2. HIPÓTESIS DEL MODELO DE REGRESIÓN LINEAL CLÁSICO (MRLC) -1º BLOQUE: Hace referencia a la relación que existe entre la variable explicada y las variables explicativas del modelo. Suponemos que existe una relación lineal en parámetros entre la variable explicada y las variables explicativas. Se supone que los parámetros son constantes desconocidas a lo largo de toda la muestra cuyo valor trataremos de conocer, aproximadamente, a través de la estimación del modelo. Se supone que en el modelo se introduce el número correcto de variables independientes. - 2º BLOQUE: Hace referencia a la perturbación aleatoria (ruido blanco) E ( i ) 0; i E ( i · s ) 0; i s E ( i2 ) 2 ; i -3ª BLOQUE: Hace referencia a la matriz de regresores X es una MATRIZ NO ESTOCÁSTICA. Información Estadística Suficiente (T>K+1) No hay una relación lineal exacta entre los regresores (r(x)=k+1) 1 Matriz de (varianzas – covarianzas) de la perturbación Los elementos diagonales de esta matriz son las varianzas de los elementos del vector de perturbaciones y los elementos no diagonales son las covarianzas entre dichos elementos. V es una matriz escalar. Qué pasa si el r(x) < k+1? •Si el r(x)=k+1 significa que todas las columnas de la matriz x son linealmente independientes. •------------------------------------------•Nota: •r(x’x)=min(r(x),r(x’)); •r(x)=r(x’)=k+1; •r(x’x)=k+1 •----------------------------------------------•Como b=(x’x)-1(x’y), si r(x’x)<k+1 significa que el determinante de la matriz (x’x) es igual a cero, lo que implica que la matriz (x’x) es singular, es decir, no tiene inversa. Por lo tanto, no podremos calcular el estimador b.