CONTRASTACION
DE
HIPOTESIS
Programa de Titulacin Profesional
PTP-2014
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
Tipos de investigacin
1. Los estudios exploratorios, su objetivo es examinar un problema
poco estudiado o que no ha sido abordado antes.
2. Los estudios descriptivos, el inters est enfocado en las
propiedades del objeto o de la situacin y dan por resultado
diagnsticos. Requiere gran conocimiento del rea que se investiga
para formular las preguntas especficas que busca responder.
3. Los estudios correlacionales, tienen como propsito medir el
grado de relacin que exista entre dos o ms variables en un
contexto particular.
4. Los estudios explicativos dan respuesta a los porqu. Su inters se
centra en explicar porqu ocurre un fenmeno y en qu condiciones
se da ste, o porqu dos o ms variables estn relacionadas. Van
ms all de la descripcin de conceptos o fenmenos o del
establecimiento de relaciones entre conceptos.
PTP-2014
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
donde:
, indica que se trata de unidades de observacin temporales en
contraposicin con las espaciales (tambin llamadas de corte transversal
v.g. ).
; es la parte sistemtica del modelo economtrico (tambin llamada
determinista en el caso de que los coeficientes ; no sean cambiantes o
aleatorios).
; es la parte aleatoria del modelo economtrico.
; son las variables econmicas o atributos de las unidades de
observacin entre las que se quiere establecer alguna relacin
proveniente de la teora econmica.
PTP-2014
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
: Variable dependiente
: Parmetros del modelo
: Coeficiente del intercepto
: Variable independiente (explicativa)
: Perturbacin o error
PTP-2014
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
Si las perturbaciones
(desviaciones) siguen patrones
sistemticos, como los que de las
figuras (a) y (b), hay correlacin
serial o autocorrelacin, y lo que
requiere el supuesto 5 es que
dichas correlaciones estn
ausentes. La figura (c) muestra que
no hay un patrn sistemtico para
las , lo que indica cero
correlacin.
PTP-2014
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
INFERENCIA ESTADISTICA
La
PTP-2014
CONTRASTACION DE HIPOTESIS
INFERENCIA ESTADISTICA
Entonces,
CONTRASTACION DE HIPOTESIS
EL SUPUESTO DE NORMALIDAD DE
El
PTP-2014
CONTRASTACION DE HIPOTESIS
EL SUPUESTO DE NORMALIDAD DE
Por
PTP-2014
CONTRASTACION DE HIPOTESIS
EL SUPUESTO DE NORMALIDAD DE
En
CONTRASTACION DE HIPOTESIS
EL SUPUESTO DE NORMALIDAD DE
4.
PTP-2014
CONTRASTACION DE HIPOTESIS
EL SUPUESTO DE NORMALIDAD DE
5.
PTP-2014
CONTRASTACION DE HIPOTESIS
EL SUPUESTO DE NORMALIDAD DE
8.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
INTRODUCCIN
La estimacin y las pruebas de hiptesis constituyen las dos ramas
principales de la inferencia clsica.
La teora de la estimacin consta de dos partes: estimacin puntual y
estimacin por intervalos. Todo lo estudiado en los tems anteriores se
refiere a la estimacin puntual, ahora estudiaremos la estimacin por
intervalos y posteriormente la prueba de hiptesis.
El objetivo de la estimacin es obtener una aproximacin al valor de
cierto parmetro de la poblacin y el de la prueba de hiptesis es decidir
si una afirmacin acerca de una caracterstica de la poblacin es
verdadera.
La prueba de hiptesis, tambin conocida como dcima o contraste de
hiptesis, proporciona una excelente oportunidad para analizar la
informacin.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
INTRODUCCIN
Cuando un hallazgo interesante y emprico emerge del anlisis de
informacin basado en una muestra, una hiptesis sencilla pero relevante
que debe ocurrrsele a todo investigador es: Representa el hallazgo
emprico slo un accidente de muestreo?
Ejemplo:
Se desea determinar si afirmaciones como las siguientes son ciertas:
1. Un productor de desayunos afirma que, en promedio, el contenido de
cada caja pesa al menos 200 gramos. Para verificar esta afirmacin, se
pesa el contenido de una muestra aleatoria y se infiere el resultado a
partir de la informacin muestral.
2. Una compaa recibe un gran cargamento de piezas. El envo se acepta
slo si no hay ms de 5% de piezas defectuosas. La decisin de aceptar la
remesa puede basarse en el examen de una muestra aleatoria de piezas.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
INTRODUCCIN
3. Un profesor est interesado en valorar la utilidad de realizar
regularmente pruebas cortas en un curso de estadstica. La asignatura
consta de dos partes y el profesor realiza esta prueba slo en una de
ellas. Cuando acaba el curso, compara los conocimientos de los
estudiantes en las dos partes de la materia mediante un examen final y
analiza su hiptesis de que las pruebas cortas aumentan el nivel medio
de conocimientos.
Estos ejemplos tienen algo en comn: La hiptesis se formula sobre la
poblacin, y las conclusiones sobre la validez de esta hiptesis se basan
en la informacin muestral.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
HIPTESIS ESTADSTICA
Una hiptesis estadstica es una conjetura con respecto a uno o ms
parmetros poblacionales (enunciado o afirmacin sobre una o ms
caractersticas poblacionales como un parmetro, la distribucin de
probabilidad de una poblacin, etc); y, el mtodo de contraste es el que
permite tomar decisiones en base a datos muestrales y riesgos conocidos.
Nunca se sabe con absoluta certeza la verdad o falsedad de una hiptesis
estadstica, a no ser que se examine toda la poblacin. En su lugar, se
toma una muestra aleatoria de la poblacin de inters y se utilizan los
datos que contiene tal muestra para proporcionar evidencias que
confirmen o no la hiptesis.
