Detección de heterocedasticidad

Javier Parra
276
En la detección de heterocedasticidad influyen diversos factores como: A- Parcelas residuales Estimación del modelo utilizando los mínimos cuadrados y trazos del residuo de los mínimos cuadrados.Con más de una variable explicativa, se grafica el residuo de mínimos cuadrados contra cada variable explicativa, para ver si esos residuos varían de…
>>>>>>

Heterocedasticidad. Utilización del estimador de mínimos cuadrados

Javier Parra
260
La heterocedasticidad hace una utilización del estimador de mínimos cuadrados de la siguiente forma: Inferencia robusta a la heterocedasticidad después de OLS:Se han desarrollado fórmulas para los errores estándar de OLS y las estadísticas relacionadas que son robustas a la heterocedasticidad de forma desconocida.Todas las fórmulas sólo son válidas en…
>>>>>>

Introducción a la heterocedasticidad

Javier Parra
270
Para esta introducción a la heterocedasticidad debemos partir de hacernos la pregunta ¿Qué es heterocedasticidad y por qué debemos prestarle atención? Para responder consideremos el siguiente resultado de regresión lineal (yi) determinado por una intersección (B1), un conjunto (x2, x3,..., xk), sus coeficientes (β2, β3,...,βj) y un error aleatorio (εi):…
>>>>>>

Variables dummy. Parte III

Javier Parra
322
Continuando con la explicación del funcionamiento de la variable dummy, es preciso recurrir a a la siguiente ilustración gráfica: Interacción de la pendiente con la variable dummy Interacción: La interacción tanto el intercepto como de la pendiente con la variable dummy de la mujer permite modelar ecuaciones salariales completamente independientes…
>>>>>>

Variables dummy. Parte II

Javier Parra
336
Continuando con esta serie de estudios, es preciso conocer que las variables dummy también son conocidas como variables ficticias: Utilización de las variables dummy para las categorías múltiples Definir la pertenencia a cada categoría mediante una variable dummy.Dejar fuera una categoría (que se convierte en la categoría base). Log (salario)=0,321…
>>>>>>

Variables dummy. Parte I

Javier Parra
469
Partiremos desde esta ilustración gráfica para avanzar en las variables Dummy: Ilustración gráfica de variables Dummy Interpretación alternativa del coeficiente: δ0= E(Salario|mujeres=1,educ) - E(Salario|mujeres=0,educ) Esto muestra la diferencia de salario medio entre hombres y mujeres con el mismo nivel de estudios (educ). Información cualitativa Ejemplos: género, raza, industria, región, grado…
>>>>>>

Colinealidad

Javier Parra
328
Para hablar de colinealidad es necesario entender la regresión lineal, el incumplimiento de los supuestos y sus consecuencias. Y=Xβ + u SupuestosFallosS.1. Relación estocásticaS.2. Ausencia de errores de especificación Variables omitidas/irrelevantesS.3. E(u) =0S.4. V(u)=σ2uΣAutocorrelaciónHeterocedasticidadS.5. Linealidad en los parámetrosS.6. X determinísticaRegresor estocásticoS.7. X1, ..., XkDependencia lineal-MulticolinealidadConsecuencias importantes en:ConsistenciaEficiencia Ejemplo de colinealidad…
>>>>>>
1 2