Econometría I

Heterocedasticidad
Guía de Econometria: Heterocedasticidad
Ayudante = Pedro González

Se ha recogido información de la economía española para el período 1985-1997 de las

macromagnitudes consumo público (CP) y producto interior bruto a precios de mercado
(PIBPM) en millones de pesetas, con el objeto de estimar un modelo de regresión lineal
y comprobar la posible presencia de autocorrelación en las perturbaciones. Las series
toman los siguientes valores:

A partir de dicha información, contraste el posible incumplimiento de la hipótesis

clásica de no
autocorrelación por medio de:

a) Prueba de Park

b) Prueba de Glejser

c) Prueba Goldfeld-Quandt

d) Prueba Breusch-Pagan-Godfrey

e) Prueba White

gonzalezpe Página 1 17-10-yyyy

Econometría I
Heterocedasticidad
a) Prueba Park

1. Se debe realizar una regresión por medio de MCO, obteniendo los

residuos no tipificados.

2. Se debe realizar la siguiente regresión auxiliar:

Λ2
ln µ = β1 + β 2 ln X i + µi
b
Re sume n de l mode lo

R cuadrado Error típ. de la

Modelo R R cuadrado corregida estimación
1 ,455 a ,207 ,135 1,98154
a. Variables predictoras: (Constante), lncp
b. Variable dependiente: lnu2

ANOVAb

Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 11,265 1 11,265 2,869 ,118 a
Residual 43,192 11 3,927
Total 54,457 12
a. Variables predictoras: (Constante), lncp
b. Variable dependiente: lnu2

Coe ficie nte sa

Coeficientes
Coeficientes no estandarizad Intervalo de confianza para
estandarizados os B al 95%
Límite
Modelo B Error típ. Beta t Sig. Límite inferior superior
1 (Constante) -62,001 53,813 -1,152 ,274 -180,441 56,440
lncp 5,833 3,443 ,455 1,694 ,118 -1,747 13,412
a. Variable dependiente: lnu2

Análisis

Se debe revisar si los parámetros son estadísticamente significativos, si

es así podemos sugerir que estamos en presencia de

gonzalezpe Página 2 17-10-yyyy

Econometría I
Heterocedasticidad
heterocedasticidad, de Lo contrario sugeriremos que estamos
cumpliendo el supuesto de Homocedasticidad.

En este caso, podemos visualizar que tanto b0, como el consumo

público, los parámetros resultan estadísticamente significativos, por lo
tanto según la prueba Park estamos en presencia de heterocedasticidad,
debido a que se rechaza la hipótesis nula H0 (supuesto de
homocedasticidad).

b) Prueba de Glejser

1. Esta prueba es similar a la de Park, pero realiza la regresión

considerando la variable dependiente del valor absoluto de los
residuos.
2. Geijser asume que los residuos, regresionados sobre la variables x
están muy asociados a la varianza.
3. Al igual que park se debe revisar si los parámetros son
estadísticamente significativos.

Regresión Auxiliar
Λ
υ I = β1 + β 2 X I

b
Re sume n de l mode lo

R cuadrado Error típ. de la

Modelo R R cuadrado corregida estimación
1 ,578 a ,334 ,273 1807252,839
a. Variables predictoras: (Constante), cp
b. Variable dependiente: absu

ANOVAb

Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 1,80E+013 1 1,8E+013 5,507 ,039 a
Residual 3,59E+013 11 3,3E+012
Total 5,39E+013 12
a. Variables predictoras: (Constante), cp
b. Variable dependiente: absu

gonzalezpe Página 3 17-10-yyyy

Econometría I
Heterocedasticidad

Coe ficie nte sa

Coeficientes
Coeficientes no estandarizad Intervalo de confianza para
estandarizados os B al 95%
Límite
Modelo B Error típ. Beta t Sig. Límite inferior superior
1 (Constante) -4748508 3363274 -1,412 ,186 -12151023,6 2654007
cp 1,260 ,537 ,578 2,347 ,039 ,078 2,442
a. Variable dependiente: absu

Análisis

Al igual que Park, se debe revisar si los parámetros son estadísticamente

significativos, si es así podemos sugerir que estamos en presencia de
heterocedasticidad, de Lo contrario sugeriremos que estamos
cumpliendo el supuesto de Homocedasticidad.

