Está en la página 1de 20

Heteroscedasticidad:

dispersion desigual , los datos no tienen relacion


cuando la dispersion es diferente

Mtodos formales

1 Prueba de Park

1. se regresiona de forma normal


2. luego se regresiona segn la siguiente funcion:
3. Si resulta estadsticamente significativo, esto sugerir heteroscedasticidad en los datos.
Si resulta no signifi cativo, podemos aceptar el supuesto de homoscedasticidad.

REGLA DE DECISIN:
B > 0.05 HOMOCEDASTICIDAD
B < 0.05 HETEROCEDASTICIDAD

CASO TABLA 11.1


Para ilustrar el enfoque de Park, con la informacin de la tabla 11.1 efectuamos la siguiente re
donde Y = salario promedio en miles de dlares, X = productividad promedio en miles de dla
e i = i-simo de la planta laboral del establecimiento. Los resultados de la regresin fueron los
REGRESIONADO DE FORMA NORMAL

2 Prueba de Glejser PARA MUESTRAS GRANDES

1. SIMILAR A LA P. DE PARK
2. sugiere una regresin sobre los valores absolutos de ui sobre la variable X
3. Si resulta estadsticamente signifi cativo, esto sugerir heteroscedasticidad en los datos.
Si resulta no signifi cativo, podemos aceptar el supuesto de homoscedasticidad.

INTERPRETACION:
no hay heterocedasticidad

3 Prueba de correlacin de orden de Spearman

Paso 1. Ajuste la regresin a los datos sobre Y y X, y obtenga los residuos u i.


Paso 2. Ignore el signo de u i, es decir, tome su valor absoluto |u i|, y ordene los valores |u
y Xi (o Yi) de acuerdo con un orden ascendente o descendente, y calcule el coefi ciente de co
Paso 3. Si supone que el coefi ciente poblacional de correlacin de orden s es cero y n > 8,
la signifi cancia del rs muestral se prueba mediante la prueba t de la siguiente manera:
.Si el valor t calculado excede el valor t crtico, podemos aceptar la hiptesis de heterosceda

REGLA DE DECISIN:
tc > t HETEROCEDASTICIDAD
tc < t HOMOCEDASTICIDAD

CASO:

Para ilustrar la prueba de correlacin de orden, considere los datos, que corresponden
al rendimiento anual promedio (E, %) y la desviacin estndar del rendimiento anual
(i,%) de 10 fondos de inversin

Paso 1 Paso 2
Ei, i,
rendimiento desviacin
promedio estndar del
anual, rendimiento excel* excel* Ordenacin

Ei, i,
% anual, % de i
RESIDUOS RESIDUOS

1 12.4 12.1 11.3728 1.0272 4


2 14.4 21.4 15.6411 -1.2411 9
3 14.6 18.7 14.4019 0.1981 7
4 16 21.7 15.7788 0.2212 10
5 11.3 12.5 11.5564 -0.2564 5
6 10 10.4 10.5926 -0.5926 2
7 16.2 20.8 15.3658 0.8342 8
8 10.4 10.2 10.5008 -0.1008 1
9 13.1 16 13.1628 -0.0628 6
10 11.3 12 11.3269 -0.0269 3

HALLAR EL r DE SPEARMAN

r s =

tc =
tt =

INTERPRETACION:
Como se aprecia de esta regresin, no hay relacin entre el valor absoluto de los
NO HAY HOMOCEDASTICIDAD

4 Prueba de Goldfeld-Quandt signifi cara que 2i sera mayor mientras mayores fueran los valore

Paso 1. Ordene las observaciones de acuerdo con los valores de Xi, a partir del valor ms bajo
Paso 2. Omita las c observaciones centrales, donde c se especifi c a priori, y divida las observ
restantes (n c) en dos grupos, cada uno de (n c)/2 observaciones.
Paso 3. Ajuste regresiones MCO separadas a las primeras (n c)/2 observaciones y a las
ltimas (n c)/2 observaciones, y obtenga las respectivas sumas de cuadrados residuales
SCR1 y SCR2; SCR1 representa la SCR de la regresin correspondiente a los valores ms
bajos de Xi (el grupo de varianza pequea), y SCR2, a los valores ms grandes de Xi (el
grupo de varianza grande). Cada SCR tiene
Paso 4. Calcule la razn

Si en una aplicacin (_x0002_ F) calculada es superior al F crtico en el nivel de signifi canci


podemos rechazar la hiptesis de homoscedasticidad, es decir, podemos afi rmar que
la heteroscedasticidad es muy probable

CASO
Para ilustrar la prueba de Goldfeld-Quandt presentamos en la tabla 11.3 informacin sobre el
gasto de consumo en relacin con el ingreso de una muestra transversal de 30 familias. Supon
que postulamos que el gasto de consumo est relacionado linealmente con el ingreso pero qu
hay heteroscedasticidad en los datos. Postulamos adems que la naturaleza de la heterosceda
es como la de (11.5.10). En la tabla 11.3 presentamos tambin el reordenamiento
necesario de los datos para aplicar la prueba.

regresion de las 13 primeras obs.


De estos resultados obtenemos

Fc =
Ft =

INTERPRETACION:
El valor F crtico para 11 gl en el numerador y 11 gl en el denominad
2.82. Como el valor F(= ) estimado excede al valor crtico, podemo
en la varianza del error.

5 Prueba Breusch-Pagan-Godfrey muestras grandes

Por consiguiente, si en una aplicacin el (= 2) calculado excede al valor crtico 2 en


el nivel de signifi cancia seleccionado, se rechaza la hiptesis de homoscedasticidad; de lo
contrario, no se rechaza.

