Free and Quick Translation of Anderson's slides

Slides:

Advertisements

Presentaciones similares

DSITRIBUCION T DE STUDENT.

Advertisements

Facultad de Economía Primera Clase del Curso Econometría II. Profesor Carlos Raúl Pitta Arcos Grupos 501 y 502 Xalapa, Ver., Martes 27 de Agosto de 2002.

Tema 7. Transformaciones. Transformaciones lineales

PROPIEDADES DE LOS ESTIMADORES DE MÍNIMOS CUADRADOS ORDINARIOS

MANUAL DE LABORATORIO DE CÓMPUTO ECONOMETRÍA I HETEROSCEDASTICIDAD

Pruebas de Especificación en el Modelo de Regresión Múltiple

Estadísticos de Prueba en el Modelo de Regresión Múltiple

PROPIEDADES ESTADÍSTICAS DE LOS ESTIMADORES

MODELO DE REGRESIÓN MÚLTIPLE

Estimación por intervalos de confianza.

MANUAL DE LABORATORIO DE CÓMPUTO ECONOMETRÍA I MULTICOLINEALIDAD

Estimación por Intervalos de confianza

Bioestadística Aplicada I

División de Estudios Políticos, CIDE

Las variables son cualesquiera: Se esperaría que: crece X1 implicará decrece Y crece X2 implicará decrece Y crece X3 implicará decrece Y Hay que justificar.

CONTRASTE Y VALIDACIÓN DE UN MODELO

TIPOS DE MODELOS DE REGRESIÓN Y SUPUESTOS PARA EL MODELO A

Pronósticos, Series de Tiempo y Regresión

VARIABLE ALEATORIA Y DISTRIBUCION DE PROBABILIDAD

Modelo de regresión simple: Y =  1 +  2 X + u 1 Hemos visto que los coeficientes de regresión b 1 y b 2 son variables aleatorias. Estos, respectivamente,

Elementos Básicos de Probabilidad y Estadística Javier Aparicio División de Estudios Políticos, CIDE Julio 2009

Probabilidad y Estadística Inferencia Estadística Se sabe que si cada variable sigue una densidad normal con  y   entonces sigue una ley de densidad.

ESTIMACIÓN DE COEFICIENTES DE MÁXIMA VEROSIMILITUD

Inferencias con datos categóricos

DISTRIBUCIONES DE MUESTREO

Modelo de regresión con dos variables: Estimación

ESTIMACION En varios pasajes de este libro hemos planteado la dificultad que se confronta en las investigaciones, de llegar a conclusiones sobre una población.

Donde var=varianza, ee=error estándar y O² es la constante o varianza homoscedastica de Uᵢ del supuesto 4. Todas las cantidades que entran en las.

Introducción La inferencia estadística es el procedimiento mediante el cual se llega a inferencias acerca de una población con base en los resultados obtenidos.

Capítulo 7 Estimación de Parámetros Estadística Computacional

Titular: Agustín Salvia

Análisis de regresión MCO MELI.

Estadística Intermedia

Estimador de Efectos Fijos

Regresión lineal simple

Definición del Modelo de Regresión Simple Estimaciones por MCO Método de MCO Valores Esperados y Varianzas por MCO.

ANÁLISIS DE REGRESIÓN SIMPLE

Elementos Básicos de Probabilidad y Estadística

Estimación Diferencia de dos medias

Maestría en Transporte Regresamos... (el problema de la regresión lineal) Clase 5.

PARA LA REGRESIÓN LINEAL SIMPLE

Capitulo 4 Análisis descriptivo inferencial: comparaciones múltiples

ESTIMACIÓN DE PARÁMETROS

Licenciatura en Administración Pública Jorge Alan Garcidueñas Villa Estadística 4° Cuatrimestre Actividad 15.1.

Autocorrelación.

Regresión lineal simple Nazira Calleja

Modelos de regresión lineal

INFERENCIA ESTADÍSTICA

EPE MA 148 ESTADÍSTICA INFERENCIAL TEMA:

Econometría MSc. Daisy Espallargas Ibarra.

