¡Descarga Análisis de heterocedasticidad y autocorrelación en modelos de regresión lineal múltiple y más Apuntes en PDF de Econometría solo en Docsity!
Grupo:
Integrantes:
PARTE I: Homocedasticidad
A partir de los datos relativos a las 30 familias recogidas en el fichero aceiteH.xls y para el siguiente modelo de regresión lineal múltiple:
1.1. Estimar por MCO el modelo Modelo 1: MCO, usando las observaciones 1- Variable dependiente: C
Coeficiente Desv. Típica Estadístico t Valor p
const 4,11794 1,19625 3,442 0,0019 *** RF 0,00498967 0,00121413 4,110 0,0003 *** TF 0,448371 0,0654854 6,847 2,35e-07 ***
Media de la vble. dep. 10,63333 D.T. de la vble. dep. 1, Suma de cuad. residuos 10,68453 D.T. de la regresión 0, R-cuadrado 0,824748 R-cuadrado corregido 0, F(2, 27) 63,53190 Valor p (de F) 6,16e- Log-verosimilitud −27,08215 Criterio de Akaike 60, Criterio de Schwarz 64,36790 Crit. de Hannan-Quinn 61, 1.2. Escribir el modelo estimado
C^= 4,11794 (1,19625) + 0,00498967* RF (0,00121413) + 0,448371* TF (0,0654854)
- Analizar la posible presencia de heterocedasticidad en el modelo: 1.3. Con el contraste de White
Fichas Prácticas de Econometría de la Empresa. Curso 2010- Mª Isabel Cal Bouzada – Mª Victoria Verdugo Matés
Ficha05-
Tras la realización de esta Ficha, el alumno podrá ser capaz de:
■ Analizar la homocedasticidad
■ Analizar la incorrelación
Comandos:
modtest --white modtest --breusch-pagan
modtest nº --autocorr
Contraste de heterocedasticidad de White MCO, usando las observaciones 1- Variable dependiente: uhat^
Coeficiente Desv. Típica Estadístico t Valor p
const 16,2786 4,87484 3,339 0,0027 *** RF −0,0302779 0,0102285 −2,960 0,0068 *** TF 0,629022 0,422148 1,490 0, sq_RF 1,40508e-05 5,39613e-06 2,604 0,0156 ** X2_X3 −0,000449297 0,000439320 −1,023 0, sq_TF −0,0150269 0,0212477 −0,7072 0,
R-cuadrado = 0,
Estadístico de contraste: TR^2 = 14,749575, con valor p = P(Chi-cuadrado(5) > 14,749575) = 0,
Contraste de heterocedasticidad de White (cuadrados sólo) MCO, usando las observaciones 1- Variable dependiente: uhat^
Coeficiente Desv. Típica Estadístico t Valor p
const 13,4990 4,05060 3,333 0,0027 *** RF −0,0235815 0,00786532 −2,998 0,0061 *** TF 0,225829 0,151081 1,495 0, sq_RF 1,01227e-05 3,79373e-06 2,668 0,0132 ** sq_TF −0,0248030 0,0189934 −1,306 0,
R-cuadrado = 0,
Estadístico de contraste: TR^2 = 14,084953, con valor p = P(Chi-cuadrado(4) > 14,084953) = 0, El p valor es menor que el nivel de sifnificación del 5%. Rechazamos H0 por tanto rechazamos la homocedasticidad, existe heterocedasticidad.
