Title | MCO - Estimación de mínimos cuadrados ordinarios Gretl |
---|---|
Course | Econometria |
Institution | Universidade de Vigo |
Pages | 4 |
File Size | 213.3 KB |
File Type | |
Total Downloads | 97 |
Total Views | 150 |
Estimación de mínimos cuadrados ordinarios Gretl...
ESTIMACIÓN DE MÍNIMOS CUADRADOS ORDINARIOS (MCO) (Guía de Introducción a la Econometría utilizando Gretl. Capítulo 3. MCO: Modelo de Regresión Lineal Clásico páginas 64-117)
ols Y const X 1 X2 … X K --opciones Salida estándar del comando ols: ? ols Y const X1 X2 … XK Modelo nº: MCO, usando las observaciones nº observación inicial – nº observación final dependiente: Y ($depvar)
(n = nº ($T) Variable
Coeficiente Desv. Típica Estadístico t Valor p ---------------------------------------------------------------const
b0
sb
t0
PVt 0
X1
b1
sb
t1
PVt 1
* **
0 1
X2
b2
sb
t2
PVt 2
...
...
...
...
...
XK
bK
sbk
tK
PVt K
2
***
Media de la vble. dep.
Y
D.T. de la vble. dep.
Sy
Suma de cuad. residuos
SCE ($ess) R 2 ($rsq) F2 ($Fstat) L ($lnl) SC ($hic)
D.T. de la regresión
S ($sigma) R2 PVF2 AIC ($aic) HQ ($hqc)
R-cuadrado F(gln, gld) Log-verosimilitud Criterio de Schwarz
R-cuadrado corregido Valor p (de F) Criterio de Akaike Crit. de Hannan-Quinn
Sin considerar la constante, el valor p más alto fue el de la variable Xi ( )
Opciones del comando ols: --vcv Imprime la matriz de varianzas-covarianzas estimada de los estimadores --simple-print No imprime los estadísticos auxiliares --quiet Suprime la impresión de resultados --anova Imprime la tabla ANOVA --no-df-corr Utiliza el tamaño muestral en lugar de los grados de libertad para el cálculo de algunos estadísticos 1
Variables temporales del comando ols: $ess Suma de Cuadrados de Errores ( SCE ) $T tamaño muestral ( T ) $rsq coeficiente de determinación ( R 2 ) $df grados de libertad (DF) $ncoeff número de parámetros $lnl logaritmo de la función de verosimilitud $aic criterio de información de Akaike ( AIC ) $bic criterio bayesiano de Schwarz ( SC ) $hqc criterio de Hannan y Quinn ( HQ ) $trsq T * R 2 $Fstat estadístico F (F 2 en modelos formulados con ordenada en el origen y F 1 en modelos sin ordenada) $uhat serie de residuos o errores de estimación ( e ) $yhat serie de valores estimados del regresando ( Yˆ ) $coeff vector de estimadores de los parámetros ( b ) $sigma estimador de la desviación estándar de la perturbación ( S ) $vcv matriz de varianzas-covarianzas estimada de los estimadores ( Vˆ(b) ) $stderr vector de desviaciones típicas estimadas de los estimadores ( S(b) ) $xlist lista de variable/s independiente/s $ylist Lista variable/s dependiente/s Salida estándar de la opción --anova del comando ols: ? ols Y const X1 X2 … XK --anova ...
...
...
...
...
Análisis de Varianza: Suma de cuadrados Regresión Residuo Total
SCR SCE ($ess) SCT
gl
K ($coeff-1) T - K - 1 ($df) T - 1 ($T)
Media de cuadrados
SCR/K SCE/(T - K - 1) SCT/(T - 1)
R 2 = SCR / SCT ($rsq) SCR/K F(gln, gld) = = F2 ($Fstat) [Valor p PVF2 ] SCE /(T − K − 1)
2
Algunas expresiones: Vector de estimadores (coeficientes de regresión parcial estimados) b = (X ′X )-1 X ′Y (el coeficiente de regresión parcial estimado bi mide el cambio en la variable dependiente producido por un cambio unitario en la variable independiente a la que acompaña manteniendo constantes las demás variables) S (el coeficiente beta estimado o coeficiente estandarizado estimado βˆi* = bi X i mide el cambio en la variable dependiente (en unidades SY de desviación estándar) producido por un cambio unitario en la variable independiente a la que acompaña (en unidades de desviación estándar) manteniendo constantes las demás variables)
(la elasticidad en media estimada Eˆi = bi X i mide el cambio porcentual en la variable dependiente producido por un cambio porcentual en Y la variable independiente a la que acompaña, manteniendo constantes las demás variables)
Regresando estimado Yˆ = Xb Residuo o error e = Y - Yˆ Perturbación ε = Y - E(Y) Suma de Cuadrados de los Errores SCE = Y ′Y - b ′X ′Y Suma de Cuadrados de la Regresión SCR = b′ X ′Y - T Y 2 Suma de Cuadrados Totales SCT = Y ' Y − T Y 2
3
Estimador de la varianza de la perturbación S 2 =
SCE T - K -1
-1 Matriz de Varianzas-Covarianzas estimada de los estimadores V(b) = S 2 (X ′X )
Coeficiente de determinación R2 =
SCR SCE =1 − SCT SCT
(El coeficiente de determinación además de proporcionar información sobre la bondad del ajuste, se interpreta como el porcentaje de
variaciones del regresando que vienen explicadas por las variaciones de las variables explicativas). SCE T −1 (1 − R 2 ) Coeficiente de determinación corregido o ajustado R2 = 1 - T - K - 1 = 1− SCT T − K −1 T -1 Coeficiente de determinación bruto R2RAW = 1 -
SCE ∑ Y2t
(
)
2
T ˆ ˆ ∑ Yt − Y (Yt − Y ) = 2 t 1 Coeficiente de determinación entre observados y estimados r = T 2 T 2 ∑ Yˆ − Yˆ ∑(Y − Y )
(
t= 1
t
)
t
t =1
4...