Análisis de regresión múltiple

890 Pages·2010·4.9 MB·Spanish

by  Jeffrey M. Wooldridge

Introducción a
la econometría
Un enfoque moderno
4a. edición
Jeffrey M. Wooldridge
Michigan State University
Traducción
Ma. del Carmen Enriqueta Hano Roa
Érika M. Jasso Hernan D´Borneville
Traductoras profesionales

Revisión técnica
Roberto Palma Pacheco
Centro de Alta Dirección en Economía y Negocios
Universidad Anáhuac
Domingo Rodríguez Benavides
Facultad de Economía
Universidad Nacional Autónoma de México
Australia • Brasil • Corea • España • Estados Unidos • Japón • México • Reino Unido • Singapur
Introducción a la econometría © D.R. 2010 por Cengage Learning Edi to res, S.A. de C.V.,
Un enfoque moderno una Compañía de Cengage Lear ning, Inc.
4a. edición Corporativo Santa Fe
Jeffrey M. Wooldridge Av. Santa Fe núm. 505, piso 12
Col. Cruz Manca, Santa Fe
Presidente de Cengage Learning C.P. 05349, México, D.F.
Latinoamérica: Cengage Lear ning™ es una mar ca re gis tra da
Javier Arellano Gutiérrez usa da ba jo per mi so.
Director general México y DE RE CHOS RE SER VA DOS. Ninguna parte de
Centroamérica: este trabajo amparado por la Ley Federal del
Pedro Turbay Garrido Derecho de Autor, podrá ser re pro ducida,
transmitida, almacenada o utilizada en
Director editorial Latinoamérica: cualquier forma o por cualquier medio, ya sea
José Tomás Pérez Bonilla gráfico, electrónico o mecánico, incluyendo,
pero sin limitarse a lo siguiente: fotocopiado,
Director de producción: reproducción, escaneo, digitalización,
Raúl D. Zendejas Espejel grabación en audio, distribución en internet,
distribución en redes de información o
Coordinadora editorial: almacenamiento y recopilación en sistemas
María Rosas López de información a excepción de lo permitido
en el Capítulo III, Artículo 27 de la Ley Federal
Editor senior: del Derecho de Autor, sin el consentimiento
Javier Reyes Martínez por escrito de la Editorial.
Editora de producción:
Abril Vega Orozco Traducido del libro Introductory Econometrics,
Fourth Edition.
Diseño de portada: Publicado en inglés por South-Western
DIHO Comunicación gráfica Cengage Learning ©2009
ISBN-13: 978-0-324-66054-8
Imagen de portada: ISBN-10: 0-324-66054-5
Stock.xchng
Datos para catalogación bibliográfi ca:
Composición tipográfica: Wooldridge, Jeffrey M. Introducción a la
Heriberto Gachúz Chávez econometría. Un enfoque moderno, 4a. edición.
ISBN-13: 978-607-481-312-8
ISBN-10: 607-481-312-4
Visite nuestro sitio en:
http://latinoamerica.cengage.com
Contenido breve
Capítulo 1 La naturaleza de la econometría y los datos económicos 1
PARTE 1: ANÁLISIS DE REGRESIÓN CON DATOS DE CORTE TRANSVERSAL 21
Capítulo 2 El modelo de regresión simple 22
Capítulo 3 Análisis de regresión múltiple: estimación 68
Capítulo 4 Análisis de regresión múltiple: inferencia 117
Capítulo 5 Análisis de regresión múltiple: MCO asintóticos 167
Capítulo 6 Análisis de regresión múltiple: temas adicionales 184
Capítulo 7 Análisis de regresión múltiple con información cualitativa:
variables binarias (o dummy) 225
Capítulo 8 Heterocedasticidad 264
Capítulo 9 Más sobre especifi cación y temas de datos 300
PARTE 2: ANÁLISIS DE REGRESIÓN CON DATOS DE SERIES DE TIEMPO 339
Capítulo 10 Análisis básico de regresión con datos de series de tiempo 340
Capítulo 11 Aspectos adicionales de MCO con datos de series de tiempo 377
Capítulo 12 Correlación serial y heterocedasticidad en regresiones
de series de tiempo 408
PARTE 3: TEMAS AVANZADOS 443
Capítulo 13 Combinación de cortes transversales en el tiempo:
métodos simples para datos de panel 444
Capítulo 14 Métodos avanzados para datos de panel 481
Capítulo 15 Estimación con variables instrumentales y mínimos cuadrados
en dos etapas 506
Capítulo 16 Modelos de ecuaciones simultáneas 546
