Violación De Suspuesto Estaditicas

nVIOLACIONES DE LOS SUPUESTOS DE UN MODELO DE REGRESION LINEAL

MULTICOLINEALIDAD
CONSECUENCIAS
* Los coeficientes de la regresión presentan varianzas y covarianzas grandes, por lo que losintervalos de confianza son más amplios.
* Pruebas de hipótesis erróneas: los tc de uno a más coeficientes tienden a ser estadísticamente no significativos.
* Los coeficientes de regresión y suserrores estándar pueden ser sensibles a pequeños cambios en la información.

DETECCION
* Coeficiente de determinación elevado (R2), pocos tc estadísticamente significativos y Fcestadísticamente significativo.
* Alta correlación entre parejas de variables independientes.
* Regresiones auxiliares (regresiones entre variables independientes).
* Valores propios e índice decondición.
* Factores de tolerancia y de inflación de la varianza.

MEDIDAS REMEDIALES
* Información a priori que permita eliminar variables independientes.
* Mezcla de datos (combinarinformación de corte transversal y series de tiempo).
* Eliminación de variables independientes. El problema es que puede incurrirse en sesgo de especificación.
* Transformación del modelo a ecuación enprimeras diferencias:
* Aumentar el tamaño de la muestra.
* Cambio de muestra.
* Regresiones polinomiales (cuadrática, cúbica, cuarta, etc.).
etc.
* Técnicasmultivariadas (Análisis de factores, componentes principales, ridge regression).

HETEROSCEDASTICIDAD
CONSECUENCIAS
* Perdida de eficiencia: Los coeficientes de regresión (bi) tienen varianzasgrandes, por lo que los intervalos de confianza son grandes.
* Pruebas de hipótesis erróneas: los tc de los coeficientes tienden a ser estadísticamente no significativos.

DETECCION
* Naturalezadel problema (utilizar información de corte transversal implica datos de unidades de observación heterogéneas).
* Gráfica de residuales al cuadrado (ei2) y valores estimados de la variable...