Академический Документы
Профессиональный Документы
Культура Документы
CAPITULO 1
EL MODELO DE REGRESIÓN LINEAL
1.1.1 Interpretación
El inglés Francis Galton1 (1822 - 1911) fue el primero en introducir el término regresión.
Cuando estudiaba la relación entre las estaturas de los hijos y los padres observó que la estatura
de los hijos era alta o baja cuando los padres eran altos o bajos, respectivamente. Sin embargo,
la estatura promedio de los hijos cuyos padres tenían una estatura dada, tendía a moverse o
converger hacia el promedio de la población. Así, determinó una regresión de la estatura de los
hijos hacia el promedio o, en términos de Galton, “una regresión hacia la mediocridad”.
La Ley de Regresión Universal de Galton fue confirmada, años después, por Karl Pearson,
quien realizó un estudio similar utilizando más de mil observaciones. Con el estudio de Pearson
se confirmó que la estatura promedio de los hijos de un grupo de padres altos era menor que la
estatura de sus padres y la estatura promedio de los hijos de padres de estatura baja era mayor
que la de sus padres. Así, se observa que los hijos de estatura alta o baja, “regresan” en forma
similar hacia la estatura promedio de la población.
En este sentido, la regresión de una variable aleatoria Y sobre otra variable X fue entendida
como la media de Y condicional en X, a través de una relación funcional entre X e Y. El
estimador de los coeficientes involucrados en esta forma funcional fue hallado utilizando el
criterio de estimación de Mínimos Cuadrados Ordinarios (MCO), que será estudiado en el
siguiente capítulo, y las observaciones muestrales de X e Y.
Una interpretación más moderna de regresión indica que la misma es cualquier aproximación
de la distribución de probabilidad de Y condicionada a los valores de las observaciones de X,
1
Francis Galton, “Family Likeness in Stature”, Proceedings of Royal Society, Londres,vol, 40, 1886, pp. 42-72.
8
Econometría Moderna El Modelo de Regresión Lineal
A menudo se confunden los términos regresión y correlación, los cuales están estrechamente
ligados a pesar de que existen diferencias substanciales entre ellos. Por un lado el análisis de
correlación pretende medir el grado de asociación lineal entre dos variables a través del
coeficiente de correlación2. Por ejemplo, se puede estar interesado en conocer la correlación
entre la cuenta de capitales y la tasa de interés, entre los términos de intercambio y la balanza
comercial, entre la tasa de encaje y créditos del sistema bancario, etc. En cambio, cuando se
analiza una regresión se trata de estimar o de predecir el valor promedio de una variable
(llamada explicada, dependiente o endógena) utilizando valores fijos 3 de las variables
explicativas (también llamadas independientes o exógenas) . Utilizando el ejemplo anterior,
puede ser que se desee predecir el saldo de la cuenta de capitales teniendo información muestral
de la tasa de interés o que se desee predecir el monto total de créditos conociendo la tasa de
encaje bancaria. Así, y conociendo la relación existente entre estas variables a través de un
análisis de regresión, será posible predecir valores de la variable dependiente utilizando
realizaciones de las independientes.
f( y/ x1 , x2 , x3 ) = F ( y/ x1 , x2 , x3 ) * f (x1 , x2 , x3 ) (1.1)
2
El coeficiente de correlación entre dos variables aleatorias expresa el grado de dependencia entre el comportamiento
Cov (Y , X )
de dichas variables. Formalmente:
( x )( y )
3
Se debe resaltar que las variables explicativas pueden ser de naturaleza estocástica, pero por simplicidad para el
análisis de regresión se asume que los valores de X no cambian en diversas muestras, es decir son fijos en el muestreo
repetido. De hecho este supuesto deberá imponerse al momento de querer obtener estimados de los verdaderos
parámetros. El problema asociado a la presencia de regresores (variables exógenas) estocásticos, será abordado en
otro capítulo.
4
Se puede expresar matemáticamente de la siguiente manera: 3(un u 1 ) (Q1 Q f ) , donde un y Qf
indican que el producto está en pleno empleo y por tanto la tasa de desempleo (u) es la natural.
5
Son las funciones de probabilidad generadas por el comportamiento aleatorio conjunto de dos o más variables y se
utilizan en el estudio de las relaciones existentes entre éstas.