En este caso, podemos visualizar que tanto b0, como el consumo

público, los parámetros resultan estadísticamente significativos, por lo
tanto según la prueba Park estamos en presencia de heterocedasticidad,
debido a que se rechaza la hipótesis nula H0 (supuesto de
homocedasticidad).

c) Prueba Goldfeld-Quandt

Procedimiento

• Paso 1: Ordénese las observaciones de acuerdo a los valores de Xi

empezando por el valor mas bajo.
• Paso 2: omítanse las c observaciones centrales, donde c se ha
especificado a priori y divídanse las observaciones restantes (n-c)
en dos grupos, cada uno de (n-c)/2 observaciones.
• Paso 3: Ajústense las regresiones MCO separadas a las primeras
(n-c)/2 observaciones y a las ultimas (n-c)/2 , y obtenga las sumas
residuales al cuadrado SRC1 y SRC2, SRC1 representa los valores
mas bajos (varianza mas baja) y SRC2 a los valores mas altos
(grupo de varianza mas grande).

• Paso 4 Calcúlese la razón:

SRC2 / g de l
λ=
SRC1 / g de l
n − c − 2k
gonzalezpe (Página 4 ) g de l 17-10-yyyy
2
Econometría I
Heterocedasticidad

gonzalezpe Página 5 17-10-yyyy

Econometría I
Heterocedasticidad
Resultados Regresión 1

Re sumen de l mode lo

R cuadrado Error típ. de la

Modelo R R cuadrado corregida estimación
1 ,995 a ,991 ,987 737185,68782
a. Variables predictoras: (Constante), Cp1

ANOVAb

Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 1,71E+014 1 1,7E+014 314,882 ,000 a
Residual 1,63E+012 3 5,4E+011
Total 1,73E+014 4
a. Variables predictoras: (Constante), Cp1
b. Variable dependiente: Pib1

Coe ficie nte sa

Coeficientes
Coeficientes no estandarizad
estandarizados os
Modelo B Error típ. Beta t Sig.
1 (Constante) -3E+007 3653007 -7,715 ,005
Cp1 12,619 ,711 ,995 17,745 ,000
a. Variable dependiente: Pib1

Resultado regresión 2

Re sumen de l mode lo

R cuadrado Error típ. de la

Modelo R R cuadrado corregida estimación
1 ,961 a ,923 ,897 2175463,272
a. Variables predictoras: (Constante), Cp2

ANOVAb

Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 1,69E+014 1 1,7E+014 35,796 ,009 a
Residual 1,42E+013 3 4,7E+012
Total 1,84E+014 4
a. Variables predictoras: (Constante), Cp2
b. Variable dependiente: Pib2

gonzalezpe Página 6 17-10-yyyy

Econometría I
Heterocedasticidad

Coe ficie nte sa

Coeficientes
Coeficientes no estandarizad
estandarizados os
Modelo B Error típ. Beta t Sig.
1 (Constante) -3E+008 6E+007 -4,895 ,016
Cp2 53,998 9,025 ,961 5,983 ,009
a. Variable dependiente: Pib2

Calculo de landa

Regresión
2
ANOVA(b)
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 1,6941E+14 1 1,6941E+14 35,7957655 0,00934724
SRC2 Residual 1,4198E+13 3 4,7326E+12
Total 1,8361E+14 4
a Variables predictoras: (Constante), Cp2
b Variable dependiente: Pib2

Regresión
1

ANOVA(b)
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 1,7112E+14 1 1,7112E+14 314,881982 0,00039022
SRC1 Residual 1,6303E+12 3 5,4344E+11
Total 1,7275E+14 4
a Variables predictoras: (Constante), Cp1
b Variable dependiente: Pib1

Landa 8,70862763

gonzalezpe Página 7 17-10-yyyy

Econometría I
Heterocedasticidad

Análisis

El F critico para 4 g de l a un nivel de significancia del 5% es de 28,71,

puesto que el valor calculado excede al valor critico, se puede concluir
que no existe heterocedasticidad en la varianza del error.

gonzalezpe Página 8 17-10-yyyy

Econometría I
Heterocedasticidad

d) Prueba Breusch-Pagan-Godfrey

Procedimiento

• Paso 1: Estímese por MCO y obtenga los residuos.

