Importación de datos

library(wooldridge)
data(hprice1)
head(force(hprice1),n=5)
##   price assess bdrms lotsize sqrft colonial   lprice  lassess llotsize   lsqrft
## 1   300  349.1     4    6126  2438        1 5.703783 5.855359 8.720297 7.798934
## 2   370  351.5     3    9903  2076        1 5.913503 5.862210 9.200593 7.638198
## 3   191  217.7     3    5200  1374        0 5.252274 5.383118 8.556414 7.225482
## 4   195  231.8     3    4600  1448        1 5.273000 5.445875 8.433811 7.277938
## 5   373  319.1     4    6095  2514        1 5.921578 5.765504 8.715224 7.829630
#mostrar las primeras 5 observaciones

Estimación del modelo

library(stargazer)
modelo_ejemplo<-lm(formula=price~lotsize+sqrft+bdrms, data=hprice1) 
stargazer(modelo_ejemplo, title = "Modelo para Ejercicio", type = "html", digits = 4, out.type="html")
Modelo para Ejercicio
Dependent variable:
price
lotsize 0.0021***
(0.0006)
sqrft 0.1228***
(0.0132)
bdrms 13.8525
(9.0101)
Constant -21.7703
(29.4750)
Observations 88
R2 0.6724
Adjusted R2 0.6607
Residual Std. Error 59.8335 (df = 84)
F Statistic 57.4602*** (df = 3; 84)
Note: p<0.1; p<0.05; p<0.01
Modelo para Ejercicio
html

Prueba de White

library(stargazer)
resid<-modelo_ejemplo$residuals
data_reg_aux<-as.data.frame(cbind(resid,hprice1))
reg_aux<-lm(formula= I(resid^2)~lotsize+sqrft+bdrms+I(lotsize^2)+I(sqrft^2)+I(bdrms^2)+(lotsize*sqrft)+(lotsize*bdrms)+(sqrft*bdrms), data = data_reg_aux)
resumen<-summary(reg_aux)
R_2<-resumen$r.squared
n<-nrow(data_reg_aux)
LM_w<-n*R_2
gl<-3+3+3
VC<-qchisq(p=0.95, df=gl ) #Esto se modifica según el nivel de significancia con el que se esta trabajando
p_value<- 1-pchisq(q=LM_w,df=gl)
salida_prueba<-c(LM_w,VC,p_value)
names(salida_prueba)<-c("LMw", "Valor Critico", "P value")
stargazer(salida_prueba, title="Prueba de White",type = "html",digits = 6)
Prueba de White
LMw Valor Critico P value
33.731660 16.918980 0.000100

Como 0.0001 < 0.05 se rechaza la Ho, por lo tanto no hay evidencia de que la varianza de los residuos es homocedastica

#Prueba White con la libreria lmtest

library(lmtest)
prueba_white<-bptest(modelo_ejemplo,~I(lotsize^2)+I(sqrft^2)+I(bdrms^2)+(lotsize*sqrft)+(lotsize*bdrms)+(sqrft*bdrms),data=hprice1)
print(prueba_white)
## 
##  studentized Breusch-Pagan test
## 
## data:  modelo_ejemplo
## BP = 33.732, df = 9, p-value = 9.953e-05
library(magrittr)
library(fastGraph)
LM_W<-n*R_2
gl<-3+3+3
vc<-qchisq(p=0.95,df=gl)
shadeDist(xshade = LM_W,ddist ="dchisq", parm1=LM_W, Lower.tail=FALSE,sub=paste("VC:",vc,"White:",LM_W))

Conclusión

Como 0.0001 < 0.05 se rechaza la Ho, por lo tanto no hay evidencia de que la varianza de los residuos es homocedastica