Cap 2 Gujarati
Cap 2 Gujarati
Cap 2 Gujarati
24 de abril de 2019
Simbologı́as importantes
• Valor Esperado Condicional E(Y |X)
E(Y |Xi ) = f (Xi ) se conoce como Función de esperanza condicional (FEC), Función de regre-
sión poblacional o regresión poblacional (RP), por lo que se afirma que la media de Y varı́a con X.
Donde f (Xi ) denota alguna función de la variable explicativa X.
Como primera hipótesis decimos que será una función lineal de Xi del tipo:
E(Y |Xi ) = β1 + β2 Xi
1
Significado del término lineal
Linealidad en las variables: El primer significado, y tal vez el más natural, de linealidad es
aquel en que la esperanza condicional de Y es una función lineal de Xi , por lo cual, geométricamente,
la curva de regresión en este caso es una lı́nea recta.E(Y |Xi ) = β1 + β2 Xi esa es una función lineal,
mientras que E(Y |Xi ) = β1 + β2 Xi2 no es una función lineal.
Se puede decir que el gasto de una familia en particular, según su nivel de ingreso, se expresa
como la suma de dos componentes: 1) E(Y |Xi ), que es la media del consumo de las familias con el
mismo nivel de ingreso. Este componente se conoce como componente sistemático, o determi-
nista, y 2) ui que es el componente aleatorio o no sistemático.
El termino estocástico es la representación de todas las variables omitidas que pueden afectar a
Y pero que no se incluyen (o no pueden incluirse) en el modelo de regresión.
2
Demostración:
Si suponemos que E(Y |Xi ) es lineal en Xi podrı́amos escribir la ecuación anterior de la siguiente
manera:
Yi = E(Y |Xi ) + ui
= β1 + β2 Xi + ui
Dicha ecuación nos plantea que el consumo de una familia se relaciona linealmente con su ingreso
más el termino de perturbación.
Como E(Yi |Xi ) es lo mismo que E(Y |Xi ), la ecuación implica que
E(ui |Xi ) = 0
Por lo cual definimos que el supuesto de que la lı́nea de regresión pasa a través de las medias con-
dicionales de Y, implica que los valores de la media condicional ui (condicionales al valor dado de
X) son cero.
¿Por qué no se introducen estas variables omitidas en el modelo? ¿por qué no se crea un modelo
de regresión múltiple con tantas variables como sea posible? Las razones son muchas.
3
5. Variables representantes (proxy) inadecuadas: Básicamente se hace alusión a los errores
de medición, por ejemplo, si se desea trabajar con el ingreso permanente, como la información
de esta variable no es observable se utilizan variables representantes (proxys) como el consumo
actual, este tipo de acciones genera errores de medición, por lo cual, nuevamente u representa
estos errores.
Ahora, igual que la FRP en la cual se basa la lı́nea de regresión poblacional, se desarrolla el
concepto de función de regresión muestral (FRM) para representar la lı́nea de regresión muestral.la
cual se escribe como:
Yb = βb1 + βb2 Xi
donde Yb se lee Y gorra
βb1 = estimador de β1
βb2 = estimador de β2
Advierta que un estimador, conocido también como estadı́stico (muestral), no es más que una
regla, fórmula o método para estimar el parámetro poblacional a partir de la información sumi-
nistrada por la muestra disponible. Un valor numérico particular obtenido por el estimador en un
análisis se conoce como estimación. Cabe señalar que un estimador es aleatorio, pero una estimación
no. La FRM en su forma estocástica de la siguiente manera:
Note: This service is not intended for secure transactions such as banking, social media, email, or purchasing. Use at your own risk. We assume no liability whatsoever for broken pages.
Alternative Proxies: