Supuestos

Multicolinealidad
El método de recolección de información: muestras en un intervalo limitado de valores.
Poca variabilidad en las observaciones de las variables independientes.
Relación causalentre variables explicativas.


Intervalos de confianza más amplios
Se presentan varianzas y covarianzas grandes que hacen difícil la estimación precisas.
La razón t de uno o más coeficientes tienden aser no significativas.
El R 2 puede ser muy alto.


Matriz de correlaciones: si alguna correlación es mayor que 0.7, sospechas de multicolinealidad.
Si todas son bajas, realizas la prueba T, Z o F. Conlas siguientes hipótesis
Para T o Z -> Ho: β1 = 0 vs β1 ≠ 0
Para F -> Ho: ρ² = 0 vs ρ² > 0


Utilizar información obtenida a priori o externa al modelo.
Combinar información de cortetransversal y de series de tiempo.
Omitir una variable si es muy colineal.
Transformar los datos
Obtener datos adicionales o nuevos. 



Matriz de Correlaciones

X1
X2
X3
X1
1.000000
0.991589
0.620633X2
0.991589
1.000000
0.604261
X3
0.620633
0.604261
1.000000


Heteroscedasticidad

Intervalos de confianza grandes.
Estimadores lineales e insesgados
Las pruebas t y F pueden dar resultadosimprecisos.


Modelos de aprendizaje de los errores
Las técnicas de recolección de datos mejoran
Datos atípicos
Omisión de variables importantes
Asímetría en la distribución de las regresoras delmodelo
Transformación incorrecta de los datos.

Dividir las variables del modelo entre la raíz cuadrada de la variable más significativa de la prueba white a través de las β's estandarizadas obtenidasPrueba Park: Correr tantas regresiones como número de variables independientes se tenga, sobre estas hacer pruebas de hipótesis ya sea t o F
Basta que una de las prubeas sea rechazada para podersospechar de heteriscedasticidad.
Ln e^2 vs Ln Xi
Ho: β1 = 0 (Homoscedástica) vs β1 ≠ 0 (Heteroscedástica)

Prueba White: correr una regresión múltiple de las variables independientes a la primera...