Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
ˇˇ Econometrı́a I EAE2510 Clase 6 Inferencia sobre un parámetro Miriam Artiles Instituto de Economı́a Pontificia Universidad Católica de Chile Segundo Semestre 2021 En la clase de hoy1 • Test de hipótesis sobre un parámetro individual ◦ Estadı́stico - t ◦ Intervalo de confianza ◦ Valor-p ——– 1 Wooldridge, capı́tulo 4 1 / 16 Test de hipótesis sobre un parámetro individual Estadı́stico-t • Considera el modelo de regresión lineal múltiple y = β0 + β1x1 + β2x2 + . . .+ βkxk + u • Recuerda que β0, . . . , βk son parámetros poblacionales (desconocidos) • Suponga que quiere testear si el parámetro βj es distinto al valor aj H0 : βj = aj H1 : βj 6= aj • Asumimos que se cumplen todos los supuestos (1-6) estudiados en clase, por lo que podemos usar el resultado tβ̂j = β̂j − aj s.e.(β̂j) ∼ tn−k−1 Donde tβ̂j es el estadı́stico t evaluado bajo la hipótesis nula H0 : βj = aj 2 / 16 Test de hipótesis sobre un parámetro individual Ejemplo • En la mayorı́a de aplicaciones empı́ricas, el interés principal reside en testear H0 : βj = 0 H1 : βj 6= 0 • Decimos que el test busca determinar si la variable xj es estadı́sticamente significativa o relevante para el modelo • Si se rechaza H0, entonces xj es estadı́sticamente significativa 3 / 16 Test de hipótesis sobre un parámetro individual Valores crı́ticos • Suponga que se fija la probabilidad de cometer error tipo I en α • Sea tα/2 el percentil 1− α2 de la distribución t-Student de n− k − 1 grados de libertad • Si ∣∣∣ β̂j−aj s.e.(β̂j) ∣∣∣ ≥ tα/2, se rechaza H0 4 / 16 Test de hipótesis sobre un parámetro individual • El anterior corresponde a un test de dos colas • Un nivel de significancia del α = 5% es el valor más común • Esto significa que de todas las muestras aleatorias que se pueden tomar, en un 5% de ellas se rechaza equivocadamente la hipótesis nula en favor de la hipótesis alternativa • Si se rechaza H0 a un nivel de significancia de α, entonces inmediatamente se rechaza para niveles de significancia más altos. Por ejemplo, si una variable es significativa al 1%, entonces también lo es al 5%, al 10%, 20%, etc. • Recuerde que tn → N(0, 1) cuando n→∞. En la práctica, cuando los grados de libertad del estadı́stico t son más de 120 se suele aproximar la distribución t-Student con la Normal y usar los valores crı́ticos de esta distribución 5 / 16 Test de hipótesis sobre un parámetro individual Intervalo de confianza • ∣∣∣ β̂j−βj s.e.(β̂j) ∣∣∣ ≥ tα/2 es equivalente a decir que P ( −tα/2 ≤ β̂j − βj s.e.(β̂j) ≤ tα/2 ) = 1− α • Esto implica que el intervalo de confianza para βj es β̂j − tα/2s.e.(β̂j) ≤ βj ≤ β̂j + tα/2s.e.(β̂j) • Si βj no está en el intervalo, entonces se rechaza la hipótesis nula • Nuevamente, βj estarı́a fuera del intervalo en α (%) de todas las muestras aleatorias que se pueden tomar 6 / 16 Test de hipótesis sobre un parámetro individual Valor-p • El valor-p se define como p = P (|T | > |tβ̂j |) donde, para el caso anterior, T es una variable t-Student de n− k − 1 grados de libertad y tβ̂j es el valor del estadı́stico obtenido de la regresión • En otras palabras, el valor-p es el mı́nimo nivel de significancia α a partir del cuál la hipótesis nula es rechazada p < 0.1 → Se rechaza H0 al 10% p < 0.05 → Se rechaza H0 al 5% p < 0.01 → Se rechaza H0 al 1% • Nota que si p < 0.05, entonces se rechaza H0 también al 10%. Si p < 0.01, se rechaza H0 también al 5% y al 10% • Ejemplo: si se testea la hipótesis nula H0 : βj = 0 y se obtiene un valor-p igual a 0.064, se concluye que βj es significativo a un nivel de significancia del 10%, pero no es significativamente distinto de cero a un nivel de significancia del 5% 7 / 16 Ejemplo Download the data here! 8 / 16 https://scholar.harvard.edu/shleifer/publications?page=2 Ejemplo 9 / 16 Ejemplo: segunda etapa de Fama-MacBeth • Usted extiende el modelo de Fama-MacBeth a 2 factores de riesgo accionario: