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


Tema 1 - Econometría, Apuntes de Econometría

Asignatura: Econometria, Profesor: . ., Carrera: Administració i Direcció d'Empreses, Universidad: UB

Tipo: Apuntes

2016/2017

Subido el 15/09/2017

docisty97
docisty97 🇪🇸

3.7

(19)

21 documentos

1 / 64

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
MODEL DE REGRESSIÓ
Naturalesa de la relació entre la variable endògena i
les variables exògenes
Valors dels paràmetres que defineixen la relació
Contrast d’hipòtesis sobre els paràmetres de la
població
Simulació del comportament de la variable endògena,
davant les variacions de les variables exògenes
Predicció del comportament futur de la variable
endògena
pf3
pf4
pf5
pf8
pf9
pfa
pfd
pfe
pff
pf12
pf13
pf14
pf15
pf16
pf17
pf18
pf19
pf1a
pf1b
pf1c
pf1d
pf1e
pf1f
pf20
pf21
pf22
pf23
pf24
pf25
pf26
pf27
pf28
pf29
pf2a
pf2b
pf2c
pf2d
pf2e
pf2f
pf30
pf31
pf32
pf33
pf34
pf35
pf36
pf37
pf38
pf39
pf3a
pf3b
pf3c
pf3d
pf3e
pf3f
pf40

Vista previa parcial del texto

¡Descarga Tema 1 - Econometría y más Apuntes en PDF de Econometría solo en Docsity!

MODEL DE REGRESSIÓ

•Naturalesa de la relació entre la variable endògena i

les variables exògenes

•Valors dels paràmetres que defineixen la relació

•Contrast d’hipòtesis sobre els paràmetres de la

població

•Simulació del comportament de la variable endògena,

davant les variacions de les variables exògenes

•Predicció del comportament futur de la variable

endògena

y 4

y 1

y 2

y 3

x 1 x 2 x 3 x 4

u 1

u 2 u 3

u 4

X

y

E(y) = β 1 + β 2 X

Gràfic 1.

•les variables exògenes (o explicatives) X són no estocàstiques (o fixes), no existint cap relació lineal exacta entre elles.

•el terme d’error o pertorbació u té mitjana nul·la i variància constant per a totes les observacions i, covariància nul·la, és a dir, no existeix cap relació entre els errors corresponents a observacions diferents.

•l’especificació del model es basa en una relació lineal entre les variables.

HIPÒTESIS DEL MODEL

a) Informació suficient b) Estabilitat o constància dels paràmetres c) Relació lineal d) Regressors no estocàstics e) Matriu X sense combinacions lineals f) Esperança nul·la de la pertorbació g) Variància constant de la pertorbació h) Pertorbació no autocorrelacionada i) Tipus d’informació

RESTRICCIONS QUE INCORPORA EL MODEL

Model no lineal respecte a les variables, però lineal respecte als paràmetres

y (^) i = β 1 + β 2 Xi + β 3 Xi + β 4 Xi + ui

i
i i

Xi = Z; X = W y (^) i = β 1 + β 2 Xi + β 3 Zi + β 4 Wi + ui

y (^) i = β 1 + β 2 Xi + β 3 Xi + β 4 Xi + ui

i
i i

Xi = Z; X = W y (^) i = β 1 + β 2 Xi + β 3 Zi + β 4 Wi + ui

Model no lineal respecte als paràmetres

y (^) i = β 1 + β 2 X (^) 2i + X^ β3i^3 + ui

Taula 1.

FORMES NO LINEALS QUE PODEN LINEALITZAR-SE

( ) ( )

( ) ( ) ( ) (^22) i^22 i i 2 i i (^122) i

i 1 2 2 i i (^22) i (^2) i

i 1 2 2 i i 2 i 2 2 i

i 1 2 2 i i 2 2 ii 2

i (^122) i i (^222) i (^22) i i

i i 1 2 2 i i 2 2 2 i

X

X

u y

X

logarítmica inversa log y^1

y

X

lineal logarítmica y log X u^1

logarítmica lineal log y X u y X

X

logarítmica log y log X u y

X y

X

u^1

X

recíproca y^1

y

lineal y X u x

FORMAFUNCIONAL EXPRESSIÓ PENDENT ELASTICITA T

1 4 4 4424 4 4 43 1 44 2 4 43 1 4 24 3 1 4 424 43

. .

X

y

f(y)

x 1 x 2

.

x 3

HOMOSCEDASTICITAT

Gràfic 1.

x 1 x 2 X

y

f(y)

x 3

HETEROSCEDASTICITAT

Gràfic 1.

y 4

y 1

y 3

y 2

x 1 x 3 x 2 x 4

e (^1)

e 3 e (^2)

e (^4)

X

y

y = β 1 + β 2 X

y 1

y 3

y 2 y^4

^ ^^ ^

^

^

^ ^

Gràfic 1.

y 4

y 1

y 3

y 2

x 1 x 2 x 3 x 4

e 1

e 2

e 3

X

y

y = β 1 + β 2 X

e^ * 1

e^ * 4

y = β^1 + β^2 X

^ ^ ^

e^ * 2

e* 3

e 4 ^^ * ^^ ^ *

Gràfic 1.

kx 1

N i 1 ki i

N i 1 2 i i

N i 1 1 i i

N Nx 1

2

1

k 1 k 2 kN kxN

21 22 2 N

11 12 1 N

X y

X y

X y

y

y

y

X X X

X X X

X X X

X'y

=

=

=

M M LO M M M

L

L

( )

kxk

N i 1

N (^2) ki i 1 ki^2 i

N i 1 ki^1 i

N i 1 2 i ki

N i 1

N (^22) i i 1 2 i^1 i

N i 1 1 i ki

N i 1 1 i^2 i

N i 1 12 i

1 N 2 N kN Nxk

12 22 k 2

11 21 k 1

k 1 k 2 kN kxN

21 22 2 N

11 12 1 N

X X X X X
X X X X X
X XX XX
X X X
X X X
X X X
X X X
X X X
X X X
X'X

















= 

 



 



 



 

= = =

= = =

= = =

L

M M O M

L

L

L

M M O M

L

L

L

M M O M

L

L

[1.4]

S = u'u= ( y−Xβ) '(y− Xβ)= y'y− y'Xβ−β'X'y+β'X'Xβ= y'y− 2 β'X'y+β'X'Xβ

∂∂ S β = − 2 X 'y+ 2 X'Xβ = 0

βˆ^ MQO = (X 'X) −^1 X'y

u ≈N^ ( 0 ,σ^2 u IN)

( )

( ) ( ) ( )

6 4 7 u' 48 6 4 7u 48

log L N 2 log 2 N 2 log 21 y X ' y X

L 2 exp

u^2 u^2

21 u'u 2 2 N u

(^2) u

− − σ 

βˆ^ MV ≡ βˆMQO = ( X'X) −^1 X'y

PROPIETATS DE L’ESTIMADOR MQO

•Lineal respecte a l’endògena

•No esbiaixat

•Matriu de variàncies i covariàncies

•Distribució

•Eficient (òptim)

•Consistent

ELIO

Biaix positiu

Biaix negatiu

f(β^ ) f(β^^3 ) f(β^ 1 ) f(β^^2 )

Gràfic 1.