EJERCICIO DETENCION DE HETEROCEDASTICIDAD
KENNEDY_ULISES_VASQUEZ_PEREZ
Carga de Datos
library(wooldridge)
library(printr)
data(hprice1)
head(force(hprice1),n=5) #mostrar las primeras 5 observaciones| 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 |
Calculo del modelo estimado
library(stargazer)
modelo_estimadio<-lm(price~lotsize+sqrft+bdrms, data = hprice1)
stargazer(modelo_estimadio, title = "DETECCION DE HETEROCEDASTICIDAD", type = "html", digits = 4)| 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 |
- Use la libreria “lmtest” para verificar si su varianza residual es homocedastica a traves de la prueba de White (incluya los terminos cruzados).
library(stargazer)
resid<-modelo_estimadio$residuals
data_prueba_white<-as.data.frame(cbind(resid, modelo_estimadio))
regresion_axuliar<-lm(formula=I(resid^2)~lotsize+sqrft+bdrms+I(lotsize^2)+I(sqrft^2)+I(bdrms^2)+
lotsize*sqrft + lotsize*bdrms + sqrft*bdrms, data = hprice1)
sumario<-summary(regresion_axuliar)
n<-nrow(data_prueba_white)
R_2<-sumario$r.squared
LM_w<-n*R_2
gl=3*2+choose(3,2)
P_value<-1-pchisq(q=LM_w, df=gl)
VC<-qchisq(p=0.05, df=gl)
Salida_white<-c(LM_w, VC, P_value)
names(Salida_white)<-c("LMw","Valor Critico","p value")
stargazer(Salida_white, title = "Resultados de la prueba White", type = "text",digits = 2)##
## Resultados de la prueba White
## ===========================
## LMw Valor Critico p value
## ---------------------------
## 33.73 3.33 0.0001
## ---------------------------Rechazar Hipotesis Nula H0 si: Criterio de decisión:
Rechazar H0 sí LMW≥VC
Rechazar H0 sí Pvalue≤α 33.73>3.33
En este caso utilizare el estadistico LMw. El resultado da que el valor critico de 3.33 es menor que LMw de 33.73, rechazando la hipotesis Nula (H0). Por lo tanto se concluye que hay evidencia de que la varianza de los residuos es hetorocedastica.
Calculamos el estadisctico para realizar la prueba White usando la libreria lmtest
library(lmtest)
Wtest<-bptest(modelo_estimadio, ~I(lotsize^2)+I(sqrft^2)+I(bdrms^2)+
lotsize*sqrft + lotsize*bdrms + sqrft*bdrms, data = hprice1)
print(Wtest)##
## studentized Breusch-Pagan test
##
## data: modelo_estimadio
## BP = 33.732, df = 9, p-value = 0.00009953Rechazar Hipotesis Nula H0 si: Criterio de decisión:
Rechazar H0 sí BP≥VC
Rechazar H0 sí Pvalue≤α
Utlizando el P_value para la prueba de hipotesis se tiene que 0.00009953<0.05 Por lo tanto se concluye que: hay evidencia de que la varianza de los residuos es heterocedastica.
b) Presente sus resultados de forma gráfica a través de la librería fastGraph
gl=3*2+choose(3,2)
VC<-qchisq(p = 0.95,df = gl)
library(fastGraph)
shadeDist(Wtest$statistic,ddist = 'dchisq',col=c('blue','green'),parm1 =VC,lower.tail = FALSE)
En conclusion usando el estadistico LMw, el resultado da que el LMw es igual a 33.73 mayor que el valor critico de 3.33. Por lo tanto hay evidencia de que la varianza de los residuos es hetorcedastica.