Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
11. Problemas de Especificación Pilar Alcalde 2 sem 2014 1. Supuestos de Gauss-Markov Supuestos de Gauss-Markov: 1. Linealidad 2. No colinealidad perfecta 3. Muestreo aleatorio simple 4. Media condicional nula 5. Homocedasticidad 6. Normalidad 1. Errores de Especificación Sobre o subajuste del modelo Uso de variables proxy Errores de medición Mala especificación de la forma funcional Muestras no aleatorias y problemas de datos 1. Errores de Especificación Y lwage: Logaritmo del ingreso semanal X1 iq: Test de coeficiente intelectual X2 kww: Test de conocimiento sobre el trabajo X3 educ: Años de educación X4 exper: Años de experiencia X5 tenure: Años trabajados en la empresa X6 training: 1 si recibió capacitación X7 sibs: Número de hermanos X8 brthord: Orden de nacimiento X9 meduc: Años de educación de la madre X10 feduc: Años de educación del padre X11 ability: Habilidad (no observada) 1. Errores de Especificación 2. Ajuste del Modelo 2. Ajuste del Modelo (original) 2. Ajuste del Modelo (original) 2. Ajuste del Modelo Minería de Datos: - Método ascendente vs. descendente Problema de niveles de confianza Explicar vs. predecir Foco en la teoría, datos retroalimentan. Foco en los datos. Buen ajuste dentro de la muestra no implica buen ajuste fuera de la muestra. 2. Ajuste del Modelo Examen de residuos Detección de sobreajuste: t y F Test Link de especificación RESET de Ramsey Test de Multiplicador de Lagrange 2. Ajuste del Modelo Examen de Residuos 2. Ajuste del Modelo Examen de Residuos 2. Ajuste del Modelo Test de significancia Modelo AIC BIC Original -2516.897 -2469.833 Sin habilidad 140.1251 181.3066 Con extras -2513.647 -2443.051 2. Ajuste del Modelo Test Link Indicador general de falla del modelo Variables omitidas lineales Heterocedasticidad 2. Ajuste del Modelo 2. Ajuste del Modelo 2. Ajuste del Modelo 2. Ajuste del Modelo Test RESET de Ramsey Indicador general de falla del modelo Variables omitidas lineales Heterocedasticidad 2. Ajuste del Modelo 2. Ajuste del Modelo Modelo Test RESET - p Original 0.3184 Sin habilidad 0.0045 Con extras 0.2689 2. Ajuste del Modelo Test de Lagrange Más específico Da una alternativa concreta 2. Ajuste del Modelo 2. Ajuste del Modelo 3. Variables proxy Problema de variable omitida 3. Variables proxy 3. Variables proxy 4. Errores de Medición 4. Errores de Medición (original) 4. Errores de Medición 4. Errores de Medición (original) 5. Forma funcional Examen de residuos Criterios de bondad de ajuste Test de hipótesis no anidadas Test J de Davidson y MacKinnon Transformación Box-Cox 5. Forma funcional Criterios de bondad de ajuste Modelo AIC BIC Original -2516.897 -2469.833 Logaritmos -1132.688 -1097.592 5. Forma funcional Test de hipótesis no anidadas 5. Forma funcional Test J de Davidson y MacKinnon 5. Forma funcional Test J de Davidson y MacKinnon 5. Forma funcional Test J de Davidson y MacKinnon Ojo que test puede ser no concluyente 5. Forma funcional Transformación Box-Cox 5. Forma funcional 1. Supuestos de Gauss-Markov Supuestos de Gauss-Markov: 1. Linealidad 2. No colinealidad perfecta 3. Muestreo aleatorio simple 4. Media condicional nula 5. Homocedasticidad 6. Normalidad 6. Muestras no aleatorias Datos Incompletos: Aleatorios De acuerdo a variable X De acuerdo a variable Y Ej: estratificación, status. Observaciones atípicas 6. Muestras no aleatorias 6. Muestras no aleatorias (completo) 6. Muestras no aleatorias (original) 6. Muestras no aleatorias (original) 6. Muestras no aleatorias Observaciones atípicas 6. Muestras no aleatorias Gráfico de residuos y valores predichos Gráfico de probabilidad normal Otra forma funcional (logs) Estimador de Mínimas Desviaciones Absolutas MDA 6. Muestras no aleatorias 6. Muestras no aleatorias 6. Muestras no aleatorias (sin datos atípicos) 6. Muestras no aleatorias rvfplot lvr2plot 6. Muestras no aleatorias qnorm resid 11. Error de Especificación Pilar Alcalde 2 sem 2014 ( ) 2 1 1 2 1 1 2 1 2 21 2 1 1 1 1 0 2 2 1 1 0 1 ) ˆ ( ) ˆ ( ˆ ) ˆ ( R SCT V SCT V k n SCR b E v X Y u X X Y - = = - = + = + + = + + + = s b s a s b b a a a b b b -.4 -.2 0 .2 .4 Residuals 1010.210.410.610.811 Fitted values -.5 0 .5 Residuals 5678 Fitted values -1 -.5 0 .5 1 Residuals 5.566.577.5 Fitted values e u X Y e Y Y u X Y + + + = + = + + = 1 1 0 * 1 1 0 * b b b b ( ) ( ) ( ) 2 2 * 2 * 1 2 2 * 2 1 1 1 1 1 1 1 1 1 1 0 * 1 * 1 1 , ˆ 0 ) , ( , e X X e X e X Var e u X Cov E e u X Y e X Cov e X X s s s b s s s b b b b b b b b + = + - = - + = - + + = = + = u X Y + + = * 1 1 0 b b 5.5 6 6.5 7 7.5 lwage 1012141618 educ 6 8 10 12 14 lwage_ext 1012141618 educ -2 0 2 4 6 Residuals 56789 Fitted values 0 .05 .1 .15 .2 Leverage 0.05.1.15.2 Normalized residual squared -2 0 2 4 6 Residuals -4-2024 Inverse Normal
Compartir