Regresin Lineal Mltiple yi b 0 b 1

Regresión Lineal Múltiple yi = b 0 + b 1 x 1 i + b 2 x 2 i +. . . bkxki + ui A. Estimación Javier Aparicio División de Estudios Políticos, CIDE javier. aparicio@cide. edu Primavera 2011 http: //www. cide. edu/investigadores/aparicio/metodos. html 1

Similitudes con regresión simple n n n b 0 es el intercepto b 1 a bk son k parámetros de pendiente u es el término de error o residual El supuesto de media condicional cero se mantiene: E(u|x 1, x 2, …, xk) = 0 Igual que antes, minimizamos la suma de residuales cuadrados, de modo que tenemos k+1 condiciones de primer orden (o k+1 parámetros a estimar) 2

Interpretación de la regresión múltiple 3

b interpretada como una “derivada parcial” 4

…“derivada parcial” n n n La ecuación anterior implica que “regresar y en x 1 y x 2” tiene el mismo estimador para x 1 que regresar y en los residuales de una regresión de x 1 en x 2 Es decir, al relacionar x 1 con y, solamente capturamos la información de xi 1 que no está relacionada con xi 2. Estimamos el efecto de x 1 en y después de controlar o aislar el efecto de x 2 5

Estimación simple vs. múltiple 6

Suma de cuadrados: Terminología SST es la suma de “desviaciones al cuadrado” de las observaciones de la muestra: es proporcional, más no igual, a VAR(y). 7

Bondad de ajuste: R 2 n n n ¿Cómo saber qué tan bueno es el ajuste entre la regresión y los datos de la muestra? Podemos calcular la proporción de la Suma de cuadrados totales (SST) que es “explicada” por el modelo. Esto es la llamada R-cuadrada de una regresión: R 2 = SSE/SST = 1 – SSR/SST 8

Bondad de ajuste: R 2 9

R-cuadrada: discusión n R 2 nunca decrecerá conforme incluyamos más variables explicativas a la regresión, y por lo general aumentará (así sea marginalmente). ¿Por qué? Incluir variables adicionales aumenta la SSE aunque no sean significativas. Dado que R 2 típicamente aumenta con el número de variables independientes, no es por sí sola un buen criterio para comparar modelos. 10

b no sesgadas: supuestos Gauss-Markov 1. Modelo poblacional es lineal en sus parámetros: y = b 0 + b 1 x 1 + b 2 x 2 +…+ bkxk + u 2. Muestra aleatoria de tamaño n, {(xi 1, xi 2, …, xik, yi): i=1, 2, …, n}, representativa de la población, de modo que el modelo muestral es: yi = b 0 + b 1 xi 1 + b 2 xi 2 +…+ bkxik + ui 3. E(u|x 1, x 2, … xk) = 0, lo cual implica que todas las variables explicativas son exógenas (no endogeneidad). 4. Ninguna variable x es constante ni tiene una correlación lineal exacta con otra (no multicolinealidad). 11

Demasiadas vs. pocas variables n n ¿Si incluimos variables que “no pertenecen al modelo poblacional” en nuestra especificación o modelo? No tiene impacto en el resto de las b estimadas: MCO permanece sin sesgo. ¿Si excluimos variables que “sí pertenecen al modelo”? En general, los estimadores MCO tendrán un sesgo de variable omitida. 12

Sesgo de variable omitida . . . ie, la estimación del “modelo incorrecto”. Comparémoslo con la b del “modelo correcto” 13

Sesgo de variable omitida (continuación) 14

Sesgo de variable omitida (continuación) 15

Sesgo de variable omitida (continuación) 16

Sesgo positivo o negativo en b 1 Corr(x 1, x 2) > 0 Corr(x 1, x 2) < 0 (d 1 > 0) (d 1 < 0) b 2 > 0 Sesgo positivo Sesgo negativo (overestimation) b 2 < 0 Sesgo negativo Sesgo positivo (underestimation) 17