el mercado y el precio del cobre. La siguiente tabla muestra las rentabilidades mensuales promedio de 4 portafolios de industrias nacionales entre 2004 y 2011, y las sensibilidades de cada industria con respecto a las rentabilidades de mercado y a los cambios en el precio del cobre (es decir, el resultado de la primera etapa de Fama-MacBeth). Por simplicidad, suponga que los esti- madores de xM y xC son los estimadores poblacionales. Sector Rentabilidad Beta de mercado Beta de cobre mensual (r) (xM ) (xC ) Commodities 0,89% 1,15 0,19 Retail 0,79% 1,22 0,12 Industrial 0,55% 1,01 0,04 Consumo 0,49% 0,92 0,12 10 / 16 Ejemplo: segunda etapa de Fama-MacBeth • Para la segunda etapa de Fama-MacBeth usted busca estimar: r = θ0 + θMxM + θCxC + u • Además, usted sabe que: θ̂0 = −0, 57; θ̂M = 1, 02; θ̂C = 1, 28 (X>X)−1 = 22, 12 −21, 37 9, 38−21, 37 22, 12 −20, 5 9, 38 −20, 5 107, 69 donde X> = (1 xM xC). • Verifique la hipótesis nula H0 : θM = 0.8 usando α = 5%. Suponga primero que σ2 = 0, 005 y luego repita el ejercicio usando el estimador σ̂2 11 / 16 Test de hipótesis sobre un parámetro individual Test de una cola • Estos tests consideran una hipótesis alternativa del tipo H1 : βj > aj o H1 : βj < aj • Sin perder generalidad, suponga un test cuya hipótesis alternativa es H1 : βj > aj • Esto significa que no preocupan otras alternativas a H0 como βj < aj , por ejemplo, porque la teorı́a asegura βj ≥ aj • Alternativamente, equivale a pensar que se considera la siguiente hipótesis nula H0 : βj ≤ aj • Valores negativos del estadı́stico tβ̂j no representan evidencia en contra de la hipótesis nula 12 / 16 Test de hipótesis sobre un parámetro individual Test de una cola • Ejemplo: el valor crı́tico para la distribución t-Student con n− k − 1 = 28 grados de libertad considerando un nivel de significancia del α = 5%, es tα = 1.701 • Esto significa que si el valor del estadı́stico obtenido para una muestra en particular es mayor a 1.701, se rechaza la hipótesis nula en favor de la hipótesis alternativa a un nivel de significancia del 5% • En el caso en que la hipótesis alternativa sea H1 : βj < aj se rechaza H0 en favor de H1 cuando tβ̂j < −tα, donde tα es el mismo valor crı́tico usado anteriormente. ¿Por qué? • Para tests de una cola el valor-p correspondiente es la mitad del valor-p del test de dos colas 13 / 16 Ejemplo: ecuación de salarios • Considere el modelo log(wage) = β0 + β1educ+ β2exper + β3tenure+ u donde educ son años de educación, exper son años de experiencia y tenure son años de permanencia en la firma Table: reg lwage const educ exper tenure Variable Coefficient (Std. Err.) educ 0.0920∗∗ (0.0073) exper 0.0041∗ (0.0017) tenure 0.0221∗∗ (0.0031) Intercept 0.2844∗∗ (0.1042) N 526 R2 0.316 F (3,522) 80.3909 Significance levels : † : 10% ∗ : 5% ∗∗ : 1% 14 / 16 Ejemplo: ecuación de salarios • Se busca testear si hay retornos positivos a la experiencia • ¿Cuáles son H0 y H1? • ¿Es consistente con H1 la significancia de β2 en la tabla anterior? ¿Por qué? • En este caso hay n−k−1 = 522 grados de libertad. Se puede usar los valores crı́ticos de una Normal estándar. El valor crı́tico a un nivel de significancia del 5% es 1.645, y al 1% es 2.326 • El estadı́stico t es tβ̂2 = 0.0041 0.0017 ≈ 2.41 y por lo tanto se concluye que β2 es estadı́sticamente significativo a un nivel de significancia del 1% • Sin embargo, el retorno estimado por un año más de experiencia, manteniendo constante años de educación y de permanencia, no es muy grande. Por ejem- plo, tres años más de experiencia incrementan log(salario) en 3(0.0041)=0.0123, es decir, el salario se ve incrementado en un 1.2% 15 / 16 Hoy • Hemos visto cómo hacer tests de hipótesis sobre un parámetro del modelo de regresión lineal • Usamos una distribución t que en muestras grandes se acerca a una distribución normal • La próxima clase veremos tests sobre un conjunto de parámetros 16 / 16
Compartir