Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 32 vistas

    Guia 9 (Parte Ii)

    Cargado por

    Fabiola Yessica Condori
    Este documento presenta una guía sobre heterocedasticidad. Explica el contraste de Glejser para detectar heterocedasticidad, el cual prueba si la varianza de los errores depende de alguna variable explicativa. También presenta un ejemplo con los resultados de una regresión y tres regresiones auxiliares de los errores en valor absoluto sobre las variables explicativas para verificar la existencia de heterocedasticidad. Finalmente, proporciona otro ejercicio con datos sobre ventas, puntos de venta e ingresos para estimar un modelo y analizar la matriz de

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Guia 9 (Parte Ii)

    Cargado por

    Fabiola Yessica Condori
    32 vistas2 páginas
    Este documento presenta una guía sobre heterocedasticidad. Explica el contraste de Glejser para detectar heterocedasticidad, el cual prueba si la varianza de los errores depende de alguna variable explicativa. También presenta un ejemplo con los resultados de una regresión y tres regresiones auxiliares de los errores en valor absoluto sobre las variables explicativas para verificar la existencia de heterocedasticidad. Finalmente, proporciona otro ejercicio con datos sobre ventas, puntos de venta e ingresos para estimar un modelo y analizar la matriz de

    Título original

    GUIA 9 (PARTE II)

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta una guía sobre heterocedasticidad. Explica el contraste de Glejser para detectar heterocedasticidad, el cual prueba si la varianza de los errores depende de alguna variable explicativa. También presenta un ejemplo con los resultados de una regresión y tres regresiones auxiliares de los errores en valor absoluto sobre las variables explicativas para verificar la existencia de heterocedasticidad. Finalmente, proporciona otro ejercicio con datos sobre ventas, puntos de venta e ingresos para estimar un modelo y analizar la matriz de

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    32 vistas2 páginas

    Guia 9 (Parte Ii)

    Cargado por

    Fabiola Yessica Condori
    Este documento presenta una guía sobre heterocedasticidad. Explica el contraste de Glejser para detectar heterocedasticidad, el cual prueba si la varianza de los errores depende de alguna variable explicativa. También presenta un ejemplo con los resultados de una regresión y tres regresiones auxiliares de los errores en valor absoluto sobre las variables explicativas para verificar la existencia de heterocedasticidad. Finalmente, proporciona otro ejercicio con datos sobre ventas, puntos de venta e ingresos para estimar un modelo y analizar la matriz de

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 2

    UNIVERSIDAD MAYOR DE SAN ANDRES

    INGENIERIA INDUSTRIAL
    ECONOMETRIA IND-521
    SEMESTRE II/2021

    GUIA N°9
    HETEROCEDASTICIDAD (Parte II)

    1. Contraste de Glesjer
    No necesita especificar la lista de variables responsables de heterocedasticidad.
    Regresión de |𝑒𝑖 | sobre cada variable explicativa elevada a h |𝑒𝑖 | = 𝛿̂1 + 𝛿̂2 𝑋𝑖 |𝑒𝑖 | = 𝛿̂1 + 𝛿̂2 √𝑋𝑖
    ̂ ̂ ℎ
    |𝑒𝑖 | = 𝛿1 + 𝛿2 𝑋𝑖 |𝑒𝑖 | = 𝛿̂1 + 𝛿̂2 𝑋𝑖2 1
    Donde: 𝑒𝑖 se obtiene de la regresión original. 1 |𝑒𝑖 | = 𝛿̂1 + 𝛿̂2
    |𝑒𝑖 | = 𝛿̂1 + 𝛿̂2 𝑋𝑖
    1 1
    h toma los valores de −2, −1, − 2 , 2 , 1,2 √𝑋𝑖 1
    |𝑒𝑖 | = 𝛿̂1 + 𝛿̂2 2
    𝑋𝑖
    i. Planteamiento de la hipótesis: ii. Estadístico de prueba (valor calculado):
    2
    𝐻𝑜: 𝜎𝑖 = 𝜎𝑢2 (Homocedasticidad) 𝛿̂2 + 𝛿20
    2 ̂ ̂ ℎ 𝑡𝑐 =
    𝐻𝑎: 𝜎𝑖 ≠ 𝛿1 + 𝛿2 𝑋𝑖 (Heterocedasticidad) 𝜎𝛿2
    Donde: 𝛿20 = 0 En el supuesto de homocedasticidad (Ho)
    𝜎𝛿2 = Desviación estándar del parámetro 𝛿̂2
    iii. Estadístico teórico (valor crítico): iv. Contraste:
    𝑡𝑐 ≈ 𝑡𝛼𝑛−𝑘 𝑅𝑅: |𝑡𝑐 | > 𝑡𝑛−𝑘
    𝛼 Se rechaza Ho
    2 2
    𝑅𝑅: |𝑡𝑐 | < 𝑡𝑛−𝑘
    𝛼 Se acepta Ho
    2
    v. Conclusiones:
    “A un nivel de significación de …….. se rechaza la hipótesis nula Ho ∴ existe Heterocedasticidad“

    EJERCICIOS DE CLASE

    1. La venta de periódicos que circula en una determinada ciudad depende de los puntos de venta que tiene cada
    empresa y del nivel de ingresos de los habitantes de la zona de influencia de los mismos. Se ha tomado una
    muestra de 20 observaciones para la estimación del modelo y cuyos resultados son:

    𝑉𝑃𝑖 = 7.78 + 2.26𝑃𝑉𝑖 + 1.51𝑁𝐼𝑖 + 𝜀𝑖

    (8.33) (9.51) (2.17)

    𝑅 2 = 0.84 𝐷𝑊 = 2.13

    Además, se tiene la siguiente información sobre las regresiones de los errores (en valor absoluto):

    |𝑢̂𝑖 | = 1.457 − 0.734 𝑁𝐼𝑖 |𝑢̂𝑖 | = 1.428 + 0.381𝑃𝑉𝑖 − 0.392𝑁𝐼𝑖 |𝑢̂𝑖 | = 0.306 + 0.072 𝑃𝑉 2 𝑖
    (6.742) (−2.277) (0.492) (5.153) (−1.801) (1.972) (6.772)

    a) Verifique la existencia de Heterocedasticidad.

    b) ¿Indique que regresión auxiliar es más significativa (Justifique su respuesta)?

    Aux. Univ. Carrillo Leon Annet Iran Página 1 | 2


    UNIVERSIDAD MAYOR DE SAN ANDRES
    INGENIERIA INDUSTRIAL
    ECONOMETRIA IND-521
    SEMESTRE II/2021

    2. Dado el modelo 𝑌𝑡 = 𝛽1 + 𝛽2 𝑋2𝑡 + 𝑢𝑡 , con las observaciones:


    𝑌𝑡 10 35 45
    𝑋2𝑡 1 3 5
    Se sabe que la matriz de varianzas-covarianzas de las perturbaciones es 𝜎 2 Ω donde:

    1 0.6 0.2
    𝛺 = [0.6 0.8 0.6]
    0.2 0.6 0.9

    a) ¿Son estocásticamente independientes 𝑢1 , 𝑢2 , 𝑢3 ?

    b) Estímese 𝛽1 , 𝛽2 𝑦 𝜎 2 por MCO, así como la matriz de varianzas-covarianzas del estimador MCO.

    c) Estímese 𝛽1 , 𝛽2 𝑦 𝜎 2 por MCG, así como la matriz de varianzas-covarianzas del estimador MCG

    Aux. Univ. Carrillo Leon Annet Iran Página 2 | 2

    También podría gustarte