
esperanzas iteradas:
E [yi ] = E {E [yi |Xi ]}
la demostracion queda para Uds.
La ley de esperanzas iteradas posee una caracterstica relevante, la
de dividir una variable aleatoria en dos partes, la EC y un residuo
con propiedades especiales que veremos a continuacion.

Profesor: Felipe Avil

es Lucero

Clase 1

Indice

Introducci
on

Economa y Estadstica

An
alisis de Regresi
on

Relaciones Economicas y la Funcion de Esperanza

Condicional (EC)
Teorema 1: Propiedad de descomposici
on de la EC
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 esta correlacionado con ninguna funcion de
Xi .
Demo.
(i) E [i |Xi ] = E [yi E [yi |Xi ]|Xi ] = E [yi |Xi ] E [yi |Xi ] = 0.
(ii) Sea h(Xi ) cualquier funci
on de Xi . Por la ley de esperanzas
iteradas, E [h(Xi )i ] = E {h(Xi )E [i |Xi ]}, y por independencia en
media, E [i |Xi ] = 0.
Profesor: Felipe Avil
es Lucero

Clase 1

Indice

Introducci
on

Economa y Estadstica

An
alisis de Regresi
on

Relaciones Economicas y la Funcion de Esperanza

Condicional (EC)
Teorema 2: Propiedad predictiva de la funci
on de EC.
Sea m(Xi ) cualquier funci
on de Xi .
La funcion de EC resuelve
E (yi |Xi ) = argminm(Xi ) E [(yi m(Xi ))2 ]
por lo tanto, la funcion de EC es el predictor de mnimo error
cuadratico medio de yi dado Xi .
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 Avil
es Lucero

Clase 1

Indice

Introducci
on

Economa y Estadstica

An
alisis de Regresi
on

Relaciones Economicas y la Funcion de Esperanza

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 termino de la ecuaci
on anterior no involucra m(Xi ). El
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 u
ltimo termino se minimiza en 0 cuando m(Xi ) es la
funcion de EC.

Profesor: Felipe Avil

es Lucero

Clase 1

Indice

Introducci
on

Economa y Estadstica

An
alisis de Regresi
on

Definicion de Regresion

La regresion es un elemento fundamental en la Econometra,

corresponde a un estudio de dependencia entre una variable
dependiente (y) y una o mas variables explicativas (X).
El analisis de regresion tiene como objeto estimar y/o predecir la
media poblacional de la variable dependiente para valores fijos de
la(s) variable(s) explicativa(s) (i.e. predecir E(y|X)).

Profesor: Felipe Avil

es Lucero

Clase 1

Indice

Introducci
on

Economa y Estadstica

An
alisis de Regresi
on

Funci
on de Regresi
on Poblacional

Analisis de Regresion Poblacional

Anteriormente vimos que la funci

on de EC E (yi |Xi ) es funcion de
Xi :
E (yi |Xi ) = f (Xi )
donde f (Xi ) es una funci
on cualquiera.
La ecuacion anterior se denomina Regresi
on Poblacional.
Que forma tiene f (Xi ) es una pregunta emprica, aunque muchas
veces la teora nos puede ayudar bastante.

Profesor: Felipe Avil

es Lucero

Clase 1

Indice

Introducci
on

Economa y Estadstica

An
alisis de Regresi
on

Funci
on de Regresi
on Poblacional

Analisis de Regresion Poblacional

Supongamos que el salario (wi ) esta relacionado linealmente con la
educacion (si ), as podemos suponer que la funci
on de regresion
poblacional E (wi |si ) es una funci
on lineal de si , es decir:
E (wi |si ) = 1 + 2 si
donde 1 y 2 se denominan coeficientes de regresion. As el
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

= E (wi |si ) + i

wi

= 1 + 2 si + i

Profesor: Felipe Avil

es Lucero

(por Teo. 1)

Clase 1

Indice

Introducci
on

Economa y Estadstica

An
alisis de Regresi
on

Funci
on de Regresi
on Muestral

Analisis de Regresion Muestral

En la mayora de los fen

omenos econ
omicos a estudiar, no
disponemos de las observaciones totales de la poblaci
on (ej.
CENSO).
En la practica se tiene alcance nada mas que a una muestra de los
valores de y que corresponden a unos valores fijos de X (ej.
CASEN). En este caso tenemos que estimar la funcion de regresion
poblacional en base a informaci
on muestral.