La evidencia de la muestra que es inconsistente con la hiptesis planteada
conduce a un rechazo de la misma, mientras que la evidencia que apoya
la hiptesis conduce a su aceptacin.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
HIPTESIS ESTADSTICA
La prueba de hiptesis, o contraste de hiptesis, consiste en:
1. Formular hiptesis nula, H0
2. Formular hiptesis alternativa, H1
3. Establecer nivel de confianza para H0
4. Definir estadstico de contraste
5. Aplicar regla de decisin
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
1. Hiptesis nula: H0
Indica que en la poblacin no se han producido cambios. Es la hiptesis
que se considera cierta a no ser que se produzca suficiente evidencia en
contra. Es la hiptesis que se plantea para juzgar si puede ser o no
rechazada. En general, se enuncia como hiptesis nula lo que se viene
aceptando, creyendo o asumiendo como lo que es cierto con anterioridad
al estudio.
2. Hiptesis alternativa: H1
Afirmacin que enfrenta lo establecido por la hiptesis nula. Se opone a
la H0 y afirma que sta es falsa. En H1 se enuncia lo que se presume que
est sucediendo y que ha cambiado con respecto a lo que se supona
como verdadero. Esta es la hiptesis de inters para el investigador
debido a que representa la proposicin hipottica que desea probar.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
En el contexto del contraste de hiptesis clsico, la hiptesis nula se
considera cierta inicialmente. La tarea de persuadirnos de lo contrario
corresponde a los datos de la muestra.
La aceptacin de una hiptesis nula implica tan slo que los datos de la
muestra no proporcionan evidencia suficiente para rechazarla.
Por otro lado, el rechazo implica que la evidencia muestral la refuta.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
3. Tipos de H0 y H1
Se pueden tener las siguientes combinaciones:
1. H0: = 0 vs. H1: > 0 Hiptesis nula simple y Alternativa unilateral
2. H0: = 0 vs. H1: < 0 Hiptesis nula simple y Alternativa unilateral
3. H0: = 0 vs. H1: 0 Hiptesis nula simple y Alternativa bilateral
4. H0: 0 vs. H1: > 0 Hiptesis nula compuesta y Alternativa
unilateral
5. H0: 0 vs. H1: < 0 Hiptesis nula compuesta y Alternativa
unilateral
Obsrvese que en la hiptesis nula siempre se encuentra la posibilidad de
la igualdad del planteamiento. Esto se debe a que la hiptesis nula
inicialmente se considera cierta. Adems, la especificacin de las hiptesis
nula y alternativa apropiadas depende del problema.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
4. Tipos de errores que se pueden cometer en un constraste de hiptesis
Existen dos tipos de errores que son inherentes al proceso de contraste
de hiptesis:
Error Tipo I: Consiste en rechazar H0 cuando realmente es cierta
Error Tipo II:
Consiste en aceptar H0 cuando realmente es falsa
Si la regla de decisin es tal que P(cometer Error Tipo I) = , es decir, la
probabilidad de rechazar la hiptesis nula cuando es
cierta es , entonces se llama nivel de significacin
del contraste. Ntese que es una probabilidad
condicional,
P(Rechazar H0/H0 es cierta) =
Puesto que la hiptesis nula tiene que ser aceptada o rechazada, la
probabilidad de aceptar la hiptesis nula cuando es cierta
es (1 ), es decir,
P(Aceptar H0/H0 es cierta) = 1-
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
4. Tipos de errores que se pueden cometer en un constraste de hiptesis
Por otro lado, la P(Cometer Error Tipo II) = , es decir, la probabilidad de
aceptar una hiptesis nula falsa se denota por . Tambin puede verse:
P(Aceptar H0/H0 es falsa) =
Entonces, la probabilidad de rechazar una H0 falsa es (1), y se llama
potencia del contraste. Visto como una probabilidad condicional,
P(Rechaza H0/H0 es falsa) = 1-
DECISIONES SOBRE
La Tabla siguiente
SITUACIN REAL
LA HIPTESIS NULA
resume las situaciones
H VERDADERA
H FALSA
posibles en un
Decisin correcta
Error Tipo II
contraste de hiptesis
ACEPTAR H
Probabilidad = 1
Probabilidad =
al tomar la decisin
Error Tipo I
Decisin correcta
sobre la hiptesis
RECHAZAR H
Probabilidad =
Probabilidad = 1
nula.
0
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
5. Influencia de las Probabilidades y sobre una prueba de hiptesis
Lo ideal sera que las probabilidades de los dos tipos de error fuesen lo
ms pequeas posible. Sin embargo, hay una clara compensacin entre
las dos. Cuando se ha tomado una muestra, cualquier modificacin de la
regla de decisin que haga menos probable rechazar una hiptesis nula
cierta, se traducir en mayor probabilidad de aceptar esta hiptesis
cuando es falsa. Es decir, cuando decrece, aumenta y viceversa.
La nica manera de disminuir simultneamente las dos probabilidades
de error ser obtener ms informacin sobre la verdadera media de la
poblacin, tomando una muestra mayor.
Lo que se hace en la prctica es fijar la probabilidad de cometer un error
de Tipo I (nivel de significacin ). Esto determina, entonces, la regla de
decisin adecuada, que a su vez determina la probabilidad de un error de
Tipo II. Este procedimiento se ilustra en la siguiente figura:
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
6. Terminologa adicional en el contraste de Hiptesis
Valor(es) Crtico(s): Los valores crticos son los nmeros que definen
las fronteras de la regin de rechazo. Los valores crticos pertenecen a la
regin de rechazo. Cmo establecer los valores crticos? Va a depender
de:
1. nivel de significacin, .
