Fundamentos y Pruebas de Validación en Modelos de Regresión Econométrica

Supuesto 6: el error se distribuye normal (cero, sigma a la dos ln), supuesto de normalidad

si el valor p es mayor que el alpha no rechazo h0y la variable no va a ser estadisticamente significativa.
si el valor p es menor que el alpha rechazo h0 y la variable va a ser estadisticamente significativa.

Intervalo de confianza = Bgorro (estimate) +- 1.96 o 2.58 * std error

Intervalo de confianza

Existe un 99 porciento (por ej) de probabilísticasdad de que el intervalo determinado por los extremos calculados contenga a beta. Es coherente que un ic 99 porciento sea mas ancho ya que necesito cubrir mas posibles valores del parámetro pob.

si t es mayor al valor critico, rechazo hcero, hay evidencia estadística para afirmar que la variable es estadisticamente significativa.

prubas de contrastes múltiples:

primero se estima el modelo sin restringir y luego el restringido.
el modelo sin restringir va a ser mejor que el restringido. 
el estadístico f va a comparar las sumas de los residuos al cuadrado de ambos modelos.
el estadístico f siempre va a ser positivo src rest mayor a src no rest.

rechazo hcero cuando el estadístico f es mayor al valor critico.

graficas:

tstudent (bilateral): es simétrica, valor c positivo y negativo, pinto en la zona que estoy, del c a la derecha es alpha dividido dos.

Variables al cuadrado:

nos sirven para saber que el efecto marginal no es algo variable. Tmb se usa para saber si el efecto marginal se mantiene o no constante.

variables con interacción:

sirven para ver si las dos variables explican conjuntamente a la variable dependiente (y).

Heterocedasticidad: si la varianza cambia para los distintos valores de las x

errores estándares robustos: en presencia de heterocedasticidad los estimadores de beta van a seguir siendo insesgados. Modifican la formula de la varianza de los beta por una que nos permite hacer inferencia.

para testear si el modelo tiene heterocedasticidad utilizamos dos test (lo haremos con la reg aux):

test bp: considera que los errores pueden ser estimados mediante los residuos de la regresión por mco. Parte de una hipótesis nula de no heterocedasticidad. Si el valor p es menor al alpha rechazamos hcero y hay suficiente evidencia para concluir que existe heterocedasticidad lineal en el modelo.

test w: verifica si hay evidencia de heterocedasticidad no lineal. Utiliza el mismo razonamiento que el test de bp pero incorpora los cuadrados y términos cruzados. Si el valor p es menor al alpha rechazamos hcero y hay suficiente evidencia para concluir que existe heterocedasticidad no lineal en el modelo.

Vif: estudia la presencia de multicolinealidad

si es mayor a diez, hay alta correlación y una fuerte multicolinealidad.
si es menor a diez, la correlación esta presente pero no es relevante, la multicolinealidad es moderada.

frase: en el siguiente modelo la mayoría de las variables presentan…

test de ramsey, este se utiliza para detectar errores de especificación en un modelo de regresión, específicamente ayuda a identificar si faltan variables relevantes, si hay variables mal especificadas o si el modelo tiene una forma funcional incorrecta. Parte del supuesto de que, si el modelo esta bien especificado, entonces incluir potencias o productos cruzados de los valores ajustados no debería aportar información adicional significativa

Modelos Logit o Probit, el APE (mejor interetacion poblacional) suele ser preferido porque representa el efecto marginal promedoo en toda la muestra, mientras que el PEA evalia el efecto matginal en el punto promedio que puede ser artificial o realista. El APE es preferido porque evita evaluar combinaciones No reales de variables como dummies promedias.