Professional Documents
Culture Documents
Laboratorio #1
Mtodo de Estimacin
Factorizando
Porque E[u
t
]= 0
Restando
de {Y
t
]; teniendo en cuenta que E[I
t
] = I
t
; y que {u
t
-E(u
t
)= u
t
] se tiene:
2 se supone cero, la covarianza entre Y y u tiende a ser diferente de cero. Se espera que Y
t
y u
t
estn
correlacionados, lo cual viola el supuesto de modelo clsico de regresin lineal respecto de que las
perturbaciones son independientes o por lo menos no estn correlacionadas con las variables explicativas. Los
estimadores en esta situacin son inconsistentes.
El estimador
es un estimador inconsistente de
1
debido a la correlacin entre Y
t
y u
t
.
Santoyo Venegas Flix
Las letras minsculas representan desviaciones de la media (muestras). Se sustituye C
t
:
Tomando el valor esperado:
No se puede evaluar el trmino
sea cero
es un estimador sesgado de
no estara
sesgado, aunque esta respuesta no es de todo correcta, pues la cov(Yt,t) que es un concepto poblacional, no
equivale exactamente a
a medida que
el tamao de la muestra aumenta indefinidamente.
Se dice que un estimador es consistente si el lmite de su probabilidad (plim) es igual al verdadero valor
poblacional. Para demostrar que
Se utilizan las reglas de la probabilidad.
(
Se dividen las sumatorias ente el nmero de observaciones. Lo que se tiene ahora es la covarianza muestral
entre Y y u al igual que la varianza muestral de Y.
El lmite de probabilidad de
es igual a
Santoyo Venegas Flix
La ecuacin de plim (
sobreestimar al verdadero
. Es un estimador sesgado y no
importa lo grande de la muestra, el sesgo no desaparece.
Para los propsitos de estimacin, es importante distinguir por la estructura de los modelos, cuales son simultneos por
naturaleza y cules no lo son. En un modelo con ms ecuaciones, algunas variables endgenas tendran infinito nmero de
soluciones: mientras que otro modelo con un nmero menor de ecuaciones, las variables endgenas no tendran solucin.
El modelo idneo es donde hay un nmero de ecuaciones igual al nmero de variables endgenas.