Capítulo 17 Modelos de variable dependiente limitada y correcciones
a la selección muestral 574
Capítulo 18 Temas avanzados de series de tiempo 623
Capítulo 19 Realización de un proyecto empírico 668
APÉNDICE
Apéndice A Herramientas matemáticas básicas 695
Apéndice B Fundamentos de probabilidad 714
Apéndice C Fundamentos de estadística matemática 747
Apéndice D Resumen de álgebra matricial 788
Apéndice E El modelo de regresión lineal en forma matricial 799
Apéndice F Respuestas a las preguntas del capítulo 813
Apéndice G Tablas estadísticas 823
Referencias 830
Glosario 835
Índice 849
iii
Contenido detallado
2.5 Valores esperados y varianzas de los estimadores
CAPÍTULO 1
por MCO 46
La naturaleza de la econometría Insesgadez de los estimadores MCO 47
y los datos económicos 1 Varianza de los estimadores por mínimos
cuadrados 52
Estimación de la varianza del error 56
1.1 ¿Qué es la econometría? 1
2.6 Regresión a través del origen 58
1.2 Pasos en un análisis económico empírico 2
Resumen 59
1.3 Estructura de los datos económicos 5
Términos clave 60
Datos de corte transversal 5
Problemas 61
Datos de series de tiempo 8
Ejercicios en computadora 64
Combinación de cortes transversales 9
Apéndice 2A 66
Datos de panel o longitudinales 10
Comentario sobre las estructuras de datos 12
CAPÍTULO 3
1.4 Causalidad y la noción de ceteris paribus
en el análisis econométrico 12 Análisis de regresión múltiple:
Resumen 17 estimación 68
Términos clave 17
Problemas 17
3.1 Motivación para la regresión múltiple 68
Ejercicios en computadora 18
El modelo con dos variables independientes 68
Modelo con k variables independientes 71
PARTE 1 3.2 Mecánica e interpretación de los mínimos
cuadrados ordinarios 73
Análisis de regresión con
Obtención de las estimaciones de MCO 73
datos de corte transversal 21 Interpretación de la ecuación de regresión
de MCO 74
El significado de “mantener todos los demás
CAPÍTULO 2
factores constantes” en la regresión múltiple 77
El modelo de regresión simple 22
Cambiar de manera simultánea más de una
variable independiente 77
2.1 Definición del modelo de regresión simple 22 Valores ajustados y residuales de MCO 77
2.2 Obtención de las estimaciones por mínimos Una interpretación de descuento de efectos
cuadrados ordinarios 27 parciales de la regresión múltiple 78
Nota sobre la terminología 35 Comparación entre las estimaciones de la
2.3 Propiedades de los MCO en cualquier muestra regresión simple y de la regresión múltiple 79
de datos 36 Bondad de ajuste 80
Valores ajustados y residuales 36 Regresión a través del origen 83
Propiedades algebraicas de los estadísticos 3.3 Valor esperado de los estimadores de MCO 84
MCO 37 Inclusión de variables irrelevantes
Bondad de ajuste 40 en un modelo de regresión 89
2.4 Unidades de medición y forma funcional 41 Sesgo de la variable omitida: caso sencillo 89
Efectos de los cambios de unidades de medición Sesgo de la variable omitida: casos más
sobre los estadísticos obtenidos por MCO 41 generales 93
Incorporación de no linealidades 3.4 Varianza de los estimadores de MCO 94
en la regresión simple 43 Los componentes de las varianzas de los
Significado de regresión “lineal” 46 estimadores de MCO: multicolinealidad 95
iv
Contenido v
Varianzas en modelos mal especificados 99 5.2 Normalidad asintótica e inferencia
Estimación de (cid:2)2: errores estándar con muestras grandes 172
de los estimadores de MCO 101 Otras pruebas con muestras grandes:
3.5 Eficiencia de MCO: el teorema el estadístico multiplicador de Lagrange 176
de Gauss-Markov 102 5.3 Eficiencia asintótica de MCO 179
Resumen 104 Resumen 180
Términos clave 105 Términos clave 181
Problemas 105 Problemas 181
Ejercicios en computadora 110 Ejercicios en computadora 181
