Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ayudantía 6 PDF
Ayudantía 6 PDF
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.
• 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 .
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.
∑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
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.
𝐸 > 𝐹(𝑛1−𝑝−1);(𝑛2−𝑝−1);1−𝛼
Para eliminar la heterocedasticidad se hace:
2 𝑝(𝑝+3)
𝐸 > 𝜒1−𝛼 ; con grados de libertad
2
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.