¿Qué es la heterocedasticidad y por qué arruina tus modelos econométricos?

Una explicación gráfica del fenómeno y sus efectos sobre el modelo de regresión.

En el análisis econométrico, uno de los pilares fundamentales del modelo de regresión lineal es la suposición de que los errores — o términos de perturbación — tienen una varianza constante a lo largo de todas las observaciones. Esta propiedad, conocida como homocedasticidad, garantiza que cada punto de datos aporte información de manera uniforme al modelo.

Sin embargo, en muchos contextos del mundo real, esta condición se rompe. Cuando la varianza de los errores cambia entre observaciones, hablamos de heterocedasticidad, un fenómeno que puede comprometer seriamente la validez de nuestras inferencias estadísticas. Esta condición, lejos de ser un tecnicismo menor, afecta directamente la eficiencia de los estimadores y la confiabilidad de las pruebas de hipótesis.

En este artículo exploraremos el concepto de heterocedasticidad dentro del modelo de regresión lineal, sus implicaciones teóricas, su representación visual y por qué es crucial detectarla y corregirla en el análisis econométrico.

Recordemos que uno de los supuestos básicos de la regresión lineal es “ Que los errores tengan varianza constante”. De ella se deriva que los datos con los que se trabaja son heterogéneos, ya que provienen de distribuciones de probabilidad con distinta varianza.

Esta secuencia se relaciona con el supuesto del modelo de regresión e introduce el tema de heterocedasticidad. Esto se relaciona con la distribución del término de perturbación en un modelo de regresión.

Imagen Propia

Lo discutiremos en el contexto del modelo de regresión Y = b1 + b2X + u. Para mantener despejado el diagrama, supondremos que tenemos una muestra de solo cinco observaciones, cuyos valores X son los que se muestran.

Si no hubiera un término de perturbación en el modelo, las observaciones se encontrarían en la línea como se muestra.

Imagen Propia

Ahora tenemos en cuenta el efecto del término de perturbación. Desplazará cada observación en la dimensión vertical, ya que modifica el valor de Y sin afectar a X.

Se presume que el término de perturbación en cada observación se extrae al azar de una distribución dada. En el diagrama, se están haciendo tres suposiciones.

Una es que el valor esperado de u en cada observación es 0. El segundo es que la distribución en cada observación es normal. No nos preocupa ninguno de estos y asumiremos que son ciertos.

La tercera, es que la varianza de la distribución del término de perturbación es la misma para cada observación. En el presente caso, eso significa que las distribuciones normales mostradas tienen la misma varianza.

Si se cumple, se dice que el término de perturbación es homoscedástico (en griego, para la misma dispersión).

Cada observación es potencialmente (antes de extraer la muestra) una guía igualmente confiable para la ubicación de la línea Y = b1 + b2X.

Imagen Propia

Una vez que se ha extraído la muestra, algunas observaciones estarán más cerca de la línea que otras, pero no tenemos manera de anticipar cuáles serán.

Ahora considere la situación ilustrada por el diagrama de arriba. La distribución de u asociada con cada observación todavía tiene el valor esperado 0 y es normal. Sin embargo, se viola el tercer supuesto y la varianza ya no es constante.

Imagen Propia

Obviamente, las observaciones en las que u tiene baja varianza, como la de X1, tenderán a ser mejores guías para la relación subyacente que aquellas para X5, donde tiene una varianza relativamente alta.

Cuando la distribución no es la misma para cada observación, se dice que el término de perturbación está sujeto a heterocedasticidad.

Hay dos consecuencias principales de heterocedasticidad. Una es que los errores estándar de los coeficientes de regresión se estiman erróneamente y las pruebas t (y la prueba F) no son válidas.

El otro es que OLS es una técnica de estimación ineficiente. Una técnica alternativa que otorgue un peso relativamente alto a las observaciones de varianza relativamente baja debería tender a producir estimaciones más precisas.

Comprender la heterocedasticidad no es solo una cuestión académica; es esencial para garantizar la calidad de los modelos econométricos que se aplican en la vida real. Cuando ignoramos esta condición, corremos el riesgo de subestimar o sobreestimar la precisión de nuestros resultados, lo que puede llevar a decisiones erróneas.

Detectar y corregir la heterocedasticidad — ya sea mediante pruebas estadísticas, transformaciones de variables o técnicas de estimación robustas — nos permite recuperar la confianza en nuestras conclusiones y mejorar la eficiencia de nuestros modelos.

En resumen, una regresión lineal no es confiable si sus errores no se comportan. Y conocer cómo se dispersan es el primer paso para corregir el rumbo.