Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                

Normalidad

Descargar como pptx, pdf o txt
Descargar como pptx, pdf o txt
Está en la página 1de 8

Problemas que puede

presentar la
estimación de un
modelo
Una vez que obtenemos los resultados del análisis de regresión, es
importante cuestionar la bondad del modelo ajustado. ¿Qué tan “bueno”
es el modelo ajustado? Necesitamos ciertos criterios para responder esta
pregunta.
Primero, ¿están los signos de los coeficientes estimados de acuerdo con las
expectativas teóricas o previas?. Segundo, si la teoría sostiene que la
relación no debe ser sólo positiva sino también estadísticamente
significativa. Tercero, ¿qué tan bien explica el modelo de regresión la
variación?
Por otra parte, sería interesante averiguar si se satisfacen los supuestos del
MRL. En particular hay un supuesto que se tiene que verificar, el de
normalidad de los TPE. Recuerde que las pruebas t y F requieren que el
término de error siga una distribución normal. De lo contrario, el
procedimiento de prueba no será válido en muestras pequeñas, o finitas.
Normalidad de los TPE
•Una
  de las hipótesis importantes a cumplir en el
modelo de regresión múltiple es la normalidad de los
residuos. Aunque dicha hipótesis no es necesaria
para la obtención de los estimadores de los
parámetros del modelo de regresión por el método
de MCO, si es estrictamente necesaria para la
realización de la inferencia del modelo.
El supuesto establecía:
Es importante recordar que las pruebas t y F requieren
que el término de error siga una distribución normal.
De lo contrario, el procedimiento de prueba no será
válido en muestras pequeñas, o finitas.
Para evaluar la normalidad existen contrastes
específicos para comprobar el ajuste de un conjunto de
datos a una distribución normal, un mecanismo muy
empleado para evaluar la normalidad es la prueba
Jarque-Vera.
Prueba de Normalidad Jarque-Bera (JB)

•La
 prueba de normalidad JB es una prueba asintótica, o
de muestras grandes. También se basa en los residuos
de MCO. Esta prueba calcula primero la asimetría y la
curtosis de los residuos de MCO, con el siguiente
estadístico de prueba:
• 
donde:
 

 
Para una variable normalmente distribuida, S = 0 y K = 3. Por tanto, la prueba
de normalidad JB constituye una prueba de la hipótesis conjunta de que S y K
son 0 y 3, respectivamente. En este caso, se espera que el valor del estadístico
JB sea igual a cero.
De acuerdo con la hipótesis nula, la cual afirma que los
residuos están normalmente distribuidos, Jarque y Bera
mostraron que asintóticamente (es decir, en muestras
grandes) el estadístico JB sigue la distribución ji cuadrada, con
2 gl. Si el valor p calculado del estadístico JB es lo bastante
bajo en una aplicación, lo cual sucederá si el valor del
estadístico difiere en gran medida de cero, se puede rechazar
la hipótesis de que los residuos están normalmente
distribuidos. Pero si el valor p es razonablemente alto, lo cual
sucede cuando el valor del estadístico está cerca de cero, no
rechazamos la suposición de normalidad.
Habitualmente la falta de normalidad en los residuos suele provenir de
la presencia de datos atípicos que generan una distribución no
simétrica. Estos problemas en los residuos suelen aparecer cuando se
omiten variables importantes o cuando existe falta de linealidad en la
especificación del mismo. Si se arreglan previamente los problemas
citados, podrán solucionarse los problemas de la normalidad residual.
Cuando los residuos no presentan normalidad por la presencia de más
de una moda, los datos suelen provenir de varias poblaciones, lo que
puede arreglarse con la introducción de variables ficticias en el modelo
para las diferentes poblaciones. En otras ocasiones, la solución para la
falta de normalidad es la transformación adecuada de las variables para
conseguirla.

También podría gustarte