• Barajar
    Activar
    Desactivar
  • Alphabetizar
    Activar
    Desactivar
  • Frente Primero
    Activar
    Desactivar
  • Ambos lados
    Activar
    Desactivar
  • Leer
    Activar
    Desactivar
Leyendo...
Frente

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

image

Boton play

image

Boton play

image

Progreso

1/11

Click para voltear

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