2. tipo de distribucin de
probabilidad del estadstico de
contraste
3. tipo de hiptesis alternativa que
se est contrastando (bilateral o
unilateral)
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
6. Terminologa adicional en el contraste de Hiptesis
Por tanto, al aceptar una hiptesis nula, no se est asegurando
necesariamente, que haya mucho en su favor. Una afirmacin ms
precisa sobre la situacin es los datos disponibles no proporcionan
suficiente evidencia para rechazar la hiptesis nula en lugar de se
acepta la hiptesis nula.
Se seguir usando aceptar como una manera eficiente de expresar esta
idea, pero es importante tener en cuenta la interpretacin de la frase. En
el contexto del contraste de hiptesis clsico, la hiptesis nula se
considera cierta inicialmente. La tarea de persuadir de lo contrario
corresponde a los datos de la muestra.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
ESTIMACION POR INTERVALOS
Supongamos
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
ESTIMACION POR INTERVALOS
Para
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
ESTIMACION POR INTERVALOS
En
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
ESTIMACION POR INTERVALOS
Es
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
ESTIMACION POR INTERVALOS
3.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
INTERVALOS
DE CONFIANZA PARA Y
Lneas
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
INTERVALOS
DE CONFIANZA PARA Y
Por
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
INTERVALOS
DE CONFIANZA PARA Y
La
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
INTERVALOS
Combinando
DE CONFIANZA PARA Y
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
INTERVALOS
Observe
DE CONFIANZA PARA Y
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
INTERVALOS
DE CONFIANZA PARA Y
Ejemplo:
La tabla adjunta proporciona datos sobre
el nivel de estudios (medido en aos de
escolaridad), el salario promedio por
hora devengado por las personas por
nivel de escolaridad y el nmero de
personas en un nivel de estudios.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
INTERVALOS
DE CONFIANZA PARA Y
Ejemplo:
Al trazar el salario promedio en funcin del grado de escolaridad, se
obtiene la grfica adjunta.
La grfica muestra la
variacin de los salarios
promedio de acuerdo con
el grado de escolaridad;
por lo general, aqullos se
incrementan a la par que el
grado de escolaridad.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
INTERVALOS
DE CONFIANZA PARA Y
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
INTERVALOS
DE CONFIANZA PARA Y
La
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
INTERVALOS
DE CONFIANZA PARA Y
Ejemplo:
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
INTERVALOS
La
DE CONFIANZA PARA
Donde:
es el estimador de la verdadera pero desconocida 2.
(n2) es el nmero de grados de libertad (gl);
es la suma de los valores residuales al cuadrado o la suma de
cuadrados de los residuos (SCR).
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
INTERVALOS
La
DE CONFIANZA PARA
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
INTERVALOS
DE CONFIANZA PARA
Segn
el supuesto de normalidad,
la variable:
sigue la distribucin con n2 gl.
Con la distribucin se establece el
intervalo de confianza para
Donde
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
INTERVALOS
Al
DE CONFIANZA PARA
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
INTERVALOS
DE CONFIANZA PARA
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
INTERVALOS
DE CONFIANZA PARA
Al sustituir los datos del ejemplo en:
El intervalo de confianza para a 95% es:
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Mtodo del intervalo de confianza
A.
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Mtodo del intervalo de confianza
A.
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Mtodo del intervalo de confianza
A. Prueba bilateral o de dos colas
En estadstica, cuando se rechaza la hiptesis nula, se dice que el
hallazgo es estadsticamente significativo. Por otra parte, cuando no se
hace, se dice que el resultado no es estadsticamente significativo.
Algunos autores utilizan frases como muy significativo desde un punto
de vista estadstico para referirse a que, cuando rechazan la hiptesis
nula, la probabilidad de cometer un error tipo I (por ejemplo, ) es un
nmero pequeo, usualmente 1%. Pero es mejor dejar que el
investigador califique el hallazgo estadstico como significativo,
moderadamente significativo o muy significativo.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Mtodo del intervalo de confianza
B. Prueba unilateral o de una cola
Algunas veces tenemos una expectativa a priori o terica slida (o
existen expectativas basadas en algn trabajo emprico previo) de que
la hiptesis alternativa es unilateral o unidireccional, en lugar de ser
bilateral o de dos colas, como acabamos de analizar. As, para el
ejemplo de los salarios y el nivel de escolaridad, se puede postular que:
H0: 2 0.5
H1: 2>0.5
Quiz la teora econmica o el trabajo emprico previo indiquen que la
pendiente es mayor que 0.5. El procedimiento para probar esta
hiptesis se explica mejor en trminos del mtodo de prueba de
significancia siguiente
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Enfoque de la prueba de significancia
A. Prueba de significancia de los coeficientes de regresin: la prueba t
Este es un enfoque alterno pero complementario al de intervalos de
confianza para probar hiptesis estadsticas. En trminos generales, una
prueba de significancia es un procedimiento que utiliza los resultados
muestrales para verificar la verdad o falsedad de una hiptesis nula.
La idea bsica de las pruebas de significancia es la de un estadstico de
prueba (un estimador) y su distribucin muestral segn la hiptesis nula.
La decisin de aceptar o rechazar H0 se toma con base en el valor del
estadstico de prueba obtenido con los datos disponibles.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Enfoque de la prueba de significancia
A.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Enfoque de la prueba de significancia
A.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Enfoque de la prueba de significancia
A.
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Enfoque de la prueba de significancia
A.
Suponiendo que: y
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Enfoque de la prueba de significancia
A.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Enfoque de la prueba de significancia
A.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Enfoque de la prueba de significancia
A.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Enfoque de la prueba de significancia
A.
