Descargar la presentación
La descarga está en progreso. Por favor, espere
Publicada porYessenia Lares Modificado hace 9 años
1
Las variables son cualesquiera: Se esperaría que: crece X1 implicará decrece Y crece X2 implicará decrece Y crece X3 implicará decrece Y Hay que justificar teóricamente cada una de estas relaciones Y= X1= X2= X3=
3
1)
5
2)
7
Si se conoce la varianza Divídase el modelo entre la desviación típica conocida.
8
En el caso de que se desconozca la varianza Aplicar Mínimos Cuadrados ponderados
9
Veamos el caso más conocido, cuando la varianza no se conoce, entonces hay que indentificar el patrón. Patrones de la varianza:
10
CASO 1)
12
CASO 2)
14
Caso 3)
15
Caso 4)
16
Intentando corregir la heterocedasticidad Sin corrección de heterocedasticidad
17
Regresando a nuestro caso teníamos esto
19
Hay un problema atípico con los primero y ultimos datos
20
Pretendemos corregir quitando 10 datos de cada extremo
21
Aún con la corrección existe heterocedasticidad grafica y según White
22
El modelo con las tres variables 3)
23
Corrigiendo como en el anterior por la variable heterocedástica X1, asi que dividimos entre la raíz de x1. [sigue habiendo heterocedasticidad según WHITE] White Heteroskedasticity Test: F-statistic7.284180 Probability0.000000 Obs*R-squared57.58004 Probability0.000000
24
White Heteroskedasticity Test: F-statistic3.093285 Probability0.001383 Obs*R-squared26.48571 Probability0.001701 Decidimos en aplicar logaritmos a las explicativas [persiste el problema de heterocedasticida]
25
Aplicamos también logaritmos a la explicada, [parece mejorar el problema, gráfica residuos].
26
Añadimos la corrección automática de e-views de “errores estándar consistentes de White”
27
El problema parece solucionarse. Ya no hay heterocedasticidad, [NO podemos rechazar la hipótesis nula de homocedasticidad en los residuales].
28
Estimation Equation: ===================== LOG(Y/(X1^0.5)) = C(1) + C(2)*LOG(1/(X1^0.5)) + C(3)*LOG(X2/(X1^0.5)) + C(4)*LOG(X3/(X1^0.5)) VERIFICAR SI X2 y X3 son NO significativas. Lo haremos mediante la prueba de Wald que esta en E-views. Se rechaza la hipótesis nula de que los estimadores de X2 Y X3 SEAN AMBOS CERO. 4 PUNTO)
29
FIN
Presentaciones similares
© 2024 SlidePlayer.es Inc.
All rights reserved.