Pag 257..

generamos el absoluto

Estimamos la ecuación de

ABS=

Dependent Variable: EABS

Method: Least Squares
Date: 06/29/19 Time: 00:27
Sample: 1 16
Included observations: 16

Variable Coefficient Std. Error t-Statistic Prob.

INGRESO 0.011960 0.002894 4.132782 0.0010

C -0.381307 0.274005 -1.391605 0.1858

R-squared 0.549548 Mean dependent var 0.689198

Adjusted R-squared 0.517373 S.D. dependent var 0.514458
S.E. of regression 0.357401 Akaike info criterion 0.896552
Sum squared resid 1.788298 Schwarz criterion 0.993126
Log likelihood -5.172420 Hannan-Quinn criter. 0.901498
F-statistic 17.07989 Durbin-Watson stat 1.198620
Prob(F-statistic) 0.001015

EXISTE HETEROSCEDASTICIDAD, SI POR QUE EL COEFICIENTE ES SIGNIFICATIVO

Dependent Variable: EABS
Method: Least Squares
Date: 06/29/19 Time: 00:30
Sample: 1 16
Included observations: 16

Variable Coefficient Std. Error t-Statistic Prob.

C 0.041192 0.154828 0.266049 0.7941

INGRESO*INGRESO 7.23E-05 1.47E-05 4.905131 0.0002

R-squared 0.632163 Mean dependent var 0.689198

Adjusted R-squared 0.605889 S.D. dependent var 0.514458
S.E. of regression 0.322968 Akaike info criterion 0.693941
Sum squared resid 1.460316 Schwarz criterion 0.790515
Log likelihood -3.551532 Hannan-Quinn criter. 0.698887
F-statistic 24.06031 Durbin-Watson stat 1.407891
Prob(F-statistic) 0.000232

Es significativo, si no fuera significativo simplemente se deshecha

R2 =0.62

3.- para generar inversa del ingreso: @inv(ingreso)

Dependent Variable: EABS

Method: Least Squares
Date: 06/29/19 Time: 00:37
Sample: 1 16
Included observations: 16

Variable Coefficient Std. Error t-Statistic Prob.

C 1.361277 0.280153 4.859050 0.0003

INGRESOINV -51.88372 19.91511 -2.605244 0.0208

R-squared 0.326512 Mean dependent var 0.689198

Adjusted R-squared 0.278405 S.D. dependent var 0.514458
S.E. of regression 0.437015 Akaike info criterion 1.298771
Sum squared resid 2.673753 Schwarz criterion 1.395345
Log likelihood -8.390171 Hannan-Quinn criter. 1.303717
F-statistic 6.787298 Durbin-Watson stat 0.875633
Prob(F-statistic) 0.020764

R2 da positivo, con este esquema…si hay una relación…

EXISTE HETEROSCEDASTICIDA CON CADA UNO DE LOS ESQUEMAS O ECUACIONES ESTIMADAS

SIENDO LA QUE MEJOR SE AJUSTA LA QUE TIENE MAYOR R CUADRADO AJUSTADO.

Eabs=f (ingreso al cuadrado) r cuadrado =0.6058

GOLDFELD Y QUANDT

Hay que separar en dos grupos, y la variable en donde se enchue (pag 258)

Hay que calcular dos regresiones

EL INGRESO DEBE ESTAR ORDENADO EN FORMA ASCENDENTE…SINO ESTUVIERA SE CREA UNA

VARIABLE PARA ORDENAR EN FORMA ASCENDENTE…

16/3=

Dependent Variable: AHORRO

Method: Least Squares
Date: 06/29/19 Time: 00:52
Sample: 1 6
Included observations: 6

Variable Coefficient Std. Error t-Statistic Prob.

C -3.093403 0.645683 -4.790902 0.0087

INGRESO 0.398143 0.011356 35.05948 0.0000

R-squared 0.996756 Mean dependent var 19.05000

Adjusted R-squared 0.995945 S.D. dependent var 5.160136
S.E. of regression 0.328575 Akaike info criterion 0.873101
Sum squared resid 0.431847 Schwarz criterion 0.803688
Log likelihood -0.619304 Hannan-Quinn criter. 0.595233
F-statistic 1229.167 Durbin-Watson stat 2.193045
Prob(F-statistic) 0.000004

Dependent Variable: AHORRO

Method: Least Squares
Date: 06/29/19 Time: 00:56
Sample: 11 16
Included observations: 6

Variable Coefficient Std. Error t-Statistic Prob.

