Universidad Técnica Federico Santa María Departamento de Industrias

Econometría
Ayudantía N°6
Primer Semestre 2023

Heterocedasticidad: Ocurre cuando los residuales no tienen varianza constante e igual, invalida los
modelos y viola los requerimientos de MCO y MV. De entre sus causas posibles están:

• Causa coyuntural: Propia de la muestra, por ejemplo, en la estimación de ingresos versus consumo,
dado que se produce Heterocedasticidad debido a la gran diferencia que existe en el consumo a
distintos estratos socioeconómicos.

• Usar datos que son promedios

• Omisión de variables: puede provocar que los residuales crezcan con la variable omitida. Esta causa
en un error de especificación del modelo por lo que la Heterocedasticidad es falsa o espuria.
Entre las consecuencias de estimar por MCO cuando existe Heterocedasticidad, se tiene que los estimadores
siguen siendo insesgados y lineales, pero no son eficientes y dejan de tener varianza mínima, es decir, no son
MELI.
La ausencia de heterocedasticidad se puede ver gráficamente, pues si graficamos los residuales v/s Xi o residuales
al cuadrado v/s Xi se debe mostrar una banda horizontal muy delgada. Si posee forma de embudo, significa que
las varianzas dependen proporcionalmente de X, y se dice que las varianzas son de la forma 𝜎𝑖2 = 𝐶𝑋𝑖 .

Profesor: Pedro Fernández de la Reguera Ayudantes: Miguel Godoi; Cesar Valdés

Universidad Técnica Federico Santa María Departamento de Industrias

Dócimas para la heterocedasticidad

Las dócimas pretenden modelar la heterocedasticidad a los estilos:
𝛽
𝜎𝑖2 = 𝐶𝑋𝑖 𝜎𝑖2 = 𝐶𝑋𝑖2 𝜎𝑖2 = 𝐶𝑋𝑖 𝑒 𝜀𝛽

1) Dócima de igualdad de varianzas de Barlett

Ventajas: Sirve para cualquier escala, y la probabilidad de cometer error tipo 2 (aceptar una hipótesis falsa,
es decir, aceptar que no hay homocedasticidad cuando si la hay) es baja.
Desventajas: Sensible a la anormalidad de los errores, es decir, no detecta cuál o cuáles son las varianzas
diferentes y se debe aplicar para cada una de las variables exógenas. Supone distribución Normal.

𝐻𝑜: 𝜎12 = 𝜎22 = ⋯ = 𝜎𝑛2 = 𝜎 2 (homocedasticidad)

Ha: Uno o más 𝜎𝑖2 difieren de los restantes (heterocedasticidad)
Procedimiento:
I. Se ordenan las variables X de menor a mayor formando grupos con los datos iguales
II. De cada grupo se obtiene la varianza muestral de los residuales y k, que es igual al número de variables
por grupo
III. Se define la varianza total mancomunada:

∑𝑘1(𝑛𝑖 − 1)𝑆𝑖2
𝑆2 =
𝑛−𝑘
IV. Se rechaza la Ho si:
(𝑛 − 𝑘)𝑙𝑛𝑆 2 − ∑𝑘1(𝑛𝑖 − 1) ln 𝑆𝑖2 2
𝐸= > 𝜒𝑘−1;1−𝛼
𝑖=𝑘 1
1 + (1/(3(𝑘 − 1))[∑𝑖=1 𝑛 − 1 − 1/(𝑛 − 𝑘)]
𝑖

* Esta dócima no tiene una Hipótesis alternativa que permita corregir la heterocedasticidad
** Para eliminar la heterocedasticidad se debe transformar la variable X que produce la heterocedasticidad
típicamente a 𝑋 ∗ = ln 𝑋

Profesor: Pedro Fernández de la Reguera Ayudantes: Miguel Godoi; Cesar Valdés

Universidad Técnica Federico Santa María Departamento de Industrias

2) Dócima de Goldfert y Quandt

Ventajas: Si el grafico de los residuales al cuadrado versus variable predictora, muestra forma de embudo,
esta Dócima es potente. Además, supone que los residuales se distribuyen normalmente.
Desventajas: Hay que aplicarlo para cada una de las variables X, y en cada caso hay que estimar dos veces,
por cada uno de los grupos.

