La hiptesis o supuesto de homocedasticidad, en el modelo de regresin lineal simple La hiptesis de homocedasticidad implica que

Var( i ) = 2 = Cons tan te

La de homocedasticidad se detecta fcilmente en el grfico de residuos (eij) frente a las predicciones ( i) o, equivalentemente, en el grfico de los residuos (eij) frente a la variable regresora (xi).

Patrn residual indicativo de homocedasticidad

59 39 19 -1 -21 -41 80 110 140 170 200 230

Residuos

Predichos
Lo ideal es que los residuos se siten en una banda horizontal

Patrn residual indicativo de homocedasticidad

170 120

Residuos

70 20 -30 -80 -130 95 95.2 95.4 95.6 95.8 96 96.2

Predichos
La forma de embudo para los residuos es una indicacin de heterocedasticidad

Como determinar con el Statgraphics el cumplimiento de la hiptesis de homocedasticidad

Se introducen los datos

Se procesa

Se seleccionan las variables

Al dar ok obtenemos

Ahora se solicitan todos los grficos al dar click en

Simple Regression - Ventas al por Menor _Y_ vs. Renta _X_

Regression Analysis - Linear model: Y = a + b*X ----------------------------------------------------------------------------Dependent variable: Ventas al por Menor _Y_ Independent variable: Renta _X_ ----------------------------------------------------------------------------Standard T Parameter Estimate Error Statistic P-Value ----------------------------------------------------------------------------Intercept 1922.39 274.949 6.99181 0.0000 Slope 0.381517 0.0252931 15.0838 0.0000 -----------------------------------------------------------------------------

Analysis of Variance ----------------------------------------------------------------------------Source Sum of Squares Df Mean Square F-Ratio P-Value ----------------------------------------------------------------------------Model 4.96143E6 1 4.96143E6 227.52 0.0000 Residual 436127.0 20 21806.3 ----------------------------------------------------------------------------Total (Corr.) 5.39756E6 21 Correlation Coefficient = 0.958749 R-squared = 91.9199 percent R-squared (adjusted for d.f.) = 91.5159 percent Standard Error of Est. = 147.67 Mean absolute error = 115.559 Durbin-Watson statistic = 1.47907 (P=0.0651) Lag 1 residual autocorrelation = 0.244342 The StatAdvisor --------------The output shows the results of fitting a linear model to describe the relationship between Ventas al por Menor _Y_ and Renta _X_. The equation of the fitted model is Ventas al por Menor _Y_ = 1922.39 + 0.381517*Renta _X_ Since the P-value in the ANOVA table is less than 0.01, there is a statistically significant relationship between Ventas al por Menor _Y_ and Renta _X_ at the 99% confidence level. The R-Squared statistic indicates that the model as fitted explains 91.9199% of the variability in Ventas al por Menor _Y_. The correlation coefficient equals 0.958749, indicating a relatively strong relationship between the variables. The standard error of the estimate shows the standard deviation of the residuals to be 147.67. This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu. The mean absolute error (MAE) of 115.559 is the average value of

the residuals. The Durbin-Watson (DW) statistic tests the residuals to determine if there is any significant correlation based on the order in which they occur in your data file. Since the P-value is greater than 0.05, there is no indication of serial autocorrelation in the residuals.

Plot of Fitted Model

7100
Ventas al por Menor _Y_

6800 6500 6200 5900 5600 5300 9 10 11

Renta _X_

12

13 (X 1000)

Plot of Ventas al por Menor _Y_

7100 6800

observed

6500 6200 5900 5600 5300 5300 5600 5900 6200 6500 6800 7100

predicted

Residual Plot Studentized residual

3.4 2.4 1.4 0.4 -0.6 -1.6 -2.6 9 10 11 12 13 (X 1000)

Renta _X_

Residual Plot Studentized residual

3.4 2.4 1.4 0.4 -0.6 -1.6 -2.6 5300 5600 5900 6200 6500 6800

predicted Ventas al por Menor _Y_

Residual Plot Studentized residual

3.4 2.4 1.4 0.4 -0.6 -1.6 -2.6 0 4 8 12 16 20 24

row number

Guardamos los residuales

Y con ellos validamos los supuestos del modelo.

Para el supuesto o hiptesis de homocedasticidad, se puede hacer grficamente o adems como el procedimiento de regresin lineal no nos da estadsticos para realizar una prueba formal, se puede agregar una nueva variable, puede ser grupos.

Y con esta nueva variable y residuals se corre el procedimiento para la Anova de una va:

Se da click en opciones de tabulacin

Ahora se obtiene: Variance Check Cochran's C test: 0.520069 P-Value = 0.34185 Bartlett's test: 1.14432 P-Value = 0.302857 Hartley's test: 3.47972 Levene's test: 2.02985 P-Value = 0.158872

The StatAdvisor The four statistics displayed in this table test the null hypothesis that the standard deviations of RESIDUALS within each of the 3 levels of Grupos is the same. Of particular interest are the three P-values. Since the smallest of the Pvalues is greater than or equal to 0.05, there is not a statistically significant difference amongst the standard deviations at the 95.0% confidence level. Para la hiptesis formal:
H 0 :Var ( i ) = 2 = cons tan te

H 1 :Var ( i ) = no es cons tan te

Para un =5%, las tres pruebas presentan p-valores mayores que , por lo tanto se acepta la hiptesis nula.