# install.packages("wooldridge")
# install.packages("lmtest")
# install.packages("fastGraph")
library(fastGraph)
## Warning: package 'fastGraph' was built under R version 4.5.3
library(wooldridge)
## Warning: package 'wooldridge' was built under R version 4.5.3
library(lmtest)
## Warning: package 'lmtest' was built under R version 4.5.3
## Cargando paquete requerido: zoo
##
## Adjuntando el paquete: 'zoo'
## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numeric
library(fastGraph)
2. Cargar y preparar los datos
data("hprice1")
# Mostrar las primeras 5 observaciones para verificar [cite: 5, 6]
head(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
3. Estimar el modelo de regresión lineal
# El nombre correcto de la columna es 'bdrms'
modelo <- lm(price ~ lotsize + sqrft + bdrms, data = hprice1)
4. Prueba de White (inciso a)
# IMPORTANTE: No olvides los paréntesis de I() y las comas entre variables
prueba_white <- bptest(modelo, ~ lotsize + sqrft + bdrms +
I(lotsize^2) + I(sqrft^2) + I(bdrms^2) +
lotsize:sqrft + lotsize:bdrms + sqrft:bdrms,
data = hprice1)
# Mostrar el resultado en la consola
print(prueba_white)
##
## studentized Breusch-Pagan test
##
## data: modelo
## BP = 33.732, df = 9, p-value = 9.953e-05
5. Representación gráfica con fastGraph (Inciso b)
library(fastGraph)
shadeDist(xcoord = prueba_white$statistic, ddist = "dchisq", parm1 = prueba_white$parameter,
main = "Distribución de la Prueba de White")