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Enfoque de la prueba de significancia
A. Prueba de significancia de los coeficientes de regresin: la prueba t
La utilizacin de una prueba de significancia de una o dos colas depender
de la forma como se formule la hiptesis alternativa, la cual, a su vez,
puede depender de algunas consideraciones a priori o de experiencia
emprica previa.
En la tabla siguiente se presenta un resumen del mtodo de la prueba t de
significancia para pruebas de hiptesis.
Tipo
Tipo de
de
hiptesis
hiptesis
Dos
Dos colas
colas
Cola
Cola derecha
derecha
H
H00:: Hiptesis
Hiptesis
nula
H
H11:: Hiptesis
Hiptesis
alternativa
Regla
Regla de
de
decisin:
rechazar
rechazar H
H00 si:
si:
Cola
Cola izquierda
izquierda
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Enfoque de la prueba de significancia
B.
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Enfoque de la prueba de significancia
B. Prueba de significancia de 2: la prueba 2
El mtodo de la prueba de significancia 2 para la prueba de hiptesis
se resume en la siguiente tabla.
H00: Hiptesis nula
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Algunos aspectos prcticos
A.
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Algunos aspectos prcticos
A.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Algunos aspectos prcticos
E. Nivel exacto de significancia: valor p
El taln de Aquiles del mtodo clsico de la prueba de hiptesis es su
arbitrariedad al seleccionar . Una vez obtenido un estadstico de
prueba t en un ejemplo dado, por qu no tan slo consultar la tabla
estadstica adecuada y encontrar la probabilidad real de obtener un
valor del estadstico de prueba tan grande o mayor que el obtenido en el
ejemplo? Esta probabilidad se denomina valor p (es decir, valor de
probabilidad), tambin conocido como nivel observado o exacto de
significancia, o probabilidad exacta de cometer un error tipo I. Ms
tcnicamente, el valor p se define como nivel de significancia ms
bajo al cual puede rechazarse una hiptesis nula.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Algunos aspectos prcticos
E.
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Algunos aspectos prcticos
E. Nivel exacto de significancia: valor p
En realidad, si se utilizara el valor p recin calculado y se rechazara la
hiptesis nula de que el verdadero coeficiente de escolaridad es 0.5, la
probabilidad de cometer un error tipo I sera ms o menos de slo 1 en
100,000.
En otras palabras, para un tamao de muestra dado, a medida que
aumenta |t|, el valor p se reduce y, por consiguiente, se rechaza la
hiptesis nula con mayor confianza.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Algunos aspectos prcticos
F. Significancia estadstica y significancia prctica
Consideremos los
siguientes datos que
relaciona el consumo
personal (GCP) con el
PBI, ambas variables
se miden en millones
de dlares del 2000.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Algunos aspectos prcticos
F. Significancia estadstica y significancia prctica
Tericamente, esta es una
funcin consumo y en la
regresin observamos que la
propensin marginal a
consumir (PMC), es decir, el
consumo adicional que
produce un dlar adicional de
ingreso (medido por el PIB)
es de alrededor de 0.72, o 72
centavos.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Algunos aspectos prcticos
F. Significancia
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
PRUEBA DE HIPOTESIS: Algunos aspectos prcticos
F. Significancia estadstica y significancia prctica
Pero, cul es el significado prctico del hallazgo? qu diferencia hay
entre asignar a la PMC un valor de 0.74 o uno de 0.72? Es la
diferencia de 0.02 entre las dos PMC muy importante en la prctica?
La respuesta depende de lo que en realidad se haga con estas
estimaciones. Por ejemplo, de la macroeconoma se sabe que el
multiplicador del ingreso es 1/(1 PMC). Por tanto, si la PMC es 0.72,
el multiplicador es 3.57, pero ser 3.84 si la PMC es igual a 0.74.
Es decir, si el gobierno incrementara su gasto en 1 dlar para sacar la
economa de una recesin, el ingreso aumentara 3.57 dlares, si la
PMC fuese 0.72, pero lo har 3.84 dlares si la PMC es 0.74. Y esa
diferencia puede ser crucial para reactivar la economa.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
ANALISIS DE REGRESION Y ANALISIS DE VARIANZA
Estudiaremos,
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
ANALISIS DE REGRESION Y ANALISIS DE VARIANZA
El
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
ANALISIS DE REGRESION Y ANALISIS DE VARIANZA
Fuente de variacin
Debido
Debido aa la
la regresin
regresin
SCE
SCE
Debido
Debido aa los
los residuos
residuos
SCR
SCR
SC
gl
Suma de cuadrados
promedio (SCP)
11
n-2
n-2
n-1
n-1
SCT
SCT
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
ANALISIS DE REGRESION Y ANALISIS DE VARIANZA
Con
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
ANALISIS DE REGRESION Y ANALISIS DE VARIANZA
Para esclarecer esto, continuamos con el ejemplo ilustrativo de los aos
de escolaridad y el salario promedio. La tabla ANOVA para este
ejemplo se presenta en la siguiente tabla:
Fuente
Fuente de
de variacin
variacin
Debido
aa
Debido
regresin
regresin (SCE)
(SCE)
Debido
aa
Debido
residuos
residuos (SCR)
(SCR)
SCT
SCT
PTP-2014
SC
SC
la
la (SCT-SCR)
los
los
=95.4255
(sum squared resid)
=9.69281
Gl
Gl
11
Suma
Suma cuadrados
cuadrados
promedio: SCP
F
F
95.4255
11
11
12
12
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
ANALISIS DE REGRESION Y ANALISIS DE VARIANZA
El valor F=108.3026. El valor p de este estadstico F correspondiente a
1 y 8 gl no puede obtenerse de la tabla F, pero con tablas estadsticas
electrnicas se demuestra que el valor p=0.0000001, una probabilidad
muy pequea. Por tanto, si rechazamos la hiptesis nula H0:2=0, la
probabilidad de cometer un error tipo I es muy pequea. Para todo fin
prctico, la muestra no pudo provenir de una poblacin con un valor
2=0, y se puede concluir con gran confianza que X, la educacin, s
afecta Y, el salario promedio.