1.4. Con el contraste de Breusch-Pagan Contraste de heterocedasticidad de Breusch-Pagan MCO, usando las observaciones 1- Variable dependiente: uhat^2 escalado
Coeficiente Desv. Típica Estadístico t Valor p
const 8,18781 2,10451 3,891 0,0006 *** RF −0,00729663 0,00213596 −3,416 0,0020 *** TF 0,170196 0,115205 1,477 0,
Suma de cuadrados explicada = 14,
Estadístico de contraste: LM = 7,218125, con valor p = P(Chi-cuadrado(2) > 7,218125) = 0,
Ficha Ficha05 Fichas Prácticas de Econometría
A partir de los datos relativos al periodo 1996-2015 recogidos en el fichero aceiteA.xls y para el siguiente modelo de regresión lineal múltiple:
1.7. Estimar por MCO el modelo
Modelo 1: MCO, usando las observaciones 1996-2015 (T = 20) Variable dependiente: C
Coeficiente Desv. Típica Estadístico t Valor p
const 10,5084 0,918251 11,44 2,07e-09 *** RF 0,00863970 0,000548136 15,76 1,41e-011 *** P −3,63784 0,283009 −12,85 3,49e-010 ***
Media de la vble. dep. 10,65000 D.T. de la vble. dep. 1, Suma de cuad. residuos 1,331946 D.T. de la regresión 0, R-cuadrado 0,961449 R-cuadrado corregido 0, F(2, 17) 211,9857 Valor p (de F) 9,58e- Log-verosimilitud −1,287856 Criterio de Akaike 8, Criterio de Schwarz 11,56291 Crit. de Hannan-Quinn 9, rho 0,453798 Durbin-Watson 1,
1.8. Escribir el modelo estimado. C^ = 10,5084 (^) (0,918251) + 0,00863970RF (^) (0,000548136) - 3,63784P (^) (0,283009)
- (^) Analizar la posible presencia de autocorrelación de primer orden en el modelo: 1.9. Con el coeficiente de autocorrelación de primer orden Valores críticos al 5% del estadístico de Durbin-Watson, n = 20, k = 2 H0 rho = 0 H1 rho distinto 0
dL = 1,1004 limite inferior dU = 1,5367 limite superior
Autocorrelación positiva.
1.10. Con el test de Durbin-Watson H0: 0 3D 3 = 0(incorrelación) H1: 0 3D 3≠ 0 (autocorrelación)
Estadístico de Durbin-Watson = 1,
Valor p = 0,
Ficha Ficha05 Fichas Prácticas de Econometría
Rechazamos H0, el p valor es menor que nuestro nivel de significación del 5%. Existen problemas de autocorrelación.
1.11. Con el contraste de Breusch y Godfrey
Contraste Breusch-Godfrey de autocorrelación de primer orden MCO, usando las observaciones 1996-2015 (T = 20) Variable dependiente: uhat
Coeficiente Desv. Típica Estadístico t Valor p
const 0,555172 0,856588 0,6481 0, RF −0,000499627 0,000536788 −0,9308 0, P −0,0114489 0,253248 −0,04521 0, uhat_1 0,543760 0,237574 2,289 0,0360 **
R-cuadrado = 0,
Estadístico de contraste: LMF = 5,238644, con valor p = P(F(1,16) > 5,23864) = 0,
Estadístico alternativo: TR^2 = 4,933125, con valor p = P(Chi-cuadrado(1) > 4,93312) = 0,
Ljung-Box Q' = 4,76506, con valor p = P(Chi-cuadrado(1) > 4,76506) = 0,
Los p valores son menores del nivel de significación del 5%. Aceptamos problemas de autocorrelación de primer orden hay que buscar nuevos estimadores.
1.12. A la vista de los resultados de los apartados anteriores, ¿son válidos los estimadores MCO obtenidos en el apartado 3?
No porque perderían algunas de sus propiedades. En la autocorrelación presenta problemas de independencia en las perturbaciones (no son independientes).
1.13. En el caso de el caso de detectar problemas de autocorrelación de primer orden en el modelo, buscar alternativas para eliminar o minimizar su efecto -Minimpos cuadrados generalizados. -Estimadores robustos:
MCO con estimadores robustos: Modelo 2: MCO, usando las observaciones 1996-2015 (T = 20) Variable dependiente: C Desviaciones típicas HAC, con ancho de banda 2 (Kernel de Bartlett)
Coeficiente Desv. Típica Estadístico t Valor p
const 10,5084 0,679389 15,47 1,90e-011 *** RF 0,00863970 0,000338978 25,49 5,51e-015 ***
Fichas Prácticas de Econometría de la Empresa. Curso 2010- Mª Isabel Cal Bouzada – Mª Victoria Verdugo Matés
