Upload
api-3735749
View
871
Download
0
Embed Size (px)
Citation preview
Econometría I Heterocedasticidad
Guía de Econometria: HeterocedasticidadAyudante = Pedro González
Se ha recogido información de la economía española para el período 1985-1997 de las macromagnitudes consumo público (CP) y producto interior bruto a precios de mercado (PIBPM) en millones de pesetas, con el objeto de estimar un modelo de regresión lineal y comprobar la posible presencia de autocorrelación en las perturbaciones. Las series toman los siguientes valores:
A partir de dicha información, contraste el posible incumplimiento de la hipótesis clásica de noautocorrelación por medio de:
a) Prueba de Park
b) Prueba de Glejser
c) Prueba Goldfeld-Quandt
d) Prueba Breusch-Pagan-Godfrey
e) Prueba White
gonzalezpe Página 1 12-04-2023
Econometría I Heterocedasticidad
a) Prueba Park
1. Se debe realizar una regresión por medio de MCO, obteniendo los residuos no tipificados.
2. Se debe realizar la siguiente regresión auxiliar:
Resumen del modelob
,455a ,207 ,135 1,98154Modelo1
R R cuadradoR cuadradocorregida
Error típ. de laestimación
Variables predictoras: (Constante), lncpa.
Variable dependiente: lnu2b.
ANOVAb
11,265 1 11,265 2,869 ,118a
43,192 11 3,927
54,457 12
Regresión
Residual
Total
Modelo1
Suma decuadrados gl
Mediacuadrática F Sig.
Variables predictoras: (Constante), lncpa.
Variable dependiente: lnu2b.
Coeficientesa
-62,001 53,813 -1,152 ,274 -180,441 56,440
5,833 3,443 ,455 1,694 ,118 -1,747 13,412
(Constante)
lncp
Modelo1
B Error típ.
Coeficientes noestandarizados
Beta
Coeficientesestandarizad
os
t Sig. Límite inferiorLímite
superior
Intervalo de confianza paraB al 95%
Variable dependiente: lnu2a.
Análisis
Se debe revisar si los parámetros son estadísticamente significativos, si es así podemos sugerir que estamos en presencia de heterocedasticidad, de Lo contrario sugeriremos que estamos cumpliendo el supuesto de Homocedasticidad.
gonzalezpe Página 2 12-04-2023
Econometría I Heterocedasticidad
En este caso, podemos visualizar que tanto b0, como el consumo público, los parámetros resultan estadísticamente significativos, por lo tanto según la prueba Park estamos en presencia de heterocedasticidad, debido a que se rechaza la hipótesis nula H0 (supuesto de homocedasticidad).
b) Prueba de Glejser
1. Esta prueba es similar a la de Park, pero realiza la regresión considerando la variable dependiente del valor absoluto de los residuos.
2. Geijser asume que los residuos, regresionados sobre la variables x están muy asociados a la varianza.
3. Al igual que park se debe revisar si los parámetros son estadísticamente significativos.
Regresión Auxiliar
Resumen del modelob
,578a ,334 ,273 1807252,839Modelo1
R R cuadradoR cuadradocorregida
Error típ. de laestimación
Variables predictoras: (Constante), cpa.
Variable dependiente: absub.
ANOVAb
1,80E+013 1 1,8E+013 5,507 ,039a
3,59E+013 11 3,3E+012
5,39E+013 12
Regresión
Residual
Total
Modelo1
Suma decuadrados gl
Mediacuadrática F Sig.
Variables predictoras: (Constante), cpa.
Variable dependiente: absub.
Coeficientesa
-4748508 3363274 -1,412 ,186 -12151023,6 2654007
1,260 ,537 ,578 2,347 ,039 ,078 2,442
(Constante)
cp
Modelo1
B Error típ.
Coeficientes noestandarizados
Beta
Coeficientesestandarizad
os
t Sig. Límite inferiorLímite
superior
Intervalo de confianza paraB al 95%
Variable dependiente: absua.
