PEC

En la matriz de varianzas y covarianzas de la perturbación si se cumplen los supuestos de la

perturbación sería

VAR ( U ) =σ 2u I
En cambio, si ya no se cumple el supuesto de homocedasticidad y covarianzas nulas se tendrá

VAR ( U ) =V
Si se puede encontrar un factor común se tendrá

VAR ( U ) =σ 2u Ω
Donde Ω es una matriz mdp que se puede descomponer de la siguiente manera

Q ' ΩQ=D
Como D proviene de una matriz omega que es mdp, se puede expresar de la siguiente manera
1
' ' 1/ 2
Q Q Ω QQ =D=Q D D Q'
2'

1
1 /2
Ω=Q D D Q ' =P P '
2'

Voy a buscar una adecuación para omega en base al vector ortonormal P de tal forma

P−1 Ω P=P−1 P P' P=I

P' Ω P=I
Entonces, pre multiplicando a la matriz omega por P transpuesta y post multiplicando por P se
tiene que es igual a la matriz idéntica. Por lo tanto, la matriz de varianzas y covarianzas de la
perturbación es

VAR ( U ) =σ 2u Ω
Si transformo la perturbación

U ¿ =P' U
Si tomamos valor esperado
¿ '
E ( U )=P ∅=∅
La varianza de la perturbación corregida será
'
VAR ( U ¿ )=E ( U ¿ −∅ ) ( U ¿ −∅ ) =E ( U ¿ U ¿' )=E ( P' U U ' P )=P' E ( U U ' ) P

VAR ( U ¿ )=σ 2u P' Ω P=σ 2u I

La segunda representación de omega es sacando su inversa

Ω−1=P'−1 P−1=P '' P ' =P P'

Minimizando la suma del cuadrado de los errores

e ¿ =Y ¿− Y^ ¿
Entonces minimizando

min e ¿' e¿
El estimador será

^β MCG =( X ¿' X ¿ )−1 X ¿' Y ¿ =( ( X ' P ) ( P' X ) )−1 X ' P P ' Y =( X ' Ω−1 X )−1 X ' Ω −1 Y