Vista previa del material en texto
Test de Multiplicador de Lagrange Ejercicio Clase 13 Econometŕıa Tomás Rau 27 de septiembre Clase 13 Econometŕıa Test de Multiplicador de Lagrange Ejercicio Contenidos Test de Multiplicador de Lagrange Ejercicio Clase 13 Econometŕıa Test de Multiplicador de Lagrange Ejercicio Test de Multiplicador de Lagrange Clase 13 Econometŕıa Test de Multiplicador de Lagrange Ejercicio Test de Multiplicador de Lagrange (LM) Un tercer test corresponde al test LM, el cual también es conocido como el test del Score. Recordemos que el Score corresponde a la matriz de primeras derivadas de la función de Verosimilitud: s(θ) = ∂ ln L ∂θ = ∂l ∂θ Como vimos anteriormente, s(θ̂) = 0, por lo cual, al evaluar el score en el estimador restringido bajo la nula Rβ − r = 0 (β̃), generalmente obtendremos un vector diferente de cero, sin embargo, si la nula no se puede rechazar, esperaŕıamos obtener un vector cercano a cero. Clase 13 Econometŕıa Test de Multiplicador de Lagrange Ejercicio Test de Multiplicador de Lagrange (LM) Se puede demostrar que el score posee media (poblacional) cero y varianza igual a la matriz de información (I (θ)). Por lo tanto, tenemos que la forma cuadrática: s ′(θ)I (θ)−1s(θ) a∼ χ2 con lo cual, al evaluar en el vector de parámetros restringido tenemos que bajo la nula, el test LM se define y distribuye como: LM = s ′(θ̃)I (θ̃)−1s(θ̃) ∼a χ2q (1) Clase 13 Econometŕıa Test de Multiplicador de Lagrange Ejercicio Test de Multiplicador de Lagrange (LM) Note que contraposición al test de Wald, sólo necesitamos calcular el estimador restringido. De hecho, su popularidad reside en que muchas veces es más fácil calcular el estimador restringido que el irrestricto. Dada la normalidad asintótica de los estimadores MV, podemos reducir el estad́ıgrafo a una forma mucho más simple. Para ver lo anterior, considere una notación matricial del score: s(θ) = [ ∂l ∂β ∂l ∂σ2 ] = [ 1 σ2 X ′u − n 2σ2 + u ′u 2σ4 ] Clase 13 Econometŕıa Test de Multiplicador de Lagrange Ejercicio Test de Multiplicador de Lagrange (LM) entonces, para evaluar el score en la estimación restringida, utilizamos los residuos restringidos, los cuales denotaremos por: u∗ = Y − X β̃ y por lo tanto: σ̃2 = u′∗u∗ n con lo cual, si la nula es cierta: s(θ̃) = [ 1 σ̃2 X ′u∗ 0 ] (2) Clase 13 Econometŕıa Test de Multiplicador de Lagrange Ejercicio Test de Multiplicador de Lagrange (LM) Entonces, tomado en cuenta la definición de I (θ)−1 y evaluándola en el estimador restringido, tenemos que nuestro test queda como: LM = [ 1 σ̃2 u′∗X 0 ] [ σ̃2(X ′X )−1 0 0 2σ̃ 4 n ] [ 1 σ̃2 X ′u∗ 0 ] = u′∗X (X ′X )−1X ′u∗ σ̃2 = n u′∗X (X ′X )−1X ′u∗ u′∗u∗ (3) = nR2 ∼a χ2q (4) donde el R2 corresponde a la bondad de ajuste de la regresión auxiliar entre u∗ y X. Clase 13 Econometŕıa Test de Multiplicador de Lagrange Ejercicio Test de Multiplicador de Lagrange (LM) Resumiendo, el test se implementa en tres simples pasos: 1 Estimar el modelo restringido y obtener sus residuos u∗ 2 Correr una regresión de u∗ contra X. Obtener el R 2 3 Construir el estad́ıstico nR2 y comparar con el valor cŕıtico de una χ2q Clase 13 Econometŕıa Test de Multiplicador de Lagrange Ejercicio Ejercicio Considere el ejemplo de la Cobb-Douglas ln(Y ) = ln(A) + α ln(L) + β ln(K ) + � Clase 13 Econometŕıa Test de Multiplicador de Lagrange Ejercicio Ejercicio Ahora, considere el modelo restringido con α = 0,5 Clase 13 Econometŕıa Test de Multiplicador de Lagrange Ejercicio Ejercicio Por último, considere la regresión de ûr sobre X . Realice tests de W, LR y LM. Clase 13 Econometŕıa Test de Multiplicador de Lagrange Ejercicio Ejercicio a) El estad́ıstico de W = ( α̂−0,5 SD(α̂) )2 . Note que debe usarse SD(α̂) de MV y no de MCO. En la tabla se usa la de MCO, pero la única diferencia es que una divide por n = 24 y la otra por n − k = 21. Luego, si multiplicamos la SD(α̂MCO) por√ 21/24 = 0,9354 obtendremos SD(α̂MV ) W = ( 0,8072−0,5 0,1450×0,9354 )2 = 5,12 b) El test LR = 2[ln(û′R ûR) − ln(û′NR ûNR) = 24×[ln(0,08614)−ln(0,07098)] = 24[−2,4522+2,6464] = 4,64 c) El test LM = nR2 = 24 × 0,176 = 4,22 (de regresión auxiliar) El cŕıtico de una chi21 (0,95) = 3,84. Luego con todos rechazo la hipótesis nula. Clase 13 Econometŕıa Test de Multiplicador de Lagrange Ejercicio Algunas Consideraciones 1 Una ventaja de la estimación MV, es que sus propiedades asintóticas se mantienen independientemente de la distribución utilizada (la que se asume en el error). 2 Otra ventaja corresponde a la posibilidad de utilizar modelos no lineales. MCO (tal y como lo hemos estudiado) sólo permite estimar modelos lineales en parámetros, mientras que MV permite no linealidades 3 Otra ventaja reside en la inferencia. Toda la inferencia vista en MCO poséıa distribución exacta bajo el supuesto de normalidad. Los test asintóticos visto en la inferencia MV son válidos bajo cualquier distribución supuesta (aunque asintóticamente). Clase 13 Econometŕıa Test de Multiplicador de Lagrange Ejercicio Algunas Consideraciones 4 Es posible demostrar que W ≥ LR ≥ LM al ser aplicados a un modelo lineal. Los tres son asintóticamente equivalentes, sin embargo, en muestras finitas arrojarán resultados diferentes. Clase 13 Econometŕıa Test de Multiplicador de Lagrange Ejercicio