Error de especificación en mínimos cuadrados generalizado
- Autores
- Rao, Potluri
- Año de publicación
- 1971
- Idioma
- español castellano
- Tipo de recurso
- artículo
- Estado
- versión publicada
- Descripción
- Cuando en un modelo de regresión existe un error de especificación debido a una variable excluida, las estimaciones mediante el método de mínimos cuadrados generalizado (MCG) son sesgadas y el sesgo depende en forma crucial de la forma en que se generan las variables incluidas y excluidas, y no de la forma en que se genera el verdadero error. El sesgo en las estimaciones MCG es mayor que en las obtenidas por mínimos cuadrados simple, excepto cuando la variable excluida tiene una autocorrelación mayor que la variable incluida. La eficiencia relativa de MCG con respecto a mínimos cuadrados simple no depende de la variable omitida.
When a linear regression model is misspecified by a left out variable the Generalized Least Squares (GLS) estimates are biased, and the bias depends crucially on how the excluded and the included variables are generated and not on how the true error terms are gcnerated. The bias in GLS estimates is larger than that of ordinary least squares estimates except when the left out variable has higher autocorrelation than the included variablft. The relative effidency of GLS with respect to ordinary Least Squares does not depend on the left out variable.
Instituto de Investigaciones Económicas - Materia
-
Ciencias Económicas
estadística
Análisis de Regresión - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-nd/3.0/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/9032
Ver los metadatos del registro completo
id |
SEDICI_91553d079a8fe3f7f96569f46af4860f |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/9032 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Error de especificación en mínimos cuadrados generalizadoSpecification bias in the generalized least squaresRao, PotluriCiencias EconómicasestadísticaAnálisis de RegresiónCuando en un modelo de regresión existe un error de especificación debido a una variable excluida, las estimaciones mediante el método de mínimos cuadrados generalizado (MCG) son sesgadas y el sesgo depende en forma crucial de la forma en que se generan las variables incluidas y excluidas, y no de la forma en que se genera el verdadero error. El sesgo en las estimaciones MCG es mayor que en las obtenidas por mínimos cuadrados simple, excepto cuando la variable excluida tiene una autocorrelación mayor que la variable incluida. La eficiencia relativa de MCG con respecto a mínimos cuadrados simple no depende de la variable omitida.When a linear regression model is misspecified by a left out variable the Generalized Least Squares (GLS) estimates are biased, and the bias depends crucially on how the excluded and the included variables are generated and not on how the true error terms are gcnerated. The bias in GLS estimates is larger than that of ordinary least squares estimates except when the left out variable has higher autocorrelation than the included variablft. The relative effidency of GLS with respect to ordinary Least Squares does not depend on the left out variable.Instituto de Investigaciones Económicas1971info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionArticulohttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdf329-336http://sedici.unlp.edu.ar/handle/10915/9032spainfo:eu-repo/semantics/altIdentifier/issn/0013-0419info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/3.0/Creative Commons Attribution-NonCommercial-NoDerivs 3.0 Unported (CC BY-NC-ND 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-03T10:23:21Zoai:sedici.unlp.edu.ar:10915/9032Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 10:23:21.365SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Error de especificación en mínimos cuadrados generalizado Specification bias in the generalized least squares |
title |
Error de especificación en mínimos cuadrados generalizado |
spellingShingle |
Error de especificación en mínimos cuadrados generalizado Rao, Potluri Ciencias Económicas estadística Análisis de Regresión |
title_short |
Error de especificación en mínimos cuadrados generalizado |
title_full |
Error de especificación en mínimos cuadrados generalizado |
title_fullStr |
Error de especificación en mínimos cuadrados generalizado |
title_full_unstemmed |
Error de especificación en mínimos cuadrados generalizado |
title_sort |
Error de especificación en mínimos cuadrados generalizado |
dc.creator.none.fl_str_mv |
Rao, Potluri |
author |
Rao, Potluri |
author_facet |
Rao, Potluri |
author_role |
author |
dc.subject.none.fl_str_mv |
Ciencias Económicas estadística Análisis de Regresión |
topic |
Ciencias Económicas estadística Análisis de Regresión |
dc.description.none.fl_txt_mv |
Cuando en un modelo de regresión existe un error de especificación debido a una variable excluida, las estimaciones mediante el método de mínimos cuadrados generalizado (MCG) son sesgadas y el sesgo depende en forma crucial de la forma en que se generan las variables incluidas y excluidas, y no de la forma en que se genera el verdadero error. El sesgo en las estimaciones MCG es mayor que en las obtenidas por mínimos cuadrados simple, excepto cuando la variable excluida tiene una autocorrelación mayor que la variable incluida. La eficiencia relativa de MCG con respecto a mínimos cuadrados simple no depende de la variable omitida. When a linear regression model is misspecified by a left out variable the Generalized Least Squares (GLS) estimates are biased, and the bias depends crucially on how the excluded and the included variables are generated and not on how the true error terms are gcnerated. The bias in GLS estimates is larger than that of ordinary least squares estimates except when the left out variable has higher autocorrelation than the included variablft. The relative effidency of GLS with respect to ordinary Least Squares does not depend on the left out variable. Instituto de Investigaciones Económicas |
description |
Cuando en un modelo de regresión existe un error de especificación debido a una variable excluida, las estimaciones mediante el método de mínimos cuadrados generalizado (MCG) son sesgadas y el sesgo depende en forma crucial de la forma en que se generan las variables incluidas y excluidas, y no de la forma en que se genera el verdadero error. El sesgo en las estimaciones MCG es mayor que en las obtenidas por mínimos cuadrados simple, excepto cuando la variable excluida tiene una autocorrelación mayor que la variable incluida. La eficiencia relativa de MCG con respecto a mínimos cuadrados simple no depende de la variable omitida. |
publishDate |
1971 |
dc.date.none.fl_str_mv |
1971 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Articulo http://purl.org/coar/resource_type/c_6501 info:ar-repo/semantics/articulo |
format |
article |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/9032 |
url |
http://sedici.unlp.edu.ar/handle/10915/9032 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/issn/0013-0419 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-nd/3.0/ Creative Commons Attribution-NonCommercial-NoDerivs 3.0 Unported (CC BY-NC-ND 3.0) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/ Creative Commons Attribution-NonCommercial-NoDerivs 3.0 Unported (CC BY-NC-ND 3.0) |
dc.format.none.fl_str_mv |
application/pdf 329-336 |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1842260058324336640 |
score |
13.13397 |