1. HETEROSCEDASTICIDAD
• Cuál es la naturaleza de la Heteroscedasticidad?
• Cuáles son sus consecuencias?
• Cómo se detecta?
• Qué remedios existen?
2. Naturaleza de la Heteroscedasticidad
Uno de los supuestos que nosotros asumimos
cuando hallamos los estimadores por el
método de mínimos cuadrados (MCO) era que
la variancia de los errores del modelo era la
misma para todas las observaciones:
E(ui2)= 2 para todo i=1, 2, ..., n
A este supuesto de variancias iguales lo
denominamos homoscedasticidad, que
significa igual dispersión o varianza.
3. Consecuencias
Pero si ahora consideramos la posibilidad
que las variancias de los errores sean
distintas para cada observación, que
consecuencias tiene esto sobre las
propiedades de los estimadores que
hallamos por el método de mínimos
cuadrados?
Los estimadores de mínimos cuadrados
seguirán siendo insesgados, consistentes y
eficientes? Los tests de hipótesis seguirán
siendo válidos?.
4. Sin embargo, el supuesto que ya no
va a ser válido es aquel que
establecía que los estimadores de
mínimos cuadrados eran los de
mínima varianza dentro de la familia
de estimadores lineales insesgados.
5. Razones para las cuales las varianzas de u son
variables
Modelos de aprendizaje sobre errores.
Discrecionalidad al manejo de la información.
Mejorar las técnicas de recolección de
información.
Presencia de factores atípicos.
Modelo mal especificado.
Asimetría en la distribución de una o mas
regresoras incluidas en el modelo.
6. •Las variancias y covariancias estimadas de
los estimadores MCO de los parámetros
son sesgados e inconsistentes cuando hay
heteroscedastidad.
•Los tests de hipótesis ya no son válidos.
• Presente generalmente en información
de corte transversal.
7. Cómo detectar la Heteroscedasticidad
•La presencia de un dato atípico, cuya
característica básica es ser un dato que es muy
diferente a los demás.
•La heteroscedasticidad se da también por un
modelo mas especificado.
• Forma funcional incorrecta.
MÉTODO GRÁFICO: realizamos un gráfico de los
residuos al cuadrado del modelo frente a los
valores estimados de la variable dependiente. Si
se observa un patrón sistemático entre las dos
variables, posiblemente hay heteroscedasticidad.
8. PRUEBA DE PARK: Se debe usar como variable
ˆ2
dependiente el ln u y la ecuación de regresión sería la
siguiente:
ˆ
ln u2
ln ln X v
ˆ
ln u 2 ln X v
Planteamos hipótesis en base al valor de t de la variable
independiente.
Ho= no hay heteros
H1= si hay heteros
Si los Betas son significativos se sugiere la presencia de
heteroscedasticidad.
