Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Abril 2017
2 3
var (u1 j X) cov (u1 , u2 j X) . . . cov (u1 , un j X)
6 cov (u2 , u1 j X) var (u2 j X) ... cov (u2, un j X)7
6 7
Var ( uj X) = 6 .. .. .. .. 7
4 . . . . 5
cov (un , u1 j X) cov (un , u2 j X) . . . var (un j X)
De forma equivalente:
2 3
E u12 E [u1 u2 ] . . . E [u1 un ]
6E [u2 u1 ] E u 2 . . . E [u2 un ]7
6 2 7
Var (u) = E uu0 =6 .. .. .. .. 7
4 . . . . 5
E [un u1 ] E [un u2 ] . . . E un 2
Perturbaciones esfricas
Las perturbaciones son esfricas cuando se cumple:
Homocedasticidad: La varianza de los trminos de
perturbacin es la misma para cada i.
var (ui ) = 2 8i
No autocorrelacin: La covarianza entre los trminos de
perturbacin es igual a cero.
cov (ui , uj ) = 0
8i 6 = j
De esta forma, perturbaciones esfricas implica que:
2 2 3
0 0 ... 0
6 0 2 0 . . . 0 7
6 7 2
Var (u) = 6 . .. .. . . .. 7 = In n
4 .. . . . . 5
0 0 0 . . . 2
Patricia Lengua Lafosse Perturbaciones no esfricas (Econometra Intermedia: M2)
Perturbaciones esfricas
Incumplimiento de S3: perturbaciones no esfricas
Perturbaciones no esfricas
Heterocedasticidad
Autocorrelacin
Perturbaciones no esfricas
Perturbaciones no esfricas
Consecuencias
1. Estimadores MCO ( b
MCO ) es lineal y siguen siendo
insesgados, consistentes y con distribucin asinttica normal.
2. Estimadores MCO no es el de mnima varianza: ya no son
ecientes (deja de ser MELI).
Consecuencias
d( b 2 0 1 es sesgado. Los estimadores de las
3. Var MCO ) = S (X X )
b
varianzas de los MCO son sesgados e inconsistentes. Los
procedimientos de inferencia ya no son vlidos.
b
La frmula antes usada: Var ( 2 0 1 es un
MCO ) = (X X)
estimador inconsistente de la verdadera matriz de var-cov del
b 0 1 0 0 1
estimador MCO (Var ( MCO ) = (X X) (X VX)(X X) )
bajo el supuesto de perturbaciones no esfricas.
Por lo tanto, s 2 (X 0 X ) 1 constituye un estimado indecuado de
la verdadera matriz de var-cov. Dado que los errores estndar
de b
MCO se basan directamente en estas varianzas, los
procedimientos de inferencia (intervalos de conanza y las
pruebas de hiptesis basadas en los test t y F ) no sern
vlidas.
Patricia Lengua Lafosse Perturbaciones no esfricas (Econometra Intermedia: M2)
Perturbaciones esfricas
Incumplimiento de S3: perturbaciones no esfricas
Perturbaciones no esfricas
Heterocedasticidad
Autocorrelacin
2 estrategias:
Py = PX + Pu
y = X +u
E (u ) = 0
Var (u ) = 2 I
E (b
MCG ) = b
!MCG es insesgado.
2
h i 1
Var (b
MCG ) = 2 (X 0 1 X ) 1 = n n1 X 0 X
P lim Var (b
MCG ) = 0 ! b MCG es consistente1 .
b
El estimador MCG es asintticamente normal con media y
varianza asinttica AVar (b
MCG ) = 2 (X 0 1 X ) 1
1 Es una forma alternativa de comprobar que P lim b
MCG = .
Patricia Lengua Lafosse Perturbaciones no esfricas (Econometra Intermedia: M2)
Perturbaciones esfricas
Incumplimiento de S3: perturbaciones no esfricas
Perturbaciones no esfricas
Heterocedasticidad
Autocorrelacin
Teorema de Aitken
b
MCGF depende de X y de la matriz . Esta ltima puede ser
desconocida.
Se suele asumir una estructura particular de y se busca una
estimacin consistente de , digamos .b De esta forma:
b 0b b
MCGF = (X (X0
1 1 1
X) y) (1)
Heterocedasticidad
Heterocedasticidad
Heterocedasticidad
Consecuencias....
Intuicin
Ejm: modelo de 2 variables
Soluciones
Soluciones
y = Py y X = PX
Modelo:
2 1/2 3
w1 y1
6w 1/2 y 7
6 27
y =6 2 . 7 y
4 .
. 5
w 1/2 y
2 n 1/2 n 3
w1 w1 1/2 X21 . . . w1 1/2 Xk 1
6w 1/2 w 1/2 X . . . w2 1/2 Xk 2 7
6 22 7
X = 6 2. 2
.. .. .. 7
4 .. . . . 5
wn 1/2 wn 1/2 X2n . . . wn 1/2 Xkn
Soluciones
Deteccin
bi2
Diagnsticos grcos de Heterocedasticidad: Grcar u
2
contra Xi , para varios regresores .
Residuos al cuadrado vs Educ.
Deteccin
2 3 2 X 11 Xk 1 3
py1 p1 p ... p
w1 w1 w1 w1
6 py2 7 6 p1 X 12 Xk 2 7
6 w2 7 6 w2 p
w2 ... p
w2 7
6 7
Py = 6 . 7 y PX = 6 . 6 7
.. .. .. 7
4 .. 5 4 .. . . . 5
pyn p1 X 1n
p ... X kn
p
wn wn wn wn
Autocorrelacin
cov (ui , uj ) = ij 6= 0
cov ( ui , uj X) 6= 0.
