You are on page 1of 16

Econometria I

Ayudantia
Pedro González
Medidas Correctivas

 La heterocedasticidad no destruye las


propiedades de insesgamiento y
consistencia de los estimadores
MCO; sin embargo, estos dejan de
ser eficientes. Por lo tanto es
necesario aplicar medidas correctivas.
Medidas Correctivas
 Existen dos métodos para aplicar medidas
correctivas.
 Cuando es conocida
σ2
• En este caso se usa el método de los mínimos cuadrados
ponderados, ya que los estimadores obtenidos mediante este
método son MELI

 Cuando noσ se
2 conoce
• Se utiliza varianzas y errores estándar consistentes con
heterocedasticidad de White.
Método de mínimos cuadrados
ponderados o Generalizados
 Para realizar una prueba utilizaremos los datos de la
tabla 11.1:
• Y = Compensación salarial promedio por empleado (US$) y X
= el tamaño de empleo.
• Paso 1: Obtener la desviación estándar de los salarios, que
aparece en la tabla 11.1
• Paso 2: Realizar la siguiente operación matemáticas sobre el
modelo
Λ
Λ Λ
Yi * 1 * Xi µ
= β1 ( ) + β 2 ( ) + ( )
σi σi σi σi
Método de mínimos cuadrados
ponderados o Generalizados
MCG Model Summary

Adjusted Std. Error of


a
Model R R Square R Square the Estimate
1 1,000b ,999 ,999 ,1350995
a. For regression through the origin (the no-intercept
model), R Square measures the proportion of the
variability in the dependent variable about the origin
explained by regression. This CANNOT be compared
to R Square for models which include an intercept.
b. Predictors: beta0, xdivds

ANOVAc,d

Sum of
Model Squares df Mean Square F Sig.
1 Regression 175,631 2 87,816 4811,320 ,000a
Residual ,128 7 ,018
Total 175,759b 9
a. Predictors: beta0, xdivds
b. This total sum of squares is not corrected for the constant because the constant is
zero for regression through the origin.
c. Dependent Variable: ydivds
d. Linear Regression through the Origin

Coefficientsa,b

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 xdivds 154,182 16,951 ,181 9,096 ,000
beta0 3406,579 80,943 ,839 42,086 ,000
a. Dependent Variable: ydivds
b. Linear Regression through the Origin
Cuando la varianza no se
conoce
 Se utiliza el procedimiento de White,
los errores estándares de White se
conocen también como los errores
estándares robustos.
Supuestos Razonables sobre el
patrón de heterocedasticidad
 Una desventaja del procedimiento de
White, además que es para muestras
grandes, es también que los
estimadores obtenidos con el
procedimiento no son tan eficientes,
como los obtenidos con el método de
mínimos cuadrados generalizados.
Supuestos Razonables sobre el
patrón de heterocedasticidad
 Supuesto 1:
 La varianza del error es proporcional a X2i

2 2

E (ui ) = σ i X i

 Park y Glejser establecen que la varianza


de ui es proporcional al cuadrado de la
Supuestos Razonables sobre el
patrón de heterocedasticidad
Supuestos Razonables sobre el
patrón de heterocedasticidad
 Supuesto 2
 La varianza del error es proporcional a Xi.
La transformación de raíz cuadrada:

2 2

E (ui ) = σ i X i
Supuestos Razonables sobre el
patrón de heterocedasticidad
Supuestos Razonables sobre el
patrón de heterocedasticidad
 Supuesto 3
 La varianza del error es proporcional al
cuadrado del valor medio de Y

2
E (ui ) = σ i [ E (Yi )]
2
Supuestos Razonables sobre el
patrón de heterocedasticidad
 Supuesto 4
 Una transformación a logaritmo como:

ln Yi = β1 + β 2 ln X i + µi

 Con frecuencia reduce la


heterocedasticidad cuando se suavizan los
datos aplicando logaritmo.
Consideraciones
 Cuando se tiene un modelo de mas de dos variables
no se sabe cual de las variables se utiliza para
transformar los datos.
 La aplicación de logaritmos no es aplicable cuando los
datos son cero o negativos.
 Si existe un problema de correlación espuria, la
aplicación de métodos correctivos no asegura éxito.
 Cuando la varianza no se conoce, se utiliza el
procedimiento de White, pero este es aconsejable
para muestras grandes, lo cual reviste importancia
tener precaución en pruebas pequeñas.
Ejercicio
 Utilice la tabla 11.5 Gastos de investigación
y desarrollo