Está en la página 1de 11

Reporte #4: HETEROSCEDASTICIDAD

Resolución del ejercicio 11.15 utilizando la tabla 11.7 del libro Gujarati.
La tabla 11.7 proporciona datos sobre 81 automóviles respecto a su MPG (millas promedio por
galón), CF (caballos e fuerza de su motor), VOL (pies cúbicos de su cabina), VM (velocidad máxima
en millas por hora) y su PS (peso del vehículo en cientos de lb)
a) Considere el modelo: ???? = ?? + ?2 ??? + ?3 ??? + ?4 ??? + ?? , estime los parámetros
de este modelo e interprete los resultados. Desde el punto de vista económico ¿tiene
sentido?
b) ¿esperaría que la varianza del error del modelo anterior sea heteroscedástico? ¿por qué?
c) Con la prueba de White determine si la varianza de error es heteroscedástico.
d) Obtenga los errores estándar de White consistentes con la heteroscedasticidad, asi como
los valores t, y compare los resultados con los obtenidos mediante MCO.
e) Si se establece heteroscedasticidad ¿Cómo puede transformar los datos de manera que en
los datos transformados la varianza del error sea homocedástico? Muestre los cálculos
necesarios.

Resolución

CF (caballos de fuerza) respecto a MPG tiene la misma lógica que VM. caballos de fuerza y el peso del vehículo) explican el comportamiento de la variable endógena “MPG” (millas promedio por galón) es decir. la relación de comportamiento: “que a mayor velocidad realizada mayor será las millas recorridas en promedio por galón” por lo tanto se espera que el coeficiente respecto a VM sea positivo o mejor dicho se espera que la relación sea directa pues de lo contrario no tendría sentido afirmar que a mayor velocidad usada por un piloto menor será el recorrido en millas al usar un galón de gasolina. que tanto ha variado el promedio de uso de galones de gasolina por parte de los 81 automóviles en conjunto de cierta empresa si tomamos en cuenta las variables ya mencionadas. El modelo propuesto líneas arriba intenta demostrar que tanto las variables exógenas seleccionas “VM. “a mayor numero en los caballos de fuerza que emplea el vehículo mayor será el recorrido en millas por uso de un galón de gasolina” pues no tendría sentido decir que a mayor número de caballos de . entonces:   VM (velocidad máxima) respecto a MPG. CF Y PS” (velocidad máxima en millas por hora.Datos de la estimación en MCO. asi cada variable tiene una relación directa o indirecta respecto a la variable endógena. Si cada variable aporta en promedio una porción de la explicación total.

. PS (peso del vehículo) respecto a MPG a diferencia de las otras variables exógenas. o sea no podemos tener la seguridad de decir que el modelo planteado propone una buena explicación acerca de la cantidad de millas que un automóvil podría recorrer en promedio al usar un galón. Si todos los signos que aparecen en la estimación de mínimos cuadrados ordinarios están de acuerdo con la teoría entonces podríamos tener la seguridad de que se trata de un modelo que por lo menos no dispone de errores en los supuestos de la relación de comportamiento planteado arriba. en el caso especial con la variable VM (velocidad máxima) la cual en teoría debería de mostrar una relación directa más no inversa. Veamos: El modelo estimado tiene el detalle de que incurre en un error en el sentido lógico de la manera en cómo se relacionan las variables independientes con la dependiente. Por lo tanto el modelo deja de tener credibilidad. fuerza menor será el recorrido en millas por galón por lo tanto la relación también es directa positiva. PS tiene una relación opuesta (indirecta) pues “mayor sea el peso del vehículo menor será la cantidad de millas recorridas al usar un galón de gasolina” por lo tanto el signo que antepone al coeficiente de dicha variable tendría que ser negativo.

Grafica de los residuos: ̂? ?? = ??? + ?? El termino del error o los residuos de la variable endógena al parecer no siguen un patrón constante en el tiempo es decir que en la muestra de los 81 automóviles en las variables exógenas hay algunos que tienen un comportamiento que no sigue al promedio y por lo tanto perderían la propiedad de ser eficientes. . por lo tanto no hay ruido blanco en las frecuencias residuales.

Hay datos que específicos que tendría que no tomarse en cuenta por estar fuera del rango del promedio (por ser muy extraño).Viendo a cada variable: Podemos observar que en cada grafico existe un perturbación en los residuos que siguen un comportamiento que corresponde a una correlación entre la variable endógena “mpg” y los residuos teniendo el indicio de que gráficamente exista heteroscedasticidad pues el comportamiento de los residuos ya no sigue un patrón homocsedástico (violándose dicho supuesto) o sea la variación de los residuos ya no permanecerá constante debido a la existencia de algún factor que impida la consideración de una varianza sigma cuadrado constante. .

