Seminar 7 ECONOMETRIE Sptaru 18-21 nov.

v.2013 Heteroscedasticitatea erorilor aleatoare Erorile sunt heteroscedastice dac au dispersii diferite: Var ( i ) = E ( i E ( i )) 2 = i2 , i = 1,2,..., n . Putem exprima proprietatea de heteroscedasticitate a erorilor aleatoare i prin E ( i2 ) = i2 . Exemplu: Cheltuieli pentru Cercetare&Dezvoltare i Vnzrile n Industria SUA. Datele sunt exprimate n milioane dolari i se gsesc n fiierul Ex5 Chelt CD_Vanzari.xls din Example Files i pe ultima pagin a acestui document. Mai nti ne propunem s determinm legtura liniar dintre CD (Cheltuielile pentru Cercetare i Dezvoltare) i Vnzri. Considerm un model liniar: CD = 0 + 1 Vanzari + i . A priori, ne ateptm la o relaie pozitiv ntre cele 2 variabile. Formm grupul CD, Vnzri. Efectum regresia EQ01: CD Vanzari C

Rezultatele regresiei se raporteaz sub forma cunoscut:

= 192,9931 + 0,0319 Vanzari = (0,0416) (0.0083) se = (990,98) (3,8300) t p = (0,8480) (0,0015) Interpretm i comentm informaiile.....
CD

R 2 = 0,4783

Reinem reziduurile din aceast regresie. n zona de lucru din Eviews (zona alb) definim: series reziduuri=resid Vizualizm grupul reziduuri, resid. Comparm. Sunt aceleai serii? 1)Reprezentm grafic CD n funcie de vnzri. Formm grupul Vnzri, CD. Selectm View, Graph, Scatter, Scatter with regression.

Din grafic se vede c chelt.CD cresc atunci cnd vnzrile cresc. De remarcat este faptul c variabilitatea chelt.CD n jurul dreptei de regresie pare s creasc atunci cnd vnzrile cresc. Aceasta inseamn c este prezent proprietatea de heteroscedasticitate.

2) Reprezentm grafic reziduurile fa de vnzri. Se observ c valoarea absolut a reziduurilor crete pe msur ce vnzrile cresc, ceea ce sugereaz c ipoteza de homoscedasticitete nu este ndeplinit. Obs: Este evident c reziduurile ei nu sunt identice cu variabilele de perturbaie i , ci reprezint nite aproximaii. Din variabilitatea observat pentru ei nu putem spune n mod categoric faptul c variana lui i este, de asemenea, variabil. Totui, n practic, cnd nu putem observa i , vom trage concluzii despre modelul lui i pe baza modelului observat pentru ei .

Testul Park Estimm modelul iniial de regresie prin MCMMP i reinem reziduurile ei . Obinem seriile de date ei2 i ln ei2 . Estimm modelul de regresie:

ln ei2 = 0 + 1 ln xi + i , deci ln e i2 = 0 + 1 ln(Vanzari) + i , unde i este o variabil de perturbaie care verific ipotezele asociate modelului clasic de regresie liniar. H0: exist homoscedasticitate ( nu exist heteroscedasticitate)
2

H1: exist heteroscedasticitate ( nu exist homoscedasticitate) series eipatrat=reziduuri*reziduuri Make EQ02: log(eipatrat) log(vanzari) C

Scriei ecuaia de regresie estimat.....

ln ei2 se t

= = =

5,6877 + 0,7014*ln(Vanzari) R 2 = 0,07789 (6,6351) (0.6033) (0,8572) (1,1626)

Coeficientul pant estimat nu este semnificativ statistic (t Stat = 1,16 i p=0,26). Nu putem respinge H0 care const n ??... Nici nu vom accepta imediat c nu exist heteroscedasticitate. Exist probleme cu testul Park i anume: eroarea aleatoare i poate fi heteroscedastic. Sunt necesare mai multe teste pentru a putea afirma c modelul nostru iniial nu este afectat de heteroscedasticitate.

Testul Glejser Dup obinerea reziduurilor din modelul original, Glejser a sugerat regresarea valorii absolute a lui ei n raport cu variabila X (Vanzari), care este privit ca fiind asociat strns cu variana heteroscedastic i2 .
| ei |= 0 + 1 X i + i H0: 1 = 0 (exist homoscedasticitate sau, nu exist heteroscedasticitate) H0: 1 0 (exist heteroscedasticitate sau, nu exist homoscedasticitate)

series eimodul=abs(reziduuri) Make EQ03: eimodul vanzari c

| ei | t

= 578,571 =(0,8524)

+ 0, 0119* Vanzari (2,0930)

R 2 = 0,2149

| ei |= 0 + 1 X i + i Make EQ04: eimodul sqr(vanzari) c

= -507,0202 + 0, 0119* Vanzari R 2 = 0,2599 =(-0,50315) (2,37038) 1 Make EQ05: eimodul 1/vanzari c | ei |= 0 + 1 + i ; Xi

| ei | t

| ei | t

= 2273,702 =(3,76005)

-19924566* (-1,6174)

1 Vanzari

R 2 = 0,1405

Modelul din eq04 sugereaz s respingem H0, deoarece coeficientul pant este semnificativ statistic. Modelele din eq03 i din eq05 sugereaz s nu respingem H0, deoarece coeficientul pant nu este semnificativ statistic.

