economia

ANALIZANDO HETEROSCEDASTICIDAD Y AUTOCORRELACIÓN.
EJEMPLO: MODELO DE DEMANDA REAL DE DINERO
Tomando en cuenta el siguiente modelo de demanda de dinero:

M
= AY β1 e β 2i
P

ln(M/P) = δ + β1 ln (PBIR) + β2 TINT + μ , Se solicita estimar el

modelo por MCO para el período 1993:01 – 1998:12 e interpretar sus resultados.
ECUACIÓN ESTIMADA.
Dependent Variable: LDEMANDASA
Method: LeastSquares
Sample: 1993:01 1998:12
Included observations: 72
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
LPBIR
TINT

-8.715166
2.600947
-0.001359

0.904632
0.177085
0.000711

-9.633933
14.68760
-1.909612

0.0000
0.0000
0.0603

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.925254
0.9230870.088475
0.540116
73.97139
0.812124

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

4.152248
0.319021
-1.971428
-1.876566
427.0607
0.000000

Gráficamente:
5.0
4.5
4.0
0.3
3.5

0.2
0.1

3.0

0.0
-0.1
-0.2
-0.3
1993

1994

1995
Residual

1996

1997

Actual

1998
Fitted

ANALISIS DEHETEROSCEDASTICIDAD
Para analizar la presencia de heteroscedasticidad, el E-views permite usar:
i)
Test de White, que puede ser:
a. Sin Términos cruzados, o
b. Con términos cruzados.
ii)
El test ARCH LM, que es un caso especial de heteroscedasticidad condicionada
que se presenta en muestras de series de tiempo. En ese caso se dice que la
variancia presenta un comportamiento de tipo ARCH(n) (el usode este test no es
parte del curso, es un tema de Econometría Dinámica o Económetría de ST).
TEST DE WHITE CON TERMINOS CRUZADOS Estando en la ventana de la ec. estimada:
VIEW / RESIDUAL TESTS / WHITE HETEROSKEDASTICITY (CROSS TERMS)
Eviews reporta 2 estadísticos de la regresión auxiliar:
i)
El estadístico F, que es un test para variables omitidas que evalúa la significancia
conjunta detodos los productos cruzados excluyendo la constante.
ii)
El estadístico n*R2 que es el estadístico de White, que es asintóticamente
distribuido como una Chi-cuadrado con g. de l. igual al número de coeficientes de
pendientes de la regresión auxiliar.

Econometría Intermedia – Prof. F. Ponce.
2009-I.
White Heteroskedasticity Test:
F-statistic
Obs*R-squared

0.804940
4.138232Probability
Probability

0.550231
0.529691

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Sample: 1993:01 1998:12
Included observations: 72
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
LPBIR
LPBIR^2
LPBIR*TINT
TINT
TINT^2

1.681698
-0.613324
0.055702
0.001055
-0.005379
2.29E-06

10.25443
4.005903
0.391313
0.003190
0.016317
6.58E-060.163997
-0.153105
0.142346
0.330802
-0.329629
0.347541

0.8702
0.8788
0.8872
0.7418
0.7427
0.7293

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.057475
-0.013928
0.010618
0.007441
228.2211
1.840170

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)0.007502
0.010545
-6.172808
-5.983086
0.804940
0.550231

La Hipótesis nula (H0) del Test de White es que NO EXISTE HETEROSCEDASTICIDAD, o
alternativamente, existe homoscedasticidad, y,
La Hipótesis alternativa (H1) es que existe heteroscedasticidad de alguna forma general
desconocida.
Un alto estadístico de White estimado significa que se fracasa en aceptar la H0 , por lo que se
debeaceptar la H1 de existencia de heteroscedasticidad. En cambio un valor bajo del
estadistico n*R2 (menor que el valor crítico chi-cuadrado) indica que la homoscedasticidad se
verifica (se acepta la H0).
Para este ejemplo, de acuerdo al valor p-value (de probabilidad) de los resultados del test de
White con términos cruzados, se rechaza la hipótesis nula al {(1-0.53)*100} = 47% de
confianza....