9
Econometría Moderna El Modelo de Regresión Lineal
De esta manera, si se tiene la siguiente función conjunta: C = f (r, Yd, w, Yp), ésta nos indica
que el consumo es una función de la tasa de interés, el ingreso disponible, el salario y el ingreso
permanente. La función anterior expresa únicamente una relación matemática, sin embargo, y
tal como se indicó en la introducción del libro, uno de los objetivos de la econometría es
formular un modelo econométrico a partir de un modelo económico, para luego proceder a la
estimación y comprobación del mismo a partir de los datos muestrales. En consecuencia, se
debe transformar la función anterior en un modelo econométrico, por ejemplo consideremos el
siguiente modelo de regresión lineal6:
C 0 1 r 2 Yd 3 w 4 Yp
Un punto importante que debe notarse es que la estructura de la relación entre la variable
explicada y las variables explicativas se supone que es lineal lo cual puede ser un aproximación
muy gruesa de la realidad porque de hecho muchos eventos o fenómenos que se pretenden
explicar son de naturaleza no lineal. En todo caso el modelo de regresión lineal puede pensarse
como una aproximación lineal de Taylor de un problema no lineal.
Una vez que hemos entendido el concepto de regresión como la modelación de la media
condicional de una distribución de probabilidades es deseable realizar algunas definiciones
básicas que vamos a utilizar a lo largo del libro.
La variable Y que es aquella que condicionamos a los valores que adopte las demás variables
(X) recibe indistintamente le nombre de variable explicada, endógena o dependiente. Las
6
Este modelo será estudiado en el Capítulo III.
Y
7
Formalmente: i es decir, cada parámetro representa la derivada parcial de la variable dependiente con
X i
respecto a cada variable explicativa.
10
Econometría Moderna El Modelo de Regresión Lineal
1 2 x 2t 3 x 3t ............. k x kt
Esta es la parte que es sugerida por el investigador y establece una relación sistemática
y de dependencia entre la variable explicada y las variables explicativas. Dado el
concepto de media condicional de la regresión, la parte sistemática representa lo que en
promedio se dará cuando los valores de las X estén dados. Esta será la parte explicada
por nuestro modelo de los valores de Y. Otra forma de apreciar esta parte es que
representa lo que nosotros podremos predecir con nuestro modelo. Dado el carácter de
media condicional, la predicción será aquel valor que esperamos tenga nuestra variable
dependiente con mayor probabilidad.
Otro concepto que debemos utilizar es el referido al tipo de datos que podemos encontrar en la
realización de trabajos empíricos. Los datos pueden clasificarse de la siguiente manera:
Datos de Series de Tiempo: En este caso podemos pensar que el individuo sobre el cual
se mide la variable es el mismo y se observa éste a lo largo del tiempo. Un ejmplo
podría ser el individuo PERU para el cual se miden a lo largo del tiempo los valores del
producto bruto interno.
Datos de Corte Transversal: En este caso lo fijo es la unidad de tiempo y lo que varían
son los individuos. Un ejemplo de esto son las encuestas que se hacen en un momento
determinado del tiempo. En el Perú tenemos varios casos de encuestas realizadas como
la Encuesta Nacional de Niveles de Vida (ENNIV) que sirve para analizar la calidad de
vida de las personas a través de la medición de ingresos y acceso a servicios básicos
como la salud, educación, nutrición. Etc.
Datos Longitudinales: Esta tercera categoría es una combinación de las dos anteriores.
Podríamos pensar en encuestas o mediciones que se hacen a distintos individuos en
11
Econometría Moderna El Modelo de Regresión Lineal
diferentes períodos de tiempo. Esto implica construir un panel de datos cuya realización
es costosa porque implica hacer un seguimiento a los individuos a fin de poder
ubicarlos para realizar la recolección de la información a lo largo del tiempo. En el Perú
son pocos los casos en donde se han construido estos paneles de datos. Sin embargo,
empresas privadas han invertido en la construcción de estos paneles dado que proveen
muy buena información acerca de cambios en los patrones de consumo e ingresos de las
personas.
Una vez realizada esta definición de conceptos básicos es de suma utilidad iniciar el estudio
de los métodos y formas que se encuentran disponibles para la obtención de los parámetros de
los modelos que pretendamos estimar.
