Universidad Santo Toms

Facultad de Economa y Negocios - Ingeniera Comercial

Catedra Econometra
Profesores: Alejandro Puente Johnny den Braber
Ayudantes: Sebastin Egaa Fernando Varas
Qu ocurre cuando no se cumplen los supuestos?

Especificacin: Se refiere a la forma en que esta formulado el modelo.

SUPUESTO PROBLEMA (En caso de no INDICADORES DECISIN CORRECCIN

cumplirse)
La especificacin del modelo: Mala especificacin: Test Ramsey Si se comprueba la
El supuesto es que se conoce la RESET existencia, se pueden
especificacin correcta del Bajo esta mala especificacin los intentar distintas
modelo de regresin. mnimos cuadrados ordinarios especificaciones del
sern inconsistentes, por lo que las modelo.
Tipos de errores que pueden inferencias no sern vlidas.
cometerse en la especificacin de
la ecuacin estimada: Recordar que la consistencia
estadstica nos habla de que un
Omisin de variables relevantes estimador converge a su valor real
Inclusin de variables cuando n tiende a infinito.
irrelevantes
Mala especificacin

Mulicolinealidad: Cuando los regresores incluidos en un modelo economtrico se encuentran interrelacionados

SUPUESTO PROBLEMA (En INDICADORES DECISIN CORRECCIN

caso de no cumplirse)
 Las variables explicativas Existe dificultad para Modelo globalmente bien Suprimir variables cuando
deben ser linealmente conocer el aporte a la estimado (R2 alto y F sean redundantes y su
independientes. explicacin de significativa) pero todos o efecto sea capturado
variables de cada una algunos regresores dentro de otras variables
La multicolinealidad de las variables individuales no del modelo. Se corre el
perfecta se da cuando explicativas del significativos (t student riesgo de caer en error de
existe una relacin exacta modelo. bajos en el modelo) especificacin.
entre varios de los La varianza de los Uso de informacin
regresores del modelo. En estimadores se adicional, o sea ampliar la
este caso la matriz de encuentra aumentada, muestra en la medida de lo
regresores es singular (no lo que implica el posible.
tiene inversa) y no pueden rechazo de la
determinarse los significancia
parmetros del modelo individual de los
regresores que si Pequeos cambios en los
contribuyen a la datos pueden producir
explicacin del grandes variaciones en los
modelo. estimadores de los
Los lmites de parmetros
confianza son ms
amplios.
Es un problema de tipo
Factor inflador de la Si FIV mayor a 10,
muestral.
varianza. existe evidencia de
colinealidad.
1
=
1 2

Heteroscedasticidad: los componentes del vector de errores no tienen igual varianza.

SUPUESTO PROBLEMA (En caso de INDICADORES DECISION CORRECCION
no cumplirse)
Las varianzas de los Mala estimacin de la Prueba de White Si el valor de la La solucin emprica
errores de estimacin matriz de varianzas- 0 : 2 = 2 probabilidad asociado al simple, es reestimar
( ), condicionales a covarianzas de los errores 1 = 0 estadstico reporta de la el modelo original en
los valores de las mnimos cuadrticos. prueba, es menor al 5% logaritmos, para
variables explicativas Los coeficientes de El estadstico para realizar la rechazamos la hiptesis suavizar la dispersin
( ), son idnticas. regresin estimados siguen prueba es = 2 , donde 2 nula, y concluimos que de los valores
siendo lineales e es el coeficiente de existen problemas de originales.
insesgados. determinacin de la regresin heteroscedasticidad. Otra solucin es
Disminucin de la auxiliar correspondiente, y n aplicar mnimos
eficiencia del estimador es el nmero de datos. cuadrados
mnimo cuadrtico. Este generalizados o
deja de ser el de mnima Bajo 0 , dicho estadstico se ponderados,
varianza entre todos los distribuye asintticamente transformado el
estimadores lineales e como 2 , donde p es el modelo original al
insesgados. nmero de variables dividir todas las
No necesariamente es incluidas en la regresin observaciones de las
obligatorio corregir por auxiliar, exceptuando el variables por la
heteroscedasticidad, pero termino independiente. desviacin tpica de
si queremos hacer los errores
inferencia estadstica si
debemos corregirla.
Autocorrelacin: Se presenta cuando los errores del modelo se encuentran correlacionados.

SUPUESTO PROBLEMA (En INDICADORES DECISIN CORRECCIN

caso de no cumplirse)
( , ) = 0 0 : Durbin-Watson: Esta Incluir la variable
prueba permite dependiente rezagada
No hay auto detectar un periodo entre las
correlacin en Consecuencias: Los autocorrelacin de variables explicativas
los residuos. estimadores son primer orden cuando o agregar un trmino
lineales, insesgados y la variable autor regresivo o de
consistentes, pero no dependiente rezagada medias mviles.
= 1 + eficientes (mnima no se encuentra dentro
varianza), por lo tanto, de los regresores del Dependiendo la zona en donde caiga el
dejan de ser MELI. modelo. estadstico, se puede establecer tanto la
Al existir la posibilidad no presencia de autocorrelacin, la
de que la varianza presencia de correlacin negativa, la
estimada subestime la presencia de correlacin positiva y por
verdadera varianza, ltimo, zonas de indecisin.
existe la posibilidad de
que se sobreestime 2
y que las pruebas t y F
dejen de ser validas, si
se aplican es probable
que conduzcan a
conclusiones errneas
sobre la significancia
estadstica de los
estimadores.