51
CAMBIO CLIMÁTICO
4. Homocedasticidad o igual varianza de dado el valor de X la varianza de es la misma
para todas las observaciones, esto es, las varianzas condicionales de
son idénticas
5. No existe autocorrelación entre las perturbaciones. dados dos valores cualesquiera de X, la
correlación entre dos cualquiera es cero.
6. La covarianza entre y es cero, o
7. El número de observaciones n debe ser mayor que el número de parámetros por estimar,
alternativamente el número de observaciones n, debe ser mayor que el número de variables.
8. La variabilidad en los valores de X. No todos los valores de X en una nuestra dada deben
ser iguales, técnicamente,Var(x) debe ser un número finito.
9. El modelo de regresión está correctamente especificado. Alternativamente no hay un sesgo
de especificación o error en el modelo utilizado para el análisis empírico.
10. No hay multicolinealidad perfecta, es decir no hay relaciones perfectamente lineales entre las
variables explicativas.
La precisión de los estimadores MCO esta medida por sus errores estándar, estos no son otra cosa
que la desviación estándar de la distribución muestral del estimador y la distribución muestral de
un estimador es una probabilidad o distribución de frecuencias del estimador. Las distribuciones
muestrales son utilizadas para inferir los valores de los parámetros de la población con base en los
valores de los estimadores calculados de una o más muestras.
Los valores estimados de mínimos cuadrados poseen propiedades óptimas o ideales, las cuales
están contenidas en el teorema de Gauss–Markov, considerando la propiedad de mejor estimador
lineal insesgado (MELI), se dice que un estimador es MELI si cumple con lo siguiente:
• Es lineal: función lineal de una variable aleatoria tal como la variable dependiente Y en el
modelo de regresión.
• Es insesgado: su valor promedio o el valor esperado
es igual al verdadero valor
• Tiene varianza mínima dentro de la clase de todos los estimadores lineales insesgados; un
estimador insesgado con varianza mínima es conocido como estimador eficiente.
La bondad de ajuste:
El coeficiente de determinación R
2
mide la relación de todas las variables independientes en
conjunto respecto a la variable dependiente, es decir, brinda la información de proporción de la
variación total enY que puede ser explicada por la variación en las variables X.
