Seminar 7 ECONOMETRIE (Sptaru 15-17 nov.

2016)

Testarea Homoscedasticitii erorilor aleatoare

Erorile aleatoare 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: S se studieze legtura liniar dintre CD (Cheltuielile pentru Cercetare i Dezvoltare) i
Veniturile din Industrie. Datele sunt exprimate n milioane dolari i se gsesc n fiierul Date
Heterosc CD-Venit.xls.
Considerm modelul liniar: CD = 0 + 1 Venit + i .
Ne ateptm la o relaie pozitiv ntre cele 2 variabile.
Formm grupul CD, Venit. Efectum regresia EQ01: CD C Venit

Rezultatele regresiei se raporteaz sub forma:

=
8,166390
+ 0,040629 Venit
se
=
(51,03628)
(0.002860)
R 2 = 0,8937
=
(0,160011)
(14,20652)
F = 201,8251
t
DW = 1,5284
p
=
(0,8742)
(0,0000)
Interpretm i comentm rezultatele obinute....(model valid, parametru panta semnificativ)
Reinem reziduurile din aceast regresie.
n zona de lucru din Eviews (zona alb) definim: SERIES REZIDUURI=RESID.
Pe bara de jos apare mesajul: REZIDUURI successfully computed.
Vizualizm grupul REZIDUURI, RESID. Comparm. Sunt aceleai serii? Da!
CD

a) Detectarea heteroscedasticitii prin metoda grafic

Reprezentm grafic reziduurile (pe axa Oy) fa de Venit (pe axa Ox).
Formm grupul REZIDUURI, VENIT. Selectm View, Graph, Scatter, Scatter with regression.
Din grafic se vede c valoarea absolut a reziduurilor crete pe msur ce Veniturile cresc, ceea ce
sugereaz c ipoteza de homoscedasticitete nu este ndeplinit.
Obs: Reziduurile ei nu sunt identice cu erorile aleatoare i . Pentru c nu putem observa i , vom
trage concluzii despre modelul lui i pe baza modelului observat pentru ei .

b) Detectarea heteroscedasticitii folosind teste statistice

1) Testul White
Testul White 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 = a 0 + a1 xi + a 2 xi2 + u i
White a artat c, n selecii de volum mare, sub ipoteza H0 statistica W = nR a2 urmeaz asimptotic o
distribuie 2 cu gradele de libertate date de numrul de regresori din ecuaia auxiliar (la noi 2).
H 0 : a1 = a 2 = 0
(erorile aleatoare sunt homoscedastice)
H 1 : () a i 0, i = 1,2 (erorile aleatoare sunt heteroscedastice)
2
Dac Wcalculat = nR a2 > tab
; , sau dac Probability 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
Sunt afiate statistica F, clasic, statistica nR a2 =Obs*R-squared i probabilitile asociate.

Deoarece P-value < respingem H0 i acceptm H1 erorile aleatoare sunt heteroscedastice.

2) Testul Park Estimm modelul iniial de regresie prin MCMMP i reinem reziduurile ei .
Estimm regresia auxiliar : ln ei2 = 0 + 1 ln(Venit ) + u i .
Vom calcula ei2 scriind n zona de lucru: series eipatrat=reziduuri*reziduuri
Pe bara de jos apare mesajul: EIPATRAT successfully computed.
Make EQ02: LOG(EIPATRAT) C LOG(VENIT)

Scriei ecuaia de regresie estimat.....

ln ei2 = 3,9916 + 1,4555 * ln(Venit)

se = (1,5621) (0.1774)
R 2 = 0,7371
t = (2,555) (8,2133)
F = 67,2943
Coeficientul pant estimat este semnificativ statistic (t Stat = 8,2033 i Prob=0,000).
3) Testul Glejser
Dup obinerea reziduurilor din modelul original, Glejser a sugerat regresarea valorii absolute a lui ei
n raport cu variabila X (Venit), care este privit ca fiind asociat cu variana heteroscedastic i2 .
Estimm modelul: | ei |= 0 + 1 x i + u i
Vom calcula | ei | scriind n zona de lucru series eimodul=abs(reziduuri)
Make EQ03: EIMODUL C VENIT

H0: 1 = 0 (exist homoscedasticitate)

H1: 1 0 (exist heteroscedasticitate)

| ei | = 36,6254

+ 0,008146* Venit

se = (23,5143) (0,0013)
R 2 = 0,614259
n Eviews 7 testul Glejser poate fi aplicat direct pe seria reziduurilor.
Se vor specifica regresorii pentru modelul dorit.
Am specificat regresorii: C VENIT

Estimm modelul: | ei |= 0 + 1 xi + u i
Make EQ06: EIMODUL C SQR(VENIT)

| ei | = 72,8306

se

= (34,2057)

+ 2,185517 *
(0,3208)

Venit
R 2 = 0,6591
4

Modelele din EQ03 i din EQ04 sugereaz s respingem H0, deoarece coeficienii pant sunt
semnificativi statistic.
Acelei rezultate le-am obinut i prin aplicarea testului Glejser direct n EViews.
Statisticile calculate au Prob. asociate egale cu 0,0000<. Respingem H0. Acceptm H1.

Am specificat regresorii: C

SQR(VENIT)

Corectarea heteroscedasticitii erorilor aleatoare

I) MCMMP-Ponderat
Cazul: Varianele perturbaiilor sunt necunoscute: i2 = necunoscut
a) i2 = 2 x i2 (Variana erorilor este proporional cu ptratul unei variabile explicative)

yi
1
= 0
+ 1 + i
xi
xi
xi
n Eviews selectm: Quick Estimate Equation EQ05: CD/VENIT C 1/VENIT

Modelul este semnificativ? Nu. Probabilitatea este > 0,05.

5

b) i2 = 2 x i (Variana erorilor este proporional cu o variabil explicativ)

Transformm modelul mprind prin
yi

= 0

+ 1

xi

xi :
yi

= 0

+ 1 xi +

xi
xi
xi
xi
xi
xi
xi
Rezult c a fost eliminat heteroscedasticitatea erorilor aleatoare, deci putem estima modelul
transformat prin MCMMP.
n Eviews selectm: Quick Estimate Equation
EQ06: CD/SQR(VENIT) 1/ SQR(VENIT) SQR(VENIT)

Comparm eq06 cu eq01. Variabilele dependente sunt diferite.

Dac n eq06 nmulim prin xi , eq06 va fi transformat n
y i = 21,196 + 0,0432 * xi .
Se pare c presupunerea i2 = 2 x i este mai potrivit pentru exemplul CD-Venit.

II) Respecificarea modelului

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.
EQ07: LOG(CD) C LOG(VENIT)
Dup ce am estimat ecuaia EQ07 aplicm testul White i obinem:

Deoarece Prob> acceptm H0. Erorile aleatoare sunt homoscedastice.

6

III) White a obinut un estimator consistent care ofer estimri robuste, corecte, ale erorilor standard
ale parametrilor modelului liniar de regresie n prezena heteroscedasticitii sub form necunoscut.
Eviews ofer opiunea de a utiliza estimatorul White pentru erorile standard robuste.
n output apare: White heteroskedasticity-consistent standard errors & covariance (EQ08)