MULTICOLINEALIDAD

10.30 Para evaluar la factibilidad de un salario anual garantizado (impuesto

sobre la renta negativo), Rand Corporacin valor en un estudio la respuesta
de la oferta de trabajo (horas promedio de trabajo) ante un incremento de los
salarios por hora. Los datos de tal estudio se obtuvieron de una muestra
nacional de 6 000 familias cuyo jefe (varn) ganaba menos de 15 000 dlares
al ao. Los datos se dividieron en 39 grupos demogrficos para su anlisis.
Estos datos se proporcionan en la tabla 10.15. En vista de que para cuatro
grupos demogrficos haba datos faltantes respecto de algunas variables, los
datos de la tabla se refieren slo a 35 de esos grupos. Las definiciones de las
diversas variables del anlisis se dan al final de la tabla.
Tabla 10.15
Hours of work and other data for 35 groups
OBS
HOR
TASA IAPE
IAPO IPAN VALOR
AS
ES
1
2157 2.90
1121 291
380
7250
5
2
2174 2.97
1128 301
398
7744

EDA
D
38.5

DEP

39.3

10.5

2062

2.35

1214

326

185

3068

40.1

2111

1203

49

117

1632

22.4

2134

1013

594

730

12710

57.7

2185

2.51
1
2.79
1
3.04

1135

287

382

7706

38.6

2210

1100

295

474

9338

39

2105

1180

310

255

4730

39.9

2267

1298

252

431

8317

38.9

10

2205

885

264

373

6789

38.8

11

2121

1251

328

312

5907

39.8

12

2109

1207

347

271

5069

39.7

13

2108

1036

300

259

4614

38.2

14

2047

1213

297

139

1987

40.3

2174

1141

414

498

10239

40

16

2067

1805

290

239

4439

39.1

17

2159

1075

289

308

5621

39.3

2.54
5
2.06
4
2.30
1
2.48

9.1

15

3.22
2
2.49
3
2.83
8
2.35
6
2.92
2
2.49
9
2.79
6
2.45
3
3.58
2
2.90
9
2.51

2.33
5
2.85
1
1.15
9
1.22
9
2.60
2
2.18
7
2.61
6
2.02
4
2.66
2
2.28
7
3.19
3
2.04

2.34

ESCOLARI
DAD
10.5

8.9
11.5
8.8
10.7
11.2
9.3
11.1
9.5
10.3
8.9
9.2

11.7
10.5
9.5

18

2257

19

1985

20

2184

21

2084

22

2051

23

2127

24

2102

25

2098

26

2042

27

2181

28

2186

29

2188

30

2077

31

2196

32

2093

33

2173

34

2179

35

2200

1
2.51
6
1.42
3
3.63
6
2.98
3
2.57
3
3.26
2
3.23
4
2.28

1093

176

392

7293

37.9

553

381

146

1866

40.6

1091

291

560

11240

39.1

1327

331

296

5653

39.8

1194

279

172

2806

40

1226

314

408

8042

39.5

1188

414

352

7557

39.8

973

364

272

4400

40.6

2.30
4
2.91
2
3.01
5
3.01

1085

328

140

1739

41.8

1072

304

383

7340

39

1122

30

352

7292

37.2

990

366

374

7325

38.4

1.90
1
3.00
9
1.89
9
2.95
9
2.97
1
2.98

350

209

95

1370

37.4

947

294

342

6888

37.5

342

311

120

1425

37.5

1116

296

387

7625

39.2

1128

312

397

7779

39.4

1126

204

393

7885

39.2

6
2.04
2
3.83
3
2.32
8
2.20
8
2.36
2
2.25
9
2.01
9
2.66
1
2.44
4
2.33
7
2.04
6
2.84
7
4.15
8
3.04
7
4.51
2
2.34
2
2.34
1
2.34
1

10.1
6.6
11.6
10.2
9.1
10.8
10.7
8.4
8.2
10.2
10.9
10.6
8.2
10.6
8.1
10.5
10.5
10.6

Horas = horas promedio trabajadas durante el ao.

Tasa = salario promedio por hora (dlares).
IAPE = ingresos anuales promedio de la esposa (dlares).
IAPO = ingresos anuales promedio de otros miembros de la familia (dlares).
IPAN = ingreso promedio anual no devengado.
Valores = bienes familiares promedio (cuentas bancarias, etc.) (dlares).
Edad = edad promedio del entrevistado.

DEP = nmero promedio de dependientes.

