Professional Documents
Culture Documents
Mltiple
yi = 0 + 1x1i + 2x2i + . . .
kxki + ui
Javier Aparicio
Divisin de Estudios Polticos, CIDE
javier.aparicio@cide.edu
A. Estimacin
Otoo 2008
http://www.cide.edu/investigadores/aparicio/metodos.html
1
0 es el intercepto
1 a k son k parmetros de pendiente
u es el trmino de error o residual
El supuesto de media condicional cero se
mantiene:
E(u|x1,x2, ,xk) = 0
Igual que antes, minimizamos la suma de
residuales cuadrados, de modo que tenemos
k+1 condiciones de primer orden (o k+1
parmetros a estimar)
2
Interpretacin de la
regresin mltiple
2 2
1 1
1 ri1 yi
2 2
2
i1
derivada parcial
~ ~
~
Compare la regresin simple y 0 1 x1
con la regresin multiple y 0 1 x1 2 x2
~
En general, 1 1 a menos que :
0 (i.e. x no tenga un efecto parcial significativo)
2
Suma de cuadrados:
Terminologa
2
i
Bondad de ajuste: R2
Bondad de ajuste: R2
2
y y y y
y y y y
2
R-cuadrada: discusin
10
no sesgadas:
supuestos Gauss-Markov
x
x
i1
i1
x1 yi
x1
1 1
(*)
x x x x u
x x x x x x
i1
1 i1
2 i2
i1
i1
i2
i1
x1 ui
14
x x x x
x x x
i1
i1
i2
2
i1
i1
x1 ui
x1
~
E 1 1 2
x x x
x x
i1
i1
i2
2
15
x x x
x x
i1
~
1 denota el impacto de x1 en x2
~
~
de modo que E 1 1 2 1
~
i.e., 1 tiene un sesgo.
i1
i2
2
16
1 < 0)
2 > 0
2 < 0
(overestimation)
(underestimation)
17
El caso ms general:
sesgo en todas las i
21
Var j
, donde
2
SST j 1 R j
2
SST j xij x j y R es la R
2
2
j
Componentes de la Varianza
de MCO
Error de especificacin y
eficiencia de los estimadores
~ ~
~
MCO
~
1 1
26
n k 1 SSR df
thus, se SST 1 R
2
2
i
j
2 12
j
gl = n (k + 1), o bien gl = n k 1
gl (i.e. grados de libertad) son el (nmero de
observaciones) (nmero de parmetros
estimados)
A mayores grados de libertad, mayor precisin de
los estimadores.
27
Teorema Gauss-Markov