Análisis
gonzalezpe Página 3 12-04-2023
Econometría I Heterocedasticidad
Al igual que Park, se debe revisar si los parámetros son estadísticamente significativos, si es así podemos sugerir que estamos en presencia de heterocedasticidad, de Lo contrario sugeriremos que estamos cumpliendo el supuesto de Homocedasticidad.
En este caso, podemos visualizar que tanto b0, como el consumo público, los parámetros resultan estadísticamente significativos, por lo tanto según la prueba Park estamos en presencia de heterocedasticidad, debido a que se rechaza la hipótesis nula H0 (supuesto de homocedasticidad).
c) Prueba Goldfeld-Quandt
Procedimiento
Paso 1: Ordénese las observaciones de acuerdo a los valores de Xi empezando por el valor mas bajo.
Paso 2: omítanse las c observaciones centrales, donde c se ha especificado a priori y divídanse las observaciones restantes (n-c) en dos grupos, cada uno de (n-c)/2 observaciones.
Paso 3: Ajústense las regresiones MCO separadas a las primeras (n-c)/2 observaciones y a las ultimas (n-c)/2 , y obtenga las sumas residuales al cuadrado SRC1 y SRC2, SRC1 representa los valores mas bajos (varianza mas baja) y SRC2 a los valores mas altos (grupo de varianza mas grande).
Paso 4 Calcúlese la razón:
gonzalezpe Página 4 12-04-2023
ldegkcn
ldegSRC
ldegSRC
)2
2(
/
/
1
2
Econometría I Heterocedasticidad
Resultados Regresión 1
Resumen del modelo
,995a ,991 ,987 737185,68782Modelo1
R R cuadradoR cuadradocorregida
Error típ. de laestimación
Variables predictoras: (Constante), Cp1a.
ANOVAb
1,71E+014 1 1,7E+014 314,882 ,000a
1,63E+012 3 5,4E+011
1,73E+014 4
Regresión
Residual
Total
Modelo1
Suma decuadrados gl
Mediacuadrática F Sig.
Variables predictoras: (Constante), Cp1a.
Variable dependiente: Pib1b.
Coeficientesa
-3E+007 3653007 -7,715 ,005
12,619 ,711 ,995 17,745 ,000
(Constante)
Cp1
Modelo1
B Error típ.
Coeficientes noestandarizados
Beta
Coeficientesestandarizad
os
t Sig.
Variable dependiente: Pib1a.
Resultado regresión 2
Resumen del modelo
,961a ,923 ,897 2175463,272Modelo1
R R cuadradoR cuadradocorregida
Error típ. de laestimación
Variables predictoras: (Constante), Cp2a.
ANOVAb
1,69E+014 1 1,7E+014 35,796 ,009a
1,42E+013 3 4,7E+012
1,84E+014 4
Regresión
Residual
Total
Modelo1
Suma decuadrados gl
Mediacuadrática F Sig.
Variables predictoras: (Constante), Cp2a.
Variable dependiente: Pib2b.
gonzalezpe Página 5 12-04-2023
Econometría I Heterocedasticidad
Coeficientesa
-3E+008 6E+007 -4,895 ,016
53,998 9,025 ,961 5,983 ,009
(Constante)
Cp2
Modelo1
B Error típ.
Coeficientes noestandarizados
Beta
Coeficientesestandarizad
os
t Sig.
Variable dependiente: Pib2a.
Calculo de landa
Regresión 2ANOVA(b)
Modelo Suma de cuadrados gl
Media cuadrática F Sig.
1 Regresión 1,6941E+14 1 1,6941E+14 35,7957655 0,00934724SRC2 Residual 1,4198E+13 3 4,7326E+12
Total 1,8361E+14 4a Variables predictoras: (Constante), Cp2b Variable dependiente: Pib2
Regresión 1
ANOVA(b)
Modelo Suma de cuadrados gl
Media cuadrática F Sig.
