Professional Documents
Culture Documents
SOBRE EL SUPUESTO DE LA
HOMOCEDASTICIDAD
UNIVERSIDAD NACIONAL DE TUMBES
ESCUELA DE ECONOMÍA
TRABAJO DE INVESTIGACIÒN
DOCENTE
CURSO
Econometría I
INTEGRANTES
TUMBES
2018
1
CONTENIDO
INTRODUCCION ............................................................................................... 3
OBJETIVOS ....................................................................................................... 4
CONCLUSIONES ............................................................................................ 23
BIBLIOGRAFIA ............................................................................................... 25
2
INTRODUCCION
3
OBJETIVOS
Objetivo General
Objetivo específicos
4
1. Supuesto de la Regresión Lineal Múltiple -
HOMOCEDASTICIDAD
5
variables explicativas tengan también varianza constante. Así
pues, y en términos generales, la utilización de variables
exógenas de naturaleza
b) Otras fuentes de heteroscedasticidad: como señala David
Hendry, la heteroscedasticidad también surge debido la
incorrecta transformación de los datos (por ejemplo, las
transformaciones de razón o de primeras diferencias) y una
forma funcional incorrecta (por ejemplo, modelos lineales
frente a modelos log-lineales)
c) Cambio de estructura
La presencia de algunos valores atípicos en la muestra de
datos implicará necesariamente un desajuste en la varianza
de la perturbación (en cierto modo, un punto atípico puede
considerarse un elemento muestral perteneciente a otra
distribución de forma funcional incorrecta y, por tanto,
potencialmente con varianza distinta).
6
e) Otras causas
7
2. Datos para la detección de este supuesto de
HOMOCEDASTICIDAD
TABLA: 01
Datos históricos de la tasa desempleo, Inversión Bruta del Sector
Privado y el PBI Percapita de los años 2000 AL 2017.
Modelo multivariado
8
Donde
𝑌𝑡 = Es la tasa de desempleo.
𝛽0 = es el parámetro que indica la tasa de desempleo autónoma la cual
no depende de la inversión privada (intercepto) ni del PBI per cápita.
𝑋𝑡 = Es la Inversión Privada que está en relación inversa con la
inversión (variable Independiente).
𝛽1 = Es también conocido como la pendiente del modelo es el
inversión Privada
coeficiente que mide la relación de la (parámetro
Tasa desempleo
comportamental de X1 en Y)
𝛽2 = es el coeficiente que mide la relación de la
PBI PERCAPITA
(parámetro comportamental de X2 en Y)
Tasa desempleo
9
Calculo de los parámetros
Método matricial
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
XT = 29461 28089 28145 29915 32335 36217 43482 53626 66440 60566 76167 84518 97722 104660 102337 98062 92762 92960
8552 8480 8817 9061 9387 9851 10465 11224 12112 12103 12979 13661 14311 14978 15169 15501 15954 16174
YT = 8.5 9.3 9.4 9.4 9.4 9.6 8.5 8.4 8.4 8.4 8.0 5.1 4.7 4.8 4.5 4.4 5.2 6.9
10
PASO 03 multiplicacion de matrices "XTX" e "YTY"
18 1157464 218779
T
X X= 1157464 89333536916 15429488632
218779 15429488632 2789454359
132.900
T
X Y= 7613763.1
1532742.2
YTY= 1049.3100
8.72972507
B= -0.00010144
0.00042591
11
Haciendo uso del programa se ha calculamos los parámetros del Modelo
Econométrico
Coeficientes valores
B0 8.729725073
B1 -0.000101442
B2 0.00042591
̂
𝒆𝒕 = 𝒀 − 𝒀
Donde
et =error o residuo
12
Tabla 02
De los residuos (et) del modelo
t y x1 x2 𝑌̂𝑡 u
2000 8.5 29461 8552 9.39 -0.89
2001 9.3 28089 8480 9.50 -0.20
2002 9.4 28145 8817 9.63 -0.23
2003 9.4 29915 9061 9.55 -0.15
2004 9.4 32335 9387 9.45 -0.05
2005 9.6 36217 9851 9.25 0.35
2006 8.5 43482 10465 8.77 -0.27
2007 8.4 53626 11224 8.07 0.33
2008 8.4 66440 12112 7.15 1.25
2009 8.4 60566 12103 7.73 0.67
2010 8.0 76167 12979 6.53 1.47
2011 5.1 84518 13661 5.97 -0.87
2012 4.7 97722 14311 4.91 -0.23
2013 4.8 104660 14978 4.49 0.30
2014 4.5 102337 15169 4.80 -0.27
2015 4.4 98062 15501 5.37 -1.01
2016 5.2 92762 15954 6.09 -0.92
2017 6.9 92960 16174 6.17 0.71
Nota:
Para el cálculo del pronóstico se hizo uso de la ecuación del
modelo en donde se reemplazó los parámetros del modelo y cada
variable correspondiente.
𝒀𝒕 = 𝟖. 𝟕𝟐𝟗𝟕𝟐𝟓𝟎𝟕𝟑 − 𝟎. 𝟎𝟎𝟎𝟏𝟎𝟏𝟒𝟒𝟐𝑿𝟏𝒕 + 𝟎. 𝟎𝟎𝟎𝟒𝟐𝟓𝟗𝟏𝑿𝟐𝒕 + 𝒖𝒕
Asimismo los errores o residuos fueron calculados restando cada
valor observado de la tasa desempleo con la tasa desempleo
pronosticado.