Escolaridad = nivel mximo de escolaridad promedio completado
a) Realice la regresin de las horas promedio trabajadas durante un ao sobre
las variables suministradas en la tabla e intrprete su regresin.
b) Existe evidencia de multicolinealidad en los datos? Cmo sabe?
c) Calcule las medidas del factor inflacionario de la varianza (VFI) y de la TOL
para las diversas regresoras.
d) Si existe un problema de multicolinealidad, qu acciones correctivas, si
acaso hay alguna, tomara?
e) Qu sugiere este estudio sobre la viabilidad de un impuesto sobre la renta
negativo?

SOLUCION
a). La interpretacin es sencilla. Manteniendo ceteris paribus, por lo tanto, si
los salarios por hora suben en promedio en un dlar, las horas de trabajo
anuales disminuyen alrededor de 93 horas. El R 2 es alto.
La regresin de las horas de trabajo en todos los regresores, obtenemos los
siguientes resultados:
Dependent Variable: HORAS
Method: Least Squares
Date: 06/04/14 Time: 18:14
Sample: 1 35
Included observations: 35

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
TASA
IAPE
IAPO
PAN
VALORES
EDAD
DEP
ESCOLARIDAD

1904.578
-93.75255
0.000225
-0.214966
0.157208
0.015572
-0.348636
20.72803
37.32563

251.9333
47.14500
0.038255
0.097939
0.516406
0.025405
3.722331
16.88047
22.66520

7.559849
-1.988600
0.005894
-2.194896
0.304427
0.612970
-0.093661
1.227930
1.646826

0.0000
0.0574
0.9953
0.0373
0.7632
0.5452
0.9261
0.2305
0.1116

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.825555
0.771879
30.62279
24381.63
-164.2220
15.38050
0.000000

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

2137.086
64.11542
9.898400
10.29835
10.03646
1.779824

b). Para ahorrar espacio, vamos a calcular la VIF y TOL slo de la tasa de
regresores. La regresin del ratio o la Tasa sobre todos los dems regresores se
obtiene un valor R2 de 0,9416. Utilizando la frmula, se puede, se verificar
que la VIF para este regresor es de aproximadamente 2.224, por lo tanto, TOL
es la inversa de este nmero, que es 0,00045.
c). No todas las variables son necesarias en el modelo. Usando una o ms de
las pruebas de diagnstico tratados y una o ms variables se puede utilizar o
una combinacin lineal de cules podran ser utilizadas.
d). Aunque los resultados son mixtos, tal vez hay algunas pruebas de que el
efecto del impuesto sobre la renta es negativo.

HETEROCEDASTICIDAD
11.16. Gasto alimentario en India. En la tabla 2.8 se proporcionaron datos
sobre el gasto en alimentos y el gasto total de 55 familias de India.

a) Haga la regresin del gasto alimentario sobre el gasto total y examine los
residuos obtenidos en dicha regresin.

b) Grafique los residuos obtenidos en el inciso a contra el gasto total y verifique

si existe algn patrn sistemtico.

c) Si la grfica del inciso b sugiere heteroscedasticidad, aplique las pruebas de

Park Glejser y White para determinar si la sensacin respecto de la
heteroscedasticidad observada en b) se sustenta con estas pruebas.

d ) Obtenga los errores estndar de White consistentes con la

heteroscedasticidad y comprelos con los errores estndar de MCO. Decida si
vale la pena corregir este ejemplo a causa de la heteroscedasticidad.

SOLUCION
a). Los resultados de la regresin son los siguientes:
Dependent Variable: FOODEXP
Method: Least Squares
Date: 06/05/14 Time: 10:33
Sample: 1 55
Included observations: 55
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
TOTALEXP
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

94.20878
0.436809
0.369824
0.357934
66.85575
236893.6
-308.1625
31.10345
0.000001

50.85635
0.078323

1.852449
5.577047

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

0.0695
0.0000
373.3455
83.43510
11.27864
11.35163
11.30686
2.083299

b). Trazando residuos contra el gasto total, podemos observar:

Parece que a medida que el total del gasto aumenta, el valor absoluto de los
residuales tambin aumenta, tal vez de manera no lineal.

c). Prueba Park:

Dado que el coeficiente de la pendiente de estimacin es significativa, la prueba Park confirma
heterocedasticidad
Heteroskedasticity Test: Park
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
TOTALEXP

-16.86288
3.707235

10.00140
1.551873

-1.686053
2.386300

0.0977
0.0206

R-squared

Prueba de Glejser:

0.097018

Dado que el coeficiente de la pendiente estimada es estadsticamente significativa, la prueba Glejser tambin
sugiere heterocedasticidad.
Heteroskedasticity Test: Glejser
F-statistic
Obs*R-squared
Scaled explained SS

8.282868
7.433689
7.664399

Prob. F(1,53)
Prob. Chi-Square(1)
Prob. Chi-Square(1)

