Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
ˇˇ Econometrı́a I EAE2510 Clase 8 Inferencia sobre un modelo entero Miriam Artiles Instituto de Economı́a Pontificia Universidad Católica de Chile Segundo Semestre 2021 Introducción Significancia general Repaso: control 1 En la última clase • Tests sobre combinaciones lineales de parámetros poblacionales • Estadı́stico F para: ◦ Una sola combinación lineal de parámetros ◦ Más de una combinación lineal de parámetros 1 / 14 Introducción Significancia general Repaso: control 1 En la clase de hoy1 1. Estadı́stico F para la significancia general de un modelo de regresión lineal 2. Repaso: preguntas del control 1 ——– 1 Wooldridge, capı́tulo 4 2 / 14 Introducción Significancia general Repaso: control 1 1. Estadı́stico F para la significancia general de un modelo de regresión lineal 3 / 14 Introducción Significancia general Repaso: control 1 Significancia general de un modelo de regresión Análisis de Varianza (ANOVA) • Considera un modelo de regresión lineal múltiple con k variables explicativas: y = β0 + β1x1 + β2x2 + . . .+ βkxk + u • Queremos contrastar si las k variables explicativas son conjuntamente significativas H0 : β1 = · · · = βk = 0 • La hipótesis nula es que ninguna de las variables explicativas tiene efecto sobre y (el modelo no explica y) • Ojo! La hipótesis alternativa es que al menos uno de los βj es distinto de cero 4 / 14 Introducción Significancia general Repaso: control 1 Significancia general de un modelo de regresión Análisis de Varianza (ANOVA) • Modelo restringido (modelo bajo la hipótesis nula): y = β0 + u • El valor de R2 para el modelo restringido es cero. ¿Por qué? • Nada de la variación de y está siendo explicada porque no hay variables explicativas • Entonces, el estadı́stico F es: F = (R2ur −R2r)/j (1−R2ur)/(n− k − 1) = R2ur/k (1−R2ur)/(n− k − 1) ∼ F (j, n− k − 1) donde R2ur es el valor de R 2 obtenido en el modelo sin restringir 5 / 14 Introducción Significancia general Repaso: control 1 Significancia general de un modelo de regresión Análisis de Varianza (ANOVA) • Modelo restringido (modelo bajo la hipótesis nula): y = β0 + u • El valor de R2 para el modelo restringido es cero. ¿Por qué? • Nada de la variación de y está siendo explicada porque no hay variables explicativas • Entonces, el estadı́stico F es: F = (R2ur −R2r)/j (1−R2ur)/(n− k − 1) = R2ur/k (1−R2ur)/(n− k − 1) ∼ F (j, n− k − 1) donde R2ur es el valor de R 2 obtenido en el modelo sin restringir 5 / 14 Introducción Significancia general Repaso: control 1 Significancia general de un modelo de regresión En Stata • Usa la base mlb1.dta para estimar la regresión: reg lsalary years gamesyr hrunsyr rbisyr • Se rechaza la hipótesis nula al 1% (p-valor<0.01) 6 / 14 http://fmwww.bc.edu/ec-p/data/wooldridge/mlb1.dta Introducción Significancia general Repaso: control 1 Significancia general de un modelo de regresión En Stata • Se puede obtener el valor del estadı́stico F usando la información sobre el R2: F = 0.6270/4 (1− 0.6270)/(353− 4− 1) = 146.22 • También se puede obtener usando la información sobre la suma de cuadrados, ¿Cómo? • Recuerda que: R2 ≡ SCE SCT = 1− SCR SCT • Entonces: R2 ≡ 308.574 492.176 = 1− 183.601 492.176 = 0.6270 7 / 14 Introducción Significancia general Repaso: control 1 Significancia general de un modelo de regresión En Stata • Se puede obtener el valor del estadı́stico F usando la información sobre el R2: F = 0.6270/4 (1− 0.6270)/(353− 4− 1) = 146.22 • También se puede obtener usando la información sobre la suma de cuadrados, ¿Cómo? • Recuerda que: R2 ≡ SCE SCT = 1− SCR SCT • Entonces: R2 ≡ 308.574 492.176 = 1− 183.601 492.176 = 0.6270 7 / 14 Introducción Significancia general Repaso: control 1 2. Repaso: control 1 8 / 14 Introducción Significancia general Repaso: control 1 Pregunta 1 Función de esperanza condicional • No necesitamos V ar(u|x1, x2) = c para que E(y|x1, x2) sea lineal • Clase 4 (diapositiva 16) y Clase 2 (diapositiva 7) 9 / 14 Introducción Significancia general Repaso: control 1 Pregunta 2 Supuestos del modelo de regresión lineal • Incumple el supuesto de ausencia de multicolinalidad perfecta • Clase 4 (diapositivas 13 y 14) 10 / 14 Introducción Significancia general Repaso: control 1 Pregunta 3 Forma matricial del estimador MCO • Clase 3 11 / 14 Introducción Significancia general Repaso: control 1 Pregunta 3 Forma matricial del estimador MCO • Muestra que el estimador MCO del parámetro β2 en el modelo original es: β̂2 = (X > 2 Mx1X2) −1X>2 Mx1y • Modeo alternativo I: ◦ X1 es ortogonal a Mx1X2, por lo que podemos eliminar el término X1β1 del modelo y obtener el mismo β̂2 • Modeo alternativo II: ◦ Podemos usar que Mx1X1 = 0, por lo que se obtiene el mismo β̂2 12 / 14 Introducción Significancia general Repaso: control 1 Pregunta 4 Experimento aleatorio • Clase 1: datos experimentales • Artı́culo sobre STAR: http://piketty.pse.ens.fr/files/Krueger1999.pdf 13 / 14 http://piketty.pse.ens.fr/files/Krueger1999.pdf Introducción Significancia general Repaso: control 1 Pregunta 4: Experimento aleatorio • Factores omitidos en u no afectan a la interpretación causal de β1 y β2, ya que x1 y x2 se han asignado de forma aleatoria, por lo que E(u|x1, x2) = 0 • β1 capta diferencias en el resultado del examen entre estudiantes que asistieron a una clase pequeña y estudiantes que asistieron a una clase regular • β2 capta diferencias en el resultado del examen entre estudiantes que asistieron a una clase regular con ayudante y estudiantes que asistieron a una clase regular • Ejercicio: muestra que β̂j es igual a la diferencia de medias muestrales 14 / 14 Introducción Significancia general Repaso: control 1
Compartir