Clase 11

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.

Dado que MCO (bajo los supuestos relevantes) es insesgado,

tenemos que E (β̂) = β, por lo tanto, E (R β̂) = Rβ, mientras
que la varianza de R β̂ corresponde a
 Inferencia

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 ′

Necesitamos aún un supuesto más para determinar la

distribución muestral de nuestra nula. Dado que β̂ es función
de u y u ∼ N(0, σ 2 ), entonces β̂ ∼ N(β, σ 2 (X ′ X )−1 ) y por lo
tanto R β̂ ∼ N(r , σ 2 R(X ′ X )−1 R ′ ), entonces:

β̂ ∼ N[β, σ 2 (X ′ X )−1 ] (3)

R β̂ ∼ N[Rβ, σ 2 R(X ′ X )−1 R ′ ] (4)

 Inferencia

Clase 11
Econometrı́a I

Tomás Rau y si la nula Rβ = r es cierta:

Inferencia
Test t: una
hipótesis lineal
∴ (R β̂ − r ) ∼ N[0, σ 2 R(X ′ X )−1 R ′ ] (5)
(casos 1-4)
Test F: casos 5-6
asumiendo que q = 1 podemos estandarizar simplemente:

(R β̂ − r )
p ∼ N[0, 1] (6)
2
σ R(X ′ X )−1 R ′

Además, se puede demostrar que

û ′ û
∼ χ2(n−k) (7)
σ2
 Inferencia

Clase 11
Econometrı́a I

Tomás Rau

Inferencia Luego, se puede demostrar que cuando q > 1:

Test t: una
hipótesis lineal
(casos 1-4)
Test F: casos 5-6 (R β̂ − r )′ [σ 2 R(X ′ X )−1 R ′ ]−1 (R β̂ − r ) ∼ χ2q (8)

luego, combinando los dos resultados anteriores, se puede

demostrar que

[(R β̂ − r )′ [R(X ′ X )−1 R ′ ]−1 (R β̂ − r )]/q

∼ F(q,n−k) (9)
û ′ û/(n − k)

que será el test “F” que usaremos generalmente.

 Clase 11
Econometrı́a I

Tomás Rau

Inferencia
Test t: una
hipótesis lineal
(casos 1-4)
Test F: casos 5-6

Test F como test t

 Test F como test t

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

Lo anterior es conocido como el test t (test de significancia) y

Inferencia
β̂
Test t: una
hipótesis lineal en su versión más utilizada corresponde a t = √ d , donde
(casos 1-4) Var (βi )
Test F: casos 5-6
se busca testear la hipótesis nula de que el parámetro es cero.

El test t también cubre los casos 3. y 4.. En el caso 3. por

ejemplo (H0 : βi + βj =1), el estadı́grafo corresponderá a:

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

Tomás Rau Criterio de Rechazo y Nivel de Confianza

Inferencia
Test de una cola
Test t: una
hipótesis lineal
(casos 1-4)
Test F: casos 5-6
Supongamos que nuestra hipótesis es:

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.

Note que en este caso, la probabilidad de rechazo se reparte un

partes iguales en ambas colas. Ello se justifica en que la
distribución t corresponde a una distribución simétrica.
 Clase 11
Econometrı́a I

Tomás Rau

Inferencia
Test t: una
hipótesis lineal
(casos 1-4)
Test F: casos 5-6

Test F: casos 5-6

 Inferencia

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

[(R β̂ − r )′ [R(X ′ X )−1 R ′ ]−1 (R β̂ − r )]/q

F = (15)
û ′ û/(n − k)

rechaza para valores mayores al crı́tico de una F (q, n − k) para

un valor de significancia α
 Clase 11
Econometrı́a I

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

Además posee la siguiente información muestral de X e Y:

Y2 5 6 7
X0 10 18 20
P 2 P
considere û = 0,436 y (Yi − Y )2 = 14
 Ejemplo

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

La matriz de varianzas y covarianzas de β̂ es:

V̂ (β̂) = σ̂u2 (X ′ X )−1

 −1  
0,436 4 48 0,180866 −0,010536
= =
2 48 824 −0,010536 0,000878
 Ejemplo

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

Como podemos ver, el grado de ajuste del modelo es bastante

bueno, como el modelo incluye constante, el R 2 se puede
interpretar como la proporción de la variabilidad de la variable
independiente que es explicada por la variabilidad de la variable
dependiente, la que en este caso alcanza un 97 %.
 Ejemplo

Clase 11
Econometrı́a I

Tomás Rau Test de significancia de β̂2 :

Inferencia
Test t: una H0 : β̂2 = 0
hipótesis lineal
(casos 1-4)
Test F: casos 5-6
H1 : β̂2 6= 0

β̂2
t= ∼ t2
Var (β̂2 )

De esta forma, el valor calculado para el estadı́stico t es:

0,233870968
tc = √ = 7,892762865
0,000878
 Ejemplo

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

2,1935 − 0,2338 − 2 −0,0403

t=√ =√ = −0,0895
0,1806 + 2 × 0,0105 + 0,000878 0,202478

Dado que t1−α/2,2 = 4,303 cuando α = 0,05, no rechazamos la

hipótesis nula.
 Ejemplo

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

Tomás Rau Recuerde,

Inferencia
Test t: una
hipótesis lineal
(casos 1-4) [(R β̂ − r )′ [R(X ′ X )−1 R ′ ]−1 (R β̂ − r )]/q
Test F: casos 5-6 ∼ F(q,n−k) (16)
û ′ û/(n − k)

luego, debemos evaluar este producto

   −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.