Documente Academic
Documente Profesional
Documente Cultură
HOMOCEDASTICIDAD
Índice:
I. Fundamentos Teóricos sobre la Homocedasticidad y la
Heterocedasticidad, Pag.
II. Determinación de la Heterocedasticidad en un Modelo de Regresión
Múltiple, Pag.
III Ejemplo Demostrativo, Pag.
IV Conclusiones y Recomendaciones, Pag.
V Bibliografía
Page 1 of 28
I. Fundamentos Teóricos sobre la Homocedasticidad y la
Heterocedasticidad
I.1 Definiciones
Page 2 of 28
(*) Si bien, para facilitar la explicación; el gráfico se corresponde a un
Modelo de Regresión Lineal Simple. Los conceptos teóricos aquí expresados,
pueden ser aplicados a cualquier tipo de ecuación con Dos (2) o más variables.
Page 3 of 28
Obsérvese que en este caso, además de tratarse de un modelo no
lineal, la mayoría de los pares ordenado (x,y), no se encuentran equidistantes a
la Curva de Regresión Y= a b X.
Page 4 of 28
Obsérvese en el gráfico que todas las campanas dibujadas tienen
diferentes formas, es decir: “Diferentes dispersiones”. Concluyendo que este
Modelo de Regresión es Heterocedástico.
Page 5 of 28
II.1.1.1 Ejemplo demostrativo Nro. 1
Page 6 of 28
Observamos en el gráfico que la nube de puntos, no revela ningún
patrón específico, por lo que se concluye que: La varianza es constante;
indicando de esta manera que el modelo de regresión analizado es
“Homocedástico”.
Page 7 of 28
Al igual que en el ejemplo anterior, se procederá a dibujar el gráfico:
“Residuos Estandarizados” vs. “Valores Calculados Estandarizados”:
Page 8 of 28
II.1.2 Homocedasticidad: La gran olvidada
Resulta ser, que no solo entre los profesionales, sino en los propios
enseñantes de las Técnicas de Regresión, se ha minimizado u omitido la
importancia del análisis de la Homocedasticidad de una serie de datos.
Page 9 of 28
Cuando esto ocurre, el modelo de regresión solamente existirá para el
sector de la data que se comporta homocedasticamente; mientras que los
coeficientes del modelo, obviamente no explicarán el fenómeno en el sector
Heterocedástico.
Page 10 of 28
En la gráfica se ha dibujado en el eje de la abscisas la variable
independiente “tiempo” (en milisegundos) y en el eje de las ordenadas la
variable “trayectoria Vertical” (en centímetros). Observe que los primeros
milisegundos, la munición prosigue una trayectoria compacta y los últimos la
misma rápidamente se dispersa.
Page 11 of 28
En el “Gráfico de Residuos” (Scatter Plot), se ha dibujado en el eje de las
Obsérvese que:
Page 12 of 28
II.2 El Análisis Numérico
II.2.1 Preliminares
Page 13 of 28
II.2.2.2 Los Autores
(u otro modelo)
Page 14 of 28
c) Se declara la Variable Auxiliar:
(u otro modelo)
ó ( yˆ y) 2
Page 15 of 28
Tabla de la Distribución Chi Cuadrado χ2 (fuente: www.bioestadistica.uma.es)
ó á
ó á
Datos Comparables:
Page 16 of 28
PRECIO
AREA UNITARIO
IDENTIF. (M2) (Bs/M2)
1 269,00 6.500
2 349,00 6.310
3 421,00 5.711
4 514,00 5.695
5 503,00 5.269
6 512,00 5.000
7 655,00 4.953
8 704,00 4.842
9 702,00 4.840
10 795,00 4.655
11 844,00 4.515
12 892,00 4.400
13 1.054,00 4.300
14 899,00 4.110
15 2.124,00 3.800
16 2.592,00 3.547
17 2.984,00 3.250
18 3.592,00 2.745
19 4.312,00 2.118
20 4.592,00 1.935
Page 17 of 28
Gráfico de Regresión
7.000
6.000
Precio Unitario (Bs./M2) 5.000
4.000
3.000
2.000
1.000
0
500
1.500
3.000
3.500
4.500
