Download Diapositiva 1 - Web del Profesor

TEMA III
CUARTA ETAPA DEL PROCESO ECONOMETRICO
1
ESPECIFICACIÓN
DEL MODELO
Variables
Parámetros
Forma Matemática
Número de ecuaciones
3
2
ESTIMACIÓN
DEL MODELO
RECOLECCIÓN
DE DATOS
Series de tiempo
Datos Atemporales
Panel
Pool
4
Cálculo de los valores
numéricos
de
los
Parámetros
a
través
Análisis de regresión
EVALUACIÓN
DEL MODELO
Prof. Samaria Muñoz
Evaluación Económica
¿Es el modelo teóricamente
significativos?
(Signos–Magnitudes)
Evaluación Estadística
¿Es el modelo
estadísticamente
significativos?
Evaluación Econométrica
¿Es el modelo econométricamente significativo?
¿Se cumplen los supuestos del MCRL



Consiste en determinar si los valores
encontrados de los parámetros satisfacen la
teoría económica.
Magnitudes
Signos
SE BUSCA CONTESTAR LAS SIGUIENTES PREGUNTAS
¿Es compatible el parámetro estimado con la hipótesis
planteada (Ho)?
¿Está el parámetro verdadero lo suficientemente cerca
del parámetro estimado?
¿Es el parámetro significativamente diferente de cero?
¿Es el modelo estimado estadísticamente significativo?
¿El modelo en su conjunto explica el comportamiento de
la variable dependiente?
INSTRUMENTOS

BONDAD DE AJUSTE DEL MODELO
 Prueba de hipótesis
▪ Intervalo de confianza
▪ Prueba de Significancia
 Error estándar de los parámetros
 Coeficiente de Determinación
 Coeficiente de Correlación
 Coeficiente de determinación Ajustado
HO :  2  0.4; H i :  2  0.4
NO SE RECHAZA
EL parámetro no es
estadísticamente
significativo
SE RECHAZA
El parámetro es estadísticamente
significativo
EL parámetro no es
estadísticamente
significativo
SE RECHAZA

Una prueba de significancia es un
procedimiento mediante el cual se utilizan
los resultados muéstrales para verificar la
verdad o falsedad de una hipótesis nula, en
este caso de los parámetros estimados
INDIVIDUAL
HO : 2  0
Hi : 2  0
GLOBAL
H O : 1   2  ....   k  0
H i : 1   2  ....   k  0
Probabilidad de cometer el error de tipo I, es decir
rechazar la hipótesis nula siendo cierta

1. ESTABLECER LA CONTRASTACIÓN
DE HIPÓTESIS
2. SELECCIÓN DEL NIVEL DE
SIGNIFICANCIA
3. ESTADÍSTICO DE PRUEBA
4. REGLA DE DECISIÓN
Ho : 1  0
H 1 : 1  0
  0.05,   0.01,   0.10
ˆ  
tc 
ee( ˆ )
n(t
Tc> Tt Se rechaza Ho  B es
estadísticamente significativo.
Tc mayores a dos con un  = 5, y 20 gl
aseguran betas significativos.
5. TOMA DE DECISIÓN
Es B estadísticamente significativo o no.
- k)
1. ESTABLECER LA CONTRASTACIÓN
DE HIPÓTESIS
2. SELECCIÓN DEL NIVEL DE
SIGNIFICANCIA
3. ESTADÍSTICO DE PRUEBA
4. REGLA DE DECISIÓN
H o : ˆ1  ˆ2  ...... k  0
H1 : ˆ1  ˆ2  ...... k  0
Ho:R2 = 0
Ho:R2 ≠ 0
  0.05,   0.01,   0.10
F  ( R 2 /( K  1) (1  R 2 ) /(n  k )) F( k 1,n  k )
Fc>Ft Se rechaza Ho  los B son
estadísticamente significativo.
El modelo es estadísticamente significativo
Fc mayores a tres con un  = 5, aseguran betas
significativos.
5. TOMA DE DECISIÓN
Es el modelo estadísticamente significativo o no.

Corresponde:
*Al verdadero valor de significancia
*A la verdadera probabilidad de cometer el error
tipo I
*El nivel de significancia mas bajo al cual puede
rechazarse Ho.
Re chazar Ho si  value  
ERROR ESTÁNDAR
El error estándar o desviación estándar es un
indicador del tamaño promedio de cada error.
Los residuos deben ser pequeños esto asegura
errores estándar pequeños.
Si minimizamos la varianza  minimizamos el
error estándar.
Tiene la ventaja de estar medida en las mismas
unidades de e y de Y.
COEFICIENTE DE DETERMINACIÓN (R2)
Nos indica en que porcentaje las variables
exógenas incluidas en el modelo explican el
comportamiento de la variable en estudio (Y).
Nos indica el porcentaje de la variación total
en la variable dependiente (Y) que la regresión
es capaz de explicar.
Su valor oscila entre 0 y 1.
COEFICIENTE DE DETERMINACIÓN (R2)
QUE TAN BIEN EL MODELO ESTIMADO SE AJUSTA A LOS
DATOS UTILIZADOS
EL MODELO ESTARA MEJOR AJUSTADO EN LA MEDIDA EN QUE
LA DISTANCIA ENTRE LOS VALORES OBSERVADOS Y LA LINEA
DE REGRESION, SEA MENOR
NOTA: SIEMPRE HABRA ALGUN RESIDUO POSITIVO O NEGATIVO.
LO IMPORTANTE ES QUE LO RESIDUOS SEAN PEQUEÑOS
0  R 1
2
R 0
0  R 1
2
Y
2
Y
X
R 1
2
No hay
relación
X=Y
X
Hay algún
grado de
relación
Totalmente
relacionadas
COEFICIENTE DE CORRELACIÓN
Mide el grado y tipo de asociación entre dos variables.
La matriz de correlación es la siguiente:
 Ryy Ryx1..........Ryxk 
 Rx y Rx x .......Rx x 
1 1
1 k 
 1
 Rxk y Rxk x1.......Rxk xk 
 1 Ryx1..........Ryxk 
 Rx y 1 ......Rx x 
1 k
 1
 Rxk y Rxk x1....... 1 
COEFICIENTE DE DETERMINACIÓN AJUSTADO
Recordemos que el coeficiente de
determinación
es
una
función
CRECIENTE del número de variables
independientes incluidas en el modelo.
Si queremos comparar dos modelos, hay que tomar en
cuenta el número de variables que intervienen en ellos,
por ello es útil utilizar un coeficiente de determinación
que penalice de alguna manera la introducción de nuevas
variables. Esto es que penalice la perdida de grados de
libertad.
Un coeficiente de determinación ajustados por los
grados de libertad.
El modelo que tenga mayor
determinación ajustado será el mejor.
coeficiente
de

n(0,  2 I )
Test de Jarque-Bera : Ho: Los residuos son normales
Hi: Los residuos no son normales
S
( K  3)
JB  n(

)
6
24
2
2

2
S= Coeficiente de asimetria
K= Coeficiente de Curtosis
Si p(JB) >

No se rechaza Ho
Los errores son normales