Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
DE HETEROCEDASTICIDAD
Ramn Maha Marzo 2010
Coefficient
Std. Error
t-Statistic
Prob.
C
VENTAS
BENEFICIOS
-139.3921
0.012558
0.239862
9920.038
0.017998
0.198594
-0.014052
0.697731
1.207801
0.9890
0.4960
0.2458
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.524535
0.461139
27204.69
1.11E+10
-207.7006
3.173929
30568.83
37060.02
23.41118
23.55957
8.274023
0.003788
100000
50000
0
-50000
-100000
2
6
Residual
10
12
Actual
14
16
18
Fitted
o bien puede ejecutarse en el men del Workfile usando la secuencia Procs -Sort
Series.
RESID2
4.E+09
3.E+09
2.E+09
1.E+09
0.E+00
0
1000000
2000000
3000000
VENTAS
5.E+09
RESID2
4.E+09
3.E+09
2.E+09
1.E+09
0.E+00
0
8.E+08
RESID_AT
6.E+08
4.E+08
2.E+08
0.E+00
0
1000000
2000000
3000000
VENTAS
8.E+08
RESID_AT
6.E+08
4.E+08
2.E+08
0.E+00
0
Alternativamente, podemos marcar con el ratn las dos series que queremos
representar y despus abrir ambas simultneamente como grupo Open As group.
En este caso, debemos haber guardado los errores al cuadrado previamente en una
serie especficamente creada (de otra forma resulta imposible marcarla). En todo caso,
guardar los residuos de la regresin, automticamente almacenados en la serie resid
del sistema resulta siempre conveniente, para evitar que, al realizar alguna regresin
intermedia distinta a la analizada, el contenido de resid cambie automticamente.
Guardamos los errores en una serie aparte RGID con el comando GENR:
Marcamos entonces la exgena para el eje X, por ejemplo BENEFICIOS y los errores
cuadrticos RGID2. Una vez abiertas, pedimos entonces la representacin del Scatter
con la secuencia de comandos View-Graph-Scatter-Simple Scatter.
Puede optarse tambin por representar una recta de regresin en el Scatter eligiendo
la opcin Scatter with Regression lo que ayuda a valorar la existencia d euna relacin
entre el tamao del error cuadrtico (no su varianza) y el tamao de la variable
exgena utilizada.
h=0,5
h=1
h=2
h=-0.5
h=-1
h=-2
R
0.57
0.63
0.68
0.25
0.17
0.13
Beneficios
p-value
0.0004
0.0001
0.0000
0.0358
0.0862
0.1392
R
0.46
0.42
0.27
0.33
0.23
0.11
Ventas
p-value
0.0019
0.0034
0.0280
0.0123
0.0461
0.1842
A la vista de los resultados, se confirma la evidente relacin del error con las variables
exgenas, especialmente con la variable de beneficios. La parametrizacin con mejores
resultados (la que en mayor medida evidencia la heterocedasticidad) supone la
relacin entre los errores absolutos y el beneficio al cuadrado lo cual puede ser de
inters a la hora de proponer una transformacin homocedstica para el modelo.
De modo que en nuestro caso, dado que los residuos estn almacenados en la variable
RGID, tenemos:
Dependent Variable: RGID^2
Method: Least Squares
Date: 03/03/10 Time: 09:08
Sample: 1 18
Included observations: 18
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
BENEFICIOS
VENTAS
-3.57E+08
17834.05
-524.7229
3.50E+08
6998.425
634.2368
-1.021727
2.548294
-0.827330
0.3231
0.0223
0.4210
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.523148
0.459567
9.59E+08
1.38E+19
-396.1594
2.128415
6.17E+08
1.30E+09
44.35105
44.49944
8.228139
0.003872
El valor crtico de una Chi con k-1 (2) grados de libertad para la nula de
homocedasticidad est en torno a 6, de modo que rechazamos la nula y aceptamos la
hiptesis alternativa de heterocedasticidad.
Podemos realizar tambin la regresin de la serie de residuos cuadrtica en funcin de
otra especificacin alternativa, por ejemplo, utilizando el beneficio y su cuadrado
como variables explicativas:
Dependent Variable: RGID^2
Method: Least Squares
Date: 03/03/10 Time: 09:14
Sample: 1 18
Included observations: 18
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
BENEFICIOS
BENEFICIOS^2
3.36E+08
-16179.01
0.137550
3.62E+08
9523.253
0.043750
0.928802
-1.698895
3.144029
0.3677
0.1100
0.0067
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.699449
0.659376
7.61E+08
8.69E+18
-392.0051
2.615532
6.17E+08
1.30E+09
43.88946
44.03785
17.45420
0.000121
La opcin cross terms utiliza como exgenas los productos cruzados de las variables exgenas
mientras que opcin no cross terms slo emplea las exgenas y sus cuadrados.