Profesor: Felipe Avil

es Lucero

Clase 1

Indice

Introducci
on

Economa y Estadstica

An
alisis de Regresi
on

Funci
on de Regresi
on Muestral

Analisis de Regresion Muestral

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

Supongamos que nosotros no conocemos estos datos, es decir, no

tenemos acceso a las observaciones correspondientes a la poblacion
total.

Profesor: Felipe Avil

es Lucero

Clase 1

Indice

Introducci
on

Economa y Estadstica

An
alisis de Regresi
on

Funci
on de Regresi
on Muestral

Analisis de Regresion Muestral

Tenemos a nuestra disposici
on s
olo una muestra, la que ha sido
obtenida de forma aleatoria de la poblaci
on.

Es importante notar que a partir de una poblaci

on podemos sacar
una gran cantidad de muestras en forma aleatoria y en la realidad
nosotros observamos s
olo una de ellas (uno de los dos cuadros).
Profesor: Felipe Avil
es Lucero

Clase 1

Indice

Introducci
on

Economa y Estadstica

An
alisis de Regresi
on

Funci
on de Regresi
on Muestral

Analisis de Regresion Muestral

Como contraparte muestral, la funci

on de regresi
on muestral puede
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 Avil

es Lucero

Clase 1

Indice

Introducci
on

Economa y Estadstica

An
alisis de Regresi
on

Funci
on de Regresi
on Muestral

Analisis de Regresion Muestral

En el grafo vemos rectas de regresi
on en base a muestras distintas

Profesor: Felipe Avil

es Lucero

Clase 1

Indice

Introducci
on

Economa y Estadstica

An
alisis de Regresi
on

Funci
on de Regresi
on Muestral

Analisis de Regresion Muestral

Definici
on Estimador: Metodo que dice c
omo determinar el
parametro poblacional a partir de la informaci
on suministrada por
la muestra disponible.
De igual manera que para el caso poblacional la funcion de
regresion muestral tambien tiene una representaci
on estocastica:
yi = 1 + 2 Xi + i
Entonces, el objetivo del Analisis de Regresi
on es estimar la
Funcion de regresion poblacional:
yi = 1 + 2 Xi + i
con base en la Funcion de regresi
on muestral:
yi = 1 + 2 Xi + i
Profesor: Felipe Avil
es Lucero

Clase 1

Indice

Introducci
on

Economa y Estadstica

Funci
on de Regresi
on Muestral

Analisis de Regresion Muestral

Rectas de regresion muestral y poblacional

Profesor: Felipe Avil

es Lucero

Clase 1

An
alisis de Regresi
on

Indice

Introducci
on

Economa y Estadstica

An
alisis de Regresi
on

Funci
on de Regresi
on Muestral

Analisis de Regresion Muestral

En terminos de la funci
on de regresi
on muestral, la yi observada
puede ser expresada como:
yi = yi + i
y en terminos de la funci
on de regresi
on poblacional puede ser
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
sobreestimacion y subestimaci
on del modelo poblacional es
inevitable debido a las fluctuaciones muestrales.
Profesor: Felipe Avil
es Lucero

Clase 1

Indice

Introducci
on

Economa y Estadstica

An
alisis de Regresi
on

Funci
on de Regresi
on Muestral

Propiedades de un estimador
Se denomina sesgo a la diferencia entre el valor esperado del
. De esta forma, se
estimador y su verdadero valor: E ()
= .
dice que es un estimador insesgado si E ()
El estimador es eficiente o de mnima varianza si no hay
ning
un otro estimador insesgado que tenga una varianza
En general se trata de utilizar estimadores de
menor que .
varianza peque
na, pues de este modo la estimacion es mas
precisa.
El Error Cuadratico Medio (ECM) es una propiedad de los
estimadores que mezcla los conceptos de eficiencia e
insesgamiento. El ECM de se define como:
= E [(E ()
)2 ]
ECM()
Lo que se puede expresar equivalentemente de la siguiente
manera:
Profesor: Felipe Avil
es Lucero

Clase 1