Si analizamos nuestro modelo, veremos que dada una muestra determinada, conocemos los
valores muestrales tanto de la variable dependiente como de la dependiente. Sin embargo, los
parámetros verdaderos (los ´s) son desconocidos. Por ello, debemos desarrollar una
estrategia que nos permita realizar una estimación adecuada de los mismos. En este punto es
conveniente tener claro el concepto de estimación. Un estimador se define como cualquier
fórmula o función de los datos que permite obtener estimaciones de los parámetros
desconocidos. Así, se deduce que una estimación es el valor numérico que resulta de la
aplicación de esta función a un conjunto de datos muestrales específicos. 8
Según los expuesto, antes de proceder a explicar el proceso de estimación debemos hacer
ciertas aclaraciones. El modelo planteado por el investigador sobre la base de consideraciones
teóricas o apreciaciones intuitivas es un modelo desconocido al cual llamaremos modelo
teórico. El modelo con el cual trabajaremos en la práctica implicará que se reemplazará los
parámetros desconocidos por los estimadores correspondientes. Como estos no son los
verdaderos sino aproximaciones que esperamos cumplan con ciertas condiciones deseables que
veremos más adelante, los errores tampoco serán los verdaderos sino aproximaciones. Lo ideal
es que exista cierta conexión entre el modelo teórico y el empírico. Esto lo podemos ilustrar con
las siguientes expresiones:
Y=X +u Y = X ̂ + e (1.4)
modelo modelo
teórico empírico
En este caso hemos optado por expresar el modelo de manera general donde X es una matriz
que contiene todos los datos de las variables explicativas. Denotaremos al número de variables
explicativas como k y tendremos n datos. Por lo tanto, el orden de la matriz X será nxk. es
un vector columna que contiene a los k parámetros del modelo. De manera similar el orden del
vector Y y del vector de errores (sean teóricos o empíricos) será de nx1 y .Como se puede
apreciar, en el modelo empírico se ha reemplazado al parámetro verdadero y desconocido ( )
por su estimador ( ̂ ). De igual manera ocurre con los errores teóricos ( ) y los errores
empíricos (e). Si bien son dos las magnitudes desconocidas en este modelo (los parámetros y
los errores) debe notarse que una vez que obtenemos los estimados de los parámetros quedan
determinados los errores empíricos. Por ello, el énfasis estará centrado en la estimación de los
parámetros.
8
Esto implica que para otra muestra (la cual puede variar debido al método de muestreo) puedo obtener distintos
estimados de los parámetros a pesar de que el estimador (función donde se reemplazan los datos) sea el mismo para
todas las muestras posibles.
12
Econometría Moderna El Modelo de Regresión Lineal
En este punto debemos introducir el concepto de función de pérdida, la cual recibe este
nombre debido a que la presencia de un estimador implica que existe un predictor que trata de
explicar o aproximarse lo más posible al verdadero valor de Y. Así, el planteamiento de una
función de pérdida tiene como objetivo lograr que el modelo sujeto a estimación se parezca lo
más posible a lo observado en la realidad. En consecuencia, el mejor predictor será aquél que
minimice la pérdida esperada de una función de pérdida específica. Dicho predictor resuelve un
problema de minimización de la siguiente forma:
Min E [L (Y - P) / X] (1.5)
P
Observado Estimado
0uv
Evidentemente, la idea es que la función de pérdida sea lo más pequeña posible, donde u y v
son los valores para el error de predicción (Y – P). Si la función de pérdida es fija, el valor del
mejor predictor depende sólo de la distribución de probabilidad de Y condicional en X. En otras
palabras, la estructura de la función es elegida por el investigador y lo que varía es el error de
predicción para cada observación muestral de X e Y. En consecuencia, el valor del mejor
predictor o estimador dependerá sólo de la distribución de probabilidad mencionada. En este
sentido, y recordando que la regresión es el valor esperado de la distribución condicional de Y
dado X, deducimos que el mejor predictor se obtiene mediante una regresión. Algo que no debe
perderse de vista es que la proximidad entre el valor predicho y el valor verdadero dependerá de
la elección del estimador. Por ello, deberá elegirse aquel estimador que haga mínima la
diferencia dada una función de pérdida.
