Facultad de Economa y Negocios - Ingeniera Comercial
Catedra Econometra Profesores: Alejandro Puente Johnny den Braber Ayudantes: Sebastin Egaa Fernando Varas Qu ocurre cuando no se cumplen los supuestos?
Especificacin: Se refiere a la forma en que esta formulado el modelo.
SUPUESTO PROBLEMA (En caso de no INDICADORES DECISIN CORRECCIN
cumplirse) La especificacin del modelo: Mala especificacin: Test Ramsey Si se comprueba la El supuesto es que se conoce la RESET existencia, se pueden especificacin correcta del Bajo esta mala especificacin los intentar distintas modelo de regresin. mnimos cuadrados ordinarios especificaciones del sern inconsistentes, por lo que las modelo. Tipos de errores que pueden inferencias no sern vlidas. cometerse en la especificacin de la ecuacin estimada: Recordar que la consistencia estadstica nos habla de que un Omisin de variables relevantes estimador converge a su valor real Inclusin de variables cuando n tiende a infinito. irrelevantes Mala especificacin
Mulicolinealidad: Cuando los regresores incluidos en un modelo economtrico se encuentran interrelacionados
SUPUESTO PROBLEMA (En INDICADORES DECISIN CORRECCIN
caso de no cumplirse) Las variables explicativas Existe dificultad para Modelo globalmente bien Suprimir variables cuando deben ser linealmente conocer el aporte a la estimado (R2 alto y F sean redundantes y su independientes. explicacin de significativa) pero todos o efecto sea capturado variables de cada una algunos regresores dentro de otras variables La multicolinealidad de las variables individuales no del modelo. Se corre el perfecta se da cuando explicativas del significativos (t student riesgo de caer en error de existe una relacin exacta modelo. bajos en el modelo) especificacin. entre varios de los La varianza de los Uso de informacin regresores del modelo. En estimadores se adicional, o sea ampliar la este caso la matriz de encuentra aumentada, muestra en la medida de lo regresores es singular (no lo que implica el posible. tiene inversa) y no pueden rechazo de la determinarse los significancia parmetros del modelo individual de los regresores que si Pequeos cambios en los contribuyen a la datos pueden producir explicacin del grandes variaciones en los modelo. estimadores de los Los lmites de parmetros confianza son ms amplios. Es un problema de tipo Factor inflador de la Si FIV mayor a 10, muestral. varianza. existe evidencia de colinealidad. 1 = 1 2
Heteroscedasticidad: los componentes del vector de errores no tienen igual varianza.
SUPUESTO PROBLEMA (En caso de INDICADORES DECISION CORRECCION no cumplirse) Las varianzas de los Mala estimacin de la Prueba de White Si el valor de la La solucin emprica errores de estimacin matriz de varianzas- 0 : 2 = 2 probabilidad asociado al simple, es reestimar ( ), condicionales a covarianzas de los errores 1 = 0 estadstico reporta de la el modelo original en los valores de las mnimos cuadrticos. prueba, es menor al 5% logaritmos, para variables explicativas Los coeficientes de El estadstico para realizar la rechazamos la hiptesis suavizar la dispersin ( ), son idnticas. regresin estimados siguen prueba es = 2 , donde 2 nula, y concluimos que de los valores siendo lineales e es el coeficiente de existen problemas de originales. insesgados. determinacin de la regresin heteroscedasticidad. Otra solucin es Disminucin de la auxiliar correspondiente, y n aplicar mnimos eficiencia del estimador es el nmero de datos. cuadrados mnimo cuadrtico. Este generalizados o deja de ser el de mnima Bajo 0 , dicho estadstico se ponderados, varianza entre todos los distribuye asintticamente transformado el estimadores lineales e como 2 , donde p es el modelo original al insesgados. nmero de variables dividir todas las No necesariamente es incluidas en la regresin observaciones de las obligatorio corregir por auxiliar, exceptuando el variables por la heteroscedasticidad, pero termino independiente. desviacin tpica de si queremos hacer los errores inferencia estadstica si debemos corregirla. Autocorrelacin: Se presenta cuando los errores del modelo se encuentran correlacionados.
SUPUESTO PROBLEMA (En INDICADORES DECISIN CORRECCIN
caso de no cumplirse) ( , ) = 0 0 : Durbin-Watson: Esta Incluir la variable prueba permite dependiente rezagada No hay auto detectar un periodo entre las correlacin en Consecuencias: Los autocorrelacin de variables explicativas los residuos. estimadores son primer orden cuando o agregar un trmino lineales, insesgados y la variable autor regresivo o de consistentes, pero no dependiente rezagada medias mviles. = 1 + eficientes (mnima no se encuentra dentro varianza), por lo tanto, de los regresores del Dependiendo la zona en donde caiga el dejan de ser MELI. modelo. estadstico, se puede establecer tanto la Al existir la posibilidad no presencia de autocorrelacin, la de que la varianza presencia de correlacin negativa, la estimada subestime la presencia de correlacin positiva y por verdadera varianza, ltimo, zonas de indecisin. existe la posibilidad de que se sobreestime 2 y que las pruebas t y F dejen de ser validas, si se aplican es probable que conduzcan a conclusiones errneas sobre la significancia estadstica de los estimadores.