Professional Documents
Culture Documents
Econometrı́a I
Tomás Rau
Inferencia
Test t: una
hipótesis lineal
(casos 1-4)
Test F: casos 5-6
Clase 11
Econometrı́a I
Tomás Rau
22 de Abril
Contenidos
Clase 11
Econometrı́a I
Tomás Rau
Inferencia
Test t: una
hipótesis lineal
(casos 1-4)
Test F: casos 5-6
1 Inferencia
Test t: una hipótesis lineal (casos 1-4)
Test F: casos 5-6
Inferencia
Clase 11
Econometrı́a I
Tomás Rau
Entonces, nuestras hipótesis son:
Inferencia
Test t: una
hipótesis lineal
(casos 1-4)
H0 : Rβ = r (1)
Test F: casos 5-6
Ha : Rβ 6= r (2)
con lo cual, sólo nos resta derivar el test que nos permita
rechazar o no rechazar nuestra nula. La construcción del
estadı́grafo es como sigue.
Clase 11
Econometrı́a I
Tomás Rau
V [R β̂] = E [R(β̂ − β)(β̂ − β)′ R ′ ]
Inferencia
Test t: una = RVar (β̂)R ′
hipótesis lineal
(casos 1-4)
Test F: casos 5-6 = σ 2 R(X ′ X )−1 R ′
Clase 11
Econometrı́a I
(R β̂ − r )
p ∼ N[0, 1] (6)
2
σ R(X ′ X )−1 R ′
û ′ û
∼ χ2(n−k) (7)
σ2
Inferencia
Clase 11
Econometrı́a I
Tomás Rau
Tomás Rau
Inferencia
Test t: una
hipótesis lineal
(casos 1-4)
Test F: casos 5-6
Clase 11
Econometrı́a I
Cuando q = 1 y estamos en los casos 1 o 2, podemos reescribir
Tomás Rau el test F como:
Inferencia
Test t: una
d β̂)R ′ ]−1 (R β̂ − r )] ∼ F(q,n−k)
[(R β̂ − r )′ [R Var(
hipótesis lineal
(casos 1-4)
Test F: casos 5-6 y haciendo el reemplazo respectivo de R y r correspondientes a
las hipótesis 1 o 2 (H0 : βi = 0 = βi 0 ), llegaremos a:
(β̂i − βi 0 )2
F = ∼ F (1, n − k) (10)
d (βi )
Var
Recordando que t 2 es una caso particular de una F con un
grado de libertad en el numerador, tenemos que:
β̂i − βi 0
t=q ∼ tn−k (11)
d (βi )
Var
Test t
Clase 11
Econometrı́a I
Tomás Rau
β̂i + β̂j − 1
t=q ∼ tn−k (12)
d (β̂i ) + 2Cov
Var d (β̂i , β̂j ) + Var
d (β̂j )
Test de una cola
Clase 11
Econometrı́a I
H0 : βi = βio
H1 : βi > βio
donde βi 0 ∈ R. En dicho caso, el estadı́grafo es calculado según
lo propuesto en la sección anterior. El punto está en como
acumulamos la probabilidad de rechazo. En este caso, el total
de la probabilidad de rechazo se acumula en la cola derecha de
la distribución, como lo muestra la siguiente figura:
Test de una cola
Clase 11
Econometrı́a I
Tomás Rau
Inferencia
Test t: una
hipótesis lineal
(casos 1-4)
Test F: casos 5-6
Test de dos colas
Clase 11
Econometrı́a I
Tomás Rau
Inferencia
Test t: una
hipótesis lineal
Supongamos que nuestra hipótesis es:
(casos 1-4)
Test F: casos 5-6
H0 : βi = βio
H1 : βi 6= βio
En este caso estamos repartiendo uniformemente la
probabilidad de rechazo en ambas colas de la distribución como
lo muestra la siguiente figura (al 95 % de confianza):
Test de dos colas
Clase 11
Econometrı́a I
Tomás Rau
Inferencia
Test t: una
hipótesis lineal
(casos 1-4)
Test F: casos 5-6
Test de dos colas
Clase 11
Econometrı́a I
Tomás Rau
Inferencia
Test t: una
hipótesis lineal
(casos 1-4)
Test F: casos 5-6
Por lo tanto, rechazaremos la nula si el valor calculado es en
módulo mayor que el valor crı́tico de tabla.
