MODELO ECONOMÉTRICO

MODELO ECONOMETRICO I

TAREA

Preguntas

2.1 ¿Cuál es la función de esperanza condicional o función de regresión poblacional?

[pic 1]

Donde  denota alguna funcion de la variable explicativa X.[pic 2]

Se conoce como función de esperanza condicional; a aquella que explica el valor esperado de la distribución de “Y” dada , se relaciona funcionalmente con .[pic 3][pic 4]

2.2 ¿Cuál es la diferencia entre la función de regresión poblacional y la función de regresión muestral? ¿Se trata de distintos nombres para la misma función?

La diferencia entre una función de regresión muestral y una función de regresión poblacional es importante porque la primera se estima a partir de la segunda; en la mayoría de los casos, tenemos una muestra de observaciones de una población determinada, por lo que tratamos de aprender sobre la población a partir de una muestra determinada la información.

2.3 ¿Qué papel desempeña el termino de error estocástico  en el análisis de regresión? [pic 5]

Los modelos de regresión nunca pueden describir la realidad con absoluta precisión. Por lo tanto, inevitablemente habrá algunas discrepancias entre los valores reales de la regresión y sus estimaciones en el modelo elegido. Esta diferencia es solo el término de error aleatorio, y el residuo es la contrapartida muestral del término de error aleatorio.

¿Cuál es la diferencia entre el termino de error estocástico y el residual ?[pic 6]

La diferencia es que el error estocástico de perturbación  es introducido en la FRP y el error residual de perturbación  es introducida en la FRM.[pic 7][pic 8]

2.4 ¿Por qué es necesario el análisis de regresión? ¿Por qué no tan solo utilizar el valor medio de la variable regresada como su mejor valor?

El análisis de regresión es importante porque trata del estudio de la dependencia de la variable

dependiente, respecto a una o más variables (variables explicativas o exógenas), con el propósito

de estimar o predecir la media o valor poblacional de la variable dependiente; con base en los

valores conocidos o fijos de las variables explicativas.

 No se puede utilizar el valor medio de la variable regresada ya que mientras más datos se tengan

mayor confiabilidad y precisión habrá en los resultados

El análisis de regresión es importante porque involucra el estudio de la dependencia de la variable dependiente con respecto a una o más variables (explicables o exógenas), con el objetivo de estimar o predecir el valor medio o poblacional de la variable dependiente; con base en lo conocido. o un valor fijo. El valor medio de la variable devuelta no se puede utilizar porque cuantos más datos haya, más fiables y precisos serán los resultados.

2.5 ¿Qué se quiere dar a entender con modelo de regresión lineal?

Se   da   a  entender;   que   es  una  de   regresión     lineal   en  los  parámetros,   los

β

  es  decir  los

parámetros se deben elevar a la  primera potencia;  puede ser o no ser lineal en  las  variables

explicativas.

En el análisis de regresión, el objetivo es utilizar los datos para dibujar una línea que represente mejor la relación entre dos variables y, al dibujar la línea, puedo analizar los puntos por encima y por debajo de la media, un modelo cuyos parámetros son lineales, puede ser o no lineal en las variables.

2.6 ¿Determine los siguientes modelos son lineales en los parámetros, en las variables o en ambos? ¿cuáles de estos modelos son de regresión lineal?