Академический Документы
Профессиональный Документы
Культура Документы
Datos de Panel (o datos longitudinales): Es una desagregacin analtica en distintos puntos en el tiempo, es decir, estas tienen
elementos de series de tiempo y de corte transversal reunidos.
Consumo autnomo: consumo necesario
para mantener un mnimo nivel de
subsistencia". Consumir algo para no
morir de inanicin, enfermedades, etc.
Funcin de regresin es la curva que conecta las medias de las subpoblaciones de Y que corresponden a los valores dados del regresor
X.
E(Y / X) = 0 1X
donde los parmetros estn elevados a la primera potencia y puede o no ser lineal en las variables explicativas X.
Es momento de enfrentar los problemas muestrales, pues en la prctica lo nico que se tiene al alcance no es ms que una muestra de
valores de Y que corresponden a algunos valores fijos de X; ahora hay que estimar la funcin de regresin poblacional con base en
informacin muestral, esta informacin es seleccionada aleatoriamente; supuestamente estas representan la recta de regresin
poblacional, pero debido a las fluctuaciones muestrales pueden ser consideradas en el mejor de los casos solo como una aproximacin de
la primera RP. en general se obtendra N FRM diferentes para N muestras diferentes y estas FRM no necesariamente son iguales.
Ahora en forma anloga a la funcin de regresin poblacional (FRP) en la cual se basa la recta de regresin poblacional, se puede
desarrollar el concepto de regresin muestral (FRM) para representar la recta de regresin muestral.
La contraparte muestral de E(Y/X) = 0 1X puede escribirse como
^0^1^ X
Donde:
Y^ = estimador de E(Y X)
0^ =estimador de 0
1^ =estimador de 1
Advirtase que un estimador, conocido tambin como estadstico (muestral), es simplemente una regla, formula o mtodo que dice como
estimar el parmetro poblacional a partir de la informacin suministrada por la muestra disponible. Un valor numrico particular obtenido
por el estimador en una aplicacin es conocido como estimado.
Ahora tal como se expresa la FRP en dos formas equivalentes y se puede expresar la FRM; en su forma estocstica de la siguiente
manera:
Funcin de regresin poblacional
E(Y X) = 0 1X + U
Funcin de regresin muestral.
^0^1^ X + U^
Donde U denota el termino residual (muestral).
MODELO DE REGRESIN LINEAL SIMPLE
Definicin:
Consiste en estimar un modelo que incluye una variable dependiente y
una independiente.
y = Variable dependiente
x = Variable explicativa
0 = intercepto (ordenada al origen)
1 = pendiente (propensin marginal, elasticidad)
U = trmino de perturbacin estocstica (TPE) o residuo.
Supuestos del Modelo Clsico de Regresin
- El valor medio del TPE (U) es igual a cero
(U) = 0
E (U) = 0
- La varianza de los TPE es constante u homoscedstica
[ var. (Ui) = 2]
- Las variables explicativas son no estocsticas o si lo son estn distribuidas independientemente de las perturbaciones [ (U) X =0]
- No existe Autocorrelacin entre las perturbaciones
[E ( UiUj )=0] i j; i y j son periodos de tiempo.
- No existe multicolinealidad entre las variables
explicativas. [ P (X)]
- Los TPE poseen una distribucin normal
[ U ~ N ( 0, 2 ) ]
- Los parmetros estn normalmente distribuidos
~ N (, S2 (XX)-1)
- El modelo de regresin debe de estar correctamente
especificado.
MINIMOS CUADRADOS ORDINARIOS (MCO)
El mtodo de mnimos cuadrados ordinarios se atribuye a Carl F.Gauss. Este mtodo tiene algunas propiedades estadsticas muy
atractivas que lo han convertido en uno de los ms eficaces y populares del anlisis de regresin. Para entenderlo se explicar este
principio de los mnimos cuadrados.
Reacurdese FRP de dos variables
Yi = 0 1Xi + U
Esta debe ser estimada a partir de la FRM
^0^1^ X + U^
= ^+ U^
donde ^ es el valor estimado (media condicional) de Y
por tanto esta se expresa:
U^ = Yi - ^
=Yi - 0^- 1^ Xi
que muestra que los U^ (los residuos) son simplemente las diferencias entre los valores observados y los estimados de Y.
La suma algebraica de estos residuos es cero a pesar de que U1^ y U4^ presenten una mayor dispersin alrededor de FRM que U2^ y
U3^ . se puede evitar este problema si se adopta el criterio de mnimos cuadrados el cual establece que la FRM puede determinarse en
forma tal que
U^2= (Yi - ^)2
= (Yi - 0^- 1^ X)2
Sea lo mas pequea posible, donde U^2 son los residuos elevados al cuadrado. Al elevar al cuadrado U^. Una justificacin adicional para
el mtodo de los mnimos cuadrados reside en el hecho de que los estimadores obtenidos con este mtodo tienen unas propiedades
estadsticas muy, deseables.
U^2 = f (0^,1^)
Ecuaciones normales
Y= n0^+ 1^X
YX = n0^X + 1^X2
resolviendo estas ecuaciones simultneamente, se obtiene:
0^ = (X2)(Y) - (X)(YX)
(n)(X2) - (X)2
1^ = (n)(YX) (X)(Y)
(n)(X2) - (X)2
Prueba de Hiptesis
Suposicin o conjetura que se hace acerca del comportamiento de un parmetro
Y = 0 + 1X
http://www.monografias.com/trabajos103/funciones-matematicas-forma-y-f-x/funciones-matematicas-forma-y-f-x.shtml