Heterocedasticidad

Solo disponible en BuenasTareas
  • Páginas : 19 (4515 palabras )
  • Descarga(s) : 0
  • Publicado : 25 de enero de 2012
Leer documento completo
Vista previa del texto
REPÚBLICA BOLIVARIANA DE VENEZUELA
MINISTERIO DEL PODER POPULAR PARA LA DEFENSA
UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA
DE LA FUERZA ARMADA
U.N.E.F.A.
Núcleo – Maracay

Profesora: Arelys Pérez | Realizado por:Ricardo Di Pietro C.I.: V-15532883 |

Maracay, Julio de 2011.
ÍNDICE

INTRODUCCIÓN……………………………………………………….....MULTICOLINEALIDAD………………………………………………… * Multicolinealidadperfecta………………………………………….. * Ausencia total de multicolinealidad……………………………….... * Presencia de cierto nivel de multicolinealidad……………………... * Detección de problemas de multicolinealidad…………………….... * Solución a los problemas…………………………………………....HETEROCEDASTICIDAD………………………………………………. * Causas del problema………………………………………………... * Efectos sobre los modelos…………………………………………... * Detección delproblema de heterocedasticidad……………………... * Solución a los problemas…………………………………………....AUTOCORRELACIÓN…………………………….…………………...... * Causas del problema……………………………………………….. * Efectos sobre los modelos………………………………………….. * Detección del problema…………………………………………….CONCLUSIONES……………………………………………………….…BIBLIOGRAFÍA………………………………………………….……….. | Pág.344556788101215151516161819 |

INTRODUCCIÓN
Laeconometría se basa en la observación y en la teoría para explicar fenómenos económicos de manera más simplificada. Estas observaciones se realizan a partir de una muestra representativa del universo objeto de estudio, en la cual el investigador tiene que sortear diversos problemas entre los que destacan la multicolinealidad, heterocedasticidad y la autocorrelacion; por consiguiente, losresultados obtenidos no son confiables para pronósticos.
El presente trabajo de investigación pretende explicar como evitar la violación de los supuestos del Modelo de Regresión Lineal Múltiple al presentar problemas en la muestra, donde los más frecuentes son los nombrados anteriormente; además de explicar de forma clara y concisa formas de detección, consecuencias en los modelos y posibles solucionespara poder presentar hipótesis confiables a la hora de estimar un modelo.

MULTICOLINEALIDAD
El término multicolinealidad (o colinealidad) en Econometría se refiere a una situación en la que dos o más variables explicativas están fuertemente interrelacionadas y, por tanto, resulta difícil cuantificar sus efectos individuales sobre la variable explicada. Este problema reside, por tanto, enla muestra utilizada y/o de la especificación del modelo, y no tiene causas interpretables. Según Del Barrio Castro, Lopez y Suriñach Caralt en el libro Errores de especificación, multicolinealidad y observaciones atípicas expresan:
Existe ausencia de multicolinealidad perfecta cuando no hay ninguna variable explicativa que se pueda obtener a partir de la combinación lineal de otras. Dicho de otromodo, no puede existir ninguna variable explicativa que presente una correlación perfecta respecto a una o diversas variables del resto de las variables explicativas

La multicolinealidad perfecta no se suele presentar en la práctica, salvo que se diseñe mal el modelo. En cambio, sí es frecuente que entre los regresores exista una relación aproximadamente lineal, en cuyo caso los estimadoresque se obtengan serán en general poco precisos, aunque siguen conservando la propiedad de lineales, insesgados y óptimos. En otras palabras, la relación entre regresores hace que sea difícil cuantificar con precisión el efecto que cada regresor ejerce sobre el regresando, lo que determina que las varianzas de los estimadores sean elevadas. Cuando se presenta una relación aproximadamente linealentre los regresores, se dice que existe multicolinealidad no perfecta. Es importante señalar que el problema de multicolinealidad, en mayor o menor grado, se plantea porque no existe información suficiente para conseguir una estimación precisa de los parámetros del modelo.
Asi en un modelo con k variables explicativas nos podemos conseguir con tres tipos de multicolinealidad:
1) Presencia de...
tracking img