Sesgo de variable omitida: resumen n n Dos casos donde el sesgo es igual a cero: q b 2 = 0, es decir, x 2 no pertenecía al modelo poblacional q x 1 y x 2 no están correlacionados en la muestra Si la correlación entre (x 2, x 1) y entre (x 2, y) es del mismo signo, el sesgo es positivo. Si omites una variable x 2 que se mueve en el mismo sentido que x 1, y ésta afecta positivamente a y, b 1 capturará parte de dicho impacto (sobre- estimada). Si la correlación entre (x 2, x 1) y entre (x 2, y) es de signo opuesto, el sesgo es negativo. 18

El caso más general: sesgo en todas las bi n n n Técnicamente, sólo podemos anticipar el signo de este sesgo cuando el resto de las variables explicativas incluidas no están correlacionadas entre sí ni con la variable omitida Si esto no se cumple, el sesgo afecta a todas las bi estimadas, dependiendo de las covarianzas entre las variables incluidas y con la variable omitida. Aún así, resulta útil calcular el sesgo de variable omitida asumiendo que las otras x no están correlacionadas, aún cuando este supuesto no se cumpla. 19

Varianza de los estimadores MCO n n Ya vimos que la “distribución muestral” de los estimadores está centrada en torno a los “verdaderos” parámetros (insesgamiento). ¿Qué tan dispersa será la distribución de los estimadores? Para analizar esto, requerimos el 5º supuesto Gauss-Markov: Var(u|x 1, x 2, …, xk) = s 2 conocido como homoscedasticidad (homoskedasticity): varianza constante. 20

Varianza de MCO (cont. ) n n n Sea x igual al vector de variables (x 1, x 2, …xk) Suponer que Var(u|x) = s 2 también implica que Var(y| x) = s 2 Los 4 supuestos requeridos para insesgamiento, más el supuesto de homoscedasticidad son los llamados supuestos Gauss-Markov. 21

Varianza de MCO (cont. ) Es decir, SSTj captura la varianza de xi, mientras que R 2 j captura la correlación entre xj y las otras x del modelo. 22

Componentes de la Varianza de MCO n n n Varianza del error: a mayor s 2, mayor varianza de los estimadores MCO. Varianza muestral: a mayor SSTj, menor varianza de los estimadores MCO. A mayor tamaño de muestra, mayor SSTj y mayor precisión de los estimadores. Correlación entre las variables explicativas: a mayor Rj 2, mayor varianza de los estimadores MCO. Si dos variables x son altamente correlacionadas, sus b serán poco precisas. Mayor varianza de los estimadores equivale a decir menor precisión o menor eficiencia. 23

Error de especificación y eficiencia de los estimadores MCO Estimar el modelo incorrecto produce una b 1 sesgada (por la variable omitida) ¡pero de menor varianza (mayor precisión)! Un modelo con variables omitidas puede ser engañosamente preciso. Este es el llamado trade-off entre sesgo y eficiencia. 24

Trade-off entre sesgo y eficiencia n n La varianza del estimador es menor en el modelo “incorrecto” pero, a menos que b 2 = 0, este modelo será sesgado. Un modelo con variables omitidas puede ser engañosamente preciso y posiblemente sesgado. Un modelo con demasiadas variables puede ser engañosamente impreciso: pierdes más grados de libertad y enfrentas mayor multicolinearidad. Conforme el tamaño de la muestra aumenta, la varianza de cada estimador disminuye, haciendo que las diferencias en eficiencia sean relativamente menos importantes. 25

Estimación de la varianza del error n n n No conocemos la varianza del error, s 2, porque no observamos los errores de la población, ui Lo que observamos son los residuales (estimados) del modelo muestral: Pero podemos usar los residuales estimados para construir un estimador de la varianza del error. 26

Varianza del error (cont) n n n gl = n – (k + 1), o bien gl = n – k – 1 gl (grados de libertad) = (número de observaciones) – (número de parámetros estimados) A mayores grados de libertad, mayor precisión de los estimadores. 27

Teorema Gauss-Markov n n n Dados los 5 supuestos Gauss-Markov, puede demostrarse que MCO es “MELI” (BLUE): Mejor Estimador Lineal Insesgado Best Linear Unbiased Estimator De modo que, si los supuestos G-M se sostienen, usar MCO es una buena idea. Si, además de estos 5 supuestos, u ~ N(0, s 2) MCO es el mejor estimador (lineal o no lineal) insesgado. 28