5.000
1.000
2.000
2.500
4.000
0
Y = 5.658,4308 - 0,8418 X
( ̂)
𝐸 𝑧 ( ) =
𝐸 𝑧 ( )=
Page 18 of 28
VALORES VALORES
IDENT. OBSERV. CALCUL. RESIDUOS ZPred ZRes
1 6.500,00 5.431,97 1.068,03 11,43 2,2474
2 6.310,00 5.364,63 945,37 11,29 1,9893
3 5.711,00 5.304,01 406,99 11,16 0,8564
4 5.695,00 5.225,72 469,28 11,00 0,9875
5 5.269,00 5.234,98 34,02 11,02 0,0716
6 5.000,00 5.227,41 -227,41 11,00 0,4785
7 4.953,00 5.107,02 -154,02 10,75 0,3241
8 4.842,00 5.065,77 -223,77 10,66 0,4709
9 4.840,00 5.067,46 -227,46 10,66 0,4786
10 4.655,00 4.989,16 -334,16 10,50 0,7032
11 4.515,00 4.947,91 -432,91 10,41 0,9110
12 4.400,00 4.907,51 -507,51 10,33 1,0679
13 4.300,00 4.771,13 -471,13 10,04 0,9914
14 4.110,00 4.901,61 -791,61 10,31 1,6658
15 3.800,00 3.870,35 -70,35 8,14 0,1480
16 3.547,00 3.476,37 70,63 7,32 0,1486
17 3.250,00 3.146,37 103,63 6,62 0,2181
18 2.745,00 2.634,53 110,47 5,54 0,2325
19 2.118,00 2.028,40 89,60 4,27 0,1885
20 1.935,00 1.792,68 142,32 3,77 0,2995
Gráfico de Residuos
2,50
Residuos Estandarizados (ZRes)
2,00
1,50
1,00
0,50
0,00
0 2 4 6 8 10 12 14
Page 19 of 28
muy probablemente sea "Homocedástica" en los datos que conforman la "nube
de puntos "A", pero que sea "Heterocedástica en los datos que conforman la
"nube de puntos B". Sin embargo, no se puede tener la certeza de esta
afirmación, hasta que no se pruebe analíticamente esta condición de
"Homocedasticidad".
6.000
P r e c io U n it a r io ( B s . / M 2 )
2,00
5.000
1,50 4.000
"B"
1,00 3.000
0,50
"B" 2.000
1.000
0,00 0
0 2 4 6 8 10 12 14 0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
2
2
= ( 𝑧 𝐸 )
2
= 2
( 𝐴 𝑥 )
Page 20 of 28
RESID. AL VARIABLE
REFER. RESIDUOS CUADRADO AUXILIAR
1 1.068,03 1.140.678,03 5,6121
2 945,37 893.729,82 4,3971
3 406,99 165.637,31 0,8149
4 469,28 220.221,06 1,0835
5 34,02 1.157,15 0,0057
6 -227,41 51.713,73 0,2544
7 -154,02 23.723,02 0,1167
8 -223,77 50.074,09 0,2464
9 -227,46 51.736,27 0,2545
10 -334,16 111.665,95 0,5494
11 -432,91 187.414,69 0,9221
12 -507,51 257.561,99 1,2672
13 -471,13 221.960,53 1,0920
14 -791,61 626.650,74 3,0831
15 -70,35 4.949,60 0,0244
16 70,63 4.988,57 0,0245
17 103,63 10.739,75 0,0528
18 110,47 12.204,54 0,0600
19 89,60 8.028,54 0,0395
20 142,32 20.254,57 0,0997
Sumatoria 4.065.089,94
Varianza Estimada 203.254,50
Page 21 of 28
AREA VARIABLE
REFER. (M2) AUXILIAR
1 269,00 5,6121
2 349,00 4,3971
3 421,00 0,8149
4 514,00 1,0835
5 503,00 0,0057
6 512,00 0,2544
7 655,00 0,1167
8 704,00 0,2464
9 702,00 0,2545
10 795,00 0,5494
11 844,00 0,9221
12 892,00 1,2672
13 1054,00 1,0920
14 899,00 3,0831
15 2124,00 0,0244
16 2592,00 0,0245
17 2984,00 0,0528
18 3592,00 0,0600
19 4312,00 0,0395
20 4592,00 0,0997
ε = 1,70140 - 0,00048 X
Page 22 of 28
2
1
í =
2
ó = ( yˆ y ) 2
Page 23 of 28
12) Se Verifica o no la Hipótesis Nula en la Prueba (Test) de Breusch –
Pagan – Godfrey, en función a los valores de Chi Cuadrado y el valor crítico de
Chi Cuadrado:
Page 24 of 28
HOMOCEDASTICA, MIENTRAS EL OTRO SECTOR SE COMPORTA
DEFINITIVAMENTE EN FORMA HETEROCEDASTICA.
IV Conclusiones y Recomendaciones
Page 25 of 28
NOTA: También existen otras condiciones o supuestos que debe cumplir
una regresión; pero si los Cinco (5) supuestos precitados se cumplen, es muy
probable que se cumplan los demás.
𝐸 ó
Page 26 of 28
BIBLIOGRAFÍA:
Page 28 of 28