Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
SESIÓN DE REPASO ECONOMETRÍA I SESIÓN DE REPASO: CONCEPTOS BÁSICOS EN TORNO A LA CONSTRUCCIÓN DE UN MODELO ECONOMÉTRICO Y LAS CARACTERÍSTICAS DEL MODELO BÁSICO DE REGRESIÓN LINEAL Ramón Mahía Octubre 2004 SESIÓN DE REPASO ETAPAS PARA LA CONSTRUCCIÓN DE UN MODELO ECONOMÉTRICO IDENTIFICACIÓN ESTIMACIÓN CONTRASTE Y VALIDACIÓN ü La identificación es la etapa más comprometida: supone el paso del modelo económico al econométrico. ü La construcción de un modelo no termina con la identificación y estimación de los parámetros. El resultado de la estimación inicial es sólo un punto de partida hacia el modelo final que deberá ser contrastado y validado. ü El proceso de validación y contraste debe hacerse de forma ordenada pero generalmente no consistirá en un proceso lineal sin vuelta atrás: se planteará la revisión de especificación y estimación. SESIÓN DE REPASO ETAPAS A CUBRIR PARA LA REALIZACIÓN DE UN MODELO ECONOMÉTRICO 1.- Especificación Ø Examen del marco teórico en el contexto de aplicación Ø Selección de la muestra de análisis Ø Selección de las variables relevantes Ø Medición y transformación ad-hoc de las variables Ø Selección de la forma funcional 2.- Estimación Ø Elección del método de estimación: examen de propiedades y posibilidades Ø Obtención de estimación de parámetros y varianza de la perturbación aleatoria 3.- Contraste de validez Ø Análisis de signos y cuantía Ø Análisis de bondad de los parámetros Ø C. Individuales Ø C. Conjuntos Ø Contraste de hipótesis básicas Ø Estructurales Ø Relativas a la Perturbación Aleatoria 4.- Validación del modelo Ø Análisis a priori: Ø Errores frente a la realidad Ø Análisis de puntos de cambio de tendencia Ø Análisis a posteriori SESIÓN DE REPASO USOS DEL MODELO ECONOMÉTRICO • Análisis estructural • Simulación • Predicción • Contraste teorías económicas 1.- ANÁLISIS ESTRUCTURAL El modelo T.H.O.R. del Instituto L.R. Klein y R.E.E. pretendía establecer las necesidades de demanda de energía en virtud de tres efectos: efecto laboralidad, efecto temperatura y efecto actividad económica. 2.- SIMULACIÓN La compañía AIRTEL encargó al Instituto L.R. Klein la elaboración del proyecto de impacto económico de la implantación del 2º operador de telefonía móvil en España exigido por el Ministerio de Fomento en el pliego de concurso. El objetivo de este proyecto es el de evaluar como se modifica la inversión y la renta total nacional y el empleo por la inyección que supone la actividad de una compañía de estas magnitudes. 3.- PREDICCIÓN El Centro de Estudios Latinoamericanos ha desarrollando un modelo de previsión de crisis cambiarias latinoamericanas. El modelo anticipa en términos de probabilidad las correcciones bruscas del tipo de cambio de cada país. 4.- CONTRASTE DE TEORÍAS ECONÓMICAS Múltiples estudios aplicados en datos de panel han probado que el cumplimiento de la PPP no es homogéneo ni radical como apunta la teoría económica y han permitido identificar qué fricciones de mercado lo impiden. SESIÓN DE REPASO MODELO BÁSICO DE REGRESIÓN LINEAL OBJETIVO: Cuantificar la relación existente entre una variable endógena y un conjunto de variables exógenas, todas ellas cuantitativas en sentido estricto (escala de razón), mediante una aproximación no determinista del problema. MODELO: MODELO REAL(n datos y k variables explicativas) ikikiii uxxxy +++++= ββββ .........22110 Expresión matricial: Y = Xß+U + ⋅ = n k knnn k k k n u u u u xxx xxx xxx xxx y y y y . . . ...1 ..... ..... ..... ...1 ...1 ...1 . . . 