TEST DE JARQUE-BERA

UNIVERSIDAD DE BUENOS AIRES

REGRESIÓN LINEAL: SUPUESTOS

Supuestos
Gauss-Markov
PRUEBA DE JARQUE-BERA
 PRUEBA DE JARQUE-BERA

El coeficiente de asimetría nos

indica que tan simétrica es una

Medi

a Mod
Median
distribución de probabilidad

a
a
ana
aMedia
Mod

Mod

a Medi
Median
Medi

a
 PRUEBA DE JARQUE-BERA

El coeficiente de kurtosis mide el

grado de concentración de una
distribución de probabilidad.
 PRUEBA DE JARQUE-BERA

Distribución Normal
 PRUEBA DE JARQUE-BERA

Distribución Normal
 PRUEBA DE JARQUE-BERA

Distribución Normal
VARIABLES DICOTÓMICAS
(DUMMY O INDICADORAS)

UNIVERSIDAD DE BUENOS AIRES

VARIABLES DICOTÓMICAS
 VARIABLES DICOTÓMICAS

EJEMPLOS

Si tenemos “q” categorías, debemos crear “q-1” variables dummy para evitar colinealidad
perfecta. Si creamos “q” variables dummy, debe eliminarse el intercepto de la regresión.
VARIABLES DICOTÓMICAS

EJEMPLOS
VARIABLES DICOTÓMICAS ADITIVAS

Y
VARIABLES DICOTÓMICAS MULTIPLICATIVAS
VARIABLES DICOTÓMICAS
VARIABLES DICOTÓMICAS
OUTLIERS, APALANCAMIENTO E
INFLUENCIA
UNIVERSIDAD DE BUENOS AIRES
 OUTLIERS (VALORES ATÍPICOS)
Los outliers o valores atípicos son observaciones en las que el error cometido es
numéricamente distante de los errores asociados al resto de las observaciones.

C
B

A
D
 OUTLIERS (VALORES ATÍPICOS)
Los outliers o valores atípicos son observaciones en las que el error cometido es
numéricamente distante de los errores asociados al resto de las observaciones.

A
 OUTLIERS (VALORES ATÍPICOS)
Los outliers o valores atípicos son observaciones en las que el error cometido es
numéricamente distante de los errores asociados al resto de las observaciones.

C
 OUTLIERS (VALORES ATÍPICOS)
Los outliers o valores atípicos son observaciones en las que el error cometido es
numéricamente distante de los errores asociados al resto de las observaciones.

D
APALANCAMIENTO (LEVERAGE)
Una observación tiene más o menos APALANCAMIENTO cuanto
más se aleja o se acerca a la media de la variable explicativa X.

C
B

A
D

El apalancamiento mide la capacidad potencial que tiene

una observación de influir en la recta de regresión.
 INFLUENCIA
Una observación tiene INFLUENCIA en la recta de regresión
si tiene un apalancamiento elevado y es un outlier.

C
B

A
D
 RESIDUALES STUDENTIZADOS
El residuo studentizado de una observación es el residuo estandarizado
del modelo de regresión cuando es estimado sin dicha observación.

✔ Se compara cada residual studentizado contra los valores críticos de una

distribución T de Student con N-k-1 grados de libertad.

✔ Sin embargo, en dicho caso no necesariamente es una observación influyente.

 DFBETAS
Miden la diferencia (escalada por el desvío estándar) entre los estimadores de mínimos
cuadrados de un parámetro, incluyendo y excluyendo una determinada observación.

✔ Si “i” es una observación que tiene influencia sobre la recta de regresión, entonces
tiene apalancamiento y es un outlier o valor atípico.
VARIABLES DICOTÓMICAS
EJEMPLOS

UNIVERSIDAD DE BUENOS AIRES

 VARIABLES DICOTÓMICAS

EJEMPLO: Curva de Phillips Argentina 1993-2013

Inflació
n

Desempleo
 QUIEBRE ESTRUCTURAL
Un cambio o quiebre estructural ocurre cuando se observa un cambio significativo en los
valores de los parámetros del modelo de regresión entre dos o más partes de una muestra.

ALTERNATIVA 1: Regresiones
separadas

ALTERNATIVA 2: Variable
dicotómica
 QUIEBRE ESTRUCTURAL
Un cambio o quiebre estructural ocurre cuando se observa un cambio significativo en los
valores de los parámetros del modelo de regresión entre dos o más partes de una muestra.

EJEMPLO: Curva de Phillips de USA 1948-2016