library(wooldridge)
data(hprice1)
head(force(hprice1),n = 4)
##   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
  1. estime el siguiente modelo,

price = ˆα + ˆα1(lotsize) + ˆα2(sqrft) + ˆα3(bdrms) +

library(stargazer)
estimo_modelo<-lm(price ~ lotsize + sqrft + bdrms,data = hprice1)
stargazer(estimo_modelo,title = "Modelo Ejemplo", type = "text")
## 
## Modelo Ejemplo
## ===============================================
##                         Dependent variable:    
##                     ---------------------------
##                                price           
## -----------------------------------------------
## lotsize                      0.002***          
##                               (0.001)          
##                                                
## sqrft                        0.123***          
##                               (0.013)          
##                                                
## bdrms                         13.853           
##                               (9.010)          
##                                                
## Constant                      -21.770          
##                              (29.475)          
##                                                
## -----------------------------------------------
## Observations                    88             
## R2                             0.672           
## Adjusted R2                    0.661           
## Residual Std. Error      59.833 (df = 84)      
## F Statistic           57.460*** (df = 3; 84)   
## ===============================================
## Note:               *p<0.1; **p<0.05; ***p<0.01
  1. Use la libreria lmtest para verificar si su varianza residual es homocedástica a través de la prueba de White (incluya los términos cruzados).
library(stargazer)
u_i<-estimo_modelo$residuals
data_prueba_white<-as.data.frame(cbind(u_i,hprice1))

regresion_auxiliar<-lm(I(u_i^2)~lotsize+sqrft+bdrms+I(lotsize^2)+I(sqrft^2)+I(bdrms^2)+(lotsize*sqrft)+(lotsize*bdrms)+(sqrft*bdrms),data = data_prueba_white)

sumario<-summary(regresion_auxiliar)

n<-nrow(data_prueba_white)

R_2<-sumario$r.squared

LM_w<-n*R_2

gl=3+3+3

p_value<-1-pchisq(q = LM_w,df = gl)

VC<-qchisq(p = 0.95,df = gl)

salida_white<-c(LM_w,VC,p_value)
names(salida_white)<-c("LMw","Valor Crítico","p value")
stargazer(salida_white,title = "Resultados de la prueba de White",type = "text",digits = 6)
## 
## Resultados de la prueba de White
## ================================
## LMw       Valor Crítico p value 
## --------------------------------
## 33.731660   16.918980   0.000100
## --------------------------------

Como 0.000100<0.05 Se rechaza la H0, por lo tanto hay evidencia de que la varianza de los residuos es Heterocedástica.

library(lmtest)
prueva_de_white<-bptest(estimo_modelo,~I(lotsize^2)+I(sqrft^2)+I(bdrms^2)+(lotsize*sqrft)+(lotsize*bdrms)+(sqrft*bdrms),data = hprice1)
print(prueva_de_white,digits = 0)
## 
##  studentized Breusch-Pagan test
## 
## data:  estimo_modelo
## BP = 34, df = 9, p-value = 1e-04

Como 0.000100<0.05 Se rechaza la H0, por lo tanto hay evidencia de que la varianza de los residuos es Heterocedástica.

library(fastGraph)
shadeDist(LM_w)