Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ECONOMETRÍA
TALLER Nº6
HETEROCEDASTICIDAD
La línea del mercado de capitales de la Teoría del Portafolio postula, para portafolios eficientes, una relación
lineal entre el retorno esperado y el riesgo (medido por la desviación estándar) como la siguiente:
i 0 1i
donde i retorno esperado sobre el portafolio i y i desviación estándar del retorno. Dados los
siguientes datos sobre retorno esperado y desviación estándar del retorno de los portafolios de 34 fondos
mutuos,
ANEXOS
1. Regresión: 0 1
1.2. ANOVA
Model Sum of df Mean Square F Sig.
Squares
1 Regression 136.888 1 136.888 74.227 .000
Residual 59.014 32 1.844
Total 195.902 33
1.3. Coefficients
Unstandardized Standardized t Sig.
Coefficients Coefficients
Model B Std. Error Beta
1 (Constant) 5.541 .969 5.721 .000
X .475 .055 .836 8.616 .000
2.2. ANOVA
Model Sum of df Mean Square F Sig.
Squares
1 Regression 81.626 2 40.813 6.302 .005
Residual 200.763 31 6.476
Total 282.389 33
2.3. Coefficients
Unstandardized Standardized t Sig.
Coefficients Coefficients
Model B Std. Error Beta
1 (Constant) 9.536 6.826 1.397 .172
-1.323 .830 -1.941 -1.593 .121
2 4.780E-02 .024 2.407 1.975 .057
3. Regresión: ln
2
0 1 ln (Test de Park)
3.2. ANOVA
Model Sum of df Mean Square F Sig.
Squares
1 Regression 47.463 1 47.463 9.037 .005
Residual 168.062 32 5.252
Total 215.525 33
3.3. Coefficients
Unstandardized Standardized t Sig.
Coefficients Coefficients
Model B Std. Error Beta
1 (Constant) -13.752 4.226 -3.254 .003
Ln(X) 4.510 1.500 .469 3.006 .005
Correlations
| |
Spearman's rho | | Correlation 1.000 .411
Coefficient
Sig. (2-tailed) . .016
N 34 34
Correlation .411 1.000
Coefficient
Sig. (2-tailed) .016 .
N 34 34
* Correlation is significant at the .05 level (2-tailed).
5. Graph : 2 versus
14
12
10
2
CUARES
-2
0 10 20 30
S
FACULTAD DE ECONOMÍA Y NEGOCIOS
ESCUELA DE INGENIERÍA COMERCIAL
6. Graph: 2 versus ̂
14
12
10
2
CUARES
-2
8 10 12 14 16 18
Resumen de potencia
b
Val ores de log-verosimi litud
Pot encia -2.000 -64.768
-1.500 -62.835
-1.000 -60.988
-.500 -59.250
.000 -57.649
.500 -56.211
1.000 -54.963
1.500 -53.927
2.000 -53.121a
a. Se ha seleccionado la potencia correspondiente
para análisis adicionales porque maximiza la
f unción de log-v erosimilitud.
b. Variable dependiente: Y, v ariable de origen: X
FACULTAD DE ECONOMÍA Y NEGOCIOS
ESCUELA DE INGENIERÍA COMERCIAL
ANOVA
Suma de Media
cuadrados gl cuadrática F Sig.
Regresión .594 1 .594 114.781 .000
Residual .166 32 .005
Total .760 33
Coeficientes
PROBLEMA 2
Se tiene información trimestral (I trimestre de 2000 al IV trimestre de 2003) sobre las siguientes variables:
2.1 Haga un diagnóstico de heterocedasticidad, del modelo (1), mediante tres criterios diferentes.
2.2 Analice la existencia de residuos inusuales y puntos influyentes en la muestra. Explique brevemente.
2.3 A partir del anexo 1, ¿puede usted detectar un posible problema de heterocedasticidad? Explique.
2.4 ¿Utilizaría el modelo (1) para estimar la elasticidad precio de la demanda por rosas? Explique.
