Вы находитесь на странице: 1из 2

ECONOMETRIA 1

Profesor: Ramn Rosales


Complementarios:

Camila Galindo
Mnica Reyes

Monitores:
Sergio Camelo
Juliana Ramrez

EJC 13: MNIMOS CUADRADOS RESTRINGIDOS STATA


Se desea estimar por medio de Mnimos Cuadrados Restringidos (MCR) el siguiente
modelo:
Ly = 0 + 1Lx1+ 2Lx2+ (Modelo sin restriccin)
Dada la restriccin: 1 + 2=1
Se transforma el modelo de acuerdo a la restriccin establecida. Tenemos entonces:
2 = 1- 1
Ly = 0 + 1Lx1+ 2Lx2+
Ly = 0 + 1Lx1+ (1- 1) Lx2+
Ly = 0 + 1(Lx1-Lx2)+ Lx2+
Ly -Lx2 = 0 + 1(Lx1-Lx2) +
Se generan las nuevas variables:
Lyx = Ly -Lx2
Lx1x2 = Lx1-Lx2
As que:
Lyx = 0 + 1(Lx1x2) + (Modelo con restriccin)
Estimacin del Modelo sin Restriccin
. reg

Ly Lx1 Lx2

Source |
SS
df
MS
-------------+-----------------------------Model | 3.20912138
2 1.60456069
Residual |
1.1092547
51 .021750092
-------------+-----------------------------Total | 4.31837608
53 .081478794

Number of obs
F( 2,
51)
Prob > F
R-squared
Adj R-squared
Root MSE

=
=
=
=
=
=

54
73.77
0.0000
0.7431
0.7331
.14748

-----------------------------------------------------------------------------Ly |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------Lx1 |
.2099216
.02888
7.27
0.000
.1519426
.2679005
Lx2 |
.278065
.0280479
9.91
0.000
.2217565
.3343736
_cons |
2.189535
.2048467
10.69
0.000
1.778288
2.600782
------------------------------------------------------------------------------

Estimacin del Modelo con Restriccin


reg

Lyx Lx1x2

Source |
SS
df
MS
-------------+-----------------------------Model |
12.345668
1
12.345668
Residual | 4.54001899
52 .087308057
-------------+-----------------------------Total |
16.885687
53 .318597868

Number of obs
F( 1,
52)
Prob > F
R-squared
Adj R-squared
Root MSE

=
=
=
=
=
=

54
141.40
0.0000
0.7311
0.7260
.29548

-----------------------------------------------------------------------------Lyx |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------Lx1x2 |
.4732243
.0397958
11.89
0.000
.3933682
.5530803
_cons | -.3708129
.0402139
-9.22
0.000
-.451508
-.2901178
------------------------------------------------------------------------------

El estimador de la nueva variable captura la dependencia de las variables explicativas dada la


restriccin, generando una prueba F sobre dicho estimador:
. test
( 1)

Lx1x2
Lx1x2 = 0
F(

1,
52) =
Prob > F =

141.40
0.0000

Por otra parte, el estadstico F puede ser calculado por medio de la razn entre las variables
explicativas, cada una con distribucin ji cuadrado y dividida entre sus respectivos grados de
libertad. Por lo tanto:
Prueba F: [(SSRr - SSRnr)/q ] / [SSRnr/n-k-1) ~ Fq,n-k-1
(SSRr - SSRnr)/q =3.4307429
SSRnr/n-k-1 =0.021750092
Prueba F =157.7356209 ~ F 1,52
A continuacin, se presenta el procedimiento general y directo usando el paquete de computacin
Stata para abordar el problema de Modelos Restringidos:
reg

Ly Lx1 Lx2

Source |
SS
df
MS
-------------+-----------------------------Model | 3.20912138
2 1.60456069
Residual |
1.1092547
51 .021750092
-------------+-----------------------------Total | 4.31837608
53 .081478794

Number of obs
F( 2,
51)
Prob > F
R-squared
Adj R-squared
Root MSE

=
=
=
=
=
=

54
73.77
0.0000
0.7431
0.7331
.14748

-----------------------------------------------------------------------------Ly |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------Lx1 |
.2099216
.02888
7.27
0.000
.1519426
.2679005
Lx2 |
.278065
.0280479
9.91
0.000
.2217565
.3343736
_cons |
2.189535
.2048467
10.69
0.000
1.778288
2.600782
. test Lx1+ Lx2 =1
( 1)

Lx1 + Lx2 = 1
F(

1,
51) =
Prob > F =

157.74

Вам также может понравиться