En la práctica, los mejores predictores son los que se estudian más detalladamente en el
análisis de regresión. Ellos describen brevemente la manera cómo varía Y ante cambios en los
regresores (X). Sin embargo, existen distintas funciones de pérdida interesantes y, a su vez,
muchas maneras de interpretar formalmente la posición de una variable aleatoria. A
continuación se presentan algunas funciones de pérdida conocidas y los distintos predictores
que se derivan de ellas.
L (u) u2 (1.8)
13
Econometría Moderna El Modelo de Regresión Lineal
L (u) u (1.9)
iii) Pérdida discreta: Dada una constante positiva , la función de pérdida discreta sería:
L( * , )
L ( u ) 0 si u (1.10)
L ( u ) 1 si u (1.11)
En este caso, el mejor predictor es el punto medio del intervalo de longitud 2 que tiene la
más alta probabilidad de contener a Y. En la medida en que se aproxime a cero, el mejor
predictor se aproximará a la moda de Y condicional en X.
9
El lector interesado puede revisar el trabajo de Pagan y Ullah (1999) “Nonparametric Econometrics” Cambridge
University Press.
14
Econometría Moderna El Modelo de Regresión Lineal
El método de Mínimos Cuadrados es uno de los más usados, eficaces y conocidos del
análisis de regresión debido al contenido de las propiedades estadísticas que posee. El principio
sobre el cual descansa esta metodología consiste en hacer mínimos la norma del vector de
errores o perturbaciones del modelo10. Formalmente este criterio de puede establecer de la
siguiente forma:
n
Min e = (y
i 1
2
i i x i ˆ ) 2 (1.12)
El objetivo de este método consiste en aproximar lo más posible los momentos muestrales a
los poblacionales. Recordemos que un momento es un estadístico que resume algunas
características de una distribución de probabilidad, tal como un valor esperado o una desviación
estándar. Las ecuaciones a partir de las cuales se determinan los parámetros se obtienen al
reemplazar los supuestos poblacionales por sus contrapartes muestrales. Si la función de pérdida
está fijada en términos de la distancia entre los momentos poblacionales y los muestrales la
elección de los parámetros será aquella que minimice esta distancia. Este método ha sido
generalizado por Hansen y Singleton (1982) en donde podemos utilizar más de un momento
para la estimación de cada parámetro de un modelo.
Este método consiste en maximizar la probabilidad de que una muestra dada pertenezca a
determinada distribución. Para ello se plantea como supuesto que la variable Y tiene una
distribución de probabilidad y se desea lograr que dicho supuesto inicial sea lo más verosímil
posible, si sólo se cuenta con la muestra. Es decir, los coeficientes estimados son aquellos que
hacen máxima la probabilidad de que la muestra pertenezca a la distribución supuesta.
Cuando se define la regresión como la media condicional de Y dado los valores de las
observaciones de X, de hecho podemos representar geométricamente este concepto a través de
una línea o curva de regresión.
De este modo, una curva de regresión llamada poblacional, es aquella que muestra el lugar
geométrico de las medias condicionales o esperanzas de la variable endógena para los valores
fijos de la(s) variable(s) exógena(s). Esto se puede apreciar en la siguiente figura:
E(Y/X) = 0 1 X i
10
Debe tenerse en cuenta que la minimización de la norma de un vector implica la minización de la raíz cuadrada de
la sumatoria de cada uno de los elementos del vector elevados al cuadrado.
15
Econometría Moderna El Modelo de Regresión Lineal
X1 X2 X3 X
Figura 1.1
Línea de regresión poblacional
La figura muestra cómo para cada X existen valores poblacionales de Y, y una media
condicional correspondiente. Precisamente, la línea o curva de regresión pasa por las medias
condicionales de la variable Y, y denota alguna función de la variable dependiente X. Así, se
define formalmente la regresión como:
y, en el modelo de regresión lineal simple (donde sólo se incluye una variable explicativa) se
puede tener la siguiente función lineal de X:
Los parámetros o coeficientes de regresión son los de la ecuación anterior. Asimismo,
es el llamado intercepto y es el coeficiente de la pendiente.