Para el modelo con dos variables, en realidad no es necesario recurrir a
la prueba F. Sin embargo, en la regresin mltiple la prueba F tiene
diversas aplicaciones que la hacen un mtodo muy til y eficaz para
demostrar hiptesis estadsticas.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
INFORME DE RESULTADOS DEL ANALISIS DE REGRESION
Hay
Las cifras del primer conjunto de parntesis son los errores estndar
estimados de los coeficientes de regresin; las cifras del segundo
conjunto son los valores t estimados segn la hiptesis nula de que el
verdadero valor poblacional de cada coeficiente de regresin individual
es cero; y las cifras del tercer grupo son los valores p estimados.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
INFORME DE RESULTADOS DEL ANALISIS DE REGRESION
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
EVALUACION DE LOS RESULTADOS DEL ANALISIS DE
REGRESION
Obtenidos los resultados del anlisis de regresin del ejemplo de
salarios y niveles de escolaridad cabe cuestionar la bondad del modelo
ajustado. Qu tan bueno es el modelo ajustado? Necesitamos
ciertos criterios para responder esta pregunta.
Primero, estn los signos de los coeficientes estimados de acuerdo
con las expectativas tericas o previas? A priori, 2 en el ejemplo de los
salarios y el nivel de escolaridad debe ser positivo. En el ejemplo, lo es.
Segundo, si la teora sostiene que la relacin no debe ser slo positiva sino
tambin estadsticamente significativa, es el caso en nuestro ejemplo? Los
resultados muestran que el coeficiente del nivel de escolaridad no slo es
positivo, sino tambin estadsticamente significativo, es decir, diferente de
cero; el valor p del valor t estimado es muy pequeo. Valen los mismos
comentarios para el coeficiente del intercepto.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
EVALUACION DE LOS RESULTADOS DEL ANALISIS DE
REGRESION
Tercero, qu tan bien explica el modelo de regresin la variacin en el
ejemplo? Se puede responder con r2. En nuestro ejemplo, r2 es de
alrededor de 0.90, un valor muy alto si consideramos que r2 puede ser
mximo 1.
As, parece muy bueno el modelo escogido para explicar el
comportamiento de los salarios promedio. Pero antes de comprometerse
con l, sera interesante averiguar si satisface los supuestos del MCRLN.
Por la simplicidad del modelo, slo hay un supuesto que se puede
verificar, a saber, el de normalidad del trmino de perturbacin, i.
Recuerde que las pruebas t y F requieren que el trmino de error siga una
distribucin normal. De lo contrario, el procedimiento de prueba no ser
vlido en muestras pequeas, o finitas.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
EVALUACION DE LOS RESULTADOS DEL ANALISIS DE
REGRESION
A. Prueba de normalidad
Aunque se han estudiado diversas pruebas de normalidad en la teora, slo
consideraremos dos:
1) Histograma de residuos
3) Prueba Jarque-Bera.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
EVALUACION DE LOS RESULTADOS DEL ANALISIS DE
REGRESION
A. Prueba de normalidad
A.1 Histograma de residuos
Es un simple dispositivo grfico para saber algo sobre la forma de la
funcin de densidad poblacional (FDP) de una variable aleatoria. En el eje
horizontal se dividen los valores de la variable de inters (por ejemplo, los
residuos de MCO) en intervalos convenientes, y sobre cada intervalo de
clase se construyen rectngulos cuya altura sea igual al nmero de
observaciones (es decir, la frecuencia) para ese intervalo de clase. Si
mentalmente se coloca la curva de distribucin normal en forma de
campana sobre el histograma, se tendr cierta idea sobre la pertinencia o
no de la aproximacin normal (FDP). En la figura siguiente se presenta el
histograma de residuos correspondiente a la regresin de salarios y nivel
de escolaridad.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
EVALUACION DE LOS RESULTADOS DEL ANALISIS DE
REGRESION
A. Prueba de normalidad
A.1 Histograma de residuos
5
Series:RESID
Sample113
Observations13
4
3
2
1
0
-2.0
-1.5
PTP-2014
-1.0
-0.5
0.0
0.5
1.0
1.5
Mean
Median
Maximum
Minimum
Std.Dev.
Skewness
Kurtosis
1.25e-15
0.126573
1.319809
-1.563704
0.898740
-0.393787
2.046253
Jarque-Bera
Probability
0.828699
0.660770
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
EVALUACION DE LOS RESULTADOS DEL ANALISIS DE
REGRESION
A.
Prueba de normalidad
A.2 Prueba de Jarque-Bera)
La prueba de normalidad JB es una prueba asinttica, o de muestras
grandes. Tambin se basa en los residuos de MCO. Esta prueba calcula
primero la asimetra y la curtosis de los residuos de MCO, con el siguiente
estadstico de prueba:
Donde:
n: tamao de la muestra;
S: coeficiente de asimetra;
K: coeficiente de curtosis.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
EVALUACION DE LOS RESULTADOS DEL ANALISIS DE
REGRESION
A. Prueba de normalidad
A.3 Prueba de Jarque-Bera)
Para una variable normalmente distribuida, S=0 y K=3. La prueba de
normalidad JB es una prueba de la hiptesis conjunta de que S y K son 0 y
3, respectivamente. En este caso, se espera que JB=0.
