PROPIEDADES ESTADÍSTICAS DE LOS ESTIMADORES

Slides:



Advertisements
Presentaciones similares
Tema 2. El modelo de regresión lineal simple
Advertisements

PROPIEDADES DE LOS ESTIMADORES DE MÍNIMOS CUADRADOS ORDINARIOS
Regresión mínimo cuadrada (I)
REGRESION LINEAL SIMPLE
Bivariadas y Multivariadas
MANUAL DE LABORATORIO DE CÓMPUTO ECONOMETRÍA I HETEROSCEDASTICIDAD
UNIVERSIDAD NACIONAL AGRARIA DE LA SELVA
¿Cuál es la naturaleza de las ecuaciones simultáneas?
KRIGING.
GEOESTADISTICA MULTIVARIADA
Covarianza muestral Sean x1, x2, ..., xn e y1, y2, ..., yn dos muestras aleatorias independientes de observaciones de X e Y respectivamente. La covarianza.
INFERENCIA ESTADISTICA
Pruebas de Especificación en el Modelo de Regresión Múltiple
Estadísticos de Prueba en el Modelo de Regresión Múltiple
REGRESIÓN PARTICIONADA
FACULTAD DE ECONOMÍA UNAM Maestría en Economía
MODELO DE REGRESIÓN MÚLTIPLE
MANUAL DE LABORATORIO DE CÓMPUTO ECONOMETRÍA I MULTICOLINEALIDAD
Regresión Lineal y Regresión Polinomial
Econometria 2. Modelo de Regresión Lineal Simple
Modelo básico de regresión Lineal
MODELOS DE ECUACIONES SIMULTÁNEAS
Estadística 2010 Clase 5 Maestría en Finanzas Universidad del CEMA
Regresión y correlación
ANÁLISIS DISCRIMINANTE
Regresión Lineal Simple yi = b0 + b1xi + ui
Estadística Descriptiva: 4. Correlación y Regresión Lineal
Estadística Descriptiva: 4. Correlación y Regresión Lineal Ricardo Ñanculef Alegría Universidad Técnica Federico Santa María.
Regresión Lineal Simple
División de Estudios Políticos, CIDE
Estadística 2010 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri.
CONTRASTE Y VALIDACIÓN DE UN MODELO
TIPOS DE MODELOS DE REGRESIÓN Y SUPUESTOS PARA EL MODELO A
Unidad V: Estimación de
Pronósticos, Series de Tiempo y Regresión
Pronósticos, Series de Tiempo y Regresión
Elementos Básicos de Probabilidad y Estadística Javier Aparicio División de Estudios Políticos, CIDE Julio 2009
Modelo de regresión con dos variables: Estimación
1 M. en C. Gal Vargas Neri. 2 Planeación del curso TEMACAP.TITULODÍASSEMFEC FIN TEMA 00MOTIVACION Y PLANEACION1111/01 TEMA I1-2ESTADISTICA Y MEDICION2115/01.
Estimación Sea una característica, un parámetro poblacional cuyo valor se desea conocer a partir de una muestra. Sea un estadístico ( función.
Introducción La inferencia estadística es el procedimiento mediante el cual se llega a inferencias acerca de una población con base en los resultados obtenidos.
Departamento de Informática Universidad Técnica Federico Santa María
Capítulo 7 Estimación de Parámetros Estadística Computacional
Normalidad, Variabilidad y estimación del Modelo de Regresión
Introducción a la Inferencia Estadística
Inferencia Estadística
Análisis de regresión MCO MELI.
Estadística Intermedia
Estimador de Efectos Fijos
Regresión lineal múltiple
Maestría en Transporte Estadística
Definición del Modelo de Regresión Simple Estimaciones por MCO Método de MCO Valores Esperados y Varianzas por MCO.
ANÁLISIS DE REGRESIÓN SIMPLE
1 Y MODELO DE REGRESIÓN SIMPLE Suponemos que una variable Y es una función lineal de otra variable X, con parámetros desconocidos  1 y  2 que queremos.
Estimación Diferencia de dos medias
Maestría en Transporte Regresamos... (el problema de la regresión lineal) Clase 5.
Modelo La forma general del modelo de regresión multiple es: y t =  1 x t1 +  2 x t  k x tk + u t o y t = x t ’  2 + u t y t =
Regresión Lineal Simple
ESTIMACIÓN DE PARÁMETROS
MANUAL DE LABORATORIO DE CÓMPUTO ECONOMETRÍA I MODELO DE REGRESIÓN GENERAL 1 Profesor: Barland A. Huamán Bravo 2011 UNIVERSIDAD NACIONAL AGRARIA DE LA.
MODELOS DE PRONOSTICOS Primer semestre 2010 Modelo de Regresión con dos variables.
Unidad 4 Análisis de los Datos.
Modelos de regresión lineal
Departamento de Informática Universidad Técnica Federico Santa María EconometríaEconometría Capitulo II.
ECONOMETRIA 2. MODELO LINEAL SIMPLE Hernán Delgadillo Dorado
REGRESIÓN LINEAL SIMPLE
Free and Quick translation of Prof. Anderson's slides1 Analisis de Regresion Multiple y =  0 +  1 x 1 +  2 x  k x k + u 1. Estimacion.
Propiedades de los estimadores MCO
Propiedades de los estimadores MCO
ICPM050 – ECONOMETRÍA tema 03: ESTIMACIÓN MODELO LINEAL SIMPLE
Transcripción de la presentación:

