Importancia de la homocedasticidad.

La homocedasticidad, homogeneidad o similaridad de varianzas, es una de las

propiedades más importantes para algunos de los métodos inferenciales paramétricos,
como la prueba t de Student de comparación de medias, los modelos de análisis de
varianza, etc.
Con este artículo y mediante hojas de cálculo de Excel vamos a realizar tres contrastes
para la homogeneidad de varianzas. Aunque no es preciso tener un conocimiento
avanzado de Excel, si es necesario que conozca los fundamentos, si no conoce el
funcionamiento de Excel, pulse aquí.
La importancia del análisis de homocedasticidad (varianzas iguales), o su opuesto,
heterocedasticidad (varianzas diferentes), es máxima en el análisis de la bondad de
ajuste. Su gran importancia radica en que es una de las principales propiedades de
bondad de ajuste que un conjunto de datos debe poseer para poder ser analizado con
un determinado modelo estadístico. El no cumplimiento de esta propiedad puede
conllevar que las conclusiones que se extraigan del modelo sean falsas. Ante el no
cumplimiento de esta propiedad, debemos optar por otra prueba que sea menos
sensible o insensible a la violación de este supuesto, fundamentalmente, pruebas de
tipo no paramétrico.
Veremos así tres estadísticos que bondad de ajuste que nos resolverán esta
problemática en diferentes casos. Además, para el cálculo de cada uno de ellos
ponemos a disposición del interesado de una hoja de cálculo que le permitirá realizar el
cálculo sin complicaciones. Tenga presente, que si no tiene conocimientos de Excel,
debe visitar este enlace para familiarizarse con él.

Estadístico F de Snedecor para el análisis de la homocedasticidad.

El estadístico F de Snedecor para la homocedasticidad analiza la homogeneidad de
varianzas entre dos muestras. Pone a prueba la hipótesis nula de que las dos muestras
son homocedásticas, por tanto, la aceptación de la hipótesis alternativa supone la
heterocedasticidad. Tomaremos como referencia los datos contenidos el archivo
datos.xls. Los calculos los realizan las diferentes hojas contenidas en el archvio
homogeneidad_varianzas.xls
Su formulación es la siguiente:
La lógica del método consiste en comparar las varianzas muestrales o varianza insesgada (diferente de la
varianza poblacional o varianza sesgada) de dos muestras, mientras más similares sean, el valor del estadístico
F tomará un valor más próximo a 1.
El estadístico F de Snedecor permite el análisis de modelos equilibrados y no equilibrados, es decir, pueden o
no tener el mismo tamaño muestral.
El funcionamiento de la hoja de cálculo para el estadístico F es muy simple, solo hay que introducir los datos
que solicita el estadístico. En el siguiente archivo tenemos los datos para nuestros ejemplos, y vamos a tratar
de analizar en que medida las varianzas de las muestras M1 y M6 son homogéneas.
Los datos que necesitamos son los siguientes:
M1: Varianza muestral o insesgada = 47,34848 y n = 34
M6: Varianza muestral o insesgada = 43,94742 y n =34
Alfa para nuestra comparación: 0,05
Una vez introducidos en las respectivas celdas, tenemos el siguiente resultado:
Estadístico F = 1,0773
Valor crítico unilateral o de una cola = 1,7878
Probabilidad del estadístico F = 0,4158
Podemos ver que F es mayor que el valor crítico, y también que la probabilidad
es mayor que alfa. Por tanto, y como se desprende de la propia hoja de
cálculo, la hipótesis nula es verdadera, por tanto la hipótesis que pone a
prueba (las varianzas son homogéneas) es cierta.
Si dispone de las herramientas de análisis instaladas, Excel posee una función
específica para realizar este contraste bajo el nombre de “Prueba F para
varianzas de dos muestras”.
Como ejercicio, pruebe a comparar las varianzas de las otras posibles
comparaciones.
Test de Cochran de homocedasticidad para modelos equilibrados.
Cuando nos encontramos con más de dos muestras el análisis con la prueba F
mencionada anteriormente no es posible. No obstante, si seria posible la
comparación dos a dos, pero esto haría que aumentase la probabilidad de error
tipo I, es decir, que rechazásemos la homogeneidad, cuando en realidad sean
homogéneas.
Para el análisis de tres o más muestras tenemos el test de Cochran, que opera
sobre las varianzas poblacionales (sesgadas), y solo debe ser empleado en
modelos equilibrados, es decir, muestras del mismo tamaño. Su formulación es
la siguiente:

Tabla 2: Estadístico de homogeneidad de Cochran.

La hipótesis nula que pone a prueba es que las muestras son homogéneas, y la
aceptaremos si el valor del estadístico R es menor que el valor crítico correspondiente
al caso. En concreto, el valor crítico viene determinado por:
n - que es el tamaño de las muestras, y
r - que es el número de muestras que comparamos
Siguiendo el caso del ejemplo anterior, el resultado es el siguiente:
R = 0,1989

Y según la tabla, el valor crítico para n = 34 y r = 7 para un alfa de 0,05 es 0,2278

(hemos tomado n = 37, que es el valor más próximo a 34, dado que este no existe).
Por tanto, dado que 0,1989 es menor que 0,2278, aceptamos la hipótesis nula, y
concluimos que las muestras son homocedásticas.