De acuerdo con H0, que afirma que los residuos estn normalmente
distribuidos, Jarque y Bera mostraron que en muestras grandes el
estadstico JB sigue la distribucin ji cuadrada, con 2 gl. Si el p calculado
del estadstico JB es lo bastante bajo en una aplicacin, que suceder si el
valor del estadstico difiere en gran medida de cero, se puede rechazar la
hiptesis de que los residuos estn normalmente distribuidos. Pero si el
valor p es razonablemente alto, lo cual sucede cuando el valor del
estadstico est cerca de cero, no rechazamos la suposicin de normalidad.
PTP-2014
CONTRASTACION DE HIPOTESIS
TEORIA DE LA ESTIMACION
EVALUACION DE LOS RESULTADOS DEL ANALISIS DE
REGRESION
A. Prueba de normalidad
A.3 Prueba de Jarque-Bera)
En nuestro ejemplo, el estadstico JB estimado para la regresin de salarios
y nivel de educacin es 0.8286. La hiptesis nula de que los residuos en el
presente ejemplo estn distribuidos normalmente no puede rechazarse,
pues el valor p de obtener un estadstico JB igual o mayor que 0.8286 es
de alrededor de 0.66, o 66%. Esta probabilidad es muy alta.
PTP-2014
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
320
280
280
240
240
200
200
160
160
MI
MI
Ejemplo:
120
120
80
80
40
40
0
0
4000
8000
PBIPC
20
40
60
80
100
TAM
PTP-2014
CONTRASTACION DE HIPOTESIS
modelo es:
PTP-2014
CONTRASTACION DE HIPOTESIS
2=0.0056 es el coeficiente de
regresin parcial del PIBpc e indica
que, si se mantiene constante la
influencia de la TAM, conforme el
PIBpc se incrementa, por ejemplo en
un dlar en promedio, la MI
disminuye en 0.0056 unidades. Desde
el punto de vista econmico, si el PIB
per cpita se incrementara 1,000
dlares, en promedio, el nmero de
muertes de nios menores de 5 aos se
reducira a 5.6 por cada 1,000
nacimientos vivos.
PTP-2014
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
(0.002)
(0.209)
(11.593)
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
i tt / 2;T k 1 **SSi
i
/ 2;T k 1
i
PTP-2014
Limite Superior
Limite Inferior
4.197519
3.18023
0.527311
0.38813
-0.023972
-0.03009
0.677873
0.44817
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
T k
K 3
2
T: Tamao de muestra
JB
S
6
4
K: Es la kurtosis
S: Es la asimetra
JB (25%;2 ) 5.99
k: Nmero de regresoras
Regla de Decisin:
Si el JB es menor 5.99 no se rechaza la hiptesis nula
PTP-2014
CONTRASTACION DE HIPOTESIS
La asimetra tiende a
cero, lo que nos da
indicios de normalidad.
El JB es menor que
5.99 entonces no se
rechaza Ho.
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
W ( Rb q ) S 2 R ( X X ) 1 R ( Rb q ) 2
F ( q=1;T=180;0.95)
PTP-2014
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
H0 : La variable GDP es no
significativa para el modelo
por lo que C(2)=0.
H1 : La variable GDP es una
variable significativa para el
modelo (C(2) 0).
Como la probabilidad es menor
del 5%, se rechaza la hiptesis
nula.
Por lo que La variable GDP es
significativa para el modelo
PTP-2014
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
PTP-2014
MULTICOLINEALIDAD
MULTICOLINEALIDAD
ECONOMETRIA II
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
PTP-2014
AUTOCORRELACION
AUTOCORRELACION: Ejemplo
7.5
7.0
6.5
6.0
5.5
.12
5.0
.08
4.5
.04
.00
-.04
-.08
-.12
55
60
65
70
Residual
ECONOMETRIA II
75
80
Actual
85
90
95
Fitted
AUTOCORRELACION
AUTOCORRELACION: Ejemplo
Graficamos
ECONOMETRIA II
ahora frente a
AUTOCORRELACION
AUTOCORRELACION: Ejemplo
Graficamos
ahora frente a
.12
.08
RESID(-1)
.04
.00
-.04
-.08
-.12
-.12
-.08
-.04
.00
RESID
ECONOMETRIA II
.04
.08
.12
AUTOCORRELACION
AUTOCORRELACION: Ejemplo
Test de Durbin-Watson
El valor del DW se puede apreciar en la diapositiva 100. Si el DW 2 no
existe autocorrelacin positiva; si DW>2 existe sospechas de una
autocorrelacin negativa y si DW<2 existe sospechas de una autocorrelacin
positiva.
Crtica:
* Slo es valido para la autocorrelacin de la perturbacin autorregresiva de
orden uno AR(1).
* Requiere de una muestra mnima de 15, para obtener resultados fiables.
* Presenta zonas de indeterminacin
ECONOMETRIA II
AUTOCORRELACION
AUTOCORRELACION: Ejemplo
Test de Durbin-Watson
El valor del estadstico DW=0.208837 lo que indica una correlacin serial
positiva en los residuos. A partir de las tablas de Durbin-Watson,
encontramos que para 180 observaciones, tres variables explicativas y un
intercepto: dL=1.738 y dU=1.799 en el nivel de 5% (debido a que no existe
los datos para 180 observaciones, se ha tomado el ms cercano, 200). Como
el valor d calculado de 0.208837 est por debajo de dL, no podemos
rechazar la hiptesis de que hay correlacin serial positiva en los residuos.
