Estadistica II


Regresión Lineal Múltiple
Normalidad: La hipótesis de normalidad afirma que los errores del modelo  siguen una distribución normal. Esta hipótesis se contrasta a partir de los residuosestandarizados i = 1n
Para estudiar si se verifica esta hipótesis se pueden realizar gráficos de normalidad o aplicar contrastes de normalidad.
Gráficos de normalidad: histograma, QQ-plot,...
Contrastes denormalidad: contraste de Kolmogorov-Smirnov, contraste Chi-cuadrado
La falta de normalidad influye en el modelo en que los estimadores no son eficientes y los intervalos de confianza de los par´ametrosdel modelo y los contrastes de significaci´on no son exactos.

Heterocedasticidad: Esto es muy importante porque debe recordarse que el análisis de regresión es un análisis de regresión condicional de“y” sobre “x” lo cual implica, por lógica, que si se desea obtener un parámetro de relación estable y útil entre ambas variables, los valores muestrales de “y” deben mostrarse igualmente dispersosante variaciones de “x”. Dicho de otro modo, y en términos del error, aunque el error puede ser mayor para mayores valores de “x” (no se fuerza que el error tenga un tamaño igual para el recorrido de“x”) la dispersión del error alrededor de la recta de regresión será la misma. Esto permite considerar como igualmente válidos todos los datos muestrales de los regresores “x” para determinar larelación condicional de “y” a los valores de “x” sin tener que ponderar más o menos unos valores u otros de “x” en función de la menor o mayor dispersión de “y” en los distintos casos.
Se presentaheterocedasticidad, cuando la varianza de las perturbaciones no es constante a lo largo de las observaciones; de alli se deriva que los datos con los cuales se trabaja son heterogeneos, ya que provienen dedistribuciones de probavilidad diferentes. No se presenta un comportamiento homogeneo, se presenta cuando las muestras cuyos datos son valores que se han obtenido agregando o promediando datos...