𝐻𝑜: 𝜎𝑖2 = 𝜎 2 (homocedasticidad)

𝐻𝑎1 : 𝜎𝑖2 = 𝐾𝑋𝑖 (heterocedasticidad)
𝐻𝑎2 : 𝜎𝑖2 = 𝐾𝑋𝑖2 (heterocedasticidad)
¿Por cuál de las dos hipótesis alternativas se opta? Se debe hacer un gráfico para cada una, ei vs X para la
hipótesis alternativa 1 y ei^2 vs X para la hipótesis alternativa 2.
Procedimiento:
I. Se deben ordenar los datos en relación con las variables exógenas de menor a mayor
II. Se dividen en dos grupos y se censuran los valores centrales
III. Dejando dos grupos con n1 y n2 observaciones (n1=n2), si son diferentes se introduciría un sesgo en
la dócima
IV. Respecto a la censura, esta debe ser de un 10% de la muestra. N° censurados ≤ 0,1𝑛
V. Se estima cada grupo por separado y se obtienen los cuadrados medios de los errores (CME1 y CME2)
VI. Se calcula el Estadígrafo
𝐶𝑀𝐸1
𝐸=
𝐶𝑀𝐸2
VII. Bajo el supuesto de normalidad exacto E se distribuye F, por lo que se rechaza la Hipótesis nula si:

𝐸 > 𝐹(𝑛1−𝑝−1);(𝑛2−𝑝−1);1−𝛼
Para eliminar la heterocedasticidad se hace:

Profesor: Pedro Fernández de la Reguera Ayudantes: Miguel Godoi; Cesar Valdés

Universidad Técnica Federico Santa María Departamento de Industrias

3) Dócima de Harbet White

Ventajas: No requiere ser aplicado para cada X, es decir, es global e indica si hay o no hay heterocedasticidad
en el modelo
Desventajas: El procedimiento 1 al tener una distribución 𝜒 2 con un grado de libertad, hace que sea
“pésimo”, dado que la curva que se genera es muy distinta a la típica de la distribución 𝜒 2 con tres o mas
grados de libertad.
𝐻𝑜: 𝜎𝑖2 = 𝑐𝑡𝑒 (homocedasticidad)
𝐻𝑎 : 𝜎𝑖2 ≠ 𝑐𝑡𝑒 (heterocedasticidad)
Procedimiento 1:
I. Estimar el modelo y = xb por MCO
II. Obtener los 𝑒𝑖2 y los 𝑌̂
III. Estimar el modelo 𝑒𝑖2 vs 𝑌̂ (los errores como Y, los estimados como X)
𝑆𝐶𝑅
IV. Obtener 𝑅 2 = 𝑅𝑎𝑢𝑥
2
respectivo con 𝑅 2 = 𝑆𝐶𝑇
2
V. Calcular estadígrafo 𝐸 = 𝑛𝑅𝑎𝑢𝑥
VI. Se rechaza la Hipótesis nula, es decir, hay heterocedasticidad si:
2
𝐸 > 𝜒1;1−𝛼
Procedimiento 2:
I. Estimar el modelo por MCO
II. Considerar:

III. Estimar el modelo auxiliar anterior

𝑆𝐶𝑅
IV. Obtener 𝑅 2 = 𝑅𝑎𝑢𝑥
2
respectivo con 𝑅 2 = 𝑆𝐶𝑇 (modelo calculado en iii)
2
V. Calcular Estadígrafo E = n𝑅𝑎𝑢𝑥
VI. Se rechaza hipótesis nula si:

