Heterosedasticidad

HETEROCEDASTICIDAD
PASOS PARA DETECTAR Y CORREGIR LA HETEROCEDASTICIDAD
1) Luego de haberse efectuado la importación, se crea el modelo inicial, tomando como referencia que las variables en estemodelo son:
UV= Unidades vendidas
P= Precio unitario
GP= Gastos de publicidad
Tomando como variables independientes P y GP, puesto que las UV dependen de el precio y los gastos. Entonces elmodelo inicial quedaría así:

MÉTODO GRÁFICO PARA DETECTAR LA HETEROCEDASTICIDAD

2) Se crean los errores al cuadrado generando una nueva variable e2 o cuadrae. Presionar Genr y escribir la siguienteecuación: e2 = resid * resid






Damos clic en ok y automáticamente se generará la siguiente variale:



3) Abrimos el modelo inicial y damos clic a la opción forecastLuego de aplicar forecast, aparece un cuadro de diálogo al que se le da ok, y luego aparece una variable generada con el nombre UVF así:


4) Seleccionar las series uvf y e2abrirlas como un grupo. Graficar (View / Graph / Scatter / Simple Scatter) Como puede verse en el siguiente gráfico, los errores al cuadrado se incrementan a medida que crece el nivel de unidadesvendidas. Por lo tanto puede verse la presencia de heterocedasticidad así:















DETECCIÓN DE HETEROCEDASTICIDAD POR EL TEST DE WHITE

5) Abrimos, el modelo inicial, aplicamosel test de White así: (View/Residual test/White heteroskedasticity (no cross terms))
















CORRECCIÓN DE LA HETEROCEDASTICIDAD

6) Aplicando el método de mínimocuadrados ponderados, que no es más que convertir el modelo en uno doble logarítmico. Luego de convertir el modelo a doble logarítmico, se obtienen los siguientes resultados:


7) Luego, al modelolineal transformado en log-log se le aplica nuevamente el test de White mencionado anteriormente (View/Residual test/White heteroskedasticity (no cross terms)) mostrando el siguiente resultado:...