i Yi E (Y / X i ) (1.15)
Yi E (Y / X i ) i (1.16)
16
Econometría Moderna El Modelo de Regresión Lineal
La ecuación muestra las estimaciones de los coeficientes de regresión. Esta función es una
aproximación a la ecuación de regresión poblacional, por eso se dice, en algunos casos, que Ŷi
sobreestima o subestima la verdadera E(Y/X). Es decir, el valor estimado de Y puede hallarse
sobre la línea de regresión poblacional y como consecuencia presentar un error positivo o el
valor estimado de Y puede encontrarse bajo la línea de regresión poblacional, y por lo tanto
presentar un error negativo. En este sentido, lo importante en el análisis de regresión consiste en
diseñar una regla o método que consiga que dicha aproximación se acerque lo más posible a los
verdaderos valores de los parámetros, aún cuando nunca se llegue a conocerlos.
Antes de proceder con la descripción de los supuestos, cabe mencionar que el modelo clásico
de regresión lineal se atribuye al matemático alemán Carl Friedrich Gauss, por quien también
recibe el nombre de Modelo de Gauss. Este matemático planteó diez supuestos, válidos tanto
para el análisis de regresión simple como para el modelo de regresión lineal múltiple, o de más
de un regresor.
17
Econometría Moderna El Modelo de Regresión Lineal
Las respuestas humanas son impredecibles, puesto que las personas no tienen un patrón
preestablecido de preferencias, hábitos de consumo, etc.
Omisión de variables explicativas que deberían incluirse en el modelo. Pretender que las
variables independientes pueden explicar la estructura o predecir exactamente el
comportamiento de la variable dependiente es una ilusión, debido a que en la realidad
existen otros factores que afectan el comportamiento de la variable explicada que no son
incluidos en el modelo. En efecto, puede suceder que las variables explicativas sean muy
difíciles de medir. Por ejemplo, consideremos un modelo donde se busca explicar la
demanda a través de la utilidad que brinda el consumo de un determinado bien. De hecho, la
cuantificación y medición de la variable utilidad resulta una tarea bastante difícil debido al
carácter subjetivo de la misma. En este sentido, la falta de información muestral conduciría
a una mala medición o a la omisión de una variable relevante. Por otro lado, si dichas
variables pueden medirse pero su impacto sobre Y no es significativo, entonces no amerita
su inclusión.
Errores de medición en la variable endógena (Y). Esto ocurre frecuentemente debido a que
las estimaciones de Y se realizan sobre la base de muestras finitas, además de que dicha
variable puede no ajustarse a la teoría económica que el investigador desea contrastar. Por
ello, el investigador debe decidir con cuidado el papel que desempeña cada variable, es
decir, debe definir adecuadamente las variables exógenas y la endógena.
Como ya se mencionó existe una distinción entre el error teórico o poblacional (i) y el error
de estimación o empírico. El primero responde a la necesidad de introducir un elemento
aleatorio en el modelo por razones antes expuestas mientras que el error de estimación se define
ˆ ) y la verdadera E (Y/X).
como la diferencia entre el estimado de la variable dependiente ( X
E(i) = 0 (1.19)
Este supuesto indica que el valor de la media condicional del término de error para cualquier
variable explicativa X dada, es idéntico a cero. De este modo, este supuesto garantiza que las
variables que no están incluidas en el modelo (y que por tanto están incorporadas en i), no
trasmiten ningún efecto sistemático sobre la media condicional de Y dado X. En términos más
sencillos, los valores negativos de i se compensan con sus realizaciones positivas. Por ello, en
promedio no presentan ningún efecto sobre la variable dependiente del modelo. Aquellas
variables no incluidas en el modelo pero que afectan de manera sistemática son recogidas por el
intercepto del modelo.
Formalmente:
18
Econometría Moderna El Modelo de Regresión Lineal
Y X
Y = X + x0
E(Y) = X x1
X
Var(Y) = Var()
Figura 1.2
Como podemos apreciar, en el eje de la variable X suponemos que sus distintos valores están
fijos lo que se refleja en las líneas discontinuas que parten de los valores x 1 y x2 . Ante estos
valores fijos de la variable explicativa tenemos diversas posibilidades de que ocurran diversos
eventos lo que se refleja en todas la posibilidades de valores que puede tomar la variable
dependiente (y). Estas distintas posibilidades (y sus probabilidades respectivas) determinan la
función de distribución de los errores.
