1

Heteroscedasticitatea erorilor aleatoare

Erorile sunt heteroscedastice dac au dispersii diferite:
n i E E Var
i i i i
,..., 2 , 1 , )) ( ( ) (
2 2
= = = .
Exprimm proprietatea de heteroscedasticitate a erorilor aleatoare prin
2 2
) (
i i
E = .

Exemplu: Cheltuieli pentru Cercetare&Dezvoltare i Vnzrile n Industria SUA. Datele
se gsesc n fiierul Seminar 7 Chelt CD_Vanzari.xls.
Mai nti ne propunem s determinm legtura dintre CD (Cheltuielile pentru Cercetare i
Dezvoltare) i Vnzri.
Considerm un model liniar:
i
Vanzari CD + + =
1 0
.
A priori, ne ateptm la o relaie pozitiv ntre cele 2 variabile.
Formm grupul CD, Vnzri. Efectum regresia EQ01: CD Vanzari C

CD = 192,9931 + 0,0319 Vanzari 4783 , 0

2
= R
se = (0,0416) (0.0083)
t = (990,98) (3,8300)
Reinem reziduurile din aceast regresie. n zona de lucru din Eviews (zona alb) definim:
series reziduuri=resid
Vizualizm grupul reziduuri, resid.

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
i
e nu sunt identice cu variabilele de perturbaie
i
, ci
reprezint nite aproximaii. Din variabilitatea observat pentru
i
e 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
i
e .



Testul Park
Ipotezele testului sunt:
3

H
0
: exist homoscedasticitate sau, nu exist heteroscedasticitate
H
1
: exist heteroscedasticitate sau, nu exist homoscedasticitate
i i
Vanzari e + + = ) ln( ln
1 0
2

series eipatrat=reziduuri*reziduuri
Make EQ02: log(eipatrat) log(vanzari) C



Scriei ecuaia de regresie estimat.....

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

Coeficientul pant estimat nu este semnificativ statistic (t Stat = 1,16 i p=0,26). Nu putem
respinge H
0
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 e
i
n raport cu variabila X (Vanzari), care este privit ca fiind asociat strns cu variana
heteroscedastic
2
i
.
i i i
X e + + =
1 0
| |
H
0
: 0
1
= (exist homoscedasticitate sau, nu exist heteroscedasticitate)
H
0
: 0
1
(exist heteroscedasticitate sau, nu exist homoscedasticitate)

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

4

| |
i
e = 578,571 + 0, 0119* Vanzari 2149 , 0
2
= R
t =(0,8524) (2,0930)

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

| |
i
e = -507,0202 + 0, 0119* Vanzari 2599 , 0
2
= R
t =(-0,50315) (2,37038)
5


i
i
i
X
e + + =
1
| |
1 0

Make EQ05: eimodul 1/vanzari c

| |
i
e = 2273,702 -19924566*
Vanzari
1
1405 , 0
2
= R
t =(3,76005) (-1,6174)

Modelele din eq03 i eq04 sugereaz s respingem H
0
, deoarece coeficientul pant este
semnificativ statistic. Modelul din eq05 sugereaz s nu respingem H
0
, 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 ncruciate.
i i i i
X X e + + + =
2
2 1 0
2

Din regresia auxiliar se reine coeficientul de determinaie multipl.
White a artat c, n selecii de volum mare, sub ipoteza H
0
(adic dac este
homoscedastic) statistica
2
a
nR W = urmeaz asimptotic o distribuie
2
cu gradele de
libertate date de numrul de regresori din ecuaia auxiliar (la noi 2). Dac valoarea calculat
depete valoarea critic, atunci ar trebui s respingem
0
H .
0 :
2 1 0
= = H (nu exist heteroscedasticitate, ci exist homoscedasticitate)
2 , 1 , 0 ) ( :
1
= i H
i
(exist heteroscedasticitate)
Se estimeaz parametrii modelului original i reziduurile.
Se aplic testul White pe seria reziduurilor.
6



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



7

Modelul este semnificativ?
b) Variana erorilor este proporional cu o variabil explicativ:
i i
x
2 2
=
Transformm modelul mprind prin
i
x :
i
i
i
i
i i
i
x x
x
x x
y
+ + =
1 0
1
,
i
i
i
i i
i
x
x
x x
y
+ + =
1 0
1

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
i
x , eq07 va fi transformat n
i i
x y * 0368 , 0 68 , 246 + = .
n eq07 coeficientul lui X este mai semnificativ.
Se pare c presupunerea
i i
x
2 2
= este potrivit pentru exemplul CD-Vanzari.


Respecificarea modelului
n loc s facem presupuneri despre
2
i
, 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
i i i
x y + + = ln ln
1 0
n locul modelului
i i i
x y + + =
1 0
.
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.

8