3 2 1 2 1 21 32313 22212 12111 3 2 1 β β β (n x 1) (n x k) (k x 1) (n x 1) MODELO ESTIMADO y ERROR kikiii xxxy ββββ ˆ.........ˆˆˆˆ 22110 ++++= iiii yyeu ˆˆ −== SESIÓN DE REPASO MODELO BÁSICO DE REGRESIÓN LINEAL CARÁCTER “BÁSICO” DEL MODELO El modelo se llama modelo básico por incorporar a la expresión de un modelo lineal lo que SCHMIDT (1976) llamó las “hipótesis ideales”. Estas hipótesis permiten generalizar procedimientos, cálculos, procedimientos de inferencia independientemente de parámetros desconocidos. - ESTRUCTURALES – Ø Admitimos una relación lineal Ø Admitimos permanencia estructural de los parámetros Ø Entre las variables exógenas no debe existir relación lineal - RELATIVAS A LA PERTURBACIÓN ALEATORIA – Ø Tan sólo la variable presenta aleatoriedad (heredada de U) Ø El término de error tiene media nula y varianza constante Ø No existe correlación entre errores correspondientes a observaciones diferentes SESIÓN DE REPASO MODELO BÁSICO DE REGRESIÓN LINEAL CARÁCTER ESTOCÁSTICO DEL MODELO (U) ikikiii uxxxy +++++= ββββ .........22110 MEDIA NULA E[ui] = 0 ∀ i=1……n VARIANZA CONSTANTE V[ui] = E[ui-E[ui]] 2 = σ2 ∀ i=1……n COVARIANZA NULA Cov[ui uj] = E[(ui-E[ui])( uj-E[uj])] = 0 ∀ i≠j - EN TÉRMINOS MATRICIALES...... – Y = Xß+U MEDIA NULA [ ] [ ] [ ] [ ] [ ] 0 . . . 0 0 0 0 . . .0 3 2 1 3 2 1 = = = = →= →= nn uE uE uE uE u u u u EUE SESIÓN DE REPASO VARIANZA CONSATANTE Y COVARIANZA NULA E[UU’]= σ2·In [ ] [ ] =⋅ = nnnnn n n n n n uuuuuuuu uuuuuuuu uuuuuuuu uuuuuuuu uuuu u u u u UU ... ....... ....... ....... ... ... ... ... . . .' 321 3332313 2322212 1312111 321 3 2 1 [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] = →⋅= 2 2 2 2 21 32313 22212 12111 2 ...000 ....... ....... ....... 0...00 0...00 0...00 ... ....... ....... ....... ... ... ... ' σ σ σ σ σ nnnn n n n n uuEuuEuuE uuEuuEuuE uuEuuEuuE uuEuuEuuE IUUE E[ui ui] =σ 2→ E[ui] 2 = σ2 → E[(ui-0)] 2=σ2 → E[(ui- E[ui])] 2=σ2→V[ui]=cte. E[ui uj] =0→ E[(ui-0) (uj-0)] =0 → E[(ui- E[ui]) (uj- E[uj])] =0→Cov[ui uj ]=0 SESIÓN DE REPASO ESTIMACIÓN DEL MBRL Planteamiento básico ikikiii uxxxy +++++= ......... 22110 ββββ MODELO REAL MODELO ESTIMADO kikiii xxxy ββββ ˆ.........ˆˆˆˆ 22110 ++++= Parámetros ß (* fundamentales) Propiedades de la perturbación aleatoria - Dos métodos básicos pero no únicos: • Mínimos Cuadrados Ordinarios (M.C.O) • Máxima Verosimilitud (M.V) SESIÓN DE REPASO ESTIMACIÓN DEL MBRL ESTIMADOR DE M.C.O - Principio básico: Utilizar como estimador aquellos parámetros de ß que minimicen los residuos obtenidos en la regresión. - Procedimiento matemático: 1.- Se especifica la expresión de los residuos 2.- Se deriva esa expresión con respecto al estimador - Desarrollo matemático matricial: Se trata de minimizar : 22 3 2 2 2 1 ˆ.........