FACULTAD DE ECONOMÍA Y NEGOCIOS
ESCUELA DE INGENIERÍA COMERCIAL
ANEXOS
1. Regresión: Y o 1 X 1 2 X 2
Model Summary
Model R R Square Adjusted R Square Std. Error of the
Estimate
1 .487 .238 .120 2.55306
ANOVA
Model Sum of df Mean Square F Sig.
Squares
1 Regression 26.408 2 13.204 2.026 .171
Residual 84.735 13 6.518
Total 111.143 15
Coefficients
Unstandardized Standardized t Sig.
Coefficients Coefficients
Model B Std. Error Beta
1 (Constant) 28.439 13.221 2.151 .041
Precio -.524 .203 -.143 -2.581 .031
Ingreso .122 .043 .442 2.796 .006
2. Tabla de datos
3. Nonparametric Correlations
Correlations
| | Precio Ingreso
Spearman's rho | | Correlation Coefficient 1.000 -.226 .447
Sig. (2-tailed) . .399 .007
N 16 16 16
Precio Correlation Coefficient -.226 1.000 -.176
Sig. (2-tailed) .399 . .513
N 16 16 16
Ingreso Correlation Coefficient .447 -.176 1.000
Sig. (2-tailed) .007 .513 .
N 16 16 16
VAR: valor absoluto de los residuos
4. Regresión : 2 0 1 X 1 2 X 2 3 X 12 4 X 22 5 X 1 X 2
Model Summaryb
Adjusted St d. Error of
Model R R Square R Square the Estimate
1 .545a .297 -.055 9.4338
a. Predictors: (Constant), X1X2, CX2, CX1, Precio, Ingreso
b. Dependent Variable: CR
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 375.831 5 75.166 .845 .548a
Residual 889.957 10 88.996
Total 1265.788 15
a. Predictors: (Const ant), X1X2, CX2, CX1, Precio, Ingreso
b. Dependent Variable: CR
Coeffi ci entsa
St andardi
zed
Unstandardized Coef f icien
Coef f icients ts
Model B St d. Error Beta t Sig.
1 (Constant) -1668.687 1374.930 -1.214 .253
Precio 194.164 118.895 15.693 1.633 .134
Ingreso 15.123 13.557 16.248 1.116 .291
CX1 -1.236 5.524 -.744 -.224 .827
CX2 -3.30E-02 .033 -12.604 -1.007 .338
X1X2 -1.019 .662 -14.614 -1.539 .155
a. Dependent Variable: CR
FACULTAD DE ECONOMÍA Y NEGOCIOS
ESCUELA DE INGENIERÍA COMERCIAL
CR: cuadrado de los residuos, CX1: cuadrado de X1, CX2: cuadrado de X2.
5. Regresión: 0 1 X 1
2
Variabl es Entered/Removedb
Variables Variables
Model Entered Remov ed Method
1 Precioa . Enter
a. All requested v ariables entered.
b. Dependent Variable: CR
Model Summaryb
Adjusted St d. Error of
Model R R Square R Square the Estimate
1 .299a .090 .025 9.0728
a. Predictors: (Constant), Precio
b. Dependent Variable: CR
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 113.373 1 113.373 1.377 .260a
Residual 1152.414 14 82.315
Total 1265.788 15
a. Predictors: (Const ant), Precio
b. Dependent Variable: CR
Coeffi ci entsa
St andardi
zed
Unstandardized Coef f icien
Coef f icients ts
Model B St d. Error Beta t Sig.
