Professional Documents
Culture Documents
HETEROSCEDASTICIDAD
S Álvarez,
S. Álvarez A
A. Beyaert
Beyaert, M
M. Camacho
Camacho, M
M. González
González, A
A. Quesada
Departamento de Métodos Cuantitativos para la Economía y la Empresa
Econometría I (3º GECO)
Lo que estudiaremos en este tema:
1
1. El problema
bl de
d la
l heteroscedasticidad
h t d ti id d
1.1 Introducción
1.2 Consecuencias sobre el estimador MCO
1 3 Mínimos Cuadrados
1.3 C adrados Generali
Generalizados
ados
2. Detección de la heteroscedasticidad
2.1 Contraste de Breusch-Pagan
2.2 Contraste de White
3. Estimación e inferencia
3.1 Mínimos Cuadrados Generalizados Factible
3.2 Método de White
• M d l
Modelo: y i 0 1 x 1i k x ki i
• Heteroscedasticidad: “la
la varianza del error no es constante
constante”
• N se cumple
No l RLM.4
RLM 4
• Algunos ejemplos económicos
– Consumo en función
C f ió de
d la
l renta
t
– Salario en función de los años de educación
– Dividendos a repartir entre accionistas en función del beneficio
– Errores cometidos en función de las horas de aprendizaje
Econometría I (3º GECO) Tema 6 3
1. El problema de la heteroscedasticidad
1 1 Introducción
1.1
12 0 0
0 22
V( X) E( X)
0
0 0 2N
Econometría I (3º GECO) Tema 6 4
1. El problema de la heteroscedasticidad
1 1 Introducción
1.1
• G áfi
Gráficamente:
y i 0 1 x i i
y
Ey / x
E y / x 0 1x
E y x x 3
E y x x 2
E y x x1
x1 x2 x3
x
Econometría I (3º GECO) Tema 6 5
1. El problema de la heteroscedasticidad
1 2 Consecuencias sobre el estimador MCO
1.2
• Se siguen
S i cumpliendo
li d RLM.1 RLM 3 la
RLM 1 a RLM.3 l estimación
i ió MCO de
d los
l
parámetros sigue siendo
– insesgada E ˆ X
– consistente p lim ˆ
N
• Cambia la varianza de los parámetros estimados por MCO
Homoscedasticidad
V ˆ X 2 (XX) 1
Heteroscedasticidad
V ˆ X ((XX)) 1 XX(X
( X)) 1
Econometría I (3º GECO) Tema 6 6
1. El problema de la heteroscedasticidad
1 2 Consecuencias sobre el estimador MCO
1.2
• N se puede
No d aplicar
li ell Teorema
T d Gauss-Markov
de G M k
La varianza de MCO ya no es óptima (MCO ya no es ELIO)
•
La estimación de la varianza de los estimadores, V̂ ˆ X s 2 (XX) 1 ,
es:
– sesgada
– inconsistente
• No afecta a interpretación de R 2 ni R a2
Econometría I (3º GECO) Tema 6 7
1. El problema de la heteroscedasticidad
1 3 Mínimos Cuadrados Generalizados
1.3
y i 0 1 x 1i k x ki i
Econometría I (3º GECO) Tema 6 8
1. El problema de la heteroscedasticidad
1 3 Mínimos Cuadrados Generalizados
1.3
yi 1 x x
0 1 1i k ki i
i i i i i
ponderado
ecuación original
Econometría I (3º GECO) Tema 6 10
1. El problema de la heteroscedasticidad
1 3 Mínimos Cuadrados Generalizados
1.3
• Ejemplo y i 0 1 x 1i k x ki i
– Supongamos que sabemos
V i | X x1i
i x1i
V
x x1i
1i
– Nota: no necesitamos conocer
Econometría I (3º GECO) Tema 6 11
2. Detección de la heteroscedasticidad
2 1 Contraste de Breuch
2.1 Breuch-Pagan
Pagan
H 0 : homoscedasticidad
H1 : heteroscedasticidad
• Alguna(s) explicativa(s) causa(n) la heteroscedasticidad
• Procedimiento de contraste: y i 0 1 x 1i k x ki i
1
1. E ti
Estimamos ell modelo
d l y obtenemos
bt l residuos,
los id ei
2. Regresión auxiliar por MCO y obtenemos el R-cuadrado (R e2 )
e i2 0 1 x 1i k x ki u i
3. Contraste de significatividad global en esa regresión
H0 : 1= …=k=0 (homosced.)
H1 : no H0 (heterosced.)
4
4. Estadístico del contraste NR e2 ~ 2k
H0
Econometría I (3º GECO) Tema 6 12
2. Detección de la heteroscedasticidad
2 2 Contraste de White
2.2
H 0 : homoscedasticidad
H1 : heteroscedasticidad
• El contraste de White es un contraste muy
y general
g de
heteroscedasticidad
• Procedimiento de contraste:
2
2. R
Regresión
ió auxiliar
ili por MCO y obtenemos
bt d d ( R e2)
ell R-cuadrado
R
k k k
e 0 j x ji j x jh x ji x hi u i
2
i
2
ji
j1 j1 j1 h j
Econometría I (3º GECO) Tema 6 13
2. Detección de la heteroscedasticidad
2 2 Contraste de White
2.2
• Procedimiento de contraste:
3. Contraste de significatividad global en la regresión auxiliar
NR e2 H~ q2
0
Econometría I (3º GECO) Tema 6 14
3. Estimación e inferencia
3 1 Mínimos Cuadrados Generalizados Factible
3.1
• Estimamos i2
– Obtenemos los residuos MCO en el modelo original
– Regresamos sus cuadrados sobre las explicativas
e i2 0 1 x 1i k x ki u i ˆ i2 ê i2
• MCGF es MCO en el modelo ponderado
yi 1 x x
0 1 1i k ki i ˆ MCGF ((X
ˆ 1X)) 1 ((X
ˆ 1Y))
ˆ i ˆ i ˆ i ˆ i ˆ i
Econometría I (3º GECO) Tema 6 15
3. Estimación e inferencia
3 1 Mínimos Cuadrados Generalizados Factible
3.1
Econometría I (3º GECO) Tema 6 16
3. Estimación e inferencia
3 2 Método de White
3.2
1. Bajo heteroscedasticidad:
MCO es insesgado y consistente pero no óptimo. Los contrastes del
Tema 4 no son válidos
MCG es ELIO y consistente. Los contrastes del Tema 4 son válidos.
E poco útil en la
Es l práctica
á ti porque casii nunca conocemos la
l varianza
i
2. En la practica
MCGF si conocemos la estructura de la varianza del error. La
estimamos y aplicamos MCG como si fuese conocida
MCO si no es así, pero usamos estimaciones de las varianzas de los
parámetros que sean robustas para hacer inferencia (método de
White)
Econometría I (3º GECO) Tema 6 18