̂
𝒆𝒕 = 𝒀 − 𝒀
13
3. Métodos para detectar la homocedasticidad
3.1. Método gráfico de dispersión los residuos (et).
Gráfico 01:
Residuos con la inversión Privada (IBKFP)
Residuos VS IBKFP
2
1.5
1
0.5
Residuos
0
-0.5 0 20000 40000 60000 80000 100000 120000
-1
-1.5
-2
IBKFP
14
Gráfico 02:
Residuos con el PBI Percapita
0
0 2000 4000 6000 8000 10000 12000 14000 16000 18000
-0.5
-1
-1.5
-2
PBI Percapita
0.00
-0.50 0.0 2.0 4.0 6.0 8.0 10.0 12.0
-1.00
-1.50
-2.00
Tasa Desempleo
15
3.2. Métodos formales para la detección de homocedasticidad
16
Ahora efectuamos la trasformación de la especificación del
modelo según PARK
𝑢𝑖2 = 𝜎𝑖2 𝐼𝐵𝐾𝐹𝑃𝐵1 𝑃𝐵𝐼𝑝𝑒𝑟 𝐵2 𝑒 𝑣𝑖
Linealizacion (aplicación de logaritmo natural en ambos lados de
la ecuación)
Asimismo ∝ = Ln (𝜎𝑖2 )
𝐿𝑛(𝑢𝑖2 ) =∝ +𝐵1 ln(𝐼𝐵𝐾𝐹𝑃) + 𝐵2 ln(𝑃𝐵𝐼𝑝𝑒𝑟) + 𝑣𝑖
Que equivalentemente seria:
𝐿𝑛(𝑢𝑖2 ) =∝ +𝐵1 ln(𝑋1) + 𝐵2 ln(𝑋2) + 𝑣𝑖
Hay que tener en cuenta que vi es la variable estocástica del
modelo. Ahora si efectuamos las trasformaciones de los
logaritmos naturales de los errores al cuadrado y de las variables
independientes del modelo en la siguiente tabla:
TABLA 03
EL PROCESO DE TRANFORMACION LOGARITMICA
Y X1 X2
Ln(Residuos al LN(PBI
Año LN(IBKFP)
cuadrado) PERCAPITA)
t Ln(u^2) LN(X1) LN(X2)
2000 -0.24 10.29 9.05
2001 -3.25 10.24 9.05
2002 -2.93 10.25 9.08
2003 -3.73 10.31 9.11
2004 -6.13 10.38 9.15
2005 -2.09 10.50 9.20
2006 -2.60 10.68 9.26
2007 -2.20 10.89 9.33
2008 0.45 11.10 9.40
2009 -0.81 11.01 9.40
2010 0.77 11.24 9.47
2011 -0.27 11.34 9.52
2012 -2.92 11.49 9.57
2013 -2.39 11.56 9.61
2014 -2.63 11.54 9.63
2015 0.02 11.49 9.65
2016 -0.18 11.44 9.68
2017 -0.68 11.44 9.69
18
Estimación Puntual de los parámetros de la regresión
Método matricial
XT = 10.29 10.24 10.25 10.31 10.38 10.50 10.68 10.89 11.10 11.01 11.24 11.34 11.49 11.56 11.54 11.49 11.44 11.44
9.05 9.05 9.08 9.11 9.15 9.20 9.26 9.33 9.40 9.40 9.47 9.52 9.57 9.61 9.63 9.65 9.68 9.69
YT = -0.2 -3.3 -2.9 -3.7 -6.1 -2.1 -2.6 -2.2 0.5 -0.8 0.8 -0.3 -2.9 -2.4 -2.6 0.0 -0.2 -0.7
18 197 169
XTX = 197 2165 1852
169 1852 1585
-12.8800959
-31.813
T B= 2.37591831
X Y= -341.02387
-295.112415 -1.59013704
19
Ahora el paso siguiente es probar la significancia de cada Ahora
a través de la herramienta del programa Excel calculamos los
20
Prueba de Hipótesis por Parámetros
Hipótesis a probar
𝑯𝟎 : 𝑩𝟏 = 𝟎
𝑯𝟏 : 𝑩𝟏 ≠ 𝟎
Significancia ∝ = 𝟎.05
Valor crítico de la tabla T-Students
𝑇𝑇𝑎𝑏𝑙𝑎(∝
⁄2;𝑛−𝑘)=2.13
Estadístico de prueba
̂ 𝟏 − 𝑩𝟏 2.375918308 − 0
𝑩
𝒕𝒄𝒂𝒍 = = = 0.53241076
𝒆𝒆(𝑩𝟏 ) 4.462566282
Decisión:
21
Prueba de significancia del parámetro 𝑩𝟐 = -1.590137039
Hipótesis a probar
𝑯𝟎 : 𝑩𝟐 = 𝟎
𝑯𝟏 : 𝑩𝟐 ≠ 𝟎
Significancia ∝ = 𝟎.05
Valor crítico de la tabla T-Students
𝐓𝐓𝐚𝐛𝐥𝐚(∝⁄
𝟐;𝐧−𝐤)=𝟐.𝟏𝟑
Estadístico de prueba
̂ 𝟐 − 𝑩𝟐
𝑩 −1.590137039 − 0
𝒕𝒄𝒂𝒍 = = = −0.161483278
𝒆𝒆(𝑩𝟐 ) 9.847069384
Decisión:
22
CONCLUSIONES
23
tasa desempleo más confiables lo cual ayudaría a tomar
mejores decisiones en la economía.
24
BIBLIOGRAFIA
25