Ejercicios Resueltos - Gujarati

TRABAJO NRO 2 – ECONOMETRIA I

EJERCICIO 11.15)

a) Los resultados de la regresión son los siguientes:

MP ̂Gi = 189.9597 – 1.2716SPi + 0.3904HPi - 1.9032WTi

se = (22.5287) (0.2331) (0.0762) (0.1855)

t = (8.4318) (-5.4551) (5.1207) (-10.2593)

R² = 0.8828

Como era de esperarse, MPG está relacionada positivamente a HP y negativamente a la velocidad y peso.

Como se trata de un conjunto de datos transversales que involucran una diversidad de vehículos. A priori se podría esperar heterocedasticidad.

c) La regresión de los cuadrados de los residuos obtenidos en el modelo que se muestra en a) de las tres variables independientes, sus términos al cuadrado, y sus términos de productos cruzados, se obtiene un valor de R ² de 0.3094. Multiplicando este valor por el número de observaciones (-81), obtenemos 25.0646, que bajo la hipótesis nula de que no hay heterocedasticidad, tiene la distribución Chi-cuadrado con - df (3 regresores, 3 regresores cuadrados, y 3 tres términos de productos cruzados) valor de tanto como 25,0646 o mayor (bajo la hipótesis nula) es 0,0029, que es muy pequeño. Por lo tanto, debemos rechazar la hipótesis nula. Es decir, no es heterocedasticidad.

d) Los resultados basados en el procedimiento de las blancas son las siguientes:

Cuando se compara este resultado con los resultados de MCO, se encontrará que los valores de los coeficientes estimados son los mismos, pero sus varianzas y errores estándar son diferentes. Como se puede ver, los errores estándar de los coeficientes de la pendiente estimada es mayor con arreglo al procedimiento Blanco, de ahí ltl son más bajos, lo que sugiere que OLS había subestimado los errores estándar. Todo esto podría ser debido a la heterocedasticidad.

e) No existe una fórmula simple para determinar la naturaleza exacta de la heterocedasticidad en el presente caso. Tal vez se podría hacer algunas suposiciones simples y tratar diversas transformaciones. Por ejemplo, si se cree que la variable "culpable" es HP, y si creemos que la varianza del error es proporcional al cuadrado del PII, que podría dividir a través por el IIP y ver qué pasa. Por supuesto, cualquier otro regresor es un candidato probable para la transformación.

...