Presentación del modelo

library(wooldridge)
library(lmtest)
## Loading required package: zoo
## 
## Attaching package: 'zoo'
## The following objects are masked from 'package:base':
## 
##     as.Date, as.Date.numeric
library(fastGraph)
data(hprice1)
head(force(hprice1),n=5)
price assess bdrms lotsize sqrft colonial lprice lassess llotsize lsqrft
300 349.1 4 6126 2438 1 5.703783 5.855359 8.720297 7.798934
370 351.5 3 9903 2076 1 5.913503 5.862210 9.200593 7.638198
191 217.7 3 5200 1374 0 5.252274 5.383118 8.556414 7.225481
195 231.8 3 4600 1448 1 5.273000 5.445875 8.433811 7.277938
373 319.1 4 6095 2514 1 5.921578 5.765504 8.715224 7.829630

Estimación del modelo

modelo_precio <- lm(price ~ lotsize + sqrft + bdrms, data = hprice1)

Prueba de White

library(lmtest)
prueba_white=bptest(modelo_precio, ~ I(lotsize^2) + I(sqrft^2)+I(bdrms^2)+lotsize*sqrft+sqrft*bdrms,data=hprice1 )
print(prueba_white)
## 
##  studentized Breusch-Pagan test
## 
## data:  modelo_precio
## BP = 32.648, df = 8, p-value = 7.127e-05

Interpretación:Dado que el valor_p es menor que el nivel de significancia de 0.05, valor_p<α podemos concluir que hay evidencia para afirmar que la varianza de los residuos es heterocedástica.

Gráfico

library(fastGraph)
prueba=prueba_white$statistic
gl=3+3+2
alpha_sig<-0.05
VC<-qchisq(p = 0.95,df = gl)
shadeDist(prueba,ddist = "dchisq",
          parm1 = gl,
          lower.tail = FALSE,xmin=0,
          sub=paste("VC:",round(VC,2)," ","Prueba_de_white:",round(prueba,2)))

El gráfico Chi-cuadrado nos muestra el valor de prueba de White, que es utilizado para evaluar una hipótesis estadística, en el caso de la prueba realizada se rechaza la Hipotesis nula y concluimos que existe heterocedasticidad.