Es decir, hemos encontrado evidencia significativa a favor de la existencia
de un coeficiente de autocorrelacin residual positiva, debido a que
0.208837 < 1.738
ECONOMETRIA II
AUTOCORRELACION
AUTOCORRELACION: Ejemplo
Test de Durbin-Watson
El
ECONOMETRIA II
AUTOCORRELACION
AUTOCORRELACION: Ejemplo
Correlograma
Es otra forma de identificar la autocorrelacin de orden p.
Despus de regresionar, ir a View/ Residual Diagnostics/Correlogram Q
stadististics. En el cuadro de dialogo que aparece seleccionamos sin
transformar (Level) y el nmero de rezagos 36 (Lag Specification)
ECONOMETRIA II
AUTOCORRELACION
AUTOCORRELACION: Ejemplo
Correlograma
Las
ECONOMETRIA II
AUTOCORRELACION
AUTOCORRELACION: Ejemplo
Correccin de la autocorrelacin: Mtodo de Durbin
Partimos del modelo:
1. Luego estimamos mediante el modelo auxiliar:
2. Usando el obtenido, aplicar MCO en el modelo transformado siguiente:
En donde:
; ;;
Para evitar perder las primeras observaciones, antes de aplicar MCO al
modelo transformado definiremos:
;
ECONOMETRIA II
AUTOCORRELACION
AUTOCORRELACION: Ejemplo
Correccin de la autocorrelacin: Mtodo de Durbin
En nuestro ejemplo, primero realizamos
la regresin MCO. Aqu observamos
que el estadstico DW=0.2088.
Estimamos el mediante MCO del
modelo auxiliar, los resultados se
muestran en la siguiente gua positiva.
ECONOMETRIA II
AUTOCORRELACION
AUTOCORRELACION: Ejemplo
Correccin de la autocorrelacin: Mtodo de Durbin
De esta regresin solamente nos
interesa el valor del coeficiente de la
variable lnM1(-1)= 0.887855.
Este valor lo utilizamos para construir
el modelo transformado.
Pero antes digitamos en el cuadro de
comandos:
scalar rho=@coefs(1)
Con la finalidad de guardar el valor
de en el escalar llamado rho.
Luego, generamos las nuevas series
para cada una de las variables:
ECONOMETRIA II
AUTOCORRELACION
AUTOCORRELACION: Ejemplo
Correccin de la autocorrelacin: Mtodo de Durbin
Para las primeras celdas de las nuevas variables
generadas, utilizamos las siguientes frmulas, en
el cuadro de comandos:
lnm11=4.475915*sqr(1-rho^2)
lnpbi1=4.840535*sqr(1-rho^2)
lnpr1=-1.621709*sqr(1-rho^2)
rs1=1.64*sqr(1-rho^2)
Luego, con estas variables transformadas,
regresionamos con MCO. Los resultados se
muestran en la siguiente gua positiva.
ECONOMETRIA II
AUTOCORRELACION
AUTOCORRELACION: Ejemplo
Correccin de la autocorrelacin: Mtodo de Durbin
Ahora, se tiene que el DW=1.51, que es
un valor prximo a 2.
El valor de se calcula de la siguiente
manera:
Entonces:
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
Deteccin de Heteroscedasticidad
Este anlisis se basa en los residuos
i) Representacin grafica del valor absoluto de los errores con cada uno
de los regresores.
ii) Representacin grfica de del cuadrado de los errores con cada uno
de los regresores.
iii) Representacin grfica de residuos estimados versus la variable
dependiente proyectada u otras variables conocidas, para explicar el
comportamiento de la varianza y poder extraer su ley.
iv) Prueba general de Goldfeld y Quant, Breusch y Pagan, White.
PTP-2014
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
En el desarrollo de este ejemplo, consideraremos los resultados obtenidos
anteriormente, en el anlisis de la multicolinealidad. All vimos que la
variable causa de la colinealidad era el nivel de precios por lo que procedimos
a eliminarla quedando solamente las variables lnM1, lnGDP y RS.
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Pronstico de la variable dependiente:
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
7.5
Forecast:LNM1F
Actual:LNM1
Forecastsample:1180
Includedobservations:180
7.0
6.5
RootMeanSquaredError
MeanAbsoluteError
MeanAbs.PercentError
TheilInequalityCoefficient
BiasProportion
VarianceProportion
CovarianceProportion
6.0
5.5
5.0
0.059583
0.049852
0.888326
0.005084
0.000000
0.001572
0.998428
4.5
25
50
75
100
125
150
175
LNM1F
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Residuos al cuadrado vs pronsticos de la variable dependiente (lnm1f)
a. Primero realizamos la regresin LS lnm1 lngdp rs c para obtener los
residuos.
b. Hacemos click en Proc/Make Residual Series con el propsito de tomar
el objeto Resid y cambiar su nombre.
c. En la nueva ventana, en el campo
Name for resid series, cambiar el
nombre Resid01 por Res y luego
click en OK.
Cambiar el
nombre por
Res
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Residuos al cuadrado vs pronsticos de la variable dependiente (lnm1f)
Para visualizar las series que vamos a graficar, se puede hacer clic en
Quick/Show
En la nueva ventana escribir el
nombre de las variables que se
quieren graficar: lnM1f y Res
elevado al cuadrado:
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Residuos al cuadrado vs pronsticos de la variable dependiente (lnm1f)
Luego, de hacer click en OK, se presenta el grupo de variables.
Luego:View/Graph/Scatter/Simple Scatter para visualizar el grfico.
