- Barajar
ActivarDesactivar
- Alphabetizar
ActivarDesactivar
- Frente Primero
ActivarDesactivar
- Ambos lados
ActivarDesactivar
- Leer
ActivarDesactivar
Leyendo...
Cómo estudiar sus tarjetas
Teclas de Derecha/Izquierda: Navegar entre tarjetas.tecla derechatecla izquierda
Teclas Arriba/Abajo: Colvea la carta entre frente y dorso.tecla abajotecla arriba
Tecla H: Muestra pista (3er lado).tecla h
Tecla N: Lea el texto en voz.tecla n
Boton play
Boton play
11 Cartas en este set
- Frente
- Atrás
la diferencia entre el estadístico t usual de MCO y el estadístico robusto a la heterocedasticidad es:
|
la manera en que se calcula el error estandar
|
estadístico t robusto a la heterocedasticidad
|
t=(estimacion- valor hipotético) / ee
|
razón por la que se utilizan errores estándares usuales en corte transversal
|
es que si el supuesto de homocedasticidad sé satisface y los errores se distribuyen N , los estadísticos t usuales tienen dist. t exactas, sin importar el tamaño de muestra
|
los errores estandar robustos y los estadísticos t robustos se justifican
|
sólo si el tamaño de muestra se hace grande.
En tamaños de muestra pequeño el estadístico t robusto puede tener dist. no muy próximas a la dist. t, y echar a perder la inferencia |
diferencia de la prueba de White y Breusch-Pagan
|
White incluye los cuadrados y los productos cruzados de las variables independientes
|
prueba de White cómo preservar los grados de libertad
|
empleando los valores ajustados de MCO en una prueba para heterocedasticidad
|
el rechazo obtenido en una de las pruebas de heterocedasticidad se ha interpretado como evidencia de heterocedasticidad
|
|
los estimadore MCG para la corrección de la heterocedasticidad se denominan
|
estimadore de mínimos cuadrados ponderados MCP.
proviene del hecho de que Bj* minimizan la suma ponderada de los residuales cuadrados, dónde cada residual cuadrado es ponderado por 1/h |
que pasa si la función de heterocedasticidad supuesta es incorrecta?
|
si MCO y MCP producen estimaciones muy diferentes, pueden considerarse cómo iniciativas de una forma funcional mal especificada
es probable que la media condicional E(y/x) este mal especificada |
la mala especificación de h(x) causa sesgo o inconsistencia en el estimadore de MCP?
|
No
|
cuáles son las consecuencias de usar MCP con una función de la varianza mal especificada? hay 2
|
1- que los errores estandar y los estadísticos de prueba usuales de MCP ya no son válidos ,incluso en muestras grandes.
2- no hay garantía de que MCP sea más eficiente que MCO si Var(y/x) no es constante ni igual a sigma^2h(x), dónde h(x) es el modelo de heterocedasticidad propuesto,entonces no se puede decir si MCO o MCP es más eficiente en termino de la varianza |