• Paso 2: Obténgase
Λ 2
u
σ2 =∑ i
n

• Paso 3: Constrúyanse las variables pi definidas como:

Λ
u
pi = i2
σ

• Paso 4:
Regrésense los pi, así construidos sobre las Z como:

pi = α i + α 2 Z 2i + .... + α ni Z ni + vi

• Paso 5:
Obténgase la SEC (Suma explicada de los cuadrados) de la
regresión anterior y defínase

1
φ = ( SRC)
2

gonzalezpe Página 9 17-10-yyyy

Econometría I
Heterocedasticidad
Calculos

Paso 2:

Año Pib CP u u2
1985 28200885 4498034 2278359,29 5,20E+12
1986 32323992 4740221 2484733,66 6,20E+12
1987 36143972 5159905 -482562,356 2,30E+11
1988 40158739 5367137 180776,468 3,30E+10
1989 45044128 5813462 -2151958,09 4,60E+12
1990 50145195 6197776 -3266151,13 1,10E+13
1991 54927320 6543696 -4078365,01 1,70E+13
1992 59104986 6808095 -4176651,85 1,70E+13
1993 60952584 6971511 -4971874,39 2,50E+13
1994 64811535 6948140 -734959,427 5,40E+11
1995 69780058 7074014 2197885,35 4,80E+12
1996 73743261 7141101 5076133,99 2,60E+13
1997 77896586 7239097 7644633,5 5,80E+13
1,76E+14

Λ 2
u
σ2 =∑ i
n = 1,35E+13

Paso 3

Año Pib CP u u2 pi
1985 28200885 4498034 2278359,29 5,20E+12 1,69E-07
1986 32323992 4740221 2484733,66 6,20E+12 1,84E-07
-482562,35
1987 36143972 5159905 6 2,30E+11 -3,57E-08
1988 40158739 5367137 180776,468 3,30E+10 1,34E-08
-2151958,0
1989 45044128 5813462 9 4,60E+12 -1,59E-07
-3266151,1
1990 50145195 6197776 3 1,10E+13 -2,42E-07
-4078365,0
1991 54927320 6543696 1 1,70E+13 -3,02E-07
-4176651,8
1992 59104986 6808095 5 1,70E+13 -3,09E-07
-4971874,3
1993 60952584 6971511 9 2,50E+13 -3,68E-07
-734959,42
1994 64811535 6948140 7 5,40E+11 -5,44E-08
1995 69780058 7074014 2197885,35 4,80E+12 1,63E-07
1996 73743261 7141101 5076133,99 2,60E+13 3,76E-07

gonzalezpe Página 10 17-10-yyyy

Econometría I
Heterocedasticidad
1997 77896586 7239097 7644633,5 5,80E+13 5,66E-07
1,76E+14

= 1,35E+13

Λ 2
ui
σ2 =∑
n
Obtención de Phi:

Resumen del modelo

R cuadrado Error típ. de la

Modelo R R cuadrado corregida estimación
1 ,972a ,944 ,939 3992088,487
a. Variables predictoras: (Constante), cp

ANOVAb

Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 2,96E+015 1 3,0E+015 185,842 ,000 a
Residual 1,75E+014 11 1,6E+013
Total 3,14E+015 12
a. Variables predictoras: (Constante), cp
b. Variable dependiente: pib

Coe ficie nte sa

Coeficientes
Coeficientes no estandarizad
estandarizados os
Modelo B Error típ. Beta t Sig.
1 (Constante) -5E+007 7429224 -6,302 ,000
cp 16,172 1,186 ,972 13,632 ,000
a. Variable dependiente: pib

gonzalezpe Página 11 17-10-yyyy

Econometría I
Heterocedasticidad
Regresión de Phi Como dependiente

Re sumen de l mode lo

R cuadrado Error típ. de la

Modelo R R cuadrado corregida estimación
1 ,000 a ,000 -,091 ,00000
a. Variables predictoras: (Constante), cp

