Economia de la empresa

Para aplicar correctamente el test de Golfeld y Quant la variable que se toma como variable de escala debe ser ordenada de menor a mayor. En el caso de la variable explicativa “precio de los autos japoneses de último año” los precios son muy variables ya de por sí, oscilan mucho según la marca, el estado del coche, etc siendo esta una posible razón por la que si se de la heterocedasticidad. Por otro lado, al tomar como variable de escala “ingreso del consumidor” es probable que María solo tomará en consideración datos de un solo sector económico social de la población, como los de la “clase media”, dejando de lado la “clase alta y baja” al creer que estos sectores de la población no demandan en su gran mayoría este tipo de bienes, es así que el test de Golfeld y Quant le dio como resultado que no existe heterocedasticidad. Entonces la decisión de María es correcta, ya que toma en consideración al sector de la población que efectivamente o en la mayor parte de los casos si adquiere el bien, como serían las personas de “clase media”.

Primeramente, se debe tener en cuenta el tamaño de la población de la Localidad 1, ya que al tratarse de la demanda de pollos se debería tener un soporte microeconómico que ayude a saber el ingreso, consumo, y demás variables de cada uno de los individuos que se tomarán en cuenta en el muestreo, de tal forma que esto nos ayude a saber cómo debe ser representado el modelo agregado. Entonces, si se trabaja con la data agregada lo que se ocurrirá es que se tendrá un problema de heterocedasticidad por construcción.

Modelo trabajado

P_i= β1+ β2*X1+ β3*X2+u_i

Donde P es el precio del pollo y X_i son las variables explicativas de las que depende como ingreso, consumo, etc de los individuos.

Pero de acuerdo a un soporte microeconómico se debería representar de la siguiente forma:

P_i= β1*N_i+ β2*X1+ β3*X2+u*_i

De esta manera consideramos como afecta cada individuo (N_i) al precio del pollo, y se evita la heterocedasticidad por construcción, ya que u*_i tiene una distribución normal con valor esperado cero y varianza constante.

El primer problema que se obtiene es que un número menor de observaciones hará que las varianzas de los estimadores, y por tanto sus desviaciones estándar sean más grandes, lo que significa que los parámetros del modelo estimado dejan de ser significativos.

En cuanto a las pruebas de heterocedasticidad, ya que el investigador redujo el número de observaciones para que se dé homocedasticidad pero aun así tiene dudas de la existencia de heterocedasticidad, el test de Goldfeld y Quant  debe ser utilizado ya que esta prueba se usa cuando si se supone que existe heterocedasticidad, además de que se tiene pocas observaciones esto afectará al momento de obtener la f calculada, la cual será mayor a la F calculada debido a que los errores estándar son más grandes, rechazando así que existe homocedasticidad, y por tanto hay menos posibilidades de cometer un error de tipo I.

...