ECONOMETRIA

Ejercicio 11.
Estimar el modelo:
Log L=β1+β2LogY+β3LogK+β4LogW+e


Dependent Variable: LOG(L)
Method: LeastSquares
Date: 10/27/14 Time: 11:30
Sample: 1 569
Includedobservations:569


Variable Coefficient Std. Error t-Statistic Prob.


C 6.177290 0.246211 25.08946 0.0000
LOG(Y) 0.990047 0.026410 37.48715 0.0000
LOG(K) -0.003697 0.018770 -0.1969920.8439
LOG(W) -0.927764 0.071405 -12.99305 0.0000


R-squared 0.842971 Mean dependentvar 4.488665
Adjusted R-squared 0.842138 S.D. dependentvar 1.171166
S.E. of regression 0.465327Akaikeinfocriterion 1.314851
Sum squaredresid 122.3388 Schwarzcriterion 1.345388
Log likelihood -370.0750 Hannan-Quinncriter. 1.326766
F-statistic 1011.023 Durbin-Watson stat2.027822
Prob(F-statistic) 0.000000



a).
Vamos a ver si existe heteroscedasticidad por medio del test de White:

Heteroskedasticity Test: White


F-statistic 7.123546Prob. F(9,559) 0.0000
Obs*R-squared 58.54435 Prob. Chi-Square(9) 0.0000
Scaledexplained SS 494.7878 Prob. Chi-Square(9) 0.0000



Ho: (σ2=σ2) H1: (σ2≠σ2)
W=58.54p-valor=0.0000
Podemos decir que rechazamos la hipótesis nula con una confianza de al menos un 99.99% y por tanto existe heteroscedasticidad.
Para saber si es multiplicativa realizamos el test de Harvey:Heteroskedasticity Test: Harvey


F-statistic 4.728120 Prob. F(3,565) 0.0029
Obs*R-squared 13.93494 Prob. Chi-Square(3) 0.0030
Scaledexplained SS 14.42801 Prob. Chi-Square(3)0.0024



Ho: (σ2=σ2) H1: (σ2=eα+α1LogY+α2logK+α3logW)
H=13.93
p-valor: 0.0030
Rechazamos la hipótesis nula al 99.7% de confianza, por tanto podemos decir que existe heteroscedasticidadmultiplicativa.
Se mantienen las propiedades de insesgadez, consistencia y normalidad asintótica.

b).
Estimamos por MCO corregidos (método de White).

Dependent Variable: LOG(L)
Method:...