1 Regresión 1,7112E+14 1 1,7112E+14 314,881982 0,00039022SRC1 Residual 1,6303E+12 3 5,4344E+11
Total 1,7275E+14 4a Variables predictoras: (Constante), Cp1b Variable dependiente: Pib1
Landa 8,70862763
gonzalezpe Página 6 12-04-2023
Econometría I Heterocedasticidad
Análisis
El F critico para 4 g de l a un nivel de significancia del 5% es de 28,71, puesto que el valor calculado excede al valor critico, se puede concluir que no existe heterocedasticidad en la varianza del error.
gonzalezpe Página 7 12-04-2023
Econometría I Heterocedasticidad
d) Prueba Breusch-Pagan-Godfrey
Procedimiento
Paso 1: Estímese por MCO y obtenga los residuos. Paso 2: Obténgase
Paso 3: Constrúyanse las variables pi definidas como:
Paso 4:Regrésense los pi, así construidos sobre las Z como:
Paso 5:Obténgase la SEC (Suma explicada de los cuadrados) de la regresión anterior y defínase
gonzalezpe Página 8 12-04-2023
2
ii
up
ininiiii vZZp ....22
)(2
1SRC
Econometría I Heterocedasticidad
Calculos
Paso 2:
Año Pib CP u u21985 28200885 4498034 2278359,29 5,20E+121986 32323992 4740221 2484733,66 6,20E+121987 36143972 5159905 -482562,356 2,30E+111988 40158739 5367137 180776,468 3,30E+101989 45044128 5813462 -2151958,09 4,60E+121990 50145195 6197776 -3266151,13 1,10E+131991 54927320 6543696 -4078365,01 1,70E+131992 59104986 6808095 -4176651,85 1,70E+131993 60952584 6971511 -4971874,39 2,50E+131994 64811535 6948140 -734959,427 5,40E+111995 69780058 7074014 2197885,35 4,80E+121996 73743261 7141101 5076133,99 2,60E+131997 77896586 7239097 7644633,5 5,80E+13
1,76E+14
= 1,35E+13
Paso 3
Año Pib CP u u2 pi1985 28200885 4498034 2278359,29 5,20E+12 1,69E-071986 32323992 4740221 2484733,66 6,20E+12 1,84E-07
1987 36143972 5159905-
482562,356 2,30E+11 -3,57E-081988 40158739 5367137 180776,468 3,30E+10 1,34E-08
1989 45044128 5813462-
2151958,09 4,60E+12 -1,59E-07
1990 50145195 6197776-
3266151,13 1,10E+13 -2,42E-07
1991 54927320 6543696-
4078365,01 1,70E+13 -3,02E-07
1992 59104986 6808095-
4176651,85 1,70E+13 -3,09E-07
1993 60952584 6971511-
4971874,39 2,50E+13 -3,68E-07
1994 64811535 6948140-
734959,427 5,40E+11 -5,44E-081995 69780058 7074014 2197885,35 4,80E+12 1,63E-071996 73743261 7141101 5076133,99 2,60E+13 3,76E-071997 77896586 7239097 7644633,5 5,80E+13 5,66E-07
gonzalezpe Página 9 12-04-2023
Econometría I Heterocedasticidad
1,76E+14
= 1,35E+13
Obtención de Phi:
Resumen del modelo
,972a ,944 ,939 3992088,487Modelo1
R R cuadradoR cuadradocorregida
Error típ. de laestimación
Variables predictoras: (Constante), cpa.
ANOVAb
2,96E+015 1 3,0E+015 185,842 ,000a
1,75E+014 11 1,6E+013
3,14E+015 12
Regresión
Residual
Total
Modelo1
Suma decuadrados gl
Mediacuadrática F Sig.
Variables predictoras: (Constante), cpa.
Variable dependiente: pibb.
Coeficientesa
-5E+007 7429224 -6,302 ,000
16,172 1,186 ,972 13,632 ,000
(Constante)
cp
Modelo1
B Error típ.
Coeficientes noestandarizados
Beta
Coeficientesestandarizad
os
t Sig.
