Beruflich Dokumente
Kultur Dokumente
1 5
Una observación atípica es la que es muy diferente (muy pequeña o muy Mejor estimador linealmente insesgado.
6
grande) en relación con las demás observaciones en la muestra. Un dato Ante la presencia de heteroscedasticidad, utilice MCG (Mínimos cuadros
atípico es una observación que proviene de una población distinta a la que generalizados). Al menos en los casos graves.
7
genera las demás observaciones de la muestra. Así, en el análisis de corte transversal que relaciona el gasto de inversión
2
Transformaciones de razón o de primeras diferencias. con ventas, suele esperarse la presencia de heteroscedasticidad si se
3
Modelos lineales frente a modelos log-lineales. agrupan empresas pequeñas, medianas y grandes.
4
Los estadísticos t no tienen una distribución t, de manera análoga el
estadístico el F.
1
Econometría Básica
𝑟𝑠 √𝑛 − 2 C=n/3
𝑡=
√1 − 𝑟𝑠2 (n-c)/2 = Intervalos de tiempo
Con gl= n-2 Dividimos las observaciones y omitimos los datos centrales.
Si el valor t calculado excede el valor t crítico, podemos aceptar la Gráfica: Omitimos el segundo intervalo de observaciones
hipótesis de heteroscedasticidad; de lo contrario, podemos
smpl primer intervalo de observaciones
rechazarla. Si el modelo de regresión considera más de una variable
X, 𝑟𝑠 se calcula entre |𝑢𝑖 | y cada variable X por separado. ls Y c X
Prueba de Goldfeld-Quandt smpl tercer intervalo de observaciones
Es aplicable si se supone que la varianza heteroscedástica, 𝜎 2 , está ls Y c X
relacionada positivamente con una de las variables en el modelo de
regresión. ¿Cómo comprobarlo? Buscamos:
SCR1
Paso 1: Ordene las observaciones de acuerdo con los valores de 𝑋𝑖 SCR2
a partir del valor más bajo de X. 𝑭𝒆𝒙𝒑 = SCR2/SCR1
Paso 2: Omita las observaciones centrales, donde c se especificó a K= No. Parámetros
priori, y divida las observaciones restantes (n-c) en dos grupos, cada gl=[ (n-c)/2 ] - k
uno de (n-c)/2 observaciones. en la barra de comandos en Eviews:
Paso 3: Ajuste regresiones MCO separadas a las primeras (n-c)/2 =@fdist(fexp,2gl)
observaciones y a las últimas (n-c)/2 observaciones, y obtenga las
respectivas sumas de cuadrados residuales 𝑆𝐶𝑅1 y 𝑆𝐶𝑅2 ; 𝑆𝐶𝑅1 Si el resultado es menor a 0.05 se rechaza 𝐻0
representa la SCR de la regresión correspondiente a los valores más
Luego, ordenar nuevamente las variables Proc, Sort current page, t
bajos de 𝑋𝑖 (el grupo de varianzas pequeñas), y el 𝑆𝐶𝑅2 , a los valores
más grandes de 𝑋𝑖 (el grupo de varianza grande). Cada SCR tiene Repetir el proceso para las demás variables
(𝑛 − 𝑐) 𝑛 − 𝑐 − 2𝑘 Prueba Breusch-Pagan-Godfrey
−𝑘 𝑜 ( ) 𝑔𝑙
2 2
El éxito de la prueba de Goldfeld-Quandt depende no solo del valor
Donde K es el número de parámetros que deben estimarse. de c, sino también de la identificación de la variable X correcta que
servirá de referencia para ordenar las observaciones. Esta
Paso 4: Calcule la razón limitación de la prueba se evita si consideramos la prueba Breusch-
Pagan-Godfrey (BPG).
2
Econometría Básica
8
Inferencia robusta a la heteroscedasticidad en la estimación por MCO,
consultar Wooldrige página 269
3