ˆˆˆ)( nuuuuS ++++= que matricialmente es lo mismo que: UUS ˆ'ˆ)( = pero además, el residuo puede expresarse como: β̂ˆˆ XYYYU −=−= luego podemos escribir: )ˆ()'ˆ(ˆ'ˆ)( ββ XYXYUUS −−== SESIÓN DE REPASO ESTIMADOR DE M.C.O (Cont.) desarrollando: ββββ ˆ''ˆ''ˆˆ'' XXYXXYYYS +−−= βββ ˆ''ˆ''ˆ2' XXYXYY +−= y derivando queda: 0ˆ'2'200 ˆ =+−→= ∂ ∂ β β XXYX S de donde: YXXX ')'(ˆ 1−=β ESTIMADOR DE M.V - Principio básico: Se tomarán como estimadores aquellos valores de ß que resulte más verosimil pensar que hayan generado nuestra muestra de errores con las propiedades que les hemos dotado (media nula y varianza constante). - Procedimiento matemático: 1.- Se fija la función de verosimilitud a maximizar 2.- Se plantea la ecuación de verosimilitud 3.- Se resuelve la ecuación por un procedimiento lineal o iterativo - M.C.O y M.V: Si se obtiene la expresión del estimador M.V se observará que es la misma que la del estimador M.C.O para el caso del M.B.R.L YXXXOCMVM ')'(ˆˆ 1 .... −== ββ SESIÓN DE REPASO PROPIEDADES DEL ESTIMADOR MCO -LINEALIDAD - INSESGADEZ - EFICIENCIA - CONSISTENCIA 1. Linealidad: La forma funcional que liga al verdadero valor del parámetro y al estimador es lineal 2. Insesgadez: El valor más probable del estimador coincide con el verdadero valor del parámetro 3. Eficiencia: La desviación entre el verdadero valor del parámetro estimado y el valor del estimador será la menor posible. 4. Consistencia: La diferencia entre el valor estimado del parámetro y el real se anula para una muestra infinita E.L.I.O Estimador Lineal Insesgado Óptimo(*) (*) Optimo= Eficiente entre los insesgados lineales SESIÓN DE REPASO PROPIEDADES DEL ESTIMADOR MCO (Cont.) - LINEALIDAD - INSESGADEZ - EFICIENCIA - CONSISTENCIA Expresión matemático – matricial: Uˆ ⋅+= Wββ Interpretación: 1. La divergencia entre el valor del parámetro estimado y el real puede expresarse en términos lineales 2. El error cometido en la estimación es exclusivamente una porción fija “W” del error cometido en la especificación del modelo 3. (**) Las propiedades del estimador serán una función lineal de las propiedades de la perturbación aleatoria. SESIÓN DE REPASO PROPIEDADES DEL ESTIMADOR MCO (Cont.) - LINEALIDAD - INSESGADEZ - EFICIENCIA - CONSISTENCIA Expresión matemático – matricial: [ ] ββ =ˆE Representación: )ˆ( ξβ =P ξβξ = SESIÓN DE REPASO PROPIEDADES DEL ESTIMADOR MCO (Cont.) - LINEALIDAD - INSESGADEZ - EFICIENCIA - CONSISTENCIA Expresión matemático – matricial: [ ][ ] minEE =− 2 ˆ ββ Idea conceptual: Dado que la esperanza matemática del estimador coincide con el verdadero valor del parámetro varianza mínima implica mínimo alejamiento (error) entre la estimación y el valor verdadero del parámetro. Expresión de la varianza del estimador MCO: [ ][ ] [ ] ( ) 1'22 ˆ −==− XXVEE uσβββ SESIÓN DE REPASO PROPIEDADES DEL ESTIMADOR MCO (Cont.) - LINEALIDAD - INSESGADEZ - EFICIENCIA - CONSISTENCIA Expresión matemático – matricial: ( ) ββ β = = ∞→ ∞→ ˆ 0ˆ n n lim Vlim Idea conceptual: Se admiten diferencias entre el verdadero valor poblacional del parámetro y el estimado en la muestra siempre y cuando se anulen cuando la muestra coincidiese con la población SESIÓN DE REPASO PROPIEDADES DEL ESTIMADOR MCO (Cont.) Asumiendo la normalidad, podemos decir que la distribución del estimador será: ( )( )1'2,ˆ −→ XXN uσββ
Compartir