Documentos de Académico
Documentos de Profesional
Documentos de Cultura
NRC 23204
ACTIVIDAD 8
Detección de Problemas de Violación de Supuestos
PRESENTADO AL TUTOR:
ANA CATALINA GONZALEZ SUAREZ
Econometría
NRC 23204
ACTIVIDAD 8
Detección de Problemas de Violación de Supuestos
PRESENTADO POR:
JOSÉ RICARDO GUTIERREZ ARDILA ID 501235
OLGA LUCIA CASTAÑO GÓMEZ ID: 502927
SERGIO FERNANDO RODRIGUEZ LOSADA ID 515986
VICTOR ALFONSO PARRA PATIÑO ID: 513858
TABLA DE CONTENIDO
Estime los parámetros de este modelo e interprete los resultados. Desde el punto
de vista económico, ¿tiene sentido?
5
Análisis
Dados los incrementos unitarios en la velocidad máxima, se estima que las millas
promedio por galón; disminuirán en -1,27170 millas por galón manteniendo todo lo
demás constantes. Existe una relación Inversa.
Dado los incrementos en los caballos de fuerza de motor se estima que las millas
promedio por galón también se incrementa en unas 0,390433 millas por galón
manteniendo todo lo demás constante. Existe una relación Directa
Es decir, que aun que el modelo muestra unas variables significativas (Valor p***); y su
R2 se acerca a 1. Por tanto, este modelo no tiene sentido.
Análisis
Si, se esperaría que la varianza del error del modelo anterior; si sea heteroscedástica,
porque se están utilizando datos de corte transversal; es decir, cuando la varianza de los
errores no es constate, hay incumplimiento de las hipótesis.
6
Análisis
MPGi = 14917,1 – 284,880SP + 95,5313HP - 264,1WT
Revisamos el p valor; por lo tanto, se rechaza H0 hipótesis nula y H1 podemos decir que
si hay heteroscedasticidad.
Este contraste se utiliza con el fin de determinar si realmente se encuentra los problemas
de heteroscedasticidad; lo que significa que la H0 - hipótesis Nula: No hay
heteroscedasticidad y en la H1 – Hipótesis alternativa, se observa que, si hay
Heteroscedasticidad, por lo tanto, al revisar el p valor es muy pequeño, esto quiere decir
que existe heteroscedasticidad, de esta manera rechazamos la H 0 Hipótesis Nula y
tomamos la H1 hipótesis Alternativa.
7
d) Obtenga los errores estándar de White consistentes con la heteroscedasticidad, así como los valores t, y
compare los resultados con los obtenidos mediante MCO.
HC1: Se observa con este modelo corregido que los coeficientes no cambian, pero el estadístico si cambia (Estadístico t),
corrige los errores y los t mejoran, el R2 no cambia.
El valor p conjunto modifica; se hace más pequeño y se minimizó los errores. Por lo tanto, podemos decir que, este
modelo HC1 lo que hace es minimizar los errores y modificar la varianza para que el modelo sea mucho más significativo.
8
Análisis
El R2 está muy alejado de 1, por lo tanto, en este modelo se debe hacer una inferencia,
realmente el modelo no esta tan cercano a 1, los niveles de significancia son buenos; sin
embargo, por lo menos el parámetro está inversamente proporcional.
En este modelo se observa muy afectado el R2; por lo que se requiere reajustar el
modelo, por lo que las variables no están siendo lineales y para esto se debe hacer una
inferencia o hallar una diferencia.
Análisis
El modelo que Durbin – Watson mejoró, se corrigió el problema de correlación, pero el
R2 se ve afectado; por lo tanto, se corrige un problema, pero se obtiene otro.
De esta manera, el problema se evidencia por solo tener una muestra muy pequeña en
este modelo, se cuenta con una muestra de 30 es decir; T=30. Lo que significa que para
corregir este problema se hace necesario aumentar el tamaño de la muestra, para así
mismo determinar si el modelo es confiable y evitar posibles engaños en el modelo. En
10
otras palabras; la solución del problema de autocorrelación será la ampliación del tamaño
de la muestra.
11
BIBLIOGRAFÍA