Supuestos del modelo de regresión lineal

Supuestos del modelo de regresión lineal

Para poder crear un modelo de regresión lineal, es necesario que se cumpla con los siguientes supuestos:3

1. La relación entre las variables es lineal.

2. Los errores en la medición de las variables explicativas son independientes entre sí.

3. Los errores tienen varianza constante. (Homocedasticidad)

4. Los errores tienen una esperanza matemática igual a cero (los errores de una misma magnitud y distinto signo son equiprobables).

5. El error total es la suma de todos los errores.

http://es.wikipedia.org/wiki/Regresi%C3%B3n_lineal

http://www.ucm.es/info/ecocuan/anc/modelo%20lineal%20simple.pdf

Supuestos del modelo clásico de regresión lineal

Como el propósito del modelo no es solo estimar B1 y B2 sino hacer inferencia sobre los verdaderos B1 y B2, entonces se hace necesario establecer los siguientes supuestos:

1. El modelo de regresión es lineal en los parámetros.

Las variables deben ser lineales en sus valores originales o después de alguna transformación adecuada.

2. El valor esperado de la perturbación aleatoria debe ser cero para cualquier observación.

para todo i

3. La varianza de las perturbaciones es constante – homoscedasticidad (IGUAL VARIANZA).

para toda i

4. Independencia o no autocorrelación entre las perturbaciones

Dados dos valores cualesquiera de X, xi xj para i  j, la correlación entre Ui, Uj es cero.

para cualquier i  j

5. Independencia entre Ui y Xj para toda i y j

para toda i y j , esto para separar el efecto sobre Y de U y X

6. Los valores de X son fijos en muestreos repetidos es decir son no estocásticos.

7. Debe disponerse de una información estadística suficientemente amplia sobre el conjunto de variables observables implicadas en el modelo. Como requisito mínimo para que pueda determinarse una solución se exige que el numero de datos (n) debe ser superior al numero de parámetros (k) (n>k) se habla para datos anuales mínimo 15.

8. En modelos de regresión múltiples se necesita que no haya relación lineal perfecta entre las variables independientes o explicativas, a esto se le llama no multicolinealidad. X de nxk con rango k ( rango completo).

9. Normalidad Ui esta normalmente distribuido para toda i

Lo anterior implica que:

Estimados los a partir

...