1 / 6

ECONOMETRÍA

ECONOMETRÍA. DAMODAR N. GUAJARATI. MODELO CLÁSICO DE. REGRESIÓN LINEAL NORMAL (MCRLN). La Teoría clásica de inferencia estadística está formada por dos ramas:. Estimación. Prueba de Hipótesis. DISTRIBUCIÓN DE PROBABILIDAD DE LAS PERTURBACIONES u.

holly-adams
Télécharger la présentation

ECONOMETRÍA

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. ECONOMETRÍA DAMODAR N. GUAJARATI MODELO CLÁSICO DE REGRESIÓN LINEAL NORMAL (MCRLN)

  2. La Teoría clásica de inferencia estadísticaestá formada por dos ramas: • Estimación • Prueba de Hipótesis DISTRIBUCIÓN DE PROBABILIDADDE LAS PERTURBACIONES u SE SUPONE QUE LAS X SON FIJAS O NO ESTOCÁSTICAS DEBIDO A QUE EL MUESTREO ES UN ANÁLISIS DE REGRESIÓN CONDICIONAL DEBIDO A QUE k, LAS BETAS Y X SON FIJAS 2 ES UNA FUNCIÓN LINEAL DE LA VARIABLE ALEATORIA u SI A LAS SUPOSICIONES DEL MODELO CLÁSICO DE REGRESIÓN LINEAL (MCRL) SE AÑADE LA SUPOSICIÓN DE NORMALIDAD PARA u OBTENEMOS LO QUE SE CONOCE COMO MODELO CLÁSICO DE REGRESIÓN LINEAL NORMAL (MCRLN)

  3. SUPUESTO DE NORMALIDAD • Dos variables normalmente distribuidas, una covarianza o correlación cero significa independencia entre las dos variables Por consiguiente, podemos escribir ui~ N (0, 2) como ui~ NID (0, 2) • en donde NID significa normal e independientemente distribuido

  4. ¿POR QUÉ DEBE FORMULARSE EL SUPUESTO DE NORMALIDAD? TEOREMA DEL LÍMITE CENTRAL (TLC) VARIANTE DEL TEOREMA DEL LÍMITE CENTRAL CUALQUIER FUNCIÓN LINEAL DE VARIABLES NORMALMENTE DISTRIBUIDAS ESTARÁ TAMBIÉN NORMALMENTE DISTRIBUIDA LA DISTRIBUCIÓN NORMAL ES SENCILLA E INVOLUCRA DOS PARÁMETROS: LA MEDIA Y LA VARIANZA SI ESTAMOS TRABAJANDO CON UNA MUESTRA FINITA, LA SUPOSICIÓN DE NORMALIDAD DESEMPEÑA UN PAPEL CRÍTICO

  5. PROPIEDADES DE LOS ESTIMADORES MCOBAJO EL SUPUESTO DE NORMALIDAD • Son insesgados • Tienen varianza mínima • Significa que son insesgados con varianza mínima o estimadores eficientes • Presentan consistencia • Está normalmente distribuida • Sigue una distribución normal estándar • 1 y 2 se distribuyen de manera independiente respecto a 2 • 1 y 2 tienen varianza mínima entre todas las clases de estimadores insesgados, lineales y no lineales

  6. MÉTODO DE MÁXIMA VEROSIMILITUD (MV) MÉTODO MÁS PUNTUAL Y CON ALGUNAS PROPIEDADES MÁS FUERTES QUE EL MCO PRESENTA UNA LIGERA COMPLEJIDAD MATEMÁTICA SI SE HA SUPUESTO A u iNORMALMENTE DISTRIBUIDA LOS ESTIMADORES MV Y MCO DE LOS COEFICIENTES DE REGRESIÓN LOS  SON IDÉNTICOS Y ESTO ES VÁLIDO PARA REGRESIONES SIMPLES AL IGUAL QUE PARA LAS REGRESIONES MÚLTIPLES

More Related