Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad


Análisis de la regresión lineal multiple con colinealidad, Apuntes de Econometría

El modelo de regresión lineal multiple con k regressors, incluye el estimador mqo, el coeficiente de determinación y el coeficiente de determinación ajustado, distribución y propiedades del estimador bajo suposiciones clásicas, componentes de la variabilidad del estimador para mqo y estimación en presencia de colinealidad. Se incluye un ejemplo de cómo introducir colinealidad perfecta o exacta en un guión de instrucciones de gretl.

Tipo: Apuntes

2014/2015

Subido el 05/01/2015

mirimafia
mirimafia 🇪🇸

3.8

(17)

3 documentos

1 / 7

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
pf3
pf4
pf5

Vista previa parcial del texto

¡Descarga Análisis de la regresión lineal multiple con colinealidad y más Apuntes en PDF de Econometría solo en Docsity!

^

)^ El

model

de

regressió

lineal

amb

k regressors

^ 3 .1) El model de regressió lineal amb k regressors ^ 3.2) L’estimador MQO en el model múltiple. El modelj^

t t ajustat ^ 3.3) El coeficient de determinació i el coeficient ded t

i^

ió j

t t

determinació ajustat ^

Distribució

i

propietats

de

l’estimador

sota

les

i i

là^

i

suposicions clàssiques ^ 3.5) Components de la variància de l'estimador per MQO ^ 3.6) Estimació sota la presencia de col·linealitat ^ 3.7) Aplicacions

^ Amb aquesta mostra s’estima el següent model:

i i

i

i

i^

u

X

X

X

Y^

^

4 3 3 2 2 1 0

^ Amb aquesta mostra s’estima el següent model:

i i

i

i

i^

u

X

X

X

Y^

^

4 3 3 2 2 1 0

^ Amb

aquesta

mostra

volem

estimar

el

model

^ Amb

aquesta

mostra

volem

estimar

el

model

:^ i

i

i

i

i^

u

X

X

X

Y^

^

4 3 3 2 2 1 0

^

i i

i

i

i^

4 3 3 2 2 1 0