HETEROCEDASTICIDAD DENTRO DE UN MODELO DE REGRESION DE LA ECONMETRIA

UNIVERSIDAD DE TARAPACÁ

ESCUELA UNIVERSITARIA DE INGENIERÍA

INDUSTRIAL, INFORMÁTICA Y DE SISTEMAS

Ingeniería Civil Industrial

[pic 1][pic 2]

HETEROCEDASTICIDAD  DENTRO DE UN MODELO DE REGRESION DE LA ECONMETRIA

 Alumnos: Francisca Araya

                Camila Galleguillos

                Soledad Ignacio

                Claudia Manríquez

                Roberto Vergara

                                      Asignatura: Econometría

                                Profesor: Pablo Gálvez

Arica, Chile

2015

Heterocedasticidad

Consecuencias:

Debido a la presencia de heterocedasticidad en un modelo de regresión lineal estimado por medio del  método mínimo cuadrados ordinarios (MCO) ,se generan dos principales efecto en la estimación de los parámetros (Bj) y sus varianzas ,los cuales son:

1. Según el método de mínimo cuadrados ordinarios (MCO) se dice que proporciona el mejor estimador de carácter insesgado, lineal y consistente, pero en el caso de la heterocedasticidad, este estimador deja de ser eficiente ( el mejor), ya que la varianza de las perturbaciones  Var (µ/x) deja de ser constate o mínima, encontrando estimadores más eficientes que los de MCO.Cabe señalar que para que ocurra esto, debe existir alguna causa como la omisión de variables relevantes.
2. Las varianzas de los estimadores ya no se pueden calcular con la expresión utilizada anteriormente bajo los supuesto(presencia de homocedasticidad),siendo esta expresión un estimador sesgado de la verdadera varianza de los parámetros, utilizando una nueva fórmula :

Además como los errores (perturbaciones) estándar de MCO se basan directamente en las varianzas de los estimadores, si se sigue utilizando esta expresión bajo el supuesto de "homocedasticidad" ,implica  un error del cálculo de la varianza, conllevando a la invalidez de estos  para la construcción de intervalos de confianza y de estadísticos t .En otras palabras en presencia de heterocedasticidad los estadísticos t calculados no se comportan en  distribuciones t, dejando sin efecto las comparaciones de  referencia, de la misma manera ocurre con los estadísticos F ,ya no se distribuirán como una" F". Este error ocurre para cualquier otro cálculo derivado de la varianza estimada.

...