1 (Constant) -8.060 11.604 -.695 .499
Precio 3.703 3.155 .299 1.174 .260
a. Dependent Variable: CR
FACULTAD DE ECONOMÍA Y NEGOCIOS
ESCUELA DE INGENIERÍA COMERCIAL
PROBLEMA 3
ln Pfob 0 1calibre i Di
En que la variable endógena “Pfob” es el precio FOB de la Palta Hass chilena. Las variables exógenas
corresponden a la variable continua “calibre” y variables dicotómicas “D i” que representan puertos de
embarque y meses del año en que se realizan las exportaciones. Se dejó como referencia el mes de Septiembre
con destino a Los Angeles (Estados Unidos). Los datos, de corte transversal, corresponden al período 2005-
2006
Sobre la base de la información entregada en los ANEXOS responda las siguientes preguntas.
1. Según los datos obtenidos en los ANEXOS (1), interprete el signo y el valor de cada uno de los
estimadores de los parámetros del modelo. Justifique su respuesta.
2. Según los datos obtenidos en los ANEXOS (1), analice la bondad del ajuste (capacidad predictiva y
explicativa del modelo). Justifique sus respuestas.
3. ¿Qué problemas con los supuestos básicos podría usted detectar en el modelo? Haga un diagnóstico
completo utilizando cada una de las tablas de los ANEXOS (1). Explique las consecuencias de cada
uno de los problemas detectados. Si realiza pruebas de hipótesis, explicite las hipótesis de trabajo, el
nivel de confianza y las conclusiones.
ANEXO
ANOVAb
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 60,676 14 4,334 376,667 ,000a
Residual 9,654 839 ,012
Total 70,329 853
a. Variables predictoras: (Constante), Ene, Felixtowe, Dunquerque, Miami, Arg,
Rotterdam, Houston, Tokio, Newark, Oct , Algeciras, Calibre, Dic, Nov
b. Variable dependient e: LnPf ob
Coeficientesa
Coeficientes
Coeficientes no estandarizad Estadísticos de
estandarizados os colinealidad
Modelo B Error típ. Beta t Sig. Tolerancia FIV
1 (Constante) ,770 ,017 45,487 ,000
Calibre -,011 ,000 -,924 -64,565 ,000 ,799 1,251
Houston -,061 ,016 -,050 -3,784 ,000 ,928 1,078
Newark ,064 ,015 ,058 4,275 ,000 ,891 1,122
Miami ,032 ,028 ,015 1,126 ,261 ,970 1,031
Felixtowe -,232 ,012 -,268 -19,865 ,000 ,899 1,113
Algeciras -,234 ,012 -,276 -19,731 ,000 ,835 1,197
Dunquerque -,264 ,034 -,104 -7,865 ,000 ,938 1,066
Rotterdam -,361 ,021 -,235 -17,272 ,000 ,882 1,134
Tokio ,056 ,026 ,028 2,137 ,033 ,956 1,046
Arg -,195 ,022 -,119 -8,834 ,000 ,900 1,111
Oct ,095 ,015 ,150 6,280 ,000 ,288 3,476
Nov ,054 ,015 ,089 3,588 ,000 ,267 3,741
Dic ,106 ,016 ,152 6,698 ,000 ,319 3,131
Ene ,067 ,019 ,064 3,532 ,000 ,498 2,010
a. Variable dependiente: LnPf ob
FACULTAD DE ECONOMÍA Y NEGOCIOS
ESCUELA DE INGENIERÍA COMERCIAL
ANALISIS DE NORMALIDAD:
Correlaciones
VARes Calibre
Rho de Spearman VARes Coef iciente de
1,000 ,117**
correlación
Sig. (bilateral) . ,001
N 854 854
Calibre Coef iciente de
,117** 1,000
correlación
Sig. (bilateral) ,001 .
N 854 854
**. La correlación es signif icat iv a al niv el 0,01 (bilat eral).
Coef icientes
Coef icientes no estandarizad
estandarizados os
Modelo B Error típ. Beta t Sig.
1 (Constante) ,462 ,050 9,198 ,000
Calibre ,006 ,001 ,216 6,467 ,000
a. Variable dependient e: VARes
MODEL: MOD_1.
Source variable.. Calibre
Multiple R ,91504
R Square ,83729
Adjusted R Square ,83458
Standard Error ,01576
Analysis of Variance: