Pruebas de

Heterocedasticidad
 Ejemplo Prueba de
Heterocedasticidad Park
• Sugiere que la varianza es algún tipo de función de las variables
explicativas, la forma funcional sugerida por el es:

Λ
ln υ i = β1 + β 2 ln X i
• Si los estimadores resultan estadísticamente significativos, según
park estamos en presencia de heterocedasticidad

• Para realizar un ejemplo utilizaremos la tabla 11.1 sugerida por

Gujarati

• Hipotesis: Si los B estimados no son estadísticamente significativos

seguiremos manteniendo el supuesto de homocedasticidad
 Prueba Glejser
• Es similar a park, pero sugiere una regresión sobre los
valores absolutos de los residuos, porque parte de la
hipótesis que estos en valor absolutos están muy
asociados con la varianza.
Λ
υ I = β1 + β 2 X I

• Se verifica el R2, para ver si en que medida las variables

explicativas predicen a los residuos, y se debe verificar
la suficiencia estadística de los estimadores, si R2 es
cercano a 1 y los estimadores estadísticamente
significativos, se concluye que según Glejser estamos
en presencia de heterocedasticidad, utilizaremos la tabla
11.2
 Prueba Goldfeld-Quandt
• Este metodo es uno de los mas utilizados,
y supone que la varianza esta
positivamente relacionada con una de las
variables explicativas, el supuesto postula
que la varianza es proporcional al
cuadrado de la variables explicativas
 Prueba Goldfeld-Quandt
• Los pasos a seguir son:
• Paso 1: Ordénese las observaciones de acuerdo a los valores de Xi
empezando por el valor mas bajo.
• Paso 2: omítanse las c observaciones centrales, donde c se ha
especificado a priori y divídanse las observaciones restantes (n-c)
en dos grupos, cada uno de (n-c)/2 observaciones.
• Paso 3: Ajústense las regresiones MCO separadas a las primeras
(n-c)/2 observaciones y a las ultimas (n-c)/2 , y obtenga las sumas
residuales al cuadrado SRC1 y SRC2, SRC1 representa los valores
mas bajos (varianza mas baja) y SRC2 a los valores mas altos
(grupo de varianza mas grande).
• Paso 4 Calcúlese la razón:

SRC2 / g  de  l
λ=
SRC1 / g  de  l
n − c − 2k
( ) g  de  l
2
 Prueba Goldfeld-Quandt
• Utilizaremos la tabla 11.3
– Ordenaremos la variable X, además
omitiremos cuatro registros del medio
Prueba Breusch-Pagan-Godfrey
• El éxito de esta prueba no solo depende
de la omisión de los valores centrales,
como se realiza en el test anterior, sino
también de la identificación de la variable
X correcta, que servirá para el
ordenamiento correcto de las variables
explicativas
 Prueba Breusch-Pagan-Godfrey

• Pasos
– Paso 1: Estímese por MCO y obtenga los residuos.
– Paso 2: Obténgase
Λ 2
ui
σ2 =∑
n

– Paso 3: Constrúyanse las variables pi definidas

como:

Λ
ui
pi = 2
σ
Prueba Breusch-Pagan-Godfrey
– Paso 4:
• Regrésense los pi, así construidos sobre las Z como:

pi = α i + α 2 Z 2i + .... + α ni Z ni + vi
– Paso 5:
• Obténgase la SEC (Suma explicada de los cuadrados) de la
regresión anterior y defínase

1
φ = ( SRC )
2
Prueba Breusch-Pagan-Godfrey
• Suponiendo que los residuos están
normalmente distribuidos, se puede
mostrar que si hay homocedasticidad y si
el tamaño de la muestra (n) aumenta
indefinidamente, entonces es decir Phi
sigue una distribución chi cuadrado con
(m-1) grados de libertad, si se encuentra
en la zona de rechazo, se rechaza la
hipotesis de homocedasticidad
Prueba Breusch-Pagan-Godfrey
• Utilizaremos la tabla 11.3, para el ejemplo
 Test de White
• A diferencia de Golfeld-Quandt que
requiere un ordenamiento de las variables
X, las que supuestamente ocasionan la
heterocedasticidad, se sustenta en el
supuesto de la normalidad, pero White no
se sustenta bajo este supuesto. Es por
ello que se le conoce como prueba
general de White.
 Test de White
• Prueba General de White
– Paso 1: Obténgase los residuos u.
– Paso 2: Efectué la siguiente regresión auxiliar:

Λ2
µ = α 1 + α 2 X 2 i + α 3 X 3i + ν
– Obténgase R2 de esta regresión auxiliar
 Test de White
– Paso 3: Bajo la hipótesis no hay heterocedasticidad,
puede demostrarse que el tamaño de la muestra
multiplicado por R2, obtenido de la regresión auxiliar
asintoticamente sigue la distribución ji-cuadrada con g
de l igual al numero de variables regresoras,
excluyendo el termino constante, en la regresión
auxiliar es decir:
n*R ≈ χ
2 2
g  de  l

– Paso 4: Si el valor de ji-cuadrada excede el valor

critico del nivel de significancia seleccionado, la
conclusión es que hay heterocedasticidad