Ejercicio Detección Heterocedasticidad

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

a) Use la libreria lmtest para verificar si su varianza residual es homocedástica a través de la prueba de White (incluya los términos cruzados).

library(lmtest)

## Loading required package: zoo

## 
## Attaching package: 'zoo'

## The following objects are masked from 'package:base':
## 
##     as.Date, as.Date.numeric

library(sandwich)

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

bptest(modelo, ~ lotsize + sqrft + bdrms +
                 I(lotsize^2) + I(sqrft^2) + I(bdrms^2) +
                 I(lotsize*sqrft) + I(lotsize*bdrms) + I(sqrft*bdrms),
       data = hprice1)

## 
##  studentized Breusch-Pagan test
## 
## data:  modelo
## BP = 33.732, df = 9, p-value = 9.953e-05

b) Presente sus resultados de forma gráfica a través de la librería fastGraph

plot(modelo$fitted.values, modelo$residuals,
     xlab = "Valores ajustados",
     ylab = "Residuos",
     main = "Detección de Heterocedasticidad")
abline(h = 0, col = "red")

library(fastGraph)

scatter.smooth(modelo$fitted.values, modelo$residuals,
               xlab="Valores ajustados",
               ylab="Residuos",
               main="Detección de Heterocedasticidad")