ECONOMETRIA 1 Profesor: Ramón Rosales Complementarios: Mónica Reyes Camilo Gutiérrez Monitoras: Maria Adelaida Ortega Ana Margarita Chiquiza EJC -­‐ 14: MÁXIMA VEROSIMILITUD -­‐ STATA El Método de Máxima Verosimilitud (MV) es un procedimiento para estimar los parámetros de un modelo de regresión o para estimar los parámetros de una distribución de probabilidad. A continuación se ilustra el procedimiento que sigue el método de MV para determinar si existe dependencia en un modelo de regresión, asumiendo normalidad: Modelo: ln Y = ln β0 + β1 ln X1 + β2 ln X2 + U Modelo Sin Restricción: ln Y = ln β0 + β1 ln X1 + β2 ln X2 + U . ml model lf normal (ly= lx1 . ml maximize Iteration 0: log likelihood Iteration 1: log likelihood … Iteration 17: log likelihood Log likelihood = lx2) (ly=) = = 36.416122 37.312837 = 73.31802 73.31802 (not concave) (not concave) Number of obs Wald chi2(2) Prob > chi2 = = = 54 156.22 0.0000 -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------eq1 | lx1 | .2099216 .0280663 7.48 0.000 .1549126 .2649305 lx2 | .278065 .0272577 10.20 0.000 .2246409 .3314891 _cons | .9509031 .0864573 11.00 0.000 .7814499 1.120356 -------------+---------------------------------------------------------------- Modelo Con Restricción: ln Y = ln β0 + U . ml model lf normal (ly=) (ly=) . ml maximize initial: log likelihood = -<inf> feasible: log likelihood = -260.20525 rescale: log likelihood = -77.594824 rescale eq: log likelihood = 36.416122 Iteration 0: log likelihood = 36.416122 Iteration 1: log likelihood = 36.618349 Iteration 2: log likelihood = 36.619882 Iteration 3: log likelihood = 36.619882 Log likelihood = 36.619882 (could not be evaluated) Number of obs Wald chi2(0) Prob > chi2 = = = 54 . . -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------eq1 | _cons | 2.010407 .0167129 120.29 0.000 1.97765 2.043163 -------------+---------------------------------------------------------------- Prueba de Dependencia Estadística: Ho: β1 = β2 = 0 (No hay dependencia en el modelo) Ha: Cualquiera diferente de cero (Hay dependencia en el modelo) ERV = 2*(lnLSR -­‐ lnLCR) ∼ x2q Donde: Ln LSR= Valor máximo (log likelihood) del modelo sin restricción. Ln LCR = Valor máximo (log likelihood) del modelo con restricción. q = grados de libertad, numero de restricciones. Significancia α = 0.05 2 En este caso el ERV= 2*(73.31802 – 36.619882) → ERV= 73.39 ∼ x 2 2 Chi-­‐cuadrado de tablas x 2 = 5.991 Al ser el estadístico de razón de verosimilitud mayor que el chi-­‐cuadrado, se rechaza la hipótesis nula. Por lo tanto, hay dependencia (efecto global o conjunto) en el modelo. Máxima Verosimilitud y Restricción de Rendimientos Constantes a Escala Dada la restricción β1 + β2 = 1 (hipótesis nula), se usa el ERV (Estadístico de Razón de Verosimilitud) para probar si es válida. Ho: β1 + β2= 1 (Restricción es válida) Ha: β1 + β2≠ 1 (Restricción no es válida) Modelo Sin Restricción: ln Y = ln β0 + β1 ln X1 + β2 ln X2 + U Modelo Con Restricción: ln Y = ln β0 + β1 ln X1 + β2 ln X2 + U; β1 + β2 = 1 Iteration 0: Iteration 1: … Iteration 7: log likelihood = -.71251476 log likelihood = 22.464992 log likelihood = (not concave) (not concave) 35.268478 Number of obs = 54 Wald chi2(1) = 146.84 Prob > chi2 = 0.0000 -----------------------------------------------------------------------------| Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------eq1 | lx1x2 | .4732243 .0390519 12.12 0.000 .396684 .5497645 _cons | -.161042 .0171382 -9.40 0.000 -.1946323 -.1274517 -------------+---------------------------------------------------------------- ERV = 2*(lnLSR -­‐ lnLCR) ∼ x2q Donde: Ln LSR= Valor máximo (log likelihood) del modelo sin restricción. Ln LCR = Valor máximo (log likelihood) del modelo con restricción. q = grados de libertad, numero de restricciones. Significancia α = 0.05 2 2 En este caso el ERV= 2*(73.31802 – 35.268478) → EVR= 76.09 ∼ x 1 ; x 1 = 3.841 Siendo el estadístico de razón de verosimilitud mayor que el chi-­‐cuadrado, se rechaza la hipótesis nula, por lo tanto la restricción β1 + β2= 1 no es válida, indicando que de acuerdo a la evidencia empírica la restricción de rendimientos constantes a escala no es válida. 2