Está en la página 1de 8

NOMBRE: Magaly Lisbeth Vilca Vargas

CURSO: Econometría I

HETEROCESTACIDAD

11.1 Establezca si las siguientes afirmaciones son verdaderas, falsas o inciertas y


comente sus razones brevemente:

a) En presencia de heteroscedasticidad, los estimadores de MCO son sesgados e


ineficientes.

Falso, porque en presencia de heteroscedasticidad los estimadores de MCO siguen


siendo insesgados y consistentes, pero ya no tienen varianza mínima, es decir, ya no son
eficientes.

b) Si hay heteroscedasticidad, las pruebas convencionales t y F son inválidas.

Verdadero, porque dado la varianza no es mínima los intervalos de confianza tienden a


ser grandes y las pruebas de t y F tienden a ser imprecisas.

c) En presencia de heteroscedasticidad, el método de MCO habitual siempre


sobreestima los errores estándar de los estimadores.

Verdadero, porque la característica más sobresaliente de estos resultados es que los


MCO, con o sin corrección por heterocedasticidad sobreestiman consistentemente el
verdadero error estándar obtenido mediante el procedimiento MCG, especialmente para
valores grandes de α, con lo cual se establece la superioridad de MCG.

d) Si los residuales estimados mediante una regresión por MCO exhiben un


patrón sistemático, significa que hay heteroscedasticidad en los datos.

Verdadero, porque si los residuos al cuadrado nos dan un valor mayor que cero o nos
presenta un patrón sistemático significa que existe heteroscedasticidad. Un patrón
sistemático en los residuos indica heterocedasticidad en los datos provocada por la
omisión de alguna variable relevante en la explicación de la variable dependiente.

e) No hay una prueba general de heteroscedasticidad que no esté basada en algún


supuesto acerca de cuál variable está correlacionada con el término de error.

Falso, porque no existe una prueba que nos señale específicamente que variable
explicativa está relacionada con el término de perturbación, sino que más bien nos dan
pruebas generales para detectar heterocedasticidad. En el contraste de White no hay
ningún supuesto sobre la forma de la heterocedasticidad en la especificación de la
hipótesis alternativa.

f) Si el modelo de regresión está mal especificado (por ejemplo, si se omitió una


variable importante), los residuos de MCO mostrarán un patrón claramente
distinguible.

Verdadero, porque al omitir una variable importante en el modelo se va a distinguir


claramente un patrón sistemático, ya que los residuos van a presentar un gran peso por
la variable omitida. Y si realizamos un gráfico entre los residuos MCO al cuadrado y la
variable que hemos omitido observaremos un patrón de relación entre ambos, lo que nos
dará una idea de la transformación a realizar en las variables del modelo.

g) Si una regresora con varianza no constante se omite (incorrectamente) de un


modelo, los residuos (MCO) serán heteroscedásticos

Verdadero, porque si se omite una variable que tiene una varianza no constante, esta va
seguir siendo presente en el modelo a través de perturbación y seguirá siendo
heteroscedasticidad.
A) Aquí la suposición es que la varianza del error es proporcional al cuadrado del
PIB. Que se describe en la postulación. Los autores hacen de este supuesto al
observar los datos a través del tiempo y observar esta relación.
B) Los resultados en las dos regresiones son básicamente los mismos. Pero los
errores estándar de dos de los coeficientes son inferiores en el segundo modelo.
Esto se puede tomar como justificaciones empíricas de la transformación de
heterocedasticidad.
C) No se puede comparar los valores de R^2. El R^2 pueden no ser directamente
comparados porque las variables dependientes no son lo mismos.

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

a) Haga la regresión del gasto alimentario sobre el gasto total y examine los
residuos obtenidos en dicha regresión.
b) Grafique los residuos obtenidos en el inciso a) contra el gasto total y verifique si
existe algún patrón sistemático.
Se aprecia que a medida que aumente el gasto total, el valor absoluto de los residuos
también aumenta, pero no necesariamente de manera lineal.

c) Si la gráfica del inciso b) sugiere heterocedasticidad, aplique las pruebas de


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

- Prueba Park

Lne2 = b1 + b2 ln foodexp + ui

Comprobar: lm =nR2

Lm que se distribuye X2a,k= 3,8414588

Utilizamos display invchi2 (1,1-0.05)

Lm = nR2 mayor a LmX2a,k

Según esta prueba de Park se llega a la conclusión que se tiene heteroscedasticidad y no


homocedasticidad, el cual quiere decir que no hay varianza constante. Dado que el
coeficiente estimado de la pendiente es significativo, la Prueba de Park confirma que
hay heteroscedasticidad.

- Prueba de Glejser

Regresiòn de los residuos elevados al cuadrado y la variable predeterminada


E2= b1 + b2foodexp + ui

Lm = nR2

Mediante este método se llega a la conlusiòn que también existe heteroscedasticidad.

- Test de White

E2 = b1 + b2foodexp + b3foodexp p2 + ui

Regresiòn por MCO


A través de test de White se vuelve a comprobar que si existe heteroscedasticidad.
Mul9plicando la R^2 por 55, obtenemos 7.37. bajo la hipótesis nula de que no hay
heteroscedasticidad, este valor sigue el valor de chi-cuadrado de hasta 7,37 o más,
aproximadamente 0.025, que es bastante pequeño. Por lo tanto, la conclusión es que la
varianza del error es heteroscedástico.

En conclusión, se rechaza la hipótesis nula y existe heteroscedasticidad.

d) Obtenga los errores estándar de White consistentes con la heteroscedasticidad y


compárelos con los errores estándar de MCO. Decida si vale la pena corregir este
ejemplo a causa de heteroscedasticidad.

- Whit

- MCO
A través de las pruebas podemos ver que los coeficientes siguen siendo los mismos;
Si las desviaciones estándar de MCO y robust estuvieran muy alejadas; en ese caso
valdría la pena corregirlos, pero en este caso la std. Err. están cerca, por lo tanto, no
vale la pena corregirlo por causa de heteroscedasticidad.

- En comparación con los resultados de la regresión de MCO dados en (a), no hay


mucha diferencia en el error estándar de la intersección que ha disminuido. Es difícil
decir si esta diferencia es molesta o no, pero a menos que pasemos por este
ejercicio, no sabremos qué tan grande o pequeña es la diferencia entre los
procedimientos de MCO y WHIT

También podría gustarte