Patricia Lengua Lafosse Perturbaciones no esfricas (Econometra Intermedia: M2)
Perturbaciones esfricas
Incumplimiento de S3: perturbaciones no esfricas
Perturbaciones no esfricas
Heterocedasticidad
Autocorrelacin
Autocorrelacin
Principales causas:
Autocorrelacin
Consecuencias....
Autocovarianzas y autocorrelaciones
Autocovarianza: Covarianza de ut y ut s.
s = cov (ut , ut s )
= E [(ut E (ut ))(ut s E (ut s ))]
= E [ut ut s ]
Cuando s = 0:
0 = cov (ut , ut )
= var (ut )
= 2
Autocovarianzas y autocorrelaciones
Autocorrelacin: Correlacin de ut y ut s.
s = corr (ut , ut s )
cov (ut , ut s )
= p p
var (ut ) var (ut s)
s
=
0
Cuando s = 0:
0 = corr (ut , ut )
cov (ut , ut )
= p p
var (ut ) var (ut )
var (ut )
= p p = 0 =1
var (ut ) var (ut ) 0
Patricia Lengua Lafosse Perturbaciones no esfricas (Econometra Intermedia: M2)
Perturbaciones esfricas
Incumplimiento de S3: perturbaciones no esfricas
Perturbaciones no esfricas
Heterocedasticidad
Autocorrelacin
Matriz de Var-Cov
2 3
var (u1 ) cov (u1 , u2 ) . . . cov (u1 , un )
6cov (u2 , u1 ) var (u2 ) . . . cov (u2 , un )7
6 7
Var (u) = 6 .. .. .. .. 7
4 . . . . 5
cov (un , u1 ) cov (un , u2 ) ... var (un )
2 3
0 1 . . . n 1
6 0 . . . n 2 7
6 1 7
Var (u) = 6 . . . .. 7
4 . . .
. . . . 5
n 1 n 2 . . . 0
Matriz de Var-Cov
2 3
1 1 . . . n 1
6 1 1 . . . n 2 7
6 7
Var (u) = 2 6 .. .. .. .. 7
4 . . . . 5
n 1 n 2 ... 1
Var (u) = 2
Se tiene el modelo:
Proceso et
2
donde 0 = 2 = 1 2
.
Patricia Lengua Lafosse Perturbaciones no esfricas (Econometra Intermedia: M2)
Perturbaciones esfricas
Incumplimiento de S3: perturbaciones no esfricas
Perturbaciones no esfricas
Heterocedasticidad
Autocorrelacin
Se tiene el modelo:
Deteccin
e-Aware.
Patricia Lengua Lafosse Perturbaciones no esfricas (Econometra Intermedia: M2)
Perturbaciones esfricas
Incumplimiento de S3: perturbaciones no esfricas
Perturbaciones no esfricas
Heterocedasticidad
Autocorrelacin
Test de Durbin-Watson:
Se sospecha que ut siguen un proceso AR(1):
ut = ut 1 + et con jj < 1
=
(ub
t 2
t ubt 1)
2
Estadstico DW = T 2(1 )
=
(ub
t 1
t )2
ub ubt t 1
bMCO =
=
t 2
T
=
ub
t 1
t 1
2
Entonces
T
ubt ubt 1
t =2 bMCO )
DW 2(1 T
) = 2(1
ubt 1
2
t =1
bMCO ! 1, DW ! 2 si
Estadstico DW 2 [0, 4], DW ! 0 si
b b
MCO ! 0 y DW ! 4 si MCO ! 1.
Patricia Lengua Lafosse Perturbaciones no esfricas (Econometra Intermedia: M2)
Perturbaciones esfricas
Incumplimiento de S3: perturbaciones no esfricas
Perturbaciones no esfricas
Heterocedasticidad
Autocorrelacin
0 - dL : Autocorrelacin positiva
dL - dU : Zona de indeterminacin
dU - (4 dU ): No autocorrelacin
(4 dU )- (4 dL ): Zona de indeterminacin
(4 dL ) - 4: Autocorrelacin negativa
Patricia Lengua Lafosse Perturbaciones no esfricas (Econometra Intermedia: M2)
Perturbaciones esfricas
Incumplimiento de S3: perturbaciones no esfricas
Perturbaciones no esfricas
Heterocedasticidad
Autocorrelacin
Test h de Durbin:
q
b
h= T / (1 T (s.e (b
))2 )
Ejemplo:
Sabemos que ut sigue un proceso AR(1) de la forma
ut = ut 1 + et .
Conocemos la matriz de var-cov (2), entonces podemos
encontrar la matriz de transformacin P tal que P0 P = 1 .
bt .
Estimar el modelo original por MCO y obtener los residuos u
T
u
bt u
bt 1
b=
Estimar usando t =2
T
.
u
bt 1
2
t =2
[ (
AVar b MCO ) = (X0 X) 1
(X0 V
bNW X)(X0 X) 1
2 3
b0
b1
... bT 1
6 b1
b0
... bT 2 7
bNW = 6
donde V 6 .. .. ..
7
.. 7,
4 . . . . 5
bT
1 bT
2 ... b0
T
j 1
bj = 1
p +1 T u
bt u
bt 1 si 0 j b j = 0 si j > p,
py
t =j +1
donde p son los rezagos que se estn utilizando en la estimacin, y
bt son los residuos de la estimacin MCO.
u
Patricia Lengua Lafosse Perturbaciones no esfricas (Econometra Intermedia: M2)
Perturbaciones esfricas
Incumplimiento de S3: perturbaciones no esfricas
Perturbaciones no esfricas
Heterocedasticidad
Autocorrelacin