PROBLEMAS DE ESPECIFICACIÓN EN EL MBRL: NO NORMALIDAD

PROBLEMAS DE ESPECIFICACIÓN EN EL MBRL:

NO NORMALIDAD

¿Qué es?

• Que la u no se distribuye como una normal.

• Es la “u” quien no se distribuye como una normal, por lo tanto debería saberlo desde un punto de vista teórico.
• Cuidado porque que el error no se distribuya como una normal puede deberse a otro fenómeno como por ejemplo una forma funcional incorrecta.

¿Cómo afecta al modelo?

• Afecta a la propiedad de linealidad

• Ya que si la u no se distribuye como una normal el estimador del parámetro tampoco.
• No conozco la distribución de los estadísticos de contraste t y F porque para ello es necesario que se cumpla la hipótesis de que u se distribuye como una normal.

¿Cómo se detecta?

• Histograma del error
• Contraste Jarque Bera:

[pic 1]

[pic 2]

[pic 3]

• Ejemplo: View / Residual Diagnostics / Histogram - Normality Test, desde el objeto Equation.

¿Cómo se corrige?

• Por el Teorema Central del Límite: la suma de variables aleatorias se distribuye como una normal si el número de variables es elevado, por lo que en muestras grandes se asume normalidad.
• Por eso es importante si veo que el error indica no normalidad evitar problemas de muestra pequeña.
• Cuidado: a veces la presencia de atípicos se confunde con un problema de no normalidad.
• Por el Teorema Central del Límite: la suma de variables aleatorias se distribuye como una normal si el número de variables es elevado, por lo que en muestras grandes se asume normalidad.

...