CASO: A manera de ejemplo, reconsidere la informacin (tabla 11.3) para ilustrar la prueba de hetero
de Goldfeld-Quandt. Al efectuar la regresin de Y sobre X, obtenemos lo siguiente:

PASO: 1
PASO: 2
2 = 78.7051083

PASO: 3 p = residuos^2 / 2

PASO: 4 HALLE LA REGRESIN DE p EN FUNCIN DE X

ji c =
ji t = 3.8414

INTERPRETACION:

6 Prueba general de heteroscedasticidad de White


CASO tabla 11.3
. reg var6 var7
Ei, i,
rendimiento desviacin Source SS df MS Nu
promedio estndar del F(
anual, rendimiento Model 41.8496595 1 41.8496595 Pr
% anual, % Residual 3.81134679 8 .476418349 R-
1 12.4 12.1 Ad
2 14.4 21.4 Total 45.6610063 9 5.07344514 Ro
3 14.6 18.7
4 16 21.7
var6 Coef. Std. Err. t P>|t|
5 11.3 12.5
6 10 10.4 var7 .4589583 .048969 9.37 0.000
7 16.2 20.8 _cons 5.819429 .7935462 7.33 0.000
8 10.4 10.2
9 13.1 16
10 11.3 12
ji c = 1.60
ji t = 18.30
. imtest, white

White's test for Ho: homoskedasticity


against Ha: unrestricted heteroskedasticity

chi2(2) = 1.60
Prob > chi2 = 0.4489

Cameron & Trivedi's decomposition of IM-test

Source chi2 df p

Heteroskedasticity 1.60 2 0.4489


Skewness 7.27 1 0.0070
Kurtosis 0.02 1 0.8744

Total 8.90 4 0.0637


igual , los datos no tienen relacion

prueba de Glejser
prueba de white

ojo: elevar al cuadrado los residuos 1 hay que hallar los errore
2 elever los errores al cuadrado

rir heteroscedasticidad en los datos. 1 DATOS


esto de homoscedasticidad. 2 seies de datos
3 residuos
4 elevarlos al cuadrado

la tabla 11.1 efectuamos la siguiente regresin:


roductividad promedio en miles de dlares
os resultados de la regresin fueron los siguientes:
Lnu^2 = B1 + B2LNX
INTERPRETACION:
no hay una relacin estadsticamente significativa entre ambas variables.(p de B2 NO ES SIGNIF
de Park, se puede concluir que no hay heteroscedasticidad en la varianza del error.
NO HAY HETEROCEDASTICIDAD , DEBIDO QUE ES MAYOR LA PRUEBA P
SE TIENE HOMOCEDASTICIDAD

de ui sobre la variable X la u es valor absoluto


erir heteroscedasticidad en los datos. ya no es logaritmo natural , todo es positivo
esto de homoscedasticidad.

btenga los residuos u i.


absoluto |u i|, y ordene los valores |u i|
cendente, y calcule el coefi ciente de correlacin de orden de Spearman dado antes.
orrelacin de orden s es cero y n > 8,
prueba t de la siguiente manera:
mos aceptar la hiptesis de heteroscedasticidad;

y luego

ere los datos, que corresponden


stndar del rendimiento anual

Paso 2

d,
diferencia
Ordenacin entre las
dos
de |ui| ordenacion d^2
es Anlisis de los residuales
9 5 25
10 1 1 Observacin
Pronstico para YResiduos
4 -3 9 1 11.3728251 1.0271749
5 -5 25 2 15.6411373 -1.2411373
6 1 1 3 14.4019499 0.19805009
7 5 25 4 15.7788248 0.22117518
8 0 0 5 11.5564084 -0.2564084
3 2 4 6 10.592596 -0.592596
2 -4 16 7 15.3657623 0.83423765
1 -2 4 8 10.5008043 -0.1008043
9 13.1627625 -0.0627625
10 11.3269293 -0.0269293
tc<tt homoscedasticidad

ay relacin entre el valor absoluto de los residuos y la

ayor mientras mayores fueran los valores de Xi.

valores de Xi, a partir del valor ms bajo de X.


e especifi c a priori, y divida las observaciones
observaciones.
ras (n c)/2 observaciones y a las
vas sumas de cuadrados residuales
orrespondiente a los valores ms
os valores ms grandes de Xi (el

ior al F crtico en el nivel de signifi cancia seleccionado,


, es decir, podemos afi rmar que

os en la tabla 11.3 informacin sobre el


muestra transversal de 30 familias. Suponga
nado linealmente con el ingreso pero que
ms que la naturaleza de la heteroscedasticidad
tambin el reordenamiento

regresion de las 13 ultimas obs.


tados obtenemos

LANDA =

Fc>Ft heteroscedasticidad

en el numerador y 11 gl en el denominador en el nivel de 5% es


stimado excede al valor crtico, podemos concluir que hay heteroscedasticidad

xcede al valor crtico 2 en


sis de homoscedasticidad; de lo

la 11.3) para ilustrar la prueba de heteroscedasticidad


e X, obtenemos lo siguiente:
ji c > ji t heteroscedasticidad
df MS Number of obs = 10
F(1, 8) = 87.84
595 1 41.8496595 Prob > F = 0.0000
679 8 .476418349 R-squared = 0.9165
Adj R-squared = 0.9061
063 9 5.07344514 Root MSE = .69023

f. Std. Err. t P>|t| [95% Conf. Interval]

83 .048969 9.37 0.000 .3460355 .5718811


29 .7935462 7.33 0.000 3.989509 7.64935

ji c > ji t heteroscedasticidad ji t = 18.3


no hay heterocedasticidad
chi calculado chi^2 o ji

para hetercedasticidad no es relevante


res al cuadrado
ables.(p de B2 NO ES SIGNIFICATIVA) Segn la prueba
rianza del error.
YOR LA PRUEBA P