cuadro comparativo econometria


heterocedasticidad
autocorrelacion
multicolinealidad
causas
VARIABLES EXÓGENAS

Variables explicativas con una distribución asimétrica.
Variables explicativas con amplio recorrido.
Omisión devariables relevantes en el modelo especificado.
Correlación entre miembros de series de observaciones ordenadas en el tiempo (como en datos de series de tiempo) o en el espacio como en datos de cortetransversal.

La existencia de ciclos y/o tendencias; Relaciones no lineales; La omisión de variables relevantes.

Relación causal entre variables explicativas del modelo.

Escasa variabilidad en lasobservaciones de las variables independientes.

Reducido tamaño de la muestra.
consecuencias
El estimador de MCO sigue siendo lineal, insesgado y consistente pero deja de ser eficiente.

Las varianzas delestimador de Mínimos Cuadrados Ordinarios, además de no ser mínimas, no pueden calcularse con la expresión utilizada en presencia de homocedasticidad.
La estimación MCO deja de ser eficiente y lainferencia estadística también se verá afectada.

Las consecuencias dependen del tipo de autocorrelación (positiva o negativa)
Se presentarán estimaciones consistentes e insesgadas y sus errores estándarse estimarán en la forma correcta.
Debido a una consecuencia X, los intervalos de confianza tienden a ser mucho más amplios, lo cual propicia una aceptación más fácil de la “hipótesis nula cero” (esdecir, que el verdadero coeficiente poblacional es cero); También debido a la consecuencia X, la razón t de uno o más coeficientes tiende a ser estadísticamente no significativa; Aunque la razón t deuno o más coeficientes sea estadísticamente no significativa.
forma de remediarlas
Transformación de las variables originales: operar convenientemente la variables del modelo precisamente eliminandola fuente de heterocedasticidad que habremos podido definir cuándo detectamos la misma.

Estimación consistente de White: la idea consiste en utilizar los errores cuadráticos de una estimación...