Académique Documents
Professionnel Documents
Culture Documents
Ejercicio Heterocedasticidad_2
Tengamos los siguientes datos de los beneficios (Bi) y ventas (Vi) de 20 empresas:
obs B V
1 13,2 61
2 15 78
3 22,2 158
4 15,2 110
5 16,1 85
6 18,5 150
7 15,5 140
8 15 70
9 20 122
10 15 70
11 21 140
12 16,2 91
13 18,5 105
14 17 115
15 17,5 115
16 22 160
17 18 165
18 23 170
19 17 130
20 17 90
Se pide:
a) Estimar un modelo lineal para explicar los beneficios en función de las ventas.
b) Detecte la presencia de heterocedasticidad con diferentes métodos.
c) En el caso de existir heterocedasticidad, aplique el método de estimación MCP,
suponiendo que la varianza de las perturbaciones presenta la siguiente relación:
σ i2 = σ 2 Vi
.
Solución.
a) Modelo estimado
b) Detección de la heterocedasticidad.
2 14
12
1
10
0
8
residuo
e2
-1 6
4
-2
-3
0
-4 -2
60 80 100 120 140 160 60 80 100 120 140 160
V V
En estos gráficos se observa cómo a medida que las ventas incrementan, la dispersión
de los residuos también incrementa, indicando la presencia de heterocedasticidad.
Obs B V abs_e= | ei |
1 13,2 61 0,91753
2 15 78 0,202905
3 22,2 158 1,889445
4 15,2 110 2,045965
5 16,1 85 0,450176
6 18,5 150 1,29979
7 15,5 140 3,661333
8 15 70 0,30786
9 20 122 1,987888
10 15 70 0,30786
11 21 140 1,838667
12 16,2 91 0,167102
13 18,5 105 1,573263
14 17 115 0,565193
15 17,5 115 0,065193
16 22 160 1,561754
17 18 165 2,757474
18 23 170 1,923298
19 17 130 1,522877
20 17 90 1,030948
SCR 2 32,935
GQ = = = 29, 043
SCR1 1,134
F(5, 5)
probabilidad en la cola derecha = 0,05
probabilidad complementaria = 0,95
Hay que destacar, que los resultados de la estimación son coincidentes, así como los
criterios de Akaike y Schwarz. Sin embargo, el R-cuadrado, F y la SCR no lo son.