Clase 10 Apendice C Matricial MIC 25set23

ECONOMETRÍA I
CLASE 10: LUNES 25/09/23 DE 10:30 A

12:30
Prof. Adjunta: Lic. Mónica Iris CALDERÓN disponible en el correo
institucional: monica.calderon@fce.uncu.edu.ar
Extensiones del modelo de regresión lineal con dos variables.
Algebra matricial MCO.
GUJARATI, D. y PORTER, D. (2010) Apéndice C: Matricial
REGRESIÓN LINEAL EN NOTACIÓN MATRICIAL
 El modelo de regresión poblacional de k variables (FRP)
con la variable dependiente Y y k − 1 variables
explicativas X2, X3, . . . , Xk puede escribirse así:
 donde β1 es el intercepto, β2 a βk son coeficientes

parciales de pendientes, u el término de perturbación
estocástica y el subíndice i es la i-ésima observación, con
n como tamaño de la población.
 La FRP se interpreta como el valor esperado de Y
condicionado a los valores ﬁjos (en muestreos repetidos)
de X2, X3, . . . , Xk, es decir, E(Y | X2i, X3i, . . . , Xki).
REGRESIÓN LINEAL EN NOTACIÓN MATRICIAL
 La ecuación anterior es una expresión abreviada para el
siguiente conjunto de n ecuaciones simultáneas:
 El sistema de ecuaciones se escribe en una forma

alterna más ilustrativa en la diapositiva siguiente:
y vector columna (n × 1) n observaciones de la variable dependiente
X matriz (n × k), con n observaciones sobre las k variables
independientes incluyendo el Vector Unitario que representa el
intercepto.
β vector columna (k × 1) de los parámetros β1, β2, . . . , βk
u vector columna (n × 1) de n perturbaciones ui
El sistema anterior se conoce como representación
matricial del modelo de regresión lineal general (de k
variables). Se escribe en forma más compacta como:
Donde no haya confusión sobre las dimensiones u

órdenes de la matriz X y de los vectores y, β y u, la
ecuación se escribe como:
Y  X  u
El método MCO consiste en minimizar los errores
al cuadrado; entonces dado:
u  Y  X

u u  Y  X   Y  X  
min u u

u u  Y  X  Y  X 
 Y Y  Y X   X Y   X X
 Y Y  2  X Y   X X
derivando la última expresión respecto de  e igualando a
cero:  u u
 0

 u u
 0  2 X Y  2 X X 

 2 X Y  2 X X   0
2 X X   2 X Y
 X X   X Y
   X X  X Y
1
Este es un resultado fundamental de la teoría de MCO en notación

matricial, muestra cómo se estima el vector β a partir de la
información dada. Para la estimación por MCO de una FRM, el vector
a estimar será:
Supuestos del modelo clásico de regresión lineal en
notación matricial
OPERACIONES CON MATRICES EN EVIEWS
 Crear una matriz
matrix (nro. de filas, nro. de columnas) nombre de la matriz
 Multiplicar matrices
matrix nombre de la matriz = matriz 1 * matriz 2
 Transponer matrices
matrix nombre de la matriz = @TRANSPOSE(nombre matriz original)
 Invertir matrices
matrix nombre nueva matriz = @INVERSE(nombre matriz original)
 Definir un escalar
scalar nombre del escalar = valor numérico
OPERACIONES CON MATRICES (CONTINUACIÓN)
 Restar matrices
matrix nombre nueva matriz = matriz 1 - matriz 2
 Crear un vector a partir de la diagonal principal de
una matriz
vector nombre del vector = @GETMAINDIAGONAL(nombre matriz)
 Obtener la raíz cuadrada de los elementos de un
escalar, una matriz, etc.
vector nombre del vector = @SQR(nombre matriz o escalar)
 Obtener la media de los elementos de una matriz
scalar nombre del escalar = @MEAN(nombre matriz)
 Los datos necesarios para realizar esta ejercitación se encuentran
en el archivo matricial dxenergia. wf1. Encontraremos dos matrices:
la matriz X (148x4) y la matriz Y (148x1), las que se pueden crear del
siguiente modo:
 En el menú principal del Eviews se hace clic en Objects / New
objects, y luego seleccionamos el tipo de objeto matrix-vector y, le
damos el nombre correspondiente. Si es un vector, se deberá incluir
además, el número de filas deseadas y, si es una matriz, el número
de filas y columnas que tendrá.
 Lo primero es obtener las transpuestas de las matrices X e Y ya
creadas, Y’ y X’, que utilizaremos en los cálculos. De esta manera
podemos calcular: X’X y X’Y; una vez obtenida X’X podemos obtener
(X’X)-1 invirtiéndola; luego multiplicando a (X’X)-1 por X’Y obtenemos
el vector de coeficientes estimados β.
 matrix yt=@transpose(y)
 matrix xt=@transpose(x)
 matrix xtx=xt*x
 matrix xty=xt*y
 matrix xtxinv=@inverse(xtx)
 matrix b=xtxinv*xty
 Obtenidos los coeficientes estimados; se calcula la

varianza del término error:
u u Y Y  2 X Y   X X
 
2

nk nk
u u Y Y  2 X Y   X X
 
2

nk nk
 matrix yty=yt*y
 matrix bt=@transpose(b)
 matrix btxty=bt*xty
 scalar dos=2
 matrix dosbtxty=dos*btxty
 matrix btxtxb=bt*xtx*b
 scalar sobrenmenosk=1/(15-2)
 matrix utu=yty-dosbtxty+btxtxb
 matrix varutu=utu*sobrenmenosk

Clase 10 Apendice C Matricial MIC 25set23

Cargado por

Copyright:

Formatos disponibles

Clase 10 Apendice C Matricial MIC 25set23

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clase 10 Apendice C Matricial MIC 25set23

Cargado por

Copyright:

Formatos disponibles

ECONOMETRÍA I

CLASE 10: LUNES 25/09/23 DE 10:30 A

 donde β1 es el intercepto, β2 a βk son coeficientes

 El sistema de ecuaciones se escribe en una forma

Donde no haya confusión sobre las dimensiones u

Este es un resultado fundamental de la teoría de MCO en notación

 Obtenidos los coeficientes estimados; se calcula la

También podría gustarte