Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TEMA:
TEST DE HETEROSCEDASTICIDAD
ASIGANTURA:
ECONOMETRIA II
NOMBRES:
ALVAREZ SANTIAGO
BONETE LISETTE
SANCHEZ MONICA
VALDEZ ANDREA
DOCENTE:
ECON. JUAN PABLO SARMIENTO
CURSO:
EC 06 – 01
AÑO LECTIVO
2019 - 2020
HETEROCEDASTICIDAD
1. INTRODUCCIÓN
Ilustración 1. Homocedasticidad
En presencia de heterocedasticidad,
● Estimador de MCO: Lineal, insesgado y consistente, pero deja de ser eficiente. Pues
seguirá siendo insesgado dado que 𝐸(𝑢) = 0.
● Variables explicativas son no estocásticas o independientes de los errores, por lo
tanto 𝐸(𝑋𝑢) = 0.
( )
2
● Varianza al no ser constante σ𝑖 se invalidan las pruebas de significancia estadística
Por lo tanto, resulta interesante disponer de métodos de detección que nos indique si los
residuos del modelo son homocedasticos o heterocedasticos.
bastante grande.
2. DETECCIÓN DE HETEROCEDASTICIDAD
Métodos informales
- Variables heterocedásticas
- Mezcla de datos heterogéneos
Métodos formales
La prueba de Park sigue la misma idea del test de White y consiste en plantear
regresiones de los residuos al cuadrado en función de una o varias variables explicativas del
modelo econométrico propuesto y analizar la significación conjunta de la regresión (Gujarati
& Dawn, 2010).
2
Park formaliza el método y plantea que σ𝑖 está en función de las variables explicativas 𝑋𝑖.
2 2 β 𝑣𝑖
σ𝑖 = σ 𝑋 𝑖 𝑒
O en su forma logarítmica:
2 2
ln 𝑙𝑛 σ𝑖 = ln 𝑙𝑛 σ + β ln 𝑙𝑛 𝑋𝑖 + 𝑣𝑖
2 ^2
Como generalmente desconozco σ𝑖 , Park sugiere utilizar 𝑢𝑖 como una aproximación
y correr la regresión:
^2 2
ln 𝑙𝑛 𝑢𝑖 = ln 𝑙𝑛 σ + β ln 𝑙𝑛 𝑋𝑖 + 𝑣𝑖
^2
ln 𝑙𝑛 𝑢𝑖 = α + β ln 𝑙𝑛 𝑋𝑖 + 𝑣𝑖 (1)
Hipótesis a probar:
𝐻0: β = 0 (𝑁𝑜 𝑒𝑥𝑖𝑠𝑡𝑒 ℎ𝑒𝑡𝑒𝑟𝑜𝑐𝑒𝑑𝑎𝑠𝑡𝑖𝑐𝑖𝑑𝑎𝑑)
regresión lineal y ese término puede ser heterocedástico, Sin embargo, puede ser un buen
método exploratorio (Gujarati & Dawn, 2010).
2.3 TEST DE K
^2
La prueba de Koenker-Basset (KB), esta prueba se basa en los residuos al cuadrado 𝑢𝑖 . La
2) Se obtienen las 𝑢𝑖
2 ^ 2
𝑢𝑖 = α1 + α2(𝑌𝑖) + 𝑣𝑖
Hipótesis a probar:
𝐻0: α2 = 0 (𝑁𝑜 𝑒𝑥𝑖𝑠𝑡𝑒 ℎ𝑒𝑡𝑒𝑟𝑜𝑐𝑒𝑑𝑎𝑠𝑡𝑖𝑐𝑖𝑑𝑎𝑑)
Una ventaja de la prueba es que no requiere que el término de error del modelo original este
normalmente distribuido. (Gujarati & Dawn, 2010)
2.4 TEST DE GLEJSER
^
Esta prueba es similar al Test de Park. Después de obtener los residuos (𝑢𝑖) de la regresión
^
MCO, Glejser sugiere una regresión sobre los valores absolutos de los residuos (𝑢𝑖) sobre la
2
variable X que se cree estar muy asociado con la varianza (σ𝑖 ). Para lo cual se planteó las
||𝑢^ || = β + β 𝑋 + 𝑣 (1)
| 𝑖| 1 2 𝑖 𝑖
||𝑢^ || = β + β 𝑋 + 𝑣 (2)
| 𝑖| 1 2 𝑖 𝑖
||𝑢^ || = β + β 1
+ 𝑣𝑖 (3)
| 𝑖| 1 2 𝑋𝑖
||𝑢^ || = β + β 1
+ 𝑣𝑖 (4)
| 𝑖| 1 2 𝑋𝑖
||𝑢^ || = 2
β1 + β2𝑋𝑖 + 𝑣𝑖 (6)
| 𝑖|
||𝑢^ || = β1 + β2𝑋𝑖 + 𝑣𝑖
2
(6)
| 𝑖|
Pasos:
2) Correr la regresión.
^
𝑌𝑖 = β0 + β1𝑋1 + β2𝑋2+ … + β𝑘𝑋𝑘 + 𝑢𝑖
4) Correr una regresión auxiliar con aquella variable donde existan indicios de
heteroscedasticidad
||𝑢^ || = β + β 𝑋 + 𝑣
| 𝑖| 1 𝑗 𝑖 𝑖
significativo.
