2 votos

Intervalos de Confianza para Elasticidad en Regresión Lineal Simple

Estoy bastante seguro de que esta es una pregunta muy simple que estoy pasando por alto algo obvio. Tengo una regresión lineal simple con múltiples variables independientes. Quiero calcular la elasticidad (no hay problema - $\frac{\partial y}{\partial x} \cdot \frac{x}{y}$), pero también informar del intervalo de confianza para la elasticidad. Sé que es sencillo calcular el intervalo de confianza para $\beta$ ($\hat{\beta} \pm t^{*}_{\alpha} \cdot \sigma_{\beta}$). Pero para el intervalo de confianza para la elasticidad, ¿sería el mismo rango? ¿O debo tener en cuenta la transformación ($\beta * x/y$)?

3voto

Vitalik Puntos 184

Si entiendo correctamente, lo que estás proponiendo es estimar: $$y = \gamma_0 + \gamma_1 \cdot x + \xi$$ y luego usar el intervalo de confianza de $\gamma_1$ para estimar el rango de elasticidades: $$[\frac{\gamma_1 - 2 \cdot \sigma{\gamma_1}}{y} \cdot x, \frac{\gamma_1 + 2 \cdot \sigma{\gamma_1}}{y} \cdot x]$$

Esto es incorrecto, fundamentalmente debido a la desigualdad de Jensen ($E[f(x)]\neq f(E[x])$). Debes tener en cuenta la incertidumbre no lineal al calcular el intervalo de confianza. Afortunadamente, esto es fácil. Si ejecutas la estimación de regresión de $$\ln(y) = \beta_0 + \beta_1 \cdot \ln(x) + \epsilon$$ entonces el intervalo de confianza de $\beta_1$ es el intervalo de confianza de la elasticidad.

En la discusión posterior, el interrogador pregunta si es posible hacer esto con el coeficiente de regresión lineal ($\gamma_1$), junto con $\bar{x},\bar{y}$ y los errores estándar asociados? ¿Por qué querrías conocer la elasticidad en los valores promedio en lugar de la elasticidad promedio implícita sobre todos los pares x-y? El parámetro beta se estima en toda la población, ¿por qué no la elasticidad también? Porque solo conocemos los valores promedio y el coeficiente de regresión lineal.

En principio, puedes hacer una simulación de Monte Carlo como la siguiente: $$\hat{elasticidad}= (\hat{\gamma} + SE_{\gamma} * N(0,1)) * (\bar{x}+ SE_{\bar{x}} * N(0,1)) / (\bar{y}+ SE_{\bar{y}} * N(0,1))$$ hacer un montón de simulaciones, y usar esto para hacer un intervalo de confianza alrededor de la estimación de la elasticidad.

En las simulaciones que realicé, esto resultó en errores estándar del 95% que incluían el valor verdadero, pero eso podría simplemente ser una función de los parámetros que probé. Como era de esperar, los errores estándar resultantes en la elasticidad son mucho más grandes que en la especificación de registro.

0 votos

Gracias por tu respuesta. Lo siento si fui confuso - no estaba proponiendo eso para el intervalo de confianza. Estaba diciendo que sé que calcular el intervalo de confianza para beta es simple, pero no tanto para la elasticidad a menos que corra una regresión log log. En una situación en la que solo tienes la regresión lineal, ¿cómo calculas el intervalo de confianza para la elasticidad (es decir, B*x/y)? Como nota, estoy usando las medias para x e y, y por supuesto esos tienen desviaciones estándar, etc...

1 votos

¿Por qué querrías conocer la elasticidad en los valores promedio en lugar de la elasticidad implícita promedio sobre todos los pares x-y? El parámetro beta se estima en la población total, entonces ¿por qué no también la elasticidad? ¿O es que solo conocemos los valores promedio y el coeficiente de regresión lineal?

0 votos

Sí, exactamente - eso es todo lo que sabemos.

Finanhelp.com

FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.

Powered by:

X