Test Generales: test de White y test de Godfrey-Pagan-Bresch TEST DE WHITE Paso1: ?0 : ??? ??????? ??? ℎ???????á??????. Paso 2: ???????? ?? ?? ????????? ???????? ∶ ? 2 = ?1 + ?2 ∗ ?? + ?3 ∗ ?? + ?4 ∗ ?? + ?5 ∗ ??2 + ?6 ∗ ?? 2 + ?7 ∗ ?? 2 + ?8 ∗ ?? ∗ ?? + ?9 ∗ ?? ∗ ?? + ?10 ∗ ?? ∗ ?? . ?1 : ??? ??????? ?? ??? ℎ??????á??????.

2 λ????? = ? ∗ ?????????? ???????? = 81 ∗ (0. TEST DE GODFREY-PAGAN-BRESCH Paso1: ?0 : ??? ??????? ??? ℎ???????á??????.7 El test de White arroja un chi-cuadrado igual a 37.65 N: número de observaciones Paso 3: regla de decisión 2 2 ?(?????? ?? ????????.1%) = 21. ?1 : ??? ??????? ?? ??? ℎ??????á??????.7 λ????? = 37.65 2 > ?(9. Paso 2: .4648) = 37.?%) = ?(9.65 el cual es mayor al chi-cuadrado que existe en las tablas estadísticas.1%) = 21. por lo tanto se rechaza la hipótesis nula y se acepta la hipótesis alternativa o sea que existe heteroscedasticidad en los residuos.

34 El test de ???????? − ???? − ?????? arroja un chi-cuadrado igual a 25.34). TEST DE GLEJSER: Para cf Paso1: ?0 : ??? ??????? ??? ℎ???????á??????.1%) = 11. ?1 : ??? ??????? ?? ??? ℎ??????á??????.49 el cual es mayor al chi-cuadrado que existe en las tablas estadísticas (11.34 λ????????−????−?????? = 25.49 2 > ?(9.49 Paso 3: regla de decisión 2 2 ?(?????? ?? ????????. Paso 2: .2 λ????????−????−?????? = ? ∗ ?????????? ???????? = 81 ∗ (0.1%) = 11.3147) = 25.?%) = ?(3. por lo tanto se rechaza la hipótesis nula y se acepta la hipótesis alternativa o sea que existe heteroscedasticidad en los residuos.

63 Entonces se acepta la hipótesis nula. para este caso el test de heteroscedasticidad de Glejser tomando en cuenta solo a la variable exógena “CF” existe homoscedasticidad en los residuos.63 Paso 3: regla de decisión λ??????? = 0. .0082 = 0. ?1 : ??? ??????? ?? ??? ℎ??????á??????.1%) = 6.6683 2 < ?(1. 2 2 ?(?????? ?? ????????. Para ps Paso1: ?0 : ??? ??????? ??? ℎ???????á??????.?%) = ?(1.6683 Toma en cuenta el valor absoluto del residuo.λ??????? = 81 ∗ ?2????????? ???????? = 81 ∗ 0.1%) = 6.

1162 = 9.1%) = 6.?%) = ?(1. 2 2 ?(?????? ?? ????????. para este caso el test de heteroscedasticidad de Glejser tomando en cuenta solo a la variable exógena “PS” NO existe homoscedasticidad en los residuos.4192 Toma en cuenta el valor absoluto del residuo.1%) = 6. ?1 : ??? ??????? ?? ??? ℎ??????á??????. Para vm Paso1: ?0 : ??? ??????? ??? ℎ???????á??????.4192 2 > ?(1. .Paso 2: λ??????? = 81 ∗ ?2????????? ???????? = 81 ∗ 0.63 Entonces se rechaza la hipótesis nula.63 Paso 3: regla de decisión λ??????? = 9.

2 2 ?(?????? ?? ????????.003926 2 < ?(1. para este caso el test de heteroscedasticidad de Glejser tomando en cuenta solo a la variable exógena “CF” existe homoscedasticidad en los residuos.?%) = ?(1.000048 = 0.63 Entonces se acepta la hipótesis nula.1%) = 6. .1%) = 6.63 Paso 3: regla de decisión λ??????? = 0.003926 Toma en cuenta el valor absoluto del residuo.Paso 2: λ??????? = 81 ∗ ?2????????? ???????? = 81 ∗ 0.