El subíndice i indica que la varianza del término de error no es constante ya que presenta un
valor distinto para cada observación de X. En consecuencia, no todos los valores de Y, que
corresponden a distintos valores de X, serán de igual importancia y confianza como indicadores
11
Evidentemente, cada término de error representa la realización de un proceso estocástico y lo que se asume a través
de este supuesto es que las distribuciones de donde son “extraídos” estos errores presentan igual dispersión.
19
Econometría Moderna El Modelo de Regresión Lineal
de la posición de la línea de regresión. Se dicen que son confiables cuando poseen menor
dispersión, es decir, se mide la confiabilidad por la cercanía con la cual se distribuyen los
valores de Y alrededor de sus medias, esto es, sobre la línea de regresión poblacional. Si
analizamos con cuidado la expresión (1.12) notaremos que el error que se minimiza es la
diferencia entre el valor observado (Y i) y el estimado , de este modo se requiere que los valores
observados sean indicadores confiables de la posición de la línea de regresión poblacional, esto
es, E(Y/X).
Formalmente:
Cov(i, j) = 0 i j (1.22)
Lo anterior implica que no existe autocorrelación o correlación serial entre los términos de
error i y j, dadas las observaciones xi y xj. En este sentido, podemos definir el término
autocorrelación como la correlación entre miembros de series de observaciones ordenadas en el
tiempo (información de series de tiempo) o en el espacio (en información de corte tranversal).
En otras palabras, si disponemos de datos de series de tiempo, se dice que un error t para un
periodo de tiempo t, está correlacionado con los términos de error t+1, t+2, .. y t-1, etc.
Pˆ e 1 Pˆ e v( Pˆ Pˆ e ) (1.23)
Los supuestos tercero y cuarto pueden resumirse en uno solo si pensamos en el moelo
planteado de forma matricial. El vector de errores del modelo es de dimensión Nx1 o Tx1, si se
habla de información muestral de corte transversal o de series de tiempo, respectivamente. Por
consiguiente su matriz de varianza y covarianzas es simétrica y definida positiva, de dimensión
NxN o TxT, para cada caso. Esto se ilustra con la siguiente expresión:
20
Econometría Moderna El Modelo de Regresión Lineal
En términos de esta matriz el tercer supuesto implica que todos los elementos de la diagonal
principal son iguales. Por otro lado, el supuesto de ausencia de autocorrelación, determina que
los elementos fuera de la diagonal principal son cero. De este modo, y de verificarse los dos
supuestos antes analizados, la matriz anterior se puede escribir como:
Var()=2In (1.24)
Esto usualmente se conoce como el supuesto general de que los errores del modelo son
esféricos.
Quinto supuesto: Las variables explicativas y los errores son ortogonales entre sí.
Formalmente:
Cov(xi,i) = 0 (1.25)
Este supuesto implica que los errores y las variables independientes no presentan
correlación. Como ya hemos mencionado el análisis de regresión lo que hace es descomponer a
la variable dependiente en dos partes: una explicada o determinística y otra aleatoria o no
explicada. Por tanto, este supuesto implica que si no existe relación entre las variables
explicativas (que son el componente esencial de la parte explicada) y aquella parte no explicada,
podemos descomponer el espacio donde está definida la variable dependiente en dos
subespacios que son ortogonales entre sí 12. En otras palabras, cuando se especifica el modelo,
se supone que las variables exógenas y los errores son dos partes separadas y aditivas de la
variable a explicar (Y).
Parte aleatoria i
Yi =0 +1Xi +i
Parte determinística 0 +1Xi
Se dice que un modelo tiene una especificación lineal cuando la variable endógena Y, o
alguna transformación monotónica de la misma, se puede expresar como una función lineal de
X o de alguna transformación de ella. Al respecto, consideremos las siguientes relaciones:
Y = + X + (1.26)
Y = 0 + 1 X + 2 X2 + 3 X3 + (1.27)
12
Podemos ampliar el concepto utilizando conceptos de teoría de conjuntos. Si tomamos que Y representa un
conjunto, el supuesto que estamos presentando implica que se puede descomponer dicho conjunto en dos
subconjuntos disjuntos (es decir, que no presentan intersección).