Variable dependiente: piba.
gonzalezpe Página 10 12-04-2023
Econometría I Heterocedasticidad
Regresión de Phi Como dependiente
Resumen del modelo
,000a ,000 -,091 ,00000Modelo1
R R cuadradoR cuadradocorregida
Error típ. de laestimación
Variables predictoras: (Constante), cpa.
ANOVAb
,000 1 ,000 ,000 1,000a
,000 11 ,000
,000 12
Regresión
Residual
Total
Modelo1
Suma decuadrados gl
Mediacuadrática F Sig.
Variables predictoras: (Constante), cpa.
Variable dependiente: PIb.
Coeficientesa
1,65E-010 ,000 ,000 1,000
-1,0E-017 ,000 ,000 ,000 1,000
(Constante)
cp
Modelo1
B Error típ.
Coeficientes noestandarizados
Beta
Coeficientesestandarizad
os
t Sig.
Variable dependiente: PIa.
Calculo
= 0
Análisis
Ji-Cuadrado al 5% para 11 gl es de 4,57, por lo que se acepta la H0, pero es porque este test es para muestras grandes y en este caso tenemos solo 13 periodos.
gonzalezpe Página 11 12-04-2023
)(2
1SRC
Econometría I Heterocedasticidad
d) Prueba White
Procedimiento
Paso 1: Obténgase los residuos u. Paso 2: Efectué la siguiente regresión auxiliar:
Obténgase R2 de esta regresión auxiliar
Resumen del modelo
,565a ,319 ,257 1,3921E+013Modelo1
R R cuadradoR cuadradocorregida
Error típ. de laestimación
Variables predictoras: (Constante), cpa.
ANOVAb
9,99E+026 1 1,0E+027 5,157 ,044a
2,13E+027 11 1,9E+026
3,13E+027 12
Regresión
Residual
Total
Modelo1
Suma decuadrados gl
Mediacuadrática F Sig.
Variables predictoras: (Constante), cpa.
Variable dependiente: u2b.
Coeficientesa
-4E+013 3E+013 -1,725 ,112
9394749 4136935 ,565 2,271 ,044
(Constante)
cp
Modelo1
B Error típ.
Coeficientes noestandarizados
Beta
Coeficientesestandarizad
os
t Sig.
Variable dependiente: u2a.
Paso 3: Bajo la hipótesis no hay heterocedasticidad, puede demostrarse que el tamaño de la muestra multiplicado por R2, obtenido de la regresión auxiliar asintoticamente sigue la distribución ji-cuadrada con g de l igual al numero de variables regresoras, excluyendo el termino constante, en la regresión auxiliar es decir
gonzalezpe Página 12 12-04-2023
ii XX 33221
2
ldegRn 22*
Econometría I Heterocedasticidad
Paso 4: Si el valor de ji-cuadrada excede el valor critico del nivel de significancia seleccionado, la conclusión es que hay heterocedasticidad
Análisis
Según tabla ji-cuadrado al 95% de confianza con 11 gl, no da lo siguiente
4,57
Resumen del modelo
Modelo R R cuadradoR cuadrado corregida Error típ. de la estimación
1 0,56496764 0,31918843 0,25729647 1,3921E+13a Variables predictoras: (Constante), cp
N 13
= 4,14944958
Por lo tanto se acepta h0
gonzalezpe Página 13 12-04-2023
ldegRn 22*
Econometría I Heterocedasticidad
Ejercicios para evaluación de Ayudantía.
1) Según base de crecimiento económico que poseen, calcular:
A partir de dicha información, contraste el posible incumplimiento de la hipótesis clásica de noHeterocedasticidad por medio de:
a) a) Prueba de Park
b) Prueba de Glejser
c) Prueba Goldfeld-Quandt
d) Prueba Breusch-Pagan-Godfrey
e) Prueba White
gonzalezpe Página 14 12-04-2023
Econometría I Heterocedasticidad
gonzalezpe Página 15 12-04-2023