Que es linealida

Insesgado
Varianza constante

Homocedasticidad

Distribucin Homocedstica.

Distribucin Heterocedstica.

En estadsticas se dice que un modelo predictivo presenta homocedasticidad cuando

la varianza del error de la variable endgena se mantiene a lo largo de las observaciones. En
otras palabras, la varianza de los errores es constante.
Un modelo estadstico relaciona el valor de una variable a predecir con el de otras. Si el
modelo es insesgado, el valor predicho es la media de la variable a predecir. En cualquier
caso, el modelo da una idea del valor que tomar la variable a predecir.
Por simplificar el anlisis, si se supone que la variable a predecir es escalar, aqu definida
como , y que se explica mediante un conjunto de variables que

Este error es una variable aleatoria: tomar un valor distinto cada vez que se ejecute el
modelo. Se habla de homocedasticidad si el error cometido por el modelo tiene siempre
la misma varianza. En particular, si el modelo es homocedstico, el valor de las variables
explicativas, , no afectar a la varianza del error.
La homocedasticidad es una propiedad fundamental del modelo de regresin
lineal general y est dentro de sus supuestos clsicos bsicos.
Formalizando, se dice que existe homocedasticidad cuando la varianza de los errores
estocsticos de la regresin es la misma para cada observacin i (de 1
a n observaciones), es decir:

donde
es un escalar constante para todo i. Lo que significara que habra una
distribucin de probabilidad de idntica amplitud para cada variable aleatoria.

Esta cualidad es necesaria, segn el Teorema de Gauss-Mrkov, para que en un

modelo los coeficientes estimados sean los mejores o eficientes, lineales e
insesgados.
Cuando no se cumple esta situacin, se dice que existe heterocedasticidad, que es
cuando la varianza de cada trmino de perturbacin
constante

no es un nmero

Este fenmeno suele ser muy comn en datos de Corte Transversal y tambin se
presenta, menos frecuentemente, en series de tiempo.
Si se regresiona un modelo a travs de Mnimos Cuadrados Ordinarios con presencia
de heterocedasticidad, los coeficientes siguen siendo lineales e insesgados pero ya
no poseen mnima varianza (eficiencia).
ndice
[ocultar]

1 Causas frecuentes de ausencia de homocedasticidad

o

1.1 Variables independientes que posean un gran recorrido con respecto a su

propia media

1.2 Omisin de variables importantes dentro del modelo a estimar

1.3 Cambio de estructura

1.4 Utilizar variables no relativizadas

2 Estimar en presencia de heterocedasticidad

o

2.1 Clculo incorrecto de las varianza y parmetros ineficientes

2.2 Invalidacin de los contrastes de significancia

3 Referencias

Causas frecuentes de ausencia de homocedasticidad[editar]

Variables independientes que posean un gran recorrido con
respecto a su propia media[editar]
Esto generalmente ocurre cuando se ha dispuesto arbitrariamente el orden de las
observaciones, generando, casualmente que existan observaciones con grandes
valores en una determinada variable explicativa y lo mismo con valores pequeos de
esta misma variable.

Omisin de variables importantes dentro del modelo a

estimar[editar]
Obviamente, si se omite una variable de relevancia en la especificacin, tal variable
quedar parcialmente recogida dentro de las perturbaciones aleatorias, introduciendo
en estas su propia variacin, que no ser necesariamente fija.

Cambio de estructura[editar]
El hecho de que se produzca un cambio en la estructura determina un mal ajuste de
los parmetros al conjunto de los datos muestrales. Y este no tiene porque influir del
mismo modo en todo el recorrido de la muestra, pudiendo producir cuantas de
desajuste del modelo diferentes y, por lo tanto, varianza no constante

Utilizar variables no relativizadas[editar]

Cuando existen observaciones dentro de una variable en concreto, y que poseen un
valor mayor a las otras variables explicativas, puede originar valores del error
diferentes. Esta situacin es similar a la explicada al principio pero con la salvedad
que en este caso se compara con las otras variables (inclusive con la dependiente) y
no con respecto a su media.

Estimar en presencia de heterocedasticidad[editar]

Clculo incorrecto de las varianza y parmetros ineficientes [editar]
La mayor varianza por empleo de MCO en presencia de heterocedasticidad puede
producir un incremento de ms de 10 veces en la varianza estimada del parmetro
constante.

Invalidacin de los contrastes de significancia [editar]

Ya que se aceptara la hiptesis nula de los contrastes de significancia ms veces de
las reales. Generalmente resulta que ciertas variables podran resultar no ser
significativas cuando lo son realmente.

Referencias[editar]

Damodar N. Gujarati. Econometra;

Jorge Dresder Cid. Nociones de Econometra Intermedia

Novales, A. Econometra