ANOVAb

Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión ,000 1 ,000 ,000 1,000 a
Residual ,000 11 ,000
Total ,000 12
a. Variables predictoras: (Constante), cp
b. Variable dependiente: PI

Coe ficie nte sa

Coeficientes
Coeficientes no estandarizad
estandarizados os
Modelo B Error típ. Beta t Sig.
1 (Constante) 1,65E-010 ,000 ,000 1,000
cp -1,0E-017 ,000 ,000 ,000 1,000
a. Variable dependiente: PI

Calculo

1 =0
φ = ( SRC)
2

Análisis

Ji-Cuadrado al 5% para 11 gl es de 4,57, por lo que se acepta la H0,

pero es porque este test es para muestras grandes y en este caso
tenemos solo 13 periodos.

gonzalezpe Página 12 17-10-yyyy

Econometría I
Heterocedasticidad

d) Prueba White

Procedimiento

• Paso 1: Obténgase los residuos u.

• Paso 2: Efectué la siguiente regresión auxiliar:

Λ2
µ = α 1 + α 2 X 2 i + α 3 X 3i + ν

• Obténgase R2 de esta regresión auxiliar

Re sumen de l mode lo

R cuadrado Error típ. de la

Modelo R R cuadrado corregida estimación
1 ,565 a ,319 ,257 1,3921E+013
a. Variables predictoras: (Constante), cp

ANOVAb

Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 9,99E+026 1 1,0E+027 5,157 ,044 a
Residual 2,13E+027 11 1,9E+026
Total 3,13E+027 12
a. Variables predictoras: (Constante), cp
b. Variable dependiente: u2

Coe ficie nte sa

Coeficientes
Coeficientes no estandarizad
estandarizados os
Modelo B Error típ. Beta t Sig.
1 (Constante) -4E+013 3E+013 -1,725 ,112
cp 9394749 4136935 ,565 2,271 ,044
a. Variable dependiente: u2

• Paso 3: Bajo la hipótesis no hay heterocedasticidad, puede

demostrarse que el tamaño de la muestra multiplicado por R2,
obtenido de la regresión auxiliar asintoticamente sigue la
distribución ji-cuadrada con g de l igual al numero de variables

gonzalezpe Página 13 17-10-yyyy

Econometría I
Heterocedasticidad
regresoras, excluyendo el termino constante, en la regresión
auxiliar es decir

n * R 2 ≈ χ 2 g de l

• Paso 4: Si el valor de ji-cuadrada excede el valor critico del nivel

de significancia seleccionado, la conclusión es que hay
heterocedasticidad

Análisis

Según tabla ji-cuadrado al 95% de confianza con 11 gl, no da lo

siguiente

4,57

Resumen del modelo

R cuadrado
Modelo R R cuadrado corregida Error típ. de la estimación
1 0,56496764 0,31918843 0,25729647 1,3921E+13
a Variables predictoras: (Constante), cp

N 13

= 4,14944958

n * R 2 ≈ χ 2 g de l

gonzalezpe Página 14 17-10-yyyy

Econometría I
Heterocedasticidad
Por lo tanto se acepta h0

gonzalezpe Página 15 17-10-yyyy

Econometría I
Heterocedasticidad

Ejercicios para evaluación de Ayudantía.

1) Según base de crecimiento económico que poseen, calcular:

A partir de dicha información, contraste el posible incumplimiento de la hipótesis

clásica de no
Heterocedasticidad por medio de:

a) a) Prueba de Park

b) Prueba de Glejser

c) Prueba Goldfeld-Quandt

d) Prueba Breusch-Pagan-Godfrey

e) Prueba White

gonzalezpe Página 16 17-10-yyyy

Econometría I
Heterocedasticidad

gonzalezpe Página 17 17-10-yyyy