Professional Documents
Culture Documents
Y = F(X )
Si se considera que la relacin puede ser de tipo lineal, la formalizacin vendra determinada por una ecuacin como la siguiente
Y = 1 + 2 X
Y = 1 + 2 X + U
Supongamos que se dispone de T observaciones de las variable Y y X
Y1 = 1 + 2 X 1 + u1
Y2 = 1 + 2 X 2 + u 2
Yn = 1 + 2 X n + un
Yt = 1 + 2 X t + U t
t = 1, 2, 3.,T.
6 4 2 0 0 2 4 X 6 8 10
4 X
10
La estimacin de los parmetros supone encontrar la ordenada en el origen y la pendiente de una recta que mejor se aproxime a los puntos
Yt = 1 + 2 X t + U t
Recta de Regresin Estimada
+ X = Y t 1 2 t
Errores o residuos
X = t = Yt Y u t 1 2 t
Minimizar
u
t =1
b) La suma de todos los residuos en trminos absolutos sean prximas a cero Minimizar
n t =1
t u
c) La suma de todos los residuos elevados al cuadrado sean prximas a cero Minimizar
2 u t =1 t n
2 t t =1
= u
S =
t =1
Yt Y t
) = (Y X )
2 n t =1 t 1 2 t
n S X )X = 0 = 2 (Yt 1 2 t t t =1 2
Regresin Lineal
Obtencin de los estimadores
Operando y reagrupando trminos se obtendra, la expresin analtica de los estimadores mnimo-cuadrticos de la regresin lineal simple:
=Y X 1 2
Cov (Y , X ) 2 = var( X )
Cov ( X , X ) Cov (Y , X 2 ) 3 2 3 2 = var( X 2 )
En el caso de un modelo de regresin lineal mltiple, las expresiones anteriores se transformaran del siguiente modo:
=Y X X 1 2 2 3 3
Forma funcional Sobre la perturbacin Aleatoria Sobre las variables independientes Sobre el vector de parmetros
Representa el cambio relativo en la variable dependiente ante un cambio en un 1% en la variable j, permaneciendo el resto de factores constantes
* jt
Representa la importancia relativa que tiene cada una de las variables en la explicacin de la variable dependiente.
Relacin entre los parmetros estimados con las variable expresadas en niveles y en la misma unidad de medida (tipificadas).
x j * jt = jt y
Donde:
x j y