C -18.51300 5.684031 -3.257019 0.0312

INGRESO 0.530657 0.046096 11.51196 0.0003

R-squared 0.970701 Mean dependent var 46.76667

Adjusted R-squared 0.963377 S.D. dependent var 4.999867
S.E. of regression 0.956834 Akaike info criterion 3.010829
Sum squared resid 3.662129 Schwarz criterion 2.941415
Log likelihood -7.032487 Hannan-Quinn criter. 2.732961
F-statistic 132.5253 Durbin-Watson stat 1.363317
Prob(F-statistic) 0.000325
FCALCULADO= 8.49

COMO EL F CALCULADO ES MAYOR QUE EL FTABLA.EXISTE PROBLEMA DE

HETEROSCEDASTICIDAD

WHITE

H0: HOMOSCEDASTICIDAD

H1: HETEROSCEDASTICIDAD

1. ESTIMAR LA ECUACIÓN, OBTENER LOS RESIDUOS [e]

2. e^2=f(ingreso, ingreso^2)
3. e^2=B0+B1*ingreso+B2*ingreso^2, si nR^2 > X^2 g.l entonces hay heteroscedascitidad
REGRESION AUXILIAR:
Dependent Variable: EC
Method: Least Squares
Date: 06/29/19 Time: 01:13
Sample: 1 16
Included observations: 16

Variable Coefficient Std. Error t-Statistic Prob.

INGRESO -0.087493 0.040566 -2.156783 0.0503

C 2.950198 1.639455 1.799499 0.0952
INGRESO*INGRESO 0.000625 0.000229 2.734673 0.0170

R-squared 0.630296 Mean dependent var 0.723120

Adjusted R-squared 0.573419 S.D. dependent var 1.100149
S.E. of regression 0.718542 Akaike info criterion 2.344177
Sum squared resid 6.711942 Schwarz criterion 2.489037
Log likelihood -15.75341 Hannan-Quinn criter. 2.351595
F-statistic 11.08165 Durbin-Watson stat 1.253025
Prob(F-statistic) 0.001553

El R^2 =0.63
El chi-cuadrado X^2(0.05, 2)=5.99

COMO 16*0.63> 5.99, ENTONCES HAY HETEROSCEDASTICIDAD

EL F ESTADISTICO ES 11

EL TEST DE WHITE UTILIZA EL n*R^2 =0.008.. es menor

Si existe el problema de heteroscedasticidad

PARA NO IR A LA TABLA COMPARAMOS EL VALOR P

EL VALOR P ES SIGNIFICATIVO

EN EL TEST DE GLECKSER EL QUE TIENE EL MAYOR R^2 ES ESTA ECUACIÓN

eabs=f(ingreso*ingreso)

Si hemos concluido que

Pag 262
 No hay CONSTANTE C

Dependent Variable: AHORROT

Method: Least Squares
Date: 06/29/19 Time: 01:56
Sample: 1 16
Included observations: 16

Variable Coefficient Std. Error t-Statistic Prob.

 INGRESOINV 0.402478 0.004400 91.48009 0.0000
INGRESOINVCUADRADO -3.293606 0.233400 -14.11144 0.0000

R-squared 0.997761 Mean dependent var 0.004566

Adjusted R-squared 0.997601 S.D. dependent var 0.001681
S.E. of regression 8.23E-05 Akaike info criterion -15.85474
Sum squared resid 9.49E-08 Schwarz criterion -15.75816
Log likelihood 128.8379 Hannan-Quinn criter. -15.84979
Durbin-Watson stat 1.330728

TENDRA HETEROSCEDASTICIDAD

VAMOS AL TEST DE WHITE

SE SUPONE QUE YA NO DEBE TENER EL PROBLEMA

NO HAY HETEROSCEDASTICIDAD, HAY HOMOSCEDATICIDAD