0.0058
0.0064
0.0056

Test Equation:
Dependent Variable: ARESID
Method: Least Squares
Date: 06/05/14 Time: 11:06
Sample: 1 55
Included observations: 55
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
TOTALEXP

-32.21965
0.130709

29.48998
0.045417

-1.092563
2.877997

0.2795
0.0058

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.135158
0.118840
38.76752
79654.81
-278.1900
8.282868
0.005758

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

51.30839
41.29911
10.18873
10.26172
10.21696
1.846747

Prueba de White:
Si se multiplica el valor R cuadrado por el nmero de observaciones (55) y la
hiptesis nula es que no existe heterocedasticidad, el producto resultante de
7,3745 sigue la distribucin de chi-cuadrado con 2 y el valor p de dicho valor
de chi-cuadrado es de aproximadamente 0.025, que es pequeo. Por lo tanto,
al igual que la prueba de Park y Glejser, la prueba de White tambin sugiere
heterocedasticidad
Heteroskedasticity Test: White
F-statistic
Obs*R-squared
Scaled explained SS

4.025939
7.374513
7.650764

Prob. F(2,52)
Prob. Chi-Square(2)
Prob. Chi-Square(2)

0.0237
0.0250
0.0218

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/05/14 Time: 11:37
Sample: 1 55
Included observations: 55
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
TOTALEXP
TOTALEXP^2

13044.00
-53.12260
0.059795

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.134082
0.100778
6161.639
1.97E+09
-556.4346
4.025939
0.023681

21156.58
71.48347
0.058860

0.616546
-0.743145
1.015887

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

0.5402
0.4607
0.3144
4307.157
6497.746
20.34307
20.45257
20.38542
2.116734

d) Los resultados heteroscedasticidad-corregido de White, son las

siguientes:
Dependent Variable: FOODEXP
Method: Least Squares
Date: 06/05/14 Time: 11:49
Sample: 1 55
Included observations: 55
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
TOTALEXP

94.20878
0.436809

43.26305
0.074254

2.177581
5.882597

0.0339
0.0000

R-squared

0.369824

En comparacin con los resultados de la regresin MCO dadas en (a), no hay

mucha diferencia en el error estndar del coeficiente de pendiente. Aunque el
error estndar del intercepto ha disminuido. Si por esta diferencia vale la pena
preocuparse, es difcil de decir.
Pero a menos que resolvamos a travs de este ejercicio, no sabremos qu tan
grande o pequea sea la diferencia entre la MCO y la prueba de White.

AUTOCORRELACION
12.21. Prueba para correlacin serial de orden superior. Suponga que tenemos
informacin de series de tiempo sobre una base trimestral. En los modelos de
regresin que consideran informacin trimestral, en lugar de utilizar el
esquema AR(1), puede ser ms apropiado suponer un esquema AR(4) como el

siguiente:

ut = 4ut4 + t
es decir, suponer que el trmino de perturbacin actual est correlacionado
con el trmino para el mismo trimestre del ao anterior, en lugar de estarlo
con el del trimestre anterior. Para probar la hiptesis de que 4 = 0, Wallis
sugiere la siguiente prueba d modificada de Durbin-Watson:

d4 =nt=5(u t ut4)2
------------------------------nt=1 u2t
El procedimiento de prueba sigue la rutina de la prueba d usual analizada en el
texto. Wallis prepar las tablas d4, las cuales se encuentran en su artculo
original. Suponga ahora que hay informacin mensual. Puede generalizarse la
prueba Durbin-Watson para considerar tal informacin? De ser as, escriba la
frmula d12 adecuada.

Solucion:
La frmula debera ser:

d12 =n13 (u t ut-12)2

n1 u2t

MODELOS DINAMICOS
Considere el siguiente modelo de rezagos distribuidos:

Yt = + 0Xt + 1Xt1 + 2Xt2 + 3Xt3 +

4Xt4 + ut
Suponga que i se expresa adecuadamente mediante el polinomio de segundo
grado de la siguiente manera:

i = a0 + a1i + a2i

Cmo estimara las si deseamos imponer la restriccin de que 0 = 4 = 0?

SOLUCION:
Teniendo en cuenta que:

i = a0 + a1i + a2i

Si:

0 = 0 a0 = 0 y cuando 4= 0 a0 + 4a1+ 16a2

= 0 a1 = -4a2
Por lo tanto el modelo transformado es:

Yt = + 4i=0 (i Xi ) + ut
= + (a0 + a1i +a 2i2) Xt-1 + ut
= + a2 (-4 i Xt-i + i2 Xt-i ) + ut