21
Econometría Moderna El Modelo de Regresión Lineal
La ecuación (1.26) muestra una relación lineal simple, mientras que la (1.27) es un modelo
lineal en parámetros, más no en las variables. Por otro lado, la ecuación (1.28) no es lineal en
parámetros, ni tampoco puede reducirse a una función que exprese una relación lineal.
Ahora se considera el siguiente modelo que busca predecir la cantidad demandada(Q) dadas
las observaciones muestrales de la variable explicativa precio(P). El análisis de este modelo
implica la estimación de los parámetros y , sin embargo, y de acuerdo al supuesto de
linealidad, el modelo deberá ser transformado de la siguiente manera:
Q P e (1.29)
Conocido también como el supuesto de estabilidad temporal, éste implica que los
coeficientes del modelo de regresión lineal son constantes en el tiempo. Igualmente, se supone
que el modelo es idéntico para todas las observaciones de la muestra. De hecho, este supuesto
resulta esencial no sólo si se pretende modelar la estructura que gobierna el comportamiento de
la variable dependiente sobre la base de las independientes, sino principalmente si se busca que
el modelo realice predicciones confiables. Así, si la estructura que modela la variable
dependiente se mantiene inalterada a lo largo de todo el intervalo muestral, podemos asumir que
esta misma estructura se mantiene para periodos fuera del intervalo de la muestra y utilizar la
misma para predecir, este procedimiento es conocido como extrapolación.
El análisis de regresión supone la existencia de una relación causal desde las variables
independientes (X) hacia la variable dependiente (Y).
Cabe mencionar que desde un punto de vista meramente estadístico, el modelo de regresión
no necesariamente tiene una connotación de causalidad. Es decir, de la misma manera como se
puede estimar una regresión de una variable dependiente Y sobre otra variable independiente X,
se puede estimar una regresión de modo inverso.
P.Q=M.V (1.31)
donde:
P= precio
Q= producto
M= dinero
22
Econometría Moderna El Modelo de Regresión Lineal
En la ecuación anterior existe una relación causal que va de M hacia P, es decir, el nivel de
precios es explicado por la cantidad de dinero en la economía. Sin embargo, no se cumple lo
contrario, puesto que el nivel de precios es una variable aleatoria (endógena), mientras que M es
fija o determinística (exógena).
Sin duda, en términos estadísticos podríamos estimar una relación de este tipo, esto es, una
regresión de la cantidad de dinero sobre el nivel de precios, sin embargo, esta especificación no
tendría ningún sustento teórico. En este sentido, el investigador debe decidir a priori cuál es la
especificación que va a utilizar sobre la base de la teoría que busca verificar y una vez decidida,
se supone una única dirección causal
Este supuesto implica que ninguna de las variables explicativas involucradas en el modelo
puede expresarse en términos de una combinación lineal exacta de las demás. Si alguna de las
variables explicativas fuera una combinación lineal de otra significaría que la primera no aporta
nada adicional al modelo o que los efectos individuales que ésta puede tener sobre la variable
dependiente se confunden con los de la segunda. Este problema es conocido como
multicolinealidad, el cuál será abordado con detalle en el Capítulo (9)
Décimo supuesto: Las variables independientes son fijas o determinísticas (no aleatorias)
Si revisamos con cuidado el análisis hasta ahora expuesto, notaremos que este supuesto ha
estado implícito desde el inicio del capítulo. Este supuesto implica que de poderse repetir el
proceso de muestreo numerosas veces, los valores observados de las variables exógenas no
deben cambiar.
3. A MODO DE RESUMEN
En este capítulo hemos revisado los conceptos básicos que están detrás del análisis de regresión
así como aquellos relevantes respecto a las variables incluidas en el modelo. De la misma
manera hemos revisado los principales supuestos que se realizan con respecto al modelo lineal
general que analizaremos en buena parte del libro. Debe entenderse que estos supuestos son, en
algunos casos, muy restrictivos y será interesante analizar cuáles son los efectos de la relajación
de los mismos sobre los distintos estimadores que estudiaremos más adelante. Habiendo
establecido el lenguaje común que utilizaremos a partir de ahora es importante iniciar la
exploración de los distintos caminos con los que contamos para a obtención de los parámetros
desconocidos de nuestro modelo. En primer lugar, analizaremos el estimador de mínimos
cuadrados ordinarios que es uno de los más analizados y el mejor cuando trabajamos con
modelos lineales.
23