Tomás Rau
Inferencia
Test t: una
hipótesis lineal
(casos 1-4)
Test F: casos 5-6
Clase 11
Econometrı́a I
Tomás Rau Caund q > 1 debemos hacer el test “F” y escribir las hipótesis
Inferencia
ası́:
Test t: una
hipótesis lineal
(casos 1-4)
Test F: casos 5-6
H0 : Rβ = r (13)
Ha : Rβ 6= r (14)
donde el estadı́stico
Tomás Rau
Inferencia
Test t: una
hipótesis lineal
(casos 1-4)
Test F: casos 5-6
Ejemplo
Ejemplo
Clase 11
Econometrı́a I
Tomás Rau
Inferencia
Test t: una
hipótesis lineal Suponga el siguiente Modelo de Regresión Lineal Simple:
(casos 1-4)
Test F: casos 5-6
Yi = β1 + β2 Xi + ui para i = 1, ..., N
Clase 11
Econometrı́a I
Tomás Rau
El estimador MCO de β1 y β2 es el siguiente:
Inferencia
Test t: una
−1
βˆ1
hipótesis lineal
(casos 1-4) 4 48 20 2,1935
Test F: casos 5-6 β̂ = = =
βˆ2 48 824 298 0,2338
Clase 11
Econometrı́a I
Primero veamos el ajuste de este modelo, es decir, en que
Tomás Rau
grado la variable x explica a la variable y , para lo cual
2
Inferencia
Test t: una
calculemos el R 2 y R :
hipótesis lineal
(casos 1-4)
P4
Test F: casos 5-6
2 RSS û 2 0,436
R = 1− = 1 − P4 i =1 i =1− = 0,969
TSS i =1 (Yi − Y )
2 14
P4
2 RSS/2 û 2 /2
R = 1− = 1 − P4 i =1 i = 0,953
TSS/3 i =1 (Yi − Y ) /3
2
Clase 11
Econometrı́a I
β̂2
t= ∼ t2
Var (β̂2 )
Clase 11
Econometrı́a I
El valor de tabla del estadı́stico t a un 95 % de confianza y con
Tomás Rau dos grados de libertad es 4,303.
Inferencia
Test t: una
hipótesis lineal
(casos 1-4)
Test F: casos 5-6
Ejemplo
Clase 11
Econometrı́a I
Tomás Rau De esta forma, se rechaza la hipótesis nula de que β̂2 =0, y por
Inferencia
lo tanto el parámetro estimado resulta ser estadı́sticamente
Test t: una
hipótesis lineal
significativo. Considere la siguiente hipótesis nula:
(casos 1-4)
Test F: casos 5-6
H0 : β̂1 − β̂2 = 2
H1 : β̂1 − β̂2 6= 2
Luego, R = [1, −1] y r = 2. Dado que q = 1 podemos proceder
con el test-t
β̂1 − β̂2 − 2
t=q
\
Var (β1 ) − 2Cov\ \
(β1 , β2 ) + Var (β2 )
Ejemplo
Clase 11
Econometrı́a I
Tomás Rau
Inferencia
Test t: una
hipótesis lineal
(casos 1-4)
Test F: casos 5-6
Clase 11
Econometrı́a I
por último testeamos la siguiente hipótesis:
Tomás Rau
Inferencia
Test t: una
hipótesis lineal
(casos 1-4)
H0 : β1 + β2 = 3
Test F: casos 5-6
β2 = 1
note que
1, 1 3
R= ;r =
0, 1 1
−0,5727
R β̂ − r =
−0,7662
Ejemplo
Clase 11
Econometrı́a I
−1
′ −1 ′ 1, 1 4 48 1, 0
R(X X ) R = × ×
0, 1 48 824 1, 1
0,7379, −0,0443
=
−0,0443, 0,004
Ejemplo
Clase 11
Econometrı́a I
Tomás Rau
Inferencia
Test t: una
hipótesis lineal
(casos 1-4)
Test F: casos 5-6 Ası́ todo junto queda:
F = 1077
y el crı́tico de una F (2, 2) a un 5 % es 19.00, luego rechazamos
la hipótesis nula.