Sie sind auf Seite 1von 4

Los errores estándar completamente robustos son algo mayores en todos los casos que los

errores estándar usuales de MCO. El estadístico t robusto para log(exppp) es de


aproximadamente 1.49, lo que genera dudas sobre si el rendimiento en matemática está
relacionado con el gasto por estudiante
El valor de la prueba F es de 132.7, arrojando un p-value de 2.2*10-16. Lo que indica que hay
fuerte evidencia de heterocedasticidad.

iii) Aplique la prueba Breusch Pagan de heterocedasticidad. ¿Cuál es el valor de la


prueba Chi cuadrada? ¿Qué concluye usted?

La prueba de chi cuadrada es de 238.78, arrojando un p-value de 2.2*10-16 (igual que el caso
de arriba). Por lo tanto, hay fuerte evidencia de heterocedasticidad.
Los coeficientes de MCO y con WLS en lunch son los mismos con tres cifras decimadas, pero los
otros coeficientes difieren en formas prácticamente importantes. El coeficiente de WLS en
log(exppp) es mucho mayor que el coeficiente por MCO. Ahora, un aumento del 10% en los
gastos se asocia con un aumento aproximado de 0.65% en la tasa de aprobación matemática. La
estadística t de WLS es mucho mayor también: t≈ 3.84.
Debido a que nuestro modelo de heterocedasticidad puede ser incorrecto, es una buena idea
calcular los errores estándar robustos para WLS. En la variable clave lexppp, el error estándar
robusto es de aproximadamente 1.82, que es algo mayor que el error estándar usual de WLS. El
error estándar robusto en lenroll también es algo mayor, 1.05. Que en el almuerzo es
ligeramente menor: .014 a tres lugares decimales. Para lexppp, la estadística robusta t es de
aproximadamente 3.55, que aún es muy significativa estadísticamente.

WLS es más preciso: su robusto error estándar es 1.82, se compara con el error estándar robusto
para OLS de 2.35. Por supuesto, la t para WLS es mucho más grande en parte porque la
estimación del coeficiente es mucho más grande. El error estándar más bajo tiene un efecto,
también.

vi) Se corrigió el modelo de heterocedasticidad. Que implica los resultados.

No se ha solucionado el problema de heterocedasticidad, pero si se redujo un poco. El p-value


pequeño indica que ese no era el modelo adecuado para corregir. Esto sugiere utilizar otro
modelo porque sigue habiendo heterocedasticidad.