Experimentos

S1) E(eps)=0:
● Es parte de la definición de los efectos, no puede fallar

S2) V(eps)=sigma^2:
● La heterocedasticidad es poco frecuente en experimentos agropecuarios, pero se da en
experimentos industriales y comerciales.
● Diagnóstico:
○ Método de Cochran
○ Método de Levene
● Resolución:
○ Transformaciones homogeneizantes

S3) Eps independientes:

● Se asegura con la aleatorización

S4) Eps Normales:

● La anormalidad es poco frecuente en experimentos agropecuarios, pero se da en
experimentos industriales y comerciales.
● En general viene acompañada de la heterocedasticidad, y las soluciones son comunes.
● Diagnóstico:
○ QQ plot de residuos
● Resolución:
○ Transformaciones normalizantes

Modelo lineal de regresión

S1) E(eps|X)=0:
● Se cumple cuando la superficie planteada por el modelo es correcta (plana o curva)
● Efectos de la sub-especificación:
○ Baja la calidad de ajuste y la capacidad predictiva
○ Pobre estimación de los parámetros
● Efectos de la sobre especificación
○ Colinealidad
● Diagnóstico:
○ Residuos todos del mismo signo en un zona
○ Falta de curvatura
○ Falta de variables explicativas
● Indicadores:
○ R^2 natural y ajustado
○ MAPE, MAD (para variables positivas)
● Tratamiento:
○ Interacciones de las variables explicativas
○ Términos polinómicos de las variables explicativas
○ Transformaciones no lineales
○ Buscar nuevas variables explicativas

S2,S3) V(eps|X)=sigma^2*I:
 ● Efectos de la heterocedasticidad:
○ El teorema de GyM pierde validez
○ El estimador de b es insesgado y consistente, pero no eficiente
○ La estimación de las varianzas Vb son menores que las reales
● Diagnóstico:
○ Observación de una forma no rectangular en la dispersión de los residuos de cada
x en función de y
● Tratamiento:
○ Estimación ponderada
○ Modelo de cuantiles
○ Transformaciones de la variable respuesta
● Efectos de la falta de independencia (autocorrelación):
○ El teorema de GyM pierde validez
○ El estimador de b es insesgado y consistente, pero no eficiente
○ Cuando la variable respuesta rezagada forma parte de las variables explicativas, el
estimador b es sesgado e ineficiente
○ El estimador de Vb es incorrecto, produce ilusión de significancia de los
coeficientes
● Diagnóstico:
○ Se puede observar graficando los residuos en función del tiempo
○ Ensayo de LyB
● Tratamiento:
○ Modelos dinámicos

S4) Eps Normales:

● Efectos de la falta de Normalidad:
○ El teorema de GyM mantiene su validez
○ El estimador b es insesgado, eficiente y consistente
○ La distribución de b deja de ser normal, invalidando la inferencia
○ Se atenúa cuando n es grande por el TCL
● Diagnóstico:
○ QQ plot
● Tratamiento:
○ Estimación robusta
○ Estimación ponderada
○ Transformaciones de la variable respuesta

S5) Rango(X)=p:
● Efectos de la colinealidad:
○ Desestabiliza los coeficientes
○ Zonas de predicción inestable
○ Infla la varianza de los coeficientes
● Tipos de colinealidad:
○ Teórica: de la población, no es grave, no se hacen predicciones en los lugares
blancos
○ Empírica: particular de la muestra, hay que corregirla
● Diagnóstico:
○ Determinante de la matriz de autocorrelación
○ VIF
● Tratamiento:
○ Sacar variables (si son muchas y no cae mucho el R^2)
○ Agregar puntos (si es empírica, en general no se puede)
○ Transformaciones lineales