Testul White Testul solicit ca, dup determinarea reziduurilor din regresia original, s se calculeze o regresie auxiliar a ptratelor reziduurilor n raport cu o constant, variabilele explicative ale modelului original, ptratele lor i produsele lor ncruciate. ei2 = 0 + 1 X i + 2 X i2 + i Din regresia auxiliar se reine coeficientul de determinaie multipl. White a artat c, n selecii de volum mare, sub ipoteza H0 (adic dac eroarea este 2 urmeaz asimptotic o distribuie 2 cu gradele de homoscedastic) statistica W = nRa libertate date de numrul de regresori din ecuaia auxiliar (la noi 2). H 0 : 1 = 2 = 0 (nu exist heteroscedasticitate, ci exist homoscedasticitate) H 1 : () i 0, i = 1,2 (exist heteroscedasticitate)
2 2 > critic Dac valoarea calculat a statisticii W, adic Wcalculat = nRa ; , sau dac p-value este

mai mic dect nivelul de semnificaie ales, respingem H 0 i acceptm H 1 erorile aleatoare sunt heteroscedastice. Testul White poate fi aplicat direct n EViews. Pasul1. Se estimeaz parametrii modelului iniial prin MCMMP i reinem reziduurile ei . Pasul2. Se aplic testul White direct, pe seria reziduurilor. Selectm View/Residual Tests/White Heteroskedasticity 2 Sunt afiate statistica F, clasic, statistica nRa i probabilitile asociate.

Dac p value < aleatoare.

respingem H0 i acceptm H1, exist homoscedasticitatea erorilor

Corectarea heteroscedasticitii Cazul: Varianele perturbaiilor sunt necunoscute: i2 = necunoscut a) Variana erorilor variaz direct cu o variabil explicativ, fiind proporional cu ptratul ei: i2 = 2 x i2 . yi 1 = 0 + 1 + i
xi xi xi

Modelul este semnificativ? b) Variana erorilor este proporional cu o variabil explicativ: i2 = 2 x i 6

Transformm modelul mprind prin yi x 1 = 0 + 1 i + i ,

xi xi xi xi xi xi yi

xi :

= 0

+ 1 xi +

i
xi

Rezult c a fost eliminat heteroscedasticitatea erorilor aleatoare, deci putem estima modelul transformat prin MCMMP. Make EQ07: CD/sqr(vanzari) 1/sqr(vanzari) sqr(vanzari)

Comparm eq07 cu eq01. Variabilele dependente sunt diferite. Dac n eq07 nmulim prin x i , eq07 va fi transformat n i = 246,68 + 0,0368 * x i . y n eq07 coeficientul lui X este mai semnificativ. Se pare c presupunerea i2 = 2 x i este potrivit pentru exemplul CD-Vanzari.

c) Respecificarea modelului n loc s facem presupuneri despre i2 , alegem o alt form funcional Transformarea logaritmic este folosit n mod frecvent pentru a elimina heteroscedasticitatea, deoarece reduce dispersia variabilelor iniiale. Se estimeaz prin MCMMP modelul ln y i = 0 + 1 ln x i + i n locul modelului y i = 0 + 1 x i + i . Un avantaj al modelului log-liniar sau dublu logaritmic, este c panta msoar elasticitatea lui Y n raport cu X, adic modificarea procentual n Y, pentru o modificare procentual n X. Problema heteroscedasticitii poate fi rezolvat, uneori, dac se folosesc ecuaii de regresie n form logaritmic.
7

Exemplu: Cheltuieli de Cercetare-Dezvoltare, funcie de Vnzri i CD Vanzari 1 62.5 6375.3 2 92.9 11626.4 3 178.3 14655.1 4 258.4 21869.2 5 494.7 26408.3 6 1083.0 32405.6 7 1620.6 35107.7 8 421.7 40295.4 9 509.2 70761.6 10 6620.1 80552.8 11 3918.6 95294.0 12 1595.3 101314.1 13 6107.5 116141.3 14 4454.1 122315.7 15 3163.8 141649.9 16 13210.7 175025.8 17 1703.8 230614.5 18 9528.2 293543.0 55023.4 1615955.7