TAMAÑO DE LA MUESTRA. Para definir el tamaño de la muestra se debe tener en cuenta los recursos disponibles y las necesidades del plan de análisis, el.

Free and Quick Translation of Anderson's slides1 Analisis de Regresion Multiple y =  0 +  1 x 1 +  2 x  k x k + u 4. Mas Aspectos de este Modelo.

Estimación estadística

Free and Quick Translation Anderson's slides1 Welcome a Econometría I Qué es la Econometría? Econ = Economia Metría = Metrica o medición.

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.

MSc. Daisy Espallargas Ibarra

Contraste de Hipotesis Para contrastar nos hace falta medir y para medir necesitamos una regla (una distribucion) que nos diga que es pequeño y que es.

Free and Quick Translation of Anderson's slides1 Analisis de Regresión Múltiple y =  0 +  1 x 1 +  2 x  k x k + u 5. Variables Dummies o Artificiales.

ANALISIS DE VARIANZA.

Free and Quick Translation of Anderson´s slides1 Analisis de Regresión Multiple y =  0 +  1 x 1 +  2 x  k x k + u 2. Inferencia.

Free and Quick Translation of Anderson's slides1 Modelo de Regresión Lineal Simple y =  0 +  1 x + u.

Analisis de Regresion Multiple

Free and Quick Translation of Anderson's slides

Analisis de Regresion Multiple

Modelo de Regresión Lineal Simple

Qucik and Free Translation of Anderson's slides

Analisis de Regresion Multiple

Qucik and Free Translation of Anderson's slides

Transcripción de la presentación:

Free and Quick Translation of Anderson's slides Analisis de Regresion Multiple y = b0 + b1x1 + b2x2 + . . . bkxk + u Heterocedasticidad Free and Quick Translation of Anderson's slides

Que es la Heterocedasticidad? Recuerda que el supuesto de homocedasticidad decia que la varianza del error, u, condicionado a las variables explicativas, era constante Si esto no es cierto, es decir si la varianza de u es diferente para diferentes valores de las x’s, entonces decimos que los errores son heterocedasticos Ejemplo: Estimando los rendimientos de la educacion con la variable habilidad no observable (por lo tanto va al error). Piensa que la varianza en habilidades difiere segun los años de educacion Free and Quick Translation of Anderson's slides

Free and Quick Translation of Anderson's slides Ejemplo de Heterocedasticidad f(y|x) y . . E(y|x) = b0 + b1x . x1 x2 x3 x Free and Quick Translation of Anderson's slides

Por que preocuparnos por la Heterocedasticidad? MCO es insesgado y consistente, aun sin asumir homocedasticidad Los errores estandard de las estimaciones son sesgados si tenemos heterocedasticidad Si los errores estandard son sesgados, entonces no podemos usar los estadisticos usuales t o F para hacer inferencia Free and Quick Translation of Anderson's slides

Varianza con Heterocedasticidad Free and Quick Translation of Anderson's slides

Varianza con Heterocedasticidad Free and Quick Translation of Anderson's slides

Errores Estandard Robustos Ahora que tenemos un estimador consistente de la varianza, la raiz cuadrada puede usarse como error estandard para realizar la inferencia Tipicamente a estos errores estandard les llamamos ROBUSTOS Algunas veces la varianza estimada se le corrige por los grados de libertad multiplicandola por n/(n – k – 1) Cuando n → ∞ esta correcion no cambia nada Free and Quick Translation of Anderson's slides

Errores Estandard Robustos (cont) Es importante recordar que estos errores estandard robustos solo tienen justificacion asintotica y que en pequeñas muestras los estadisticos t no tendran una distribucion cercana a la t-student En Eviews los errores standard robusto se obtienen de forma automatica, y se llaman: White Heteroskedasticity-Consistent Standard Errors & Covariance Free and Quick Translation of Anderson's slides