Apéndice 3A 113 Apéndice 5A 182
CAPÍTULO 4 CAPÍTULO 6
Análisis de regresión múltiple: Análisis de regresión múltiple:
inferencia 117 temas adicionales 184
4.1 Distribución de muestreo de los estimadores 6.1 Efectos del escalamiento de datos
de MCO 117
sobre los estadísticos de MCO 184
4.2 Prueba de hipótesis para un solo parámetro
Coeficientes beta 187
poblacional: la prueba t 120
6.2 Más acerca de la forma funcional 189
Pruebas contra alternativas de una cola 123
Más acerca del empleo de las
Alternativas de dos colas 128
formas funcionales logarítmicas 189
Otras pruebas de hipótesis acerca de (cid:3) 130
j Modelos con funciones cuadráticas 192
Cálculo del valor-p en las pruebas-t 133
Modelos con términos de interacción 197
Repaso del lenguaje empleado en las
6.3 Más sobre bondad de ajuste y selección
pruebas de hipótesis clásicas 135
de los regresores 199
Significancia económica o práctica
R-cuadrada ajustada 200
frente a significancia estadística 135
Uso de la R-cuadrada ajustada para
4.3 Intervalos de confianza 138
elegir entre modelos no anidados 201
4.4 Pruebas de hipótesis de una sola
Control de demasiados factores
combinación lineal de los parámetros 140
en un análisis de regresión 203
4.5 Pruebas para restricciones lineales múltiples:
Adición de regresores para reducir
la prueba F 143
la varianza del error 205
Prueba para las restricciones
6.4 Predicción y análisis de residuales 206
de exclusión 143
Intervalos de confianza para predicciones 206
Relación entre los estadísticos F y t 149
Análisis de residuales 209
Forma R-cuadrada del estadístico F 150
Predicción de y cuando log(y) es la variable
Cálculo de los valores-p para
dependiente 210
pruebas F 151
Resumen 215
El estadístico F para la significancia
Términos clave 215
general de una regresión 152
Problemas 216
Prueba para las restricciones
Ejercicios en computadora 218
generales lineales 153
Apéndice 6A 223
4.6 Informe de los resultados de la regresión 154
Resumen 156
CAPÍTULO 7
Términos clave 158
Análisis de regresión múltiple
Problemas 159
Ejercicios en computadora 163 con información cualitativa:
variables binarias (o dummy) 225
CAPÍTULO 5
Análisis de regresión múltiple:
7.1 Descripción de la información cualitativa 225
MCO asintóticos 167 7.2 Una sola variable binaria independiente 226
Interpretación de los coeficientes de variables
5.1 Consistencia 167 explicativas binarias cuando la variable
Obtención de la inconsistencia en MCO 170 dependiente es log(y) 231
vi Contenido
7.3 Uso de variables binarias en categorías 9.2 Uso de las variables proxy para las variables
múltiples 233 explicativas no observadas 306
Incorporación de información ordinal mediante Utilización de variables dependientes rezagadas
el uso de variables binarias 235 como variables proxy 310
7.4 Interacciones en las que intervienen variables Un enfoque diferente de la regresión
binarias 238
múltiple 312
Interacciones entre variables binarias 238
9.3 Modelos con pendientes aleatorias 313
Considerar pendientes diferentes 239
9.4 Propiedades de MCO bajo error
Prueba para diferencias en las funciones
de medición 315
de regresión a través de los grupos 243
Error de medición en la variable
7.5 Una variable dependiente binaria:
dependiente 316
el modelo de probabilidad lineal 246
Error de medición en las variables
7.6 Más acerca del análisis de políticas
explicativas 318
y evaluación de programas 251
9.5 Datos faltantes, muestras no aleatorias
Resumen 254
Términos clave 255 y observaciones aberrantes 322
Problemas 255 Datos faltantes 322
Ejercicios en computadora 258 Muestras no aleatorias 323
Observaciones influyentes y observaciones
CAPÍTULO 8
aberrantes 325
Heterocedasticidad 264 9.6 Estimación por mínimas desviaciones
absolutas 330
