Cosas Nuevas

[pic]


[pic]




[pic]

[pic]






[pic]

[pic]


[pic]


[pic]




[pic]


[pic]






[pic]
[pic]

[pic]


[pic]

[pic]



[pic]

[pic]



[pic]

[pic]




[pic]



[pic]

[pic]
[pic]

[pic]

[pic]


[pic]

[pic]

[pic]






[pic]

[pic]


[pic]
[pic]
[pic]

[pic]




[pic]

[pic][pic]



[pic]


[pic]









[pic]

[pic]


[pic]

[pic]






[pic]



[pic]



[pic]

[pic]

[pic]


[pic]

[pic]



[pic]





[pic]



[pic]

[pic]

-----------------------
Para saber que variable esta más involucrada en la heteroscedasticidad de los salarios se aplicará la prueba de PARK

Donde la función “f” generalmentees:
( Lineal (Xi) ( Raíz cuadrada (Xi 1/2 ),
( Logarítmica - Log(X i ) ( Valor medio- E(Yi )
Identificado la función, se aplica mínimos cuadrados ordinarios al modelo transformado.

[pic]

B) Si (i2 no es conocido entonces se usará los métodos gráficos para conocer que variable explicativa causa el problema de heterosce- dasticidad y luego transformar el modelo en:

4.5TRATAMIENTO DE LA
HETEROSCEDASTICIDAD

Para este modelo se puede aplicar mínimos cuadrados ordinarios con el mismo efecto

[pic]

Identificado la EXISTENCIA del problema de heteroscedasticidad el tratamiento vía mínimos cuadrados ponderados es realizado como sigue:
A) Si (i2 es conocido entonces transformar elmodelo en:

di es la diferencia entre los Rangos de los residuos y la variable regresora X

[pic]

[pic]

Decisión:
si CR > t (tabular) , rechazar la H0
si CR < t (tabular) , Aceptar la H0

menor hasta el mayor para los valores de la variable regresora X involucrada en heterocedasticidad.
2.- Calcular el estadístico de prueba ”CR”:


Es una prueba no paramétrica yesta basado en coeficiente de correlación de spearman, la hipótesis de prueba es:
H0 : (s =0
H1 : (s (0
Y es realizada mediante los pasos siguientes:
1.- Ajustar una regresión por mínimos cuadrados ordinarios al modelo original, para calcular los residuos. Luego:
- Asignar los Puestos o Rangos desde el menor hasta el mayor según los valores absolutos de los residuos, (i2
- Asignarlos Puestos o Rangos naturales desde el

PRUEBA RANGOS-SPEARMAN

Decisión:
si W > (2 (tabular) , rechazar la H0
si W < (2 (tabular) , Aceptar la H0


2.- Calcular el coeficiente de ajuste Rra2 y el estadístico de prueba ”W”:
W= n Rra2 ( (2 (m grados de Libertad)
Donde “m” es el numero de regresores sin incluir el intercepto.

Es una prueba general y supone que todoslos regresores están relacionados positivamente con la varianza (i2 :
H0 : (12 =(22 =.......= (n2 = (2 =constante
H1 : (i2 =f(X1i , X2i , ...., Xki), i=1,2,...,n
Esta hipótesis es implementada mediante los pasos siguientes:
1.- Realizar la regresión siguiente:
(i2 =(0(1i + (0(2i +.....+ (0(ki + (i
con:(ji =Xhi Xgi : j=1,2,..,; h,g=1,2,...k
y representan alos regresores al cuadrado, y a los productos cruzados, eliminando los redundantes.

PRUEBA DE WHITE

Donde ‘K’ numero de regresores incluyendo intercepto,
n1 :Numero de observaciones del primer grupo (n-c)/2
n2 :Numero de observaciones del segundo grupo (n-c)/2
DECISION: SI GQ>Ftab., se Rechaza H0
SI GQ0,
Si d(2(próximo de “2”); Aceptar H0
Si d(4(próximo de “4”); RechazarH0 ; y aceptar que (0
Si d(2(próximo de “2”); Aceptar H0
Si d(4(próximo de “4”); Rechazar H0 ; y aceptar (4 0 (Hay autocorrelacion Positiva)

5.5 TRATAMIENTO DE LA AUTOCORRELACION

Para el caso de un modelo de un regresor, puede extenderse para “k” regresores en forma directa

Identificado la EXISTENCIA de del problema de autocorrelacion consiste en usar los mínimos cuadrados...