Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ECONOMIA
TUNJA, BOYACA
2022
Taller 1
La variable age (edad) presenta multicolinealidad, sin embargo, esta no interfiere en el análisis
b) Si hay heteroscedasticidad, por medio de las pruebas de: Park, Glejser, White, Breusch-
Pagan-Godfrey.
Prueba de park
En la prueba de park la decisión nos dice que si el beta resulta estadísticamente significativo
Conclusión: Prob > F nos dio 0.0000, es decir que hay un problema de heterocedasticidad.
Prueba de glejser
En la prueba de glejser la decisión nos dice que si el beta resulta estadísticamente significativo
Conclusión: Prob > F nos dio 0.0000, es decir, es estadísticamente significativo, lo que
En la prueba de White la decisión nos dice que si el valor Prob > chi2 es mayor a 0.05, hay
Conclusión: El valor Prob > chi2 nos dio 0.0000, es decir que efectivamente hay un problema
de heterocedasticidad.
Prueba de Breusch-Pagan-Godfrey
En la prueba de Breusch-Pagan-Godfrey la decisión nos dice si el valor de la Prob > chi2 es
Conclusión: El valor Prob > chi2 nos dio 0.0000, es decir que efectivamente hay un problema
de heterocedasticidad.
Consecuencias de la multicolinealidad:
amplios, lo cual propicia una aceptación más fácil de la “hipótesis nula cero” (es
5. Los estimadores de MCO y sus errores estándar son sensibles a pequeños cambios
en los datos.
Consecuencias de la Heterocedasticidad:
colinealidad resultó ser menos grave o de la teoría relevante que soporta el campo de estudio.
estudios sindicados realizados por varias agencias privadas y estatales), con tal información, que
multicolinealidad grave, una de las soluciones “más simples” consiste en omitir del modelo una
de las variables colineales. Sin embargo, al eliminar una variable del modelo se puede incurrir en
posible que en otra muestra con las mismas variables la colinealidad no sea tan grave como en la
primera. A veces, con sólo aumentar el tamaño de la muestra (si esto es posible) se mitiga el
problema de colinealidad.
explicativas están expresadas en forma de desviación, es decir, desviaciones del valor medio, la
Cuando se conoce σ2i; método de los mínimos cuadrados ponderados: Se dividen todas las
White demostró que esta estimación puede realizarse de forma que las inferencias estadísticas
sean asintóticamente válidas (es decir, para muestras grandes) sobre los verdaderos valores de los
e) Cree un segundo modelo con ln(salario) como variable dependiente. ¿Observa alguna
mejora en la heteroscedasticidad?
En este modelo con ln(salarios) la decisión que se tiene en cuenta es que si el valor Prob >
de heterocedasticidad.
f) Cree diagramas de dispersión del salario sobre cada variable independiente. ¿Puede
Se puede observa que dado el gráfico de dispersión de cada una de las variables explicativas
significativa.
Se puede observar que las variables edad, ventas, beneficios no son estadísticamente
Al generar una versión robusta de la variable dependiente sobre las independientes, se puede
observar que, aunque la variable edad sigue siendo no significativa, ahora el problema de
heterocedasticidad es menor, sumado a las demás variables que ahora son estadísticamente
significativas.
g) Obtenga los residuos y vea si hay autocorrelación en ellos. ¿Cómo transformaría los datos
presente ejemplo?
DESICIÓN: Dada la prueba de primer orden que solo evalúa el grado de autocorrelación de
Podemos concluir que el valor resultante fue de 2.029317, es decir, no hay autocorrelación.
El grado de inercia en las variables económicas es bajo, además no presenta un alto grado de
sesgo de especificación, quizá debido a que no hubo errores graves en la medición de la variable
En este caso las perturbaciones ut, consideradas dentro de la regresión son aleatorias y no
correlacionadas.