Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • ECONOMETRÍA

    Cargado por

    Sergio Pérez
    26 vistas5 páginas
    Este documento presenta el modelo de regresión lineal con un regresor. Explica que el estimador de mínimos cuadrados ordinarios (MCO) elige los coeficientes de tal forma que minimice la suma de los errores al cuadrado. Deriva las fórmulas para calcular los estimadores de los coeficientes β0 y β1, mostrando que β1 es igual a la covarianza muestral entre X e Y dividida por la varianza muestral de X, y β0 es igual a la media muestral de Y menos β1 multiplicado por la media muestral de X

    Descripción original:

    Apuntes de la asignatura econometría del grado de economía

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta el modelo de regresión lineal con un regresor. Explica que el estimador de mínimos cuadrados ordinarios (MCO) elige los coeficientes de tal forma que minimice la suma de los errores al cuadrado. Deriva las fórmulas para calcular los estimadores de los coeficientes β0 y β1, mostrando que β1 es igual a la covarianza muestral entre X e Y dividida por la varianza muestral de X, y β0 es igual a la media muestral de Y menos β1 multiplicado por la media muestral de X

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Marcar por contenido inapropiado
    Descargar como docx, pdf o txt
    26 vistas5 páginas

    ECONOMETRÍA

    Cargado por

    Sergio Pérez
    Este documento presenta el modelo de regresión lineal con un regresor. Explica que el estimador de mínimos cuadrados ordinarios (MCO) elige los coeficientes de tal forma que minimice la suma de los errores al cuadrado. Deriva las fórmulas para calcular los estimadores de los coeficientes β0 y β1, mostrando que β1 es igual a la covarianza muestral entre X e Y dividida por la varianza muestral de X, y β0 es igual a la media muestral de Y menos β1 multiplicado por la media muestral de X

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Marcar por contenido inapropiado
    Descargar como docx, pdf o txt
    de 5

    ECONOMETRÍA

    TEMA 1. Regresión lineal con regresor único

    1. El modelo poblacional de regresión lineal


    Por cada valor de X hallamos la media de Y

    Donde
    Estimador de mínimos cuadrados ordinarios

    El estimador MCO elige los coeficientes de regresión de tal forma que la recta de regresión estimada
    se encuentre lo más cercana posible a los datos observados, y la cercanía está medida por la suma de
    los errores al cuadrado que se cometen con la predicción de Y dado X
    n
    y 1+ y 2+…+ yn
    y=arg min ∑ ( yi−m )
    2
    = y;
    n i=1

    Derivada en función de m:
    n n n n

    ∑ ( yi−m) = 0 - ∑ yi−∑ y = 0 - ∑ yi−n y = 0


    i=1 i=1 i=1 i=1

    … Es decir, teníamos el estimador de mínimos cuadrados de la media


    poblacional, que ahora extendemos al modelo de regresión lineal.

    bo y b1 estimadores.
    ^β n

    ^β = arg min ∑
    0 2
    ( yi−(bo+ b1 Xi ))
    1 i=1

    Condiciones primer orden:


    n
    ∂ ( bo , b 1 )
    - =−2 ∑ ( yi−( ^β 0+ β^ 1 Xi ))=0
    ∂bo i=1

    n
    ∂(bo , b 1)
    - =−2 ∑ xi ( yi−( β^ 0 + ^β 1 Xi) )=0
    ∂b1 i =1

    n n n
    ∂ ( bo , b 1 )
    =∑ yi−∑ ^β 0−¿ ∑ β^ 1 Xi=0 ¿
    ∂bo i=1 i=1 i=1

    n n n

    ∑ yi−∑ ^β 0− ^β 1 ∑ Xi=0
    i=1 i=1 i =1

    Dividimos entre n:
    n n
    1/n ∑ yi− β^ 0 − ^β1 /n ∑ Xi=0 (esto no está del todo bien)
    i=1 i=1

    n
    (∑ yi entre n queda la media, y . Las constantes las puedo sacar fuera del
    i=1

    sumatorio ( ^β 0 , β^ 1 , x )

    y− ^β0 − ^β 1 x = 0 ; ^β = y − ^β x
    0 1

    n
    ∂(bo , b 1)
    Ahora sustituyo en la ecuación de arriba: - =−2 ∑ xi ( yi−( β^ 0 + ^β 1 Xi) )=0
    ∂b1 i =1

    (sustituyo ^β 0)
    n
    1 ∑ xi¿ ¿ ¿
    i=1

    ( )
    n n n n

    ∑ xi yi−∑ xi y + ∑ ^β1 xi x −∑ ^β 1 xi2=0


    i=1 i=1 i=1 i=1
    Sacamos las constantes:

    ( )
    n n n n

    ∑ xi yi− y ∑ xi+ ^β1 x ∑ xi − ^β 1 ∑ xi2=0


    i=1 i=1 i=1 i=1

    Sacamos factor común ^β 1:


    n n

    ∑ xi yi− y ∑ xi+ ^β 1 ¿ ¿
    i=1 i=1

    Desplazamos a un lado de la ecuación:


    n n

    ∑ xi yi+ y ∑ xi= ^β 1 ¿ ¿
    i=1 i=1

    Y dividimos:
    n n

    ∑ xi yi+ y ∑ xi
    ^β 1= i=1 i=1
    n n
    x ∑ xi−∑ xi 2
    i=1 i=1

    xi
    Aplicamos la siguiente expresión. Si x=∑ entonces ∑ xi = n x
    n
    n

    ∑ xi yi+n x y
    ^β 1= i=1
    n

    ∑ xi2 −n( x)2


    i=1

    ^β = s XY
    1
    s 2X
    Revisar esto porque de aquí se supone que hay que sacar B1, Bo ya está
    demostrado creo.
    Así sacamos estimador β 1 y β 0

    De las condiciones de primer orden también podemos deducir:

    Mirar toda la demostración y mirar también lo de los residuos, las sumas igual a
    0. FOTOS MÓVIL.

    También podría gustarte