8.1 Consecuencias de la heterocedasticidad Resumen 331
para MCO 264 Términos clave 332
8.2 Inferencia robusta a la heterocedasticidad Problemas 332
en la estimación por MCO 265 Ejercicios en computadora 334
Cálculo de pruebas ML robustas
a la heterocedasticidad 269
PARTE 2
8.3 Pruebas para heterocedasticidad 271
Prueba de White para heterocedasticidad 274 Análisis de regresión
8.4 Estimación por mínimos cuadrados
con datos de series
ponderados 276
Heterocedasticidad conocida,
de tiempo 339
salvo una constante multiplicativa 277
La función de heterocedasticidad
debe ser estimada: MCG factibles 282 CAPÍTULO 10
¿Qué pasa si la función de heterocedasticidad Análisis básico de regresión
supuesta es incorrecta? 287
con datos de series de tiempo 340
Predicción e intervalos de predicción
con heterocedasticidad 289
8.5 Reconsideración del modelo de probabilidad 10.1 Naturaleza de los datos de series
lineal 290 de tiempo 340
Resumen 293 10.2 Ejemplos de modelos de regresión con series
Términos clave 294 de tiempo 342
Problemas 294 Modelos estáticos 342
Ejercicios en computadora 296 Modelos de rezagos distribuidos finitos 342
Una convención sobre el índice
CAPÍTULO 9
de tiempo 345
Más sobre especifi cación 10.3 Propiedades en muestras finitas de MCO bajo
y temas de datos 300 los supuestos clásicos 345
Insesgamiento de MCO 345
9.1 Especificación incorrecta de la forma Las varianzas de los estimadores de MCO y el
funcional 300 teorema de Gauss-Markov 349
RESET como una prueba general para Inferencia bajo los supuestos del modelo
especificación incorrecta de formas lineal clásico 351
funcionales 303 10.4 Forma funcional, variables binarias
Pruebas contra alternativas no anidadas 305 y números índice 353
Contenido vii
10.5 Tendencias y estacionalidad 360 Correlación serial en presencia de variables
Caracterización de la tendencia en las dependientes rezagadas 411
series de tiempo 360 12.2 Métodos de prueba de la correlación serial 412
Uso de variables con tendencia en el Prueba t de correlación serial AR(1)
análisis de regresión 363 con regresores estrictamente exógenos 412
Interpretación de las regresiones con tendencia Prueba de Durbin-Watson bajo los supuestos
en el tiempo mediante la eliminación de la clásicos 415
tendencia 365 Prueba de correlación serial AR(1)
sin regresores estrictamente exógenos 416
Cálculo de la R-cuadrada cuando la variable
Prueba de correlación serial de orden
dependiente tiene tendencia 366
superior 417
Estacionalidad 368
12.3 Corrección de correlación serial con regresores
Resumen 370
estrictamente exógenos 419
Términos clave 371
Obtención del mejor estimador lineal insesgado
Problemas 371
en el modelo AR(1) 419
Ejercicios en computadora 373
Estimación por MCG factibles con errores
AR(1) 421
CAPÍTULO 11
Comparación de MCO y MCGF 423
Aspectos adicionales de MCO Corrección de la correlación serial
con datos de series de tiempo 377 de orden superior 425
12.4 Diferenciación y correlación serial 426
12.5 Inferencia robusta a la correlación
11.1 Series de tiempo estacionarias y débilmente
serial después de MCO 428
dependientes 377
12.6 Heterocedasticidad en regresiones
Series de tiempo estacionarias
de series de tiempo 432
y no estacionarias 378
Estadísticos robustos a la
Series de tiempo débilmente
heterocedasticidad 432
dependientes 379
Pruebas de heterocedasticidad 432
11.2 Propiedades asintóticas de MCO 381
Heterocedasticidad condicional
11.3 Uso de series de tiempo altamente persistentes autorregresiva 433
en el análisis de regresión 388 Heterocedasticidad y correlación serial
Series de tiempo altamente persistentes 388 en modelos de regresión 435
Transformaciones de series de tiempo altamente Resumen 437
persistentes 393 Términos clave 437
Decidir si una serie de tiempo Problemas 438