2 𝑝(𝑝+3)
𝐸 > 𝜒1−𝛼 ; con grados de libertad
2

Profesor: Pedro Fernández de la Reguera Ayudantes: Miguel Godoi; Cesar Valdés

Universidad Técnica Federico Santa María Departamento de Industrias

4) Dócima de Park
Ventajas: Dócima potente, poco sensible a la anormalidad de los residuales y con estadígrafos con
distribución t-student que es bastante buena
Desventajas: Se debe calcular para cada una de las variables X y hace difícil la interpretación del modelo
transformado. Por otra parte, los nuevos residuales 𝜐𝑖 , pueden ser, a su vez, heterocedásticos.
𝐻𝑜: homocedasticidad
𝛽
𝐻𝑎 : 𝜎𝑖2 = 𝐾𝑥𝑖 𝑒 𝜀𝑖 o bien 𝐻𝑎 : ln 𝑘 + 𝛽 ln 𝑥𝑖 + 𝜀𝑖
Procedimiento:
I. Estimar el modelo por MCO
II. Obtener residuales 𝑒𝑖 y estimar el nuevo modelo
ln 𝑒𝑖2 = ln 𝜎 2 + 𝛽 ln 𝑥𝑖 + 𝜐𝑖
III. Docimar:
𝐻𝑎 : 𝛽 = 0
𝐻𝑎 : 𝛽 ≠ 0
IV. Se compara con la t de student y si se acepta la Hipótesis nula, implica que 𝜎𝑖2 = 𝑘𝑒 𝜀𝑖 = 𝑐𝑡𝑒, lo que
implica homocedasticidad.
𝛽
*Para eliminar la Heterocedasticidad se debe dividir el modelo original por 𝑥 2 con Xj la causa de la
heterocedasticidad. Una vez obtenidos los beta estimados, usando el modelo transformado, estas estimaciones se
remplazan en el modelo original para poder realizar interpretaciones. Por su parte las dócimas e inferencias
respecto a los parámetros se hacen con el modelo transformado.
5) Dócima de Glejser
En este caso se consideran diversos tipos de modelos, y si supone como alternativa que 𝜎𝑖2 = 𝑋𝑖 . Los modelos
son los siguientes:

Procedimiento:
I. Estimar el modelo original por MCO y obtener los residuales 𝜀̂𝑖 = 𝑒𝑖
II. Estimar todos los modelos anteriores que se puedan y seleccionar alguno de ellos, por ejemplo, el de
mayor R^2 ajustado o a través de gráficos
III. Aplicar la docima t-student a 𝛽1
IV. Si se concluye que 𝛽1 ≠ 0 entonces existe heterocedasticidad
Un problema que se presenta es que los nuevos residuales pueden ser heterocedásticos.

Profesor: Pedro Fernández de la Reguera Ayudantes: Miguel Godoi; Cesar Valdés

Universidad Técnica Federico Santa María Departamento de Industrias

6) Dócima de Breusch y Pagan

Esta dócima requiere un tamaño muestral (n) grande. Supone que:
𝜎𝑖2 = 𝜎 2 𝑓(𝛼0 + 𝛼´𝑧𝑖
Donde 𝑧𝑖 es un vector de k variables predictoras. Entonces, el modelo es homocedástico si 𝛼 = 0.
Procedimiento:
I. Estimar el modelo
II. Obtener vector e y los 𝑒𝑖
III. Estimar el siguiente modelo:
𝑒𝑖2 = 𝛼0 + 𝛼´𝑧1 (∗)
IV. Obtener el Estadígrado:
𝑆𝐶(𝑟𝑒𝑔𝑟𝑒𝑠𝑖ó𝑛 𝑒𝑛 ∗)
[ ]
𝐸= 2 𝑐𝑜𝑛 𝜒 2 𝑦 𝑢𝑛 𝑔𝑟𝑎𝑑𝑜 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑
[𝑒´𝑒/𝑛]
• Entonces, si E es mayor que lo obtenido por chi cuadrado, hay heterocedasticidad
• Problema: esta dócima es muy sensible a la normalidad de los residuales

Profesor: Pedro Fernández de la Reguera Ayudantes: Miguel Godoi; Cesar Valdés