*Teste de heterocedasticidade

*Foi utilizado o modelo log-log

*Procedimentos baseados na prova de 1ª de Outubro de 2009

*Gerando os ln das variáveis originais

gen lq = ln(q)
gen lp = ln(p)
gen ly = ln(y)
gen la = ln(a)
*Calculando o modelo na forma log-log
reg lq lp ly la

*-------------------------------------------------------------------------------
-----------
*TESTE DE PARK
*ui é o resíduo da regressão
*Forma do Teste funvionsl do teste:
*ln sigma_quadrado = ln(sigma_quadrado) + b2ln(Xi) + vi
*Utilizando o termo de erro como prozy da variância já que esta é desconhecida
*ln ui2= a + b2ln(Xi) + vi
*Gerando os resíduos
predict ui, residual
*Calculando os resíduos ao quadrado
gen ui2 = ui^2
*Gerando o ln dos resíduos ao quadrado
gen lui2 = ln(ui2)
*As variáveis explicativas devem estar na forma de log
gen llp = ln(lp)
gen lly = ln(ly)
gen lla = ln(la)
*O teste de Park é feito para UMA variável por vez, então
reg lui2 llp
reg lui2 lly
reg lui2 lla
*As variáveis que forem significativas serão consideradas como 'relacionadas" à
variancia do termo de erros, já que estamos utilizando ui2 como proxy da variânc
ia populacional desconhecida
*Neste exemplo todas as variáveis foram significativas
*Então estas estão relacionadas à variância do termo de erro

*-------------------------------------------------------------------------------
-------------------
*TEST DE GLEJSER
*Forma do teste:
*abs(ui)= b1 + b2Xi + vi
*Estimando a regressão para obter os resíduos
quietly regress ltc lq lpl lpf lpk
*Gerando os resíduos
predict ui, residual
*Obtendo os valores absolutos dos resíduos
gen absui = abs(ui)
*O teste de Glejser deve ser feito com uma variável por vez, então
reg absui lq
reg absui lpl
reg absui lpf
reg absui lpk
*INTERPRETAÇÃO
*Pelo teste de Glejser na forma linear somente as variáveis lq e lpk são signifi
cativas
*Então estas variáveis por tal teste se relacionam linerarmente com a variancia
dos resíduos

*-------------------------------------------------------------------------------
--------------
*TEST DE GLEJSER
*Forma do teste:
*abs(ui)= b1 + b2(Raiz quadrada de Xi) + vi
*Estimando a regressão para obter os resíduos
quietly regress ltc lq lpl lpf lpk
*Gerando os resíduos
predict ui, residual
*Obtendo os valores absolutos dos resíduos
gen absui = abs(ui)
*Obtendo a raiz quadradas das variáveis independentes
gen sqrtq = sqrt(q)
gen sqrtpl = sqrt(pl)
gen sqrtpf = sqrt(pf)
gen sqrtpk = sqrt(pk)
*O teste de Glejser deve ser feito com uma variável por vez, então
reg absui sqrtq
reg absui sqrtpl
reg absui sqrtpf
reg absui sqrtpk
*INTERPRETAÇÃO
*Pelo teste de Glejser na forma da raiz quadrada do somente as variáveis lq e lp
k são significativas
*Então pelo teste estas variáveis se relacionam como a raiz quadrada com a varia
ncia dos resíduos
*Não poderá ser utilizado os mínimos quadrados ponderados para corrigir a hetero
cedasticidade, já que mais de uma variável explica a heterocedasticidade dos err
os

*-------------------------------------------------------------------------------
--------------
*TESTE DE GOLDFELD-QUANDT
****Procedimento teórico
****Ordena-se pela variável correlacionada com o termo do erro do maior para o m
enor;
****Omita as c observações centrais e calcule duas regressões
****Calcule F = [(SQR2/gl)/(SQR1/gl2) e compare com Fgl1,gl2

*-------------------------------------------------------------------------------
---------------
*TESTE DE BREUSCH-PAGAN
****Procedimento Teórico
****Estime a regressão;
****Obtenha os resíduos ui;
****Faça sigma2(MVS)= SRQ/n;
****Construa pi = ui2/sigma2(MVS)
****Redriga pi = a1 + a2xi....;
****Obtenha deta = SQE/2 ~ qui-quadrado;
****Compare com qui tabelado com k-1 gl.
****Ho: a1 = a2 = ... = an = 0 (homocedasticidade)
*Para obter o teste via stata
*Calcule a regressão
quietly regress lq lp ly la
*Digite o comando do teste
estat hettest
*INTERPRETAÇÃO
* Se p_valor < nível de significancia escolhido, regeita-se Ho, ou seja, há hete
rocedasticidade
*Em pequenas amostras o teste é sensível à premissa de normalidade
*Pode-se usar a opção iid para obter uma vesão diferente do teste de Breusch-Pag
an que relaxa a pressuposição padrão que os erros são normalmente distribuidos (
97p.)
estat hettest,iid
* Se p_valor < nível de significancia escolhido, regeita-se Ho, ou seja, há hete
rocedasticidade

*-------------------------------------------------------------------------------
-------------
*TESTE DE WHITE
****Teoria
****Primeiramente estime yi = b1 + b2x2 + b3x3 + ui
****Regrida ui2 = a1 + a2x2 + a3x3 + a4x22 + a5x32+ a6x2x3 + vi
****Calcule n*R²
****Ho: a1=a2=a3=a4=a5=a6=0 (Homocedasticidade)
****Hi: pelo menos um an é diferente de 0
****
*Antes de utlizar o teste é necessário que este seja instalar (se já não estiver
)
*baixar e instalar o teste de white
ssc install whitetst
*Após o teste estar instalado é necessário rodar a regressão
quietly regress tc q pl pf pk
*Rodando o teste de white propiamente dito
whitetst