Econometría: Autocorrelación, Heterocedasticidad y Multicolinealidad. Resumen y Corrección
Problemas en el modelo econométrico
Autocorrelación: cuando la covarianza de la perturbación es distinta de 0, implica que las perturbaciones están correlacionadas.
Causas: omisión de variables explicativas significativas, ciclos y tendencias de variables endógenas, relaciones no lineales entre las variables, relaciones dinámicas.
Consecuencias: los parámetros estimados por MCO son lineales e insesgados, pero no óptimos (no tienen varianza mínima).
Solución: estimar β por MCG.
Test de Durbin-Watson (4 puntos): supone que la autocorrelación puede ser descrita por un proceso autorregresivo de orden 1, cumpliéndose: Ut = ρ·Ut-1 + εt.
Multicolinealidad: relaciones lineales entre variables explicativas.
Causas: modelos con datos de series temporales entre las que hay una relación causa-efecto, escasa variabilidad en las observaciones de las variables explicativas, ↓n.
Exacta:
Definición y consecuencias: se incumple la hipótesis de rango completo por columna de X: no se puede calcular la matriz inversa (X'X) ni estimar β.
Detección: |X'X| = 0.
Solución: obtener combinaciones lineales de los β.
Aproximada:
Definición y consecuencias: ↑Var(β) y los coeficientes estimados dejan de ser óptimos, intervalos y contrastes poco fiables, ↑R² sin que el modelo esté bien ajustado.
Detección:
1) Método del número de condición: k(X) = √(λmáx/λmín) (<20, 30).
2) Factor de Agrandamiento de la Varianza (FAV) = 1/(1-R²) > 10, Tolerancia < 0,1.
Solución: eliminar variables no significativas y sospechosas de provocar multicolinealidad, ↑n, regresores Cresta/Álamda incluyendo 1 constante y matriz identidad.
Heterocedasticidad
Cuando Var(u) no es constante, los estimadores no son eficientes.
Causas: datos de sección cruzada y agrupados, omisión de variables significativas.
Consecuencias: los β son lineales e insesgados, pero no óptimos (no tienen varianza mínima).
Solución: estimar β por MCG.
Test de Glejser: estimar β y vector de residuos et = y - XB; ajustar regresión auxiliar (variable dependiente |et|; variable independiente sospechosa de heterocedasticidad ^ constante