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Residuos al cuadrado vs pronsticos de la variable dependiente (lnm1f)
RES^2
.016
.012
.008
.004
.000
4.5
5.0
5.5
6.0
6.5
7.0
7.5
LNM1F
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Residuos al cuadrado vs lngdp
.020
RES^2
.016
.012
.008
.004
.000
4.4 4.8 5.2 5.6 6.0 6.4 6.8 7.2 7.6
LNGDP
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Residuos al cuadrado vs rs
.020
RES^2
.016
.012
.008
.004
.000
0
12
16
RS
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba de Glejser
Para
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba de Glejser Abs(Resid)Vs. LnGDP
Para
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba de Glejser Abs(Resid)Vs. LnGDP^0.5
Para
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba de Glejser Abs(Resid)Vs. 1/LnGDP
Para
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba de Glejser Abs(Resid)Vs. 1/(LnGDP^0.5)
Para
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba de Glejser Abs(Resid)Vs. rs
Para
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba de Glejser Abs(Resid)Vs. rs^0.5
Para
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba de Glejser Abs(Resid)Vs. 1/rs
Para
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba de Glejser Abs(Resid)Vs. 1/(rs^0.5)
Para
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
.14
.14
.12
.12
.10
.10
ABS(RES)
ABS(RES)
.08
.06
.08
.06
.04
.04
.02
.02
.00
4.4 4.8 5.2 5.6 6.0 6.4 6.8 7.2 7.6
.00
LNGDP
ECONOMETRIA II
12
16
RS
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba de Goldfeld-Quandt
Prueba
de Goldfeld - Quandt
H0 : Existe Homoscedasticidad ()
H1 : Existe Heteroscedasticidad
Omitir r observaciones intermedia (r < T/3)
Los dos grupos tiene tamao (T-r)/2
En nuestro ejemplo tenemos 180 observaciones, despus de ordenar las
observaciones del modelo (se ordena las observaciones de todas la
variables mediante: Procs/Sort Current Page en el nuevo cuadro de
dialogo introducimos la variable lnm1 y ordenamos Ascendentemente).
Omitimos las 58 (r<180/3) observaciones centrales formando dos grupos,
donde el primero tiene 61 observaciones (de 1 hasta 61) y el segundo
tambin 61 observaciones (de 120 hasta 180).
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba de Goldfeld-Quandt
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba de Goldfeld-Quandt
Segundo Grupo
Primer Grupo
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba de Goldfeld-Quandt
En
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba Breusch-Pagan-Gofrey
El
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba Breusch-Pagan-Gofrey
Especficamente,
suponga que:
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba Breusch-Pagan-Gofrey
Paso
2. Obtenga:
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba Breusch-Pagan-Gofrey
Paso
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Ejemplo: Para la demanda de dinero, realizar la prueba de Prueba
de Breusch-Pagan-Gofrey
Considere
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Ejemplo: Para la demanda de dinero, realizar la prueba de Prueba
de Breusch-Pagan-Gofrey
Paso
(16.32545)
Paso 2
Scalar n=@regobs; n=180
Scalar SCR=@ssr; SCR=0.639020
Scalar s2=scr/n; s2=0.003550
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba de Breusch-Pagan-Gofrey (Eviews)
Paso
3:
Genr pt=resid^2/s2.
Paso
ECONOMETRIA II
(-1.7269) (-0.67486)
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba de Breusch-Pagan-Gofrey (Eviews)
Para hallar el valor de SCE (Suma del cuadrado de la regresin o Suma de
cuadrados explicada)
1. Recuerde que ; entonces, necesitamos los valores pronosticados de la
variable y la media de la serie pt.
1. Para obtener los valores pronosticados de pt :
a. Regresionar ls pt c lnGDP RS.
b. En la ventana Workfile hacer clic en Forecast. Por defecto, el nombre
del objeto es ptf. Hacer click en Ok.
c. Para obtener el valor de la media de pi, digitar en el cuadro de
comandos: Scalar ptm=@mean(pt).
d. Digitar en el cuadro de comandos: Genr SCE=(ptf-ptm)^2 para obtener
la serie SCE.
e. Digitar en el cuadro de comandos: Scalar SSE=@sum(SCE) para
obtener el valor de la suma calculada. Al hacer doble click en el objeto
SSE, se obteiene en el cuadro de mensajes SSE=8.92394
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba de Breusch-Pagan-Gofrey
Paso
5:
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba general de heterocedasticidad de White
A diferencia
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba general de heterocedasticidad de White
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba general de heterocedasticidad de White
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba general de heterocedasticidad de White
Ejemplo:
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba general de heterocedasticidad de White
H 0 : i2 2
H1 : no se verifica H 0
i 1 N
LM T * R 2 22k
No lo seleccionamos para no
incluir termino cruzado.
ECONOMETRIA II
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba general de heterocedasticidad de White
HETEROCEDASTICIDAD
DETECCION DE LA HETEROCEDASTICIDAD
Mtodos formales: Prueba general de heterocedasticidad de White
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
02
1 1
1 2
k k
H0 :
PTP-2014
01 02
1 2
H1 : 1 1
1 2
k k
Econ. JOSE RODRIGUEZ HERRERA
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
Tipo
Inversa
Exponencial
Crecimiento
Potencia
PTP-2014
Funcin
Yt .
1
t
xt
Yt .e . xt . t
Yt e xt t
Yt .x . t
Forma Lineal
Yt .xt* t
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
Dum :
t 1971
En el resto
CONTRASTACION DE HIPOTESIS
CONTRASTACION DE HIPOTESIS
PTP-2014
CONTRASTACION DE HIPOTESIS
PTP-2014
UNIVERSIDAD NACIONAL
SANTIAGO ANTUNEZ DE MAYOLO
Facultad de Economa y Contabilidad
CONTRASTACION
DE
HIPOTESIS
Programa de Titulacin Profesional
PTP-2014