2
Esta prueba supone que la varianza heteroscedástica, σ𝑖 , esta relacionada positivamente con
𝑌𝑖 = β1 + β2𝑋𝑖 + 𝑢𝑖
2
Supongamos ahora que σ𝑖 esta relacionada positivamente con 𝑋𝑖 de la siguiente forma:
2 2 2
σ𝑖 = σ 𝑋𝑖
2
En donde σ es una constante.
Supuestos:
2
● σ𝑖 es proporcional al cuadrado de la variable 𝑋
2
● La σ𝑖 es mayor si las valores de 𝑋𝑖 también lo son.
Procedimiento:
1. Hipotesis:
2 2
𝐻0: σ𝑖 = σ (𝐻𝑜𝑚𝑜𝑐𝑒𝑑𝑎𝑠𝑡𝑖𝑐𝑖𝑑𝑎𝑑)
2 2 2
𝐻1: σ𝑖 = σ 𝑋𝑖 (𝐻𝑒𝑡𝑒𝑟𝑜𝑐𝑒𝑑𝑎𝑠𝑡𝑖𝑐𝑖𝑑𝑎𝑑)
2. Ordenar las observaciones de forma ascendente de acuerdo con los valores de 𝑋𝑖.
𝐶 𝑛
4 30
10 60
𝑛 Muestras grandes
3
5. Calcular la razón
𝑆𝐶𝑅2
𝑔𝑙
λ= 𝑆𝐶𝑅1
𝑔𝑙
En donde:
𝑛−𝑐−2𝑘
λ: sigue una distribución 𝐹 con 𝑔𝑙 = 2
Breusch y Pagan (1979) y Godfrey (1978) construyeron una prueba que no depende del
número de variables omitidas, ni de la identificación de la variable que genera
heterocedasticidad, ni de la forma funcional (aditiva o multiplicativa). (Ramirez V., 2017)
Se apoya en el supuesto de normalidad de los errores.
𝑌 = 𝑋β + 𝑈
Donde las perturbaciones 𝑢𝑖 se distribuyen como una normal, con una varianza no constante.
2
(
σ𝑖 = ℎ δ, 𝑍𝑖 )
2
σ𝑖 = δ0 + δ1𝑍2𝑖 + … + δ𝑚𝑍𝑚𝑖
estocásticas, de las variables X (algunas o toda pueden ser parte de Z), que posiblemente
causan heterocedasticidad, en donde 𝑚 es el numero de variables que se excluyen en la
regresión auxiliar. (Gallegos Gomez, 2008)
2
𝐻0: δ1 = … = δ𝑚 = 0 (𝐻𝑜𝑚𝑜𝑐𝑒𝑑𝑎𝑠𝑡𝑖𝑐𝑖𝑑𝑎𝑑, σ𝑖 = δ0)
^2
2) Calcular la varianza de MV σ𝑀𝑉.
𝑛
^2
∑ 𝑢𝑖
^2 𝑖=1
σ𝑀𝑉 = 𝑛
ε𝑖 = δ0 + δ1𝑍2𝑖 + … + δ𝑚𝑍𝑚𝑖
𝑦𝑖 = β1 + β2𝑋2𝑖 + β3𝑋3𝑖 + 𝑢𝑖 , 𝑖 = 1, …, 𝑛
2
c) Calcular el estadístico de contraste 𝑛𝑅 , que sigue asintóticamente una distribución
Chi-cuadrado con 𝑞 = 𝑝 − 1 grados de libertad, donde p es el número de parámetros de
la regresión auxiliar incluyendo la constante.
2 2
𝑛 * 𝑅 ⃗ χ𝑔𝑙
Hipótesis a probar:
𝐻0: α𝑖 = … = α𝑃 = 0 (Homocedasticidad)
Si:
2
𝑛𝑅 < 𝑍
∴ 𝑁𝑜 𝑅. 𝐻0 (𝑁𝑜 𝐻𝑎𝑦 𝐻𝑒𝑡𝑒𝑟𝑜𝑐𝑒𝑑𝑎𝑠𝑡𝑖𝑐𝑖𝑎𝑑)
∴ 𝑙𝑎 𝑟𝑒𝑔𝑟𝑒𝑠𝑖𝑜𝑛 𝑎𝑢𝑥𝑖𝑙𝑖𝑎𝑟 α𝑖 = … = α𝑃 = 0
Permite preservar mejor los grados de libertad, para ello obtenemos los residuos
MCO y los valores ajustados y estimamos.
^2 ^ ^2
𝑢𝑖 = ∝1 + ∝2𝑦 + ∝3𝑦 + ϵ
^ ^2 2
Donde 𝑦 y 𝑦 pueden aproximar 𝑋𝑗 𝑋𝑗 𝑋𝑗𝑋ℎ
2
Gracias a este procedimiento sólo contrastamos 2 restricciones. Utilizamos el 𝑅
resultante para calcular el estadístico 𝐹 o el 𝐿𝑀.
3. CONCLUSIONES
4. EJEMPLO
Ejemplo 3.2 (Wooldrige, 2005)
La ecuación estimada es
BIBLIOGRAFÍA
Gallegos Gomez, J. L. (2008). Heterocedasticidad. Obtenido de
https://ocw.unican.es/pluginfile.php/1285/course/section/1583/tema11.pdf
Gujarati, D. N., & Dawn, P. C. (2010). Econometía. Mexico D.F: McGraw-Hill.
Ramirez V., D. C. (2017). webdelprofesor. Obtenido de
http://webdelprofesor.ula.ve/economia/dramirez/MICRO/FORMATO_PDF/Material
econometria/HETEROCEDASTICIDAD.pdf
Wooldrige, J. (2005). Introduccion a la Economia.