Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Introducción Inferencia en modelo con k variables Clase 7 Econometŕıa I Tomás Rau 28 de agosto Clase 7 Econometŕıa I Introducción Inferencia en modelo con k variables Contenidos Introducción Inferencia en modelo con k variables Clase 7 Econometŕıa I Introducción Inferencia en modelo con k variables La clase pasada vimos un ejemplo en STATA de teoŕıa del Capital Humano Vimos como hacer un test “t” para la hipótesis sencilla H0 : βj = 0. Hoy veremos cómo plantear hipótesis (lineales) más complejas Clase 7 Econometŕıa I Introducción Inferencia en modelo con k variables Inferencia en el modelo de k variables Por ejemplo, en la estimación de la función de producción de una firma, que asumimos Cobb Douglas Y = AKαLβeu donde L es trabajo y K es capital. A es un parámetro de tecnoloǵıa. Podemos estar interesados en descubrir si la firma presenta rendimientos constantes, crecientes o decrecientes a la escala. Sin embargo, este modelo no es lineal en los parámetros. Note que tomando logaritmo tenemos un modelo lineal en parámetros: ln Y = ln A + α ln K + β ln L + u Clase 7 Econometŕıa I Introducción Inferencia en modelo con k variables Inferencia en el modelo de k variables Recuerde que si la función de producción tiene retornos constantes a escala tendremos que α + β = 1. Luego podemos querer testear: H0 : α + β = 1 contra la alternativa de retornos crecientes. También nos puede interesar testear simplemete H0 : β = 1 Veamos un ejemplo para Estados Unidos: Clase 7 Econometŕıa I Introducción Inferencia en modelo con k variables Ejemplo Cobb-Douglas, U.S. Clase 7 Econometŕıa I Introducción Inferencia en modelo con k variables Ejemplo Cobb-Douglas, U.S. Cómo testeaŕıa la hipótesis H0 : α + β = 1 (a dos colas) si la matriz de varianzas y covarianzas de β̂ está dada por Clase 7 Econometŕıa I Introducción Inferencia en modelo con k variables Ejemplo Cobb-Douglas, U.S. Note que podemos hacer un test t: t = α̂ + β̂ − 1 SE (α̂ + β̂) = 1,0402− 1√ V (α̂) + V (β̂) + 2cov(α̂, β̂) = 0,0402√ 0,008347 = 0,44 suponga que el tamaño muestral es muy grande, luego el cŕıtico para un test a 2 colas a un 5 % es 1.96. Luego, no se rechaza la hipótesis nula. Intentaremos formalizar una forma para testear hipótesis lineales directa. Clase 7 Econometŕıa I Introducción Inferencia en modelo con k variables Inferencia Entonces, sea nuestro modelo poblacional Y = Xβ + u donde X es una matriz de (n × k),u e Y son vectores (n × 1) y β es vector de (k × 1). Recuerde que la matriz de varianzas y covarianzas de β̂ está dada por: Var(β̂) = σ2(X ′X )−1 donde el estimador de σ2 es s2 = û′û/(n − k) es Clase 7 Econometŕıa I Introducción Inferencia en modelo con k variables Inferencia Sean entonces las siguientes familias de hipótesis: 1 H0: βi = 0 ⇒ Plantea que el regresor Xi no posee influencia alguna sobre Y. Este es el test más común y nos referiremos a él como test de significancia. 2 H0: βi = βi0 ⇒ Plantea que el regresor Xi posee un impacto determinado por βi0 sobre Y. 3 H0: βi + βj=1 ⇒ Plantea que la suma de los regresores Xi y Xj poseen un impacto conjunto de magnitud 1. Clase 7 Econometŕıa I Introducción Inferencia en modelo con k variables Inferencia 4 H0: βi = βj ⇒ Plantea que los regresores Xi y Xj poseen el mismo impacto sobre Y. 5 H0: βi=0 ∀ i=2. . . k ⇒ Plantea que todos los regresores conjuntamente, excepto la constante, son cero. 6 H0: βp=0 donde el vector β ha sido particionado en dos (βl y βp) con dimensiones (kl × 1) y (kp × 1) respectivamente, tal que kl + kp = k. Plantea entonces que un subconjunto de parámetros son estad́ısticamente no significativos. Clase 7 Econometŕıa I Introducción Inferencia en modelo con k variables Inferencia Todas las hipótesis anteriores pueden ser resumidas en la siguiente expresión: Rβ = r donde R es una matriz de (q× k) constantes conocidas (ceros o unos), cuyo objetivo será seleccionar los parámetros a testear, cuyo número de filas, q, representa el número de restricciones. A su vez, r es un vector de dimensión q y contiene el real al cual es restringido cada parámetro. Veamos como serán las matrices R y r en cada una de nuestras hipótesis: Clase 7 Econometŕıa I Introducción Inferencia en modelo con k variables Inferencia Para los 6 casos, ver desarrollo en pizarra 1 R=[0. . . 010 . . . 0]; r=0; q=1 donde 1 se encuentra en la i-ésima posición 2 R=[0. . . 010 . . . 0]; r=βi0; q=1 donde 1 se encuentra en la i-ésima posición 3 R=[0. . . 010 . . . 010 . . . 0]; r=1; q=1 donde 1 se encuentra en la i-ésima posición y en la j-ésima posición. Clase 7 Econometŕıa I Introducción Inferencia en modelo con k variables Inferencia 4 R=[0. . . 010 . . . 0-10 . . . 0]; r=0; q=1 donde 1 se encuentra en la i-ésima posición y en la j-ésima posición. 5 R=[0q×1 Ik−1]; r=0; q=k − 1 6 R=[0kp×kl Ikp ]; r=0; q=kp Clase 7 Econometŕıa I Introducción Inferencia en modelo con k variables Inferencia Entonces, nuestras hipótesis son: H0 : Rβ = r (1) Ha : Rβ 6= r (2) con lo cual, sólo nos resta derivar el test que nos permita rechazar o no rechazar nuestra nula. estad́ıgrafo es como sigue. Clase 7 Econometŕıa I Introducción Inferencia en modelo con k variables
Compartir