Scribd
Cargar
242 vistas7 páginas

Fundamentos de Regresión Múltiple

Este documento presenta los conceptos básicos de la regresión lineal múltiple y el modelo de Mincer. Explica cómo la regresión múltiple vincula una variable dependiente a múltiples variables independientes a través de coeficientes estimados. También describe cómo el modelo de Mincer intenta explicar los salarios en función de la educación, experiencia y edad de una persona. Finalmente, resume los supuestos clave de la regresión lineal múltiple y cómo realizar pruebas de hipótesis sobre la significancia de los coeficientes estimados.

Cargado por

Ariel Cisneros
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
242 vistas7 páginas

Fundamentos de Regresión Múltiple

Este documento presenta los conceptos básicos de la regresión lineal múltiple y el modelo de Mincer. Explica cómo la regresión múltiple vincula una variable dependiente a múltiples variables independientes a través de coeficientes estimados. También describe cómo el modelo de Mincer intenta explicar los salarios en función de la educación, experiencia y edad de una persona. Finalmente, resume los supuestos clave de la regresión lineal múltiple y cómo realizar pruebas de hipótesis sobre la significancia de los coeficientes estimados.

Cargado por

Ariel Cisneros
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

Econometría

Regresión lineal múltiple


Modelo de regresión múltiple
 Modelo vincula a la variable a explicar 𝑌𝑖 a través de diferentes
variables explicativas 𝑋𝑘

෢0 + 𝐵
𝑌𝑖 = 𝐵 ෢1 𝑋1 + 𝐵
෢2 𝑋2 + ⋯ + 𝐵
෢𝑘 𝑋𝑘 + 𝑢ෝ𝑖

෢𝑘 : efectos marginales de 𝑋𝑘 en 𝑌𝑖
 Estimadores 𝐵

𝜕𝑌𝑖
෢1
=𝐵
𝜕𝑋1
𝐵1 nos dice el cambio en 𝑌𝑖 cuando 𝑋1 se incrementa en una unidad,
mientras que los otros regresores se mantienen constantes.
Ecuación de Mincer
 Modelo intenta explicar el salario en función de la edad, la
experiencia y el nivel educativo

෢0 + 𝐵
𝑆𝑎𝑙𝑎𝑟𝑖𝑜 = 𝐵 ෢1 𝐸𝑑𝑢𝑐 + 𝐵
෢2 𝐸𝑥𝑝𝑒𝑟𝑖𝑒𝑛𝑐𝑖𝑎 + 𝐵
෢3 𝐸𝑑𝑎𝑑 + 𝑢ෝ𝑖

෢1 : estima los retornos educativos.


 𝐵
Nos dice cuánto aumenta el salario en promedio al aumentar en 1 año el nivel
educativo, controlando por edad y experiencia.

 Es posible controlar por otras variables como género, nacionalidad, región


geográfica, etc
Supuestos de Gauss-Markov:
Método de MCO para MELI
 I) Linealidad en los parámetros:
Implica que el efecto marginal no depende del nivel de los regresores. La variable
dependiente Y se relaciona con X por una función lineal.

 II) Muestreo aleatorio

 III) Ausencia de colinealidad perfecta en X:


No hay correlación perfecta entre las variables independientes. Ej: misma variable en
diferentes unidades de medida.
Supuestos de Gauss-Markov:
Método de MCO para MELI

 IV) Media condicional cero: 𝐸(𝑢𝑖 |𝑋) = 0


Valor esperado del error, dado los valores de las X es cero. Veremos problemas de
este supuesto.

 V) Homocedasticidad: Var 𝑢𝑖 𝑋 = 𝝈𝟐

Varianza del error no debe depender del nivel de X


Contraste de hipótesis:
significancia del estimador
 ¿La variable explicativa 𝑿 tiene importancia para explicar la variable 𝒀?

 El Test de hipótesis nos dice si el estimador 𝜷 es significativo o no lo es:

𝐻0 : 𝐵 = 0
𝐻1 : 𝐵 ≠ 0

 La hipótesis nula nos dice que el estimador no es significativo, mientras que


la alternativa que sí lo es.
Contraste de hipótesis:
significancia del estimador
 Necesitamos rechazar la 𝐻0

 Debemos encontrar el p-value y comparar con un nivel de significancia 𝜶

𝑝 − 𝑣𝑎𝑙𝑢𝑒 < 𝛼 = 𝑅𝑒𝑐ℎ𝑎𝑧𝑜 𝐻𝑜


ቊ
𝑝 − 𝑣𝑎𝑙𝑢𝑒 > 𝛼 = 𝑁𝑜 𝑟𝑒𝑐ℎ𝑎𝑧𝑜 𝐻𝑜

 Si nuestro estimador es significativo, procedemos a realizar el análisis de


regresión.

También podría gustarte