Sei sulla pagina 1di 7

ETEROSCHEDASTICITA E OMOSCHEDASTICITA

Nella regressione semplice


i
omoschedastica se la
varianza della distribuzione condizionata di
i
data x
i
,
var(
i
x
i
), costante per i =1,2,, n e in particolare non
dipende da x
i
, altrimenti lerrore eteroschedastico.

Implicazioni della omoschedasticit (regressione semplice)
Gli stimatori OLS sono non distorti e asintoticamente
normali.
Se valgono le assunzioni per limpiego degli OLS e gli
errori sono omoschedastici, allora gli stimatori OLS dei
parametri sono efficienti tra tutti gli stimatori lineari e
sono non distorti, condizionatamente a x
1
,,x
n

(teorema di Gauss-Markov).
Se lerrore omoschedastico, gli errori standard per i
due parametri o errori standard classici sono
(



A sua volta



Se gli errori sono eteroschedastici, allori gli errori
standard classici sono inappropriati. Specificatamente,
se gli errori sono eteroschedastici, la statistica t
classica calcolata usando lerrore standard per
lomoschedasticit non ha una distribuzione normale
standard, neppure in grandi campioni.

Se gli errori sono eteroschedastici, allora gli OLS non
sono pi BLUE. Se la natura delleteroschedasticit
nota se la varianza condizionata di
i
data x
i
nota a
meno di una costante di proporzionalit allora
possibile costruire uno stimatore che varianza minore
rispetto allo stimatore OLS.
Questo metodo, detto dei minimi quadrati ponderati,
pesa losservazione i-ma con linverso della radice
quadrata della varianza condizionata di
i
data x
i
.
Grazie a questa ponderazione, gli errori di questa
regressione sono omoschedastici, e cos gli OLS,
quando sono applicati ai dati ponderati, sono BLUE.
Sebbene teoricamente elegante, il problema pratico
con i minimi quadrati ponderati che occorre
conoscere il modo in cui la varianza condizionata di
i

dipende da x
i
(cosa raramente nota nelle applicazioni).

TEST PER LETROSCHEDASTICITA
Test di Goldfeld e Quandt
Ordinare le T osservazioni della X che si suppone
correlata con e
i
2
.
Eliminare linsieme centrale delle osservazioni centrali
(1/5 un numero ragionevole).
Stimare due regressioni separate con entrambi i sub-
campioni.
Il rapporto fra le varianze in campioni diversi si
distribuisce secondo una F



Test di Breusch-Pagan
Consideriamo il modello

)
dove h(*) > 0 e non nota. Inoltre zi qx1 ed il primo
elemento uguale allunit (z
i
pu essere un sottoinsieme
di x
i
ma anche x
i
stesso o altre variabili che influenzano la
varianza condizionale).
Ipotesi nulla (omoschedasticit)

per i = 1,2,,n (per cui avremo

).
In pratica
Regressione di y
t
su x
t
, calcolo i residui

.
Regressione di


su z
i
, dove in z
i
sono incluse le
variabili che dovrebbero influenzare
leteroschedasticit.
Test F di significativit di questultima regressione, F
segue una distribuzione con q-1 e n-q gradi di libert.

Test di White
Sotto omoschedasticit, uno stimatore consistente della
matrice di varianza-covarianza di

dato da

|)


Sotto eteroschedasticit, White dimostra che uno
stimatore consistente della matrice varianza-covarianza di

dato da

|) (



Intuitivamente, sotto H0 la differenza VH V0 dovrebbe
essere vicina a zero e, viceversa, VH V0 grande dovrebbe
suggerire una violazione dellipotesi nulla.

Attenzione, in realt un test congiunto di corretta
specificazione della media e della varianza condizionale.
Solo se la media condizionale correttamente specificata,
questo test pu essere usato come test puro di
eteroschedasticit. In pratica.

Regressione di yi su xi, calcolo i residui

.
Regressione di su xi, i quadrati di xi e i prodotti
incrociati non ripetuti degli elementi di xi.
Ipotesi nulla: tutti i coefficienti sono nulli, a parte la
costante.
Test F di significativit della regressione.

Osservazioni:
Attenzione alle variabili dummy
Se k grande, i gradi di libert della statistica F
possono essere elevati e ci provoca bassa potenza
del test. Per ovviare a questo problema si possono
usare solo i quadrati della xi.
Al posto dei quadrati e dei prodotti incrociati
possiamo usare yi e yi con la seguente interpretazione:
varianza condizionale in funzione della media
condizionale.
Attenzione: i test di eteroschedasticit sono
condizionali alla corretta specificazione della media
condizionale.

COME TENER CONTO DELLETEROSCHEDASTICITA
Ci sono due modi per trattare letro(schedasticit: stimare
b0 e b1 con i WLS o stimare b0 e b1 con gli OLS e utilizzare
gli errori standard robusti alleteroschedasticit.
WLS sono pi efficienti
WLS richiedono di conoscere la funzione vrarianza
condizionata e di stimarne i parametri.

Errori standard robusti alleteroschedasticit
Regressione semplice



Regressione multipla
Lo stimatore robusto della matrice di covarianza di
covarianza di


con




Lo stimatore robusto alleteroschedasticit della matrice di
covarianza di

)
Lerrore standard robusto alleteroschedasticit per il j-mo
coefficiente di regressione la radice quadrata del j-mo
elemento diagonale di