Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LA TOMA DE DECISIONES
EMPRESARIALES
Lección 3: Heteroscedasticidad.
S jm1
Diapositiva 1
jm1 Se agradece la contribución de los profesores Arranz, Suárez y Zamora, cuyos materiales de clase se han utilizado en la elaboración de esta
presentación.
juan muro; 28/09/2007
Heteroscedasticidad.
1. ¿ Qué es un modelo heteroscedástico?
Ej. Gasto de un consumidor como función de
renta (curva de Engel). Fichero:
Heteros_Greene.wf1.
2. ¿ Con qué tipo de datos económicos se
suelen presentar modelos
heteroscedásticos?
Corte transversal; serie temporal; datos de
panel.
S
11/29/2012 Juan Muro
Heteroscedasticidad.
3. ¿ Qué problemas plantea a la estimación
por MCO?
Var(ui|X)= σi2.
S
11/29/2012 Juan Muro
3.1. Consecuencias de la
heteroscedasticidad.
Hipótesis nula
CUSUMSQ
Específicos Glejser(1969)
(potentes) Harvey(1976)
Engle(1982).
11/29/2012 Juan Muro S
Goldfeld-Quandt(1965). Contraste
exacto.
H0 : HOMOSCEDASTICIDAD: la varianza es constante en toda la muestra.
H1 : HETEROSCEDASTICIDAD: la varianza no es constante en toda la
muestra.
Operativa:
SCR 2 ~ T - c - 2k T - c - 2k
F , ,
SCR 1 2 2
Donde T es el tamaño de la muestra y k el número de parámetros explícitos; SCR1 y SCR2: suma
de los cuadrados de los residuos MCO de las regresiones con las primeras y con las últimas
observaciones, respectivamente.
Operativa:
SCR 2 ~ T − k T - k
F , ,
SCR 1 2 2
Donde T es el tamaño de la muestra y k el número de parámetros explícitos; SCR1 y SCR2: suma
de los cuadrados de los residuos de los primeros y últimos residuos recursivos, respectivamente.
Operativa:
Operativa:
Operativa:
Operativa:
SCE ~ 2
g= Χ (p - 1) .
4 . 9348
11/29/2012 Juan Muro S
Contraste para modelos ARCH:
Engel(1982). Contraste
asintótico.
H0 : HOMOSCEDASTICIDAD: la varianza es constante en toda la muestra.
H1 : HETEROSCEDASTICIDAD: la varianza condicional es autorregresiva.
Es decir, en el caso de un ARCH(1) var(ut|ut-1)= α0+ α1 ut-12.
Operativa:
Var(ui|X)= σi2.
S
11/29/2012 Juan Muro
3.3. Solución a la heteroscedasticidad.
MCO: estimación lineal, insesgada y no óptima; matriz de
White(1980).
A
11/29/2012 Juan Muro
Estimación por MCO en presencia de
heteroscedasticidad.
Xi Yi
Donde X *i = ; Y *i =
σˆ i σˆ i
T 1 1 1
L( β ,σ | Y, X) = - ln(2Π ) - Σ lnσ i - Σ 2 Xi X'i .
2
i
2
2 2i 2 i σi
A
11/29/2012 Juan Muro
Contrastes para decidir entre la
forma lineal y logarítmico lineal de
un modelo.
Para eliminar la heteroscedasticidad de un modelo
se suelen adoptar formas lineales en los
logaritmos en el modelo. La decisión sobre qué
especificación utilizar debe fundarse en algún
contraste apropiado. Entre ellos están los de
Box-Cox(1962); Bera-McAleer(1982) y
McKinnon, White y Davidson(1983).
S
11/29/2012 Juan Muro
Contraste de Bera-McAleer(1982).
1. Estimar las regresiones
log y t = β 0 + β 1 x t + u 1t ,
y t = β 0 + β 1 x t + u 2t .
2. Obtener los valores ajustados de y, log y en las regresiones
contrarias. Es decir, obtener el logaritmo en la regresión sin
logaritmos y la variable y en la regresión con logaritmos.
exp ( log yˆ t ) = β 0 + β 1 x t + v 1t
.
log ~y t = β 0 + β 1 x t + v 2t
S
11/29/2012 Juan Muro
Contraste de Bera-McAleer(1982).
4. El contraste se fundamenta en las regresiones
auxiliares
log y t = β 0 + β 1 x t + θ 0 vˆ1t + ε t
y t = β 0 + β 1 x t + θ 1 vˆ 2t + ε t