Fundamentos de Econometría: Hipótesis Clásicas y Estimación MCO
Enviado por Programa Chuletas y clasificado en Matemáticas
Escrito el en
con un tamaño de 2,9 KB
Hip.Clásicas//perturb ale es 0
E(u)=0 Hmocedasticidad(varianz constante de las perturbas a lo largo de la dstribucin)
Test White(ho:homoced) R2aux→χ2m // No autoco:
Perturbacions no estas autocorre a lo largo de la distrib. Test D-W(Ho:no autocorr) 0(auto+)dl(?)du(no auto)4-du(?)4-dl(aut+)4
Con y(-1):h Durbin= p.√(t/1-t.
varβy(estándar error (-1)2) Si h entre -∞,1,64 Ho(no autoco)
Esfericidad(homoced +noautocorr los estimadores MCO presentaran propiedades probab:
Lineales en Y:βMCO=(x'x)-1x'y=f(y)=f(u)
Insesgadez
E(Bmco)=B(supuesto x fijs)
Optimldd y efic
V(Bmco)σu2.(x'x)-1
Estimador MCO+Distrib Normal pertub=Propiedades MV(distric asintoticamente Normal,son consistentes y asntoticamente eficients
Dist normal?J-B (Ho:
Normalidad residuos : JB= ( N.(s2/6) +((k-3)2/24) )→χ22//test errores especificación u omisión de variables(T.Ramsey)= Incluir nueva var al cuadrado y contrastar su signif(Ho:Nueva var=0→bien especificado) -tn-k∞/2
R2=mayor AIC=menor (AICL+2.Mean dep var) Shwart=menor
Perturba no esféricas=problemas estimación x MCO : Siguen siendo lineales : βMCO=(x'x)-1x'y e insesgados:E(Bmco)=B pero dejan de ser óptimos en cond de heteroced(su var ya no es mínima) so tiene implicaciones:no podremos utilizar contrastes Tstudent ni Fsnecor ni elaborar predicciones como hasta ahora ... Solución:La sol teórica consiste en considerar la verdadera estructura de la matriz de var-covar de la perturb no esférica de la estimación ( estimación por MCG)
Valor estimador q minimiza residuos:Bmcg=(x'Ω-1x)-1x'Ω-1y siendo E(u.U')=σ2u.Ω los MCG seguirán siendo lineales,insesgados y óptimos.
Hetecored:Confirmamos la existencia de hetero.Por lo tanto la var no es constante a lo largo de la muestra y los estimadores por MCO sin lineales e insesgados pero no optimo,debemos determinar cual es la parte de la varianza de las perub q no permanece constante(análisis glesjer) propiedades:lineales e insesgados siguen pero no óptimos porque obtenemos una matriz mayor q la anterior en cond de homoced.