19.41756
16.01994
Probability
Probability
0.000022
0.006787
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
VENTAS
VENTAS^2
VENTAS*BENEFICIOS
BENEFICIOS
BENEFICIOS^2
69515964
1349.794
-0.002708
0.050108
-19656.93
-0.116371
2.65E+08
1077.114
0.000790
0.020746
12978.05
0.146632
0.262044
1.253157
-3.426789
2.415348
-1.514630
-0.793626
0.7977
0.2340
0.0050
0.0326
0.1558
0.4428
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 03/02/06 Time: 15:29
Sample: 1 18
Included observations: 18
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.889997
0.844162
5.15E+08
3.18E+18
-382.9592
2.127352
6.17E+08
1.30E+09
43.21768
43.51448
19.41756
0.000022
Una vez ms, los indicios de autocorrelacin son claros. Los resultados del test de
White muestran, por un lado, el elevado valor de la R2 en la regresin instrumental,
que supera el valor de una Chi cuadrado con p-1=6-1 grados de libertad, para un
nivel de significacin del 0.67%, es decir, del 99,3%. Por otro lado, aparecen
coeficientes estadsticamente significativos al 99,5% para la variable de Beneficios al
cuadrado y al 96,8% para el producto cruzado de los Beneficios por las Ventas.
Coefficient
Std. Error
t-Statistic
Prob.
C
VENTAS
BENEFICIOS
-139.3921
0.012558
0.239862
6783.051
0.014446
0.244817
-0.020550
0.869279
0.979758
0.9839
0.3984
0.3427
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.524535
0.461139
27204.69
1.11E+10
-207.7006
3.173929
30568.83
37060.02
23.41118
23.55957
8.274023
0.003788
tanto una variable con todos sus valores iguales a 1; es decir, generando un
trmino independiente. Por esa razn no se especifica en la versin corregida
de E-Views la aparicin del trmino C.
2.- El trmino independiente de la regresin original, especificado en E-Views
originalmente como C, era en realidad una variable con todos sus valores
iguales a 1. Al dividir ese trmino independiente entre la variable
BENEFICIOS tenemos en realidad una nueva variable 1/Beneficios, que es la
que aparece en la pantalla de estimacin.
Esta transformacin puede observarse matricialmente aqu:
Matriz Original X Matriz Transformada X
1
1
..
..
Ventas 1
Ventas 2
Ventas 3
Ventas 18
Benef 1
Benef 1 1
Benef 2 Benef
2
Benef 3 1
Benef 3
..
Benef 18 ..
1
Benef 18
Ventas 1
Benef 1
Ventas 2
Benef 2
Ventas 3
Benef 3
Ventas 18
Benef 18
Coefficient
Std. Error
t-Statistic
Prob.
1/BENEFICIOS
VENTAS/BENEFICIOS
BENEFICIOS/BENEFICIOS
-1269.387
0.022273
0.124798
365.6084
0.001510
0.064034
-3.471986
14.75451
1.948917
0.0034
0.0000
0.0703
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.819102
0.794982
0.225319
0.761527
2.924325
2.486807
0.467849
0.497624
0.008408
0.156804
33.95985
0.000003
Si se desea comparar los coeficientes de esta nueva regresin con los de la original,
podra multiplicarse toda la regresin por la variable Beneficios. Los parmetros de
la regresin original son ahora ligeramente distintos a los de la original, sus errores
estndar mucho ms reducidos y el coeficiente de determinacin ha mejorado
sustancialmente:
Regresin Inicial
-139.39
9920.038
0.9890
0.012558
0.017998
0.4960
0.239862
0.198594
0.2458
0.5245
Trmino Independiente
Std. Error
p-value
Ventas
Std. Error
p-value
Beneficios
Std. Error
p-value
R2
Regresin Corregida
-1269,38
365.6084
0.0034
0.022273
0.001510
0.0000
0.124798
0.064034
0.0703
0.8191
2.5
2.0
1.5
1.0
0.5
0.4
0.0
0.2
0.0
-0.2
-0.4
2
6
Residual
10
12
Actual
14
16
18
Fitted