CONTRASTE Y VALIDACIÓN DE UN MODELO

Presentación del tema: "CONTRASTE Y VALIDACIÓN DE UN MODELO"— Transcripción de la presentación:

1 CONTRASTE Y VALIDACIÓN DE UN MODELO

2 MEDIDAS Y CONTRASTES Contraste de significación estadística
Medidas de Bondad a priori Validación de un modelo a posteriori Contraste de Hipótesis Básicas

3 MEDIDAS Y CONTRASTES Multicolinealidad:
Incumplimiento de hipótesis básicas Multicolinealidad: Se define como la existencia de una fuerte combinación lineal entre dos o mas variables explicativas de un modelo econométrico. Si la combinación lineal es exacta, se está en presencia de multicolinealidad exacta, si en cambio es elevada pero no llega a ser exacta, la multicolinealidad es aproximada. Por qué se produce: La Multicolinealidad Aproximada: Por la interrelación existente entre los agentes económicos, propio de este tipo de sistema Por casualidad, es decir sin que exista algún tipo de marco teórico que lo respalde, producto de senda temporal de evolución. La Multicolinealidad Aproximada Por la mala especificación de un modelo. Ignorar alguna identidad o igualdad entre las variables introducidas en el modelo

4 MEDIDAS Y CONTRASTES c) Multicolinealidad:
Incumplimiento de hipótesis básicas c) Multicolinealidad: Consecuencias: Multicolinealidad exacta: Los parámetros no se pueden calcular, dado que la matriz X´X no sería de rango pleno y no tendría inversa Multicolinealidad aproximada Se incrementa la varianza de los parámetros. Aunque continuarán siendo, insesgado, consistentes y eficientes. lo que supondrá un valores t más reducidos que los reales y en consecuencia mayor probabilidad de cometer el error tipo II. Parámetros más inestables. Lo que supone una mayor vulnerabilidad ante la incorporación o eliminación de variables independientes en el modelo

5 MEDIDAS Y CONTRASTES c) Multicolinealidad:
Incumplimiento de hipótesis básicas c) Multicolinealidad: Cómo se detecta: Multicolinealidad exacta: Los programas estadísticos y econométricos no pueden estimar el modelo. Multicolinealidad aproximada Observación de los estadísticos del modelo. Si los estadísticos de análisis conjunto (R2 y F) resultan muy elevados y por el contrario el estadístico t tiene valores pocos significativos. No superada esta prueba, se deberá realizar otros análisis más detallados: Coeficiente de correlación simple Coeficiente de determinación múltiple

6 MEDIDAS Y CONTRASTES c) Multicolinealidad:
Incumplimiento de hipótesis básicas c) Multicolinealidad: Cómo se detecta: Multicolinealidad aproximada (continuación): Coeficiente de correlación simple entre cada par de variables. Valores superiores al 70% constituyen un indicador Comparar las correlaciones entre cada para de variables independientes con la raíz cuadrada del coeficiente de determinación del ajuste global. Si la alguna de las primeras resulta mayor que el R2, entonces existe un problema de colinealidad con esas variables. Estimación del coeficiente de determinación múltiple (R2) entre las variables independientes del modelo y compararlos con el coeficiente de determinación del ajuste global. De nuevo, valores superiores de los primeros respecto de los segundos, suponen la existencia de colinealidad severa entre las variables independientes.

7 MEDIDAS Y CONTRASTES c) Multicolinealidad:
Incumplimiento de hipótesis básicas c) Multicolinealidad: Cómo se corrige: Multicolinealidad exacta: Volver a especificar el modelo, eliminando la información redundante. Multicolinealidad aproximada Transformar las variables correlacionadas en una combinación lineal de las mismas (análisis factorial) Cambiar el modelo. Si dos variables están muy correlacionada y se consideran que miden los mismo, eliminar la sea menos significativa Deflactar la multicolinealidad.

8 MEDIDAS Y CONTRASTES c) Multicolinealidad:
Incumplimiento de hipótesis básicas c) Multicolinealidad: Continuando con el ejemplo de clase No se observan indicios Multicolinealidad aproximada Los estadísticos de análisis conjunto (R2 y F) resultan muy elevados y así como los estadístico t resultan significativos. Reducidas correlaciones entre las variables independientes (por debajo de 70%)

9 MEDIDAS Y CONTRASTES c) Multicolinealidad:
Incumplimiento de hipótesis básicas c) Multicolinealidad: Otro ejemplo Se dispone de información acerca de los siguientes variables para las 17 CA INEX = Ingresos de Explotación CONS = Consumo GPER = Gastos de personal GEX = Gastos de Explotación elativos al sector de la metalurgía

10 MEDIDAS Y CONTRASTES c) Multicolinealidad:
Incumplimiento de hipótesis básicas c) Multicolinealidad: Otro ejemplo Estimación para las 17 Comunidades Autónomas

11 MEDIDAS Y CONTRASTES c) Multicolinealidad:
Incumplimiento de hipótesis básicas c) Multicolinealidad: Otro ejemplo a) Detección de la multicolinealidad Significación individual y global de los regresores: Análisis de la matriz de correlaciones:

12 MEDIDAS Y CONTRASTES c) Multicolinealidad:
Incumplimiento de hipótesis básicas c) Multicolinealidad: Continuación del ejemplo. a) Detección de la multicolinealidad Regresiones auxiliares

13 MEDIDAS Y CONTRASTES c) Multicolinealidad:
Incumplimiento de hipótesis básicas c) Multicolinealidad: Continuación del ejemplo. a) Detección de la multicolinealidad Regresiones auxiliares

14 MEDIDAS Y CONTRASTES c) Multicolinealidad:
Incumplimiento de hipótesis básicas c) Multicolinealidad: Continuación del ejemplo. b) Corrección de la multicolinealidad Se puede corregir dividiendo todas las variables por el total de personas ocupadas en el sector de actividad económica. Porque constituye un factor de escala.