es o no I(1) 394 Ejercicios en computadora 438
11.4 Modelos dinámicamente completos y ausencia
de correlación serial 396 PARTE 3
11.5 El supuesto de homocedasticidad en los modelos
de series de tiempo 399 Temas avanzados 443
Resumen 400
Términos clave 401 CAPÍTULO 13
Problemas 401
Combinación de cortes transversales
Ejercicios en computadora 404
en el tiempo: métodos simples para
CAPÍTULO 12 datos de panel 444
Correlación serial y
heterocedasticidad en regresiones 13.1 Combinación independiente de cortes
transversales en el tiempo 445
de series de tiempo 408
Prueba de Chow para el cambio estructural
en el tiempo 449
12.1 Propiedades de MCO con errores 13.2 Análisis de políticas con combinación de cortes
correlacionados serialmente 408 transversales 450
Insesgamiento y consistencia 408 13.3 Análisis de datos de panel para un periodo
Eficiencia e inferencia 409 de dos años 455
Bondad de ajuste 410 Organización de los datos de panel 461
viii Contenido
13.4 Análisis de políticas con datos de panel 15.4 Soluciones de VI a los problemas de errores
de dos periodos 462 en las variables 525
13.5 Diferenciación con más de dos periodos 465 15.5 Pruebas de endogeneidad y pruebas
Posibles dificultades con la primera de restricciones de sobreidentificación 527
diferenciación en los datos de panel 470 Prueba de endogeneidad 527
Resumen 471 Prueba de restricciones
Términos clave 471 de sobreidentificación 529
15.6 MC2E con heterocedasticidad 531
Problemas 471
15.7 Aplicación de MC2E a las ecuaciones
Ejercicios en computadora 473
de series de tiempo 531
Apéndice 13A 478
15.8 Aplicación de MC2E a cortes transversales
CAPÍTULO 14 combinados y a datos de panel 534
Resumen 536
Métodos avanzados
Términos clave 536
para datos de panel 481
Problemas 536
Ejercicios en computadora 539
14.1 Estimación de efectos fijos 481 Apéndice 15A 543
Regresión de variables binarias 485
¿Efectos fijos o primera diferencia? 487 CAPÍTULO 16
Efectos fijos con paneles no balanceados 488 Modelos de ecuaciones
14.2 Modelos de efectos aleatorios 489
simultáneas 546
Efectos aleatorios o efectos fijos? 493
14.3 Aplicación de métodos de datos
16.1 Naturaleza de los modelos de ecuaciones
de panel a otras estructuras de datos 494
simultáneas 546
Resumen 496
16.2 Sesgo de simultaneidad en MCO 550
Términos clave 496 16.3 Identificar y estimar una ecuación estructural 552
Problemas 497 Identificación en un sistema de dos ecuaciones 552
Ejercicios en computadora 498 Estimación mediante MC2E 557
Apéndice 14A 503 16.4 Sistemas con más de dos ecuaciones 559
Identificación en sistemas con tres o más
CAPÍTULO 15 ecuaciones 559
Estimación con variables Estimación 560
16.5 Modelos de ecuaciones simultáneas con series
instrumentales y mínimos
de tiempo 560
cuadrados en dos etapas 506
16.6 Modelos de ecuaciones simultáneas con datos
de panel 564
15.1 Justificación: variables omitidas en un modelo Resumen 566
de regresión simple 507 Términos clave 567
Inferencia estadística con el estimador Problemas 567
de VI 510 Ejercicios en computadora 570
Propiedades de VI con una variable instrumental
CAPÍTULO 17
deficiente 514
Cálculo de la R-cuadrada después de la Modelos de variable dependiente
estimación de VI 516 limitada y correcciones a la selección
15.2 Estimación de VI del modelo de regresión muestral 574
múltiple 517
15.3 Mínimos cuadrados en dos etapas 521
17.1 Modelos logit y probit para respuesta
Una sola variable explicativa endógena 521
binaria 575
Multicolinealidad y MC2E 523 Especificación de modelos logit
Múltiples variables explicativas y probit 575
endógenas 524 Estimación de máxima verosimilitud
Pruebas de hipótesis múltiples después de los modelos logit y probit 578
de la estimación de MC2E 525 Prueba de hipótesis múltiples 579