Mathematics">
5 Tarea - Jimenez Callisaya Ivan Mauricio
5 Tarea - Jimenez Callisaya Ivan Mauricio
5 Tarea - Jimenez Callisaya Ivan Mauricio
LA PAZ – BOLIVIA
TAREA 5: EJERCICIOS DE HETEROSCEDASTICIDAD
11.1 Establezca si las siguientes afirmaciones son verdaderas, falsas o inciertas y
comente sus razones brevemente:
a) En presencia de heteroscedasticidad, los estimadores de MCO son sesgados e
ineficientes.
b) Si hay heteroscedasticidad, las pruebas convencionales t y F son inválidas.
c) En presencia de heteroscedasticidad, el método de MCO habitual siempre
sobreestima los errores estándar de los estimadores.
d) Si los residuales estimados mediante una regresión por MCO exhiben un patrón
sistemático, significa que hay heteroscedasticidad en los datos.
e) No hay una prueba general de heteroscedasticidad que no esté basada en algún
supuesto acerca de cuál variable está correlacionada con el término de error.
f) Si el modelo de regresión está mal especificado (por ejemplo, si se omitió una
variable importante), los residuos de MCO mostrarán un patrón claramente
distinguible.
g) Si una regresora con varianza no constante se omite (incorrectamente) de un
modelo, los residuos (MCO) serán heteroscedásticos.
R:
a) Falso, porque en presencia de heteroscedasticidad los estimadores de MCO
siguen siendo insesgados y consistentes, pero ya no tienen varianza mínima, es
decir, ya no son eficientes.
b) Verdadero, dado a que nuestra varianza ya no tiende a ser mínima, los intervalos
de confianza experimentan valores innecesariamente grandes y los estadísticos t y
F son imprecisos.
d) Verdadero, porque si el residuo al cuadrado nos da un valor mayor que cero o nos
presenta un patrón sistemático significa que existe heteroscedasticidad.
e) Falso, porque no existe una prueba que nos señale específicamente que variable
explicativa está relacionada con el término de perturbación, sino que más bien nos
dan pruebas generales para detectar heteroscedasticidad.
f) Verdadero, porque al omitir una variable que tiene relevancia teórica en el modelo
se va a distinguir claramente un patrón sistemático, ya que los residuos van a
presentar un gran peso por la variable omitida.
g) Verdadero, porque si se omite una variable que tiene una varianza no constante,
esta va a seguir presente en el modelo a través del término de perturbación y
seguirá siendo heteroscedástica.
11.2 En una regresión de salarios promedio (W, $) sobre el número de empleados
(N) de una muestra aleatoria de 30 empresas se obtuvieron los siguientes
resultados: *
d) No, porque las variables dependientes en los dos modelos no son lo mismo.
A B C D E F G H I
residuos u_i -775,76765 -205,12542 165,799962 183,871275 199,309389 54,553418 113,712795 150,475281 113,19975
b)
Dependent Variable: LN_U_I_2
Method: Least Squares
Date: 07/19/21 Time: 22:40
Sample: 1 9
Included observations: 9
Los resultados coinciden con el ejercicio 11.5.4 por tanto, según la prueba de Park, se
puede concluir que no hay heteroscedasticidad en la varianza del error.
c)
Heteroskedasticity Test: Glejser
Test Equation:
Dependent Variable: ARESID
Method: Least Squares
Date: 07/19/21 Time: 22:48
Sample: 1 9
Included observations: 9
Debido al valor p value con un valor mayor a 0,05 se concluye que no hay rechazo de la
hipótesis nula, por lo tanto, esta variable es homocedastica.
F-statistic 0.020282 Prob. F(1,7) 0.8908
Obs*R-squared 0.026002 Prob. Chi-Square(1) 0.8719
Scaled explained SS 0.034436 Prob. Chi-Square(1) 0.8528
Test Equation:
Dependent Variable: ARESID
Method: Least Squares
Date: 07/19/21 Time: 22:54
Sample: 1 9
Included observations: 9
b)
desv estandar
0.900
0.800
0.700
0.600
0.500
0.400
0.300
0.200
0.100
-
6.900 7.000 7.100 7.200 7.300 7.400 7.500 7.600 7.700 7.800
c)
Dependent Variable: DESV_ESTANDAR
Method: Least Squares
Date: 07/19/21 Time: 19:22
Sample (adjusted): 1 7
Included observations: 7 after adjustments