Академический Документы
Профессиональный Документы
Культура Документы
Para analizar la obtencin del modelo restringido, vamos a considerar el siguiente modelo no
restringido:
Y 0 1 X1 2 X 2 3 X 3 u
1) H 0 : 2 2
Introducimos Ho en el modelo no restringido:
Y 0 1 X1 2 X 2 3 X 3 u
debemos pasar 2 X 2 al primer miembro y el modelo restringido sera:
Y 2 X 2 0 1 X1 3 X 3 u
2) H 0 : 1 23
Introducimos Ho en el modelo no restringido:
Y 0 2 3 X 1 2 X 2 3 X 3 u
El modelo restringido sera:
Y 0 2 X 2 3 2 X1 X 3 u
3) H 0 : 1 3 0
Introducimos Ho en el modelo no restringido y obtenemos el siguiente modelo restringido:
Y 0 2 X 2 u
4) H 0 : 1 2 1
En este tipo de hiptesis despejamos en Ho algn coeficiente i , por ejemplo, 2 1 1 .
Introducimos Ho en el modelo no restringido:
Y 0 1 X1 1 1 X 2 3 X 3 u
Pasando X 2 al primer miembro obtenemos el modelo restringido:
Y X 2 0 1 X1 X 2 3 X 3 u
1
Econometra Centro de Estudios PEPE
i L, i L donde L z / 2 SE (i )
ecuacin _ H 0 _ estimada Ho
t N 0,1
ecuacin _ H 0 _ estimada
donde la ecuacin de Ho es lo que queda cuando pasamos todo al primer miembro de Ho. Ejemplo:
1 3 Ho
H 0 : 1 3 1 3 = 0 t N 0,1
ec. Ho
SE ( 1 )
F = t2
Sirven para verificar si una variable explicativa influye individualmente en la variable dependiente. Sus
hiptesis son:
H 0 : i 0
i=0,1
H1 : i 0
2
Econometra Centro de Estudios PEPE
H 0 : 1 1 H 0 : 2 0
H1 : 1 1 H1 : 2 0
H 0 : 1 2 2 H 0 : 1 2 1
H1 : 1 2 2 H1 : 1 2 1
En este caso utilizaremos exclusivamente estadsticos F. Podemos utilizar dos estadsticos equivalentes:
R 2
nr R r2
H0
q
F Fq,
(1 R 2r )
n k 1
2 2
donde: R nr yR r son respectivamente el coeficiente de determinacin de los modelos
no restringido y restringido respectivamente, k es el nmero de variables explicativas
del modelo no restringido y q el nmero de ecuaciones o signos = en Ho
SCR r SCR nr H0
q
F Fq,
SCR nr
n k 1
3
Econometra Centro de Estudios PEPE
Sin embargo, hay una importante limitacin. El estadstico en funcin de las SCR es vlido siempre,
mientras que el estadstico en funcin de R2 slo es vlido cuando la varianza de la variable dependiente
en los modelos no restringido y restringido coincidan. De forma rpida esta limitacin puede
comprobarse con la siguiente regla: la varianza de la variable dependiente de los modelos no restringido
y restringido si despus de pasar todos los al primer miembro de Ho, lo que queda en el segundo
miembro es igual a cero.
Ho
W q F q 2
H 0 : 1 2 ... k 0
H1 : 1 0 y / o 2 0 y / o... k 0
H 0 : 2 3 0
H1 : 2 0 y / o3 0
0 2
H0 : 1 H0 : 1
2 1 3 1
1 0 1 2
H1 : y / o H1 : y / o
1 1
2 3
4
Econometra Centro de Estudios PEPE
4.REPARAMETRIZACIN DE MODELOS
Supongamos el siguiente modelo:
Y 0 1 X1 2 X 2 3 X 3 u (1)
H 0 : 1 2 0
H1 : 1 2 0
Como vimos a lo largo del tema, el estadstico preferente para este contraste sera:
1 2 H0
t N (0,1)
SE ( 1 2 )
donde SE( ) V ar(
1 2 ) V ar(
1 ) V ar(
2 ) 2 cov(
1, 2 )
1 2
Puede ocurrir que los errores estndar de los coeficientes y/o sus covarianzas sean desconocidos, lo que
impedira el clculo del estadstico t en este caso. Como alternativa podramos pensar en un estadstico
F en cualquiera de sus dos versiones. Pero puede ocurrir que las sumas de cuadrados y/o los
coeficientes de determinacin de los modelos no restringido y restringido sean tambin desconocidos.
En este caso podemos resolver el contraste con un mtodo alternativo llamado reparametrizacin. Este
mtodo consiste en igualar la ecuacin de Ho a un parmetro . A continuacin, se introduce dicha
restriccin en el modelo no restringido y obtenemos un modelo reparametrizado que contiene a
como parmetro. Por ltimo se resuelve el contraste en funcin de .
Y 0 2 X1 2 X 2 3 X 3 u
Y 0 X 1 2 X 1 2 X 2 3 X 3 u
Y 0 X1 2 X 2 X1 3 X 3 u
5
Econometra Centro de Estudios PEPE
H 0
t N (0,1)
SE ()