PROPIEDADES ESTADÍSTICAS DE LOS ESTIMADORES ECONOMETRIA PROPIEDADES ESTADÍSTICAS DE LOS ESTIMADORES Mtro. Horacio Catalán Alonso

Econometría El estimador de MCO bajo el supuesto de regresores fijos permite obtener estimadores insesgados Horacio Catalán Alonso

Aplicando valor esperado Econometría Aplicando valor esperado Horacio Catalán Alonso

MCO calcula estimadores eficientes Econometría MCO calcula estimadores eficientes Horacio Catalán Alonso

Econometría Horacio Catalán Alonso

Econometría Bajo el supuesto de Horacio Catalán Alonso

Los estimadores MCO presentan la mínima varianza Econometría Taller de Econometría Los estimadores MCO presentan la mínima varianza Horacio Catalán Alonso

Los estimadores de MCO son lineales Econometría Los estimadores de MCO son lineales es una funciòn de las variables explicativas ùnicamente y no de la variable dependiente Horacio Catalán Alonso

El estimador de MCO cumple con ser: Econometría El estimador de MCO cumple con ser: · Insesgado · Eficiente · Lineal Es el “mejor estimador lineal insesgado” Horacio Catalán Alonso

Probar que MCO es el mejor estimador lineal insesgado Econometría Probar que MCO es el mejor estimador lineal insesgado El estimador de MCO es una función de Se define otro estimador   Horacio Catalán Alonso

Donde W = W(X) es una función de las variables explicativas Econometría Donde W = W(X) es una función de las variables explicativas El estimador es insesgado Horacio Catalán Alonso

Aplicando valor esperado Econometría Aplicando valor esperado  La expresión 7 cumple si Horacio Catalán Alonso

El estimador es insesgado Econometría El estimador es insesgado Para el caso de MCO se define Horacio Catalán Alonso

Econometría Para Entonces Horacio Catalán Alonso

De esta manera la varianza del estimador se define como: Econometría De esta manera la varianza del estimador se define como: Horacio Catalán Alonso

Econometría Se define la matriz   La matriz D define la diferencia entre el estimador de MCO y el estimador dos Horacio Catalán Alonso

Econometría Se obtiene que Horacio Catalán Alonso

dado que DD´ es una forma cuadrática es un matriz no negativa Econometría dado que DD´ es una forma cuadrática es un matriz no negativa Por lo tanto la varianza del estimador 2 es igual a la varianza del estimador de MCO más un término constante Horacio Catalán Alonso

Econometría Teorema Gauss-Markov: En el modelo clásico de regresión lineal el estimador de mínimos cuadrados ordinarios es el estimador lineal insesgado con menor varianza de b. Para cualquier vector de constantes W, el estimador lineal insesgado con mínima varianza de W´ en el modelo clásico de regresión es , donde es el estimador de mínimos cuadrados ordinarios Horacio Catalán Alonso

Los regresores no están correlacionados con el término de error Econometría Observaciones Bajo el supuesto de que X es un conjunto de regresores fijos o bien que se obtienen de muestras independientes Se cumple que: · E(XU)=0 Los regresores no están correlacionados con el término de error Horacio Catalán Alonso

· El término de error contiene los elementos que no captura el modelo Econometría El método de mínimos cuadrados ordinarios generan los mejores estimadores lineales insesgados y con menor varianza · En este contexto sólo la variable dependiente es estocástica (es una variable aleatoria) · El término de error contiene los elementos que no captura el modelo Horacio Catalán Alonso

· Es un error de medición con respecto a Y Econometría · Es un error de medición con respecto a Y · El modelo de regresión es sólo una “proyección” de las variables X en el espacio k-dimensional (b) que aproxima a Y · No se considera un modelo estocástico Horacio Catalán Alonso

PROPIEDADES ESTADÍSTICAS DE LOS ESTIMADORES ECONOMETRIA PROPIEDADES ESTADÍSTICAS DE LOS ESTIMADORES Mtro. Horacio Catalán Alonso