Академический Документы
Профессиональный Документы
Культура Документы
Econometra 1.
Fundamentos bsicos
Seydyss Garay Rodrguez
Docente
Supuestos
Para utilizar la inferencia en la regresin, los datos
deben satisfacer el insesgamiento mediante la
comprobacin de los siguientes supuestos, para el
mtodo de MCO.
Cmo se comprueba?
Shapiro-wilk
Kolmomogorov
Anderson Dailing
homocedasticidad heterocedasticidad
Otra manera de comprobar la
homocedasticidad es mediante pruebas,
hay muchas ms, se recomiendan las
siguientes no paramtricas:
Test Levene
Bartliett (los residuos se ajustan a la
normalidad)
MULTICOLINEALIDAD
El supuesto plantea que no existe dependencia entre
las variables predeterminadas (regresoras) que
componen el modelo.
Si la relacin es FUERTE entre variables se dice que
hay multicolinealidad, MODERADA se dice
colinealidad o multicolinealidad moderada
Cmo se idntica?,
i. con errores estndar grandes
ii. R2 alto, es decir por encima de 80% pruebas t poco
significativas y prueba F estadsticamente
significativas.
iii. Altas correlaciones entre algunas de las variables
predeterminadas.
Se recomiendan las siguientes pruebas:
Cada conjunto consiste de once puntos (x, y) y fueron construidos por el estadstico
F. J. Anscombe. El cuarteto es una demostracin de la importancia de mirar grficamente
un conjunto de datos antes de analizarlos.
Para los cuatro conjuntos de datos:
Propiedad Valor
Mediade cada una de las variablesx es 9.0
Varianzade cada una de las variablesx es 11.0
Media de cada una de las variablesy es 7.5
Varianza de cada una de las variablesy es 4.12
Correlacin entre cada una de las
0.816
variablesxey es
Recta de regresin es
http://www.sjsu.edu/faculty/gerstman/StatPrimer/anscombe1
973.pdf
X1 Recta de regresin aparentemente normal
X2 especificacin funcional errnea, probablemente es un
ajuste de forma cuadrtica
X3 Caso palanca, presencia de valores atpicos influyentes
X4 Es un caso en el que la variablexes prcticamente
constante (excepto en una observacin atpica e influyente
como en el caso anterior).
Pueden ser :
1.Por inclusin de variables relevantes
2.Omisin de variables
3.Errores de medicin en la varianza