Mínimos cuadrados generalizados (MCG y MCGF) y matriz de White | Econometría I, Clase 24

Cerramos la discusión de heterocedasticidad en sistemas de ecuaciones. Partimos del modelo lineal clásico en forma matricial, vemos qué pasa cuando la matriz de varianzas deja de ser σ²I, cómo factorizar Ω para transformar el modelo y obtener el estimador de mínimos cuadrados generalizados (MCG), y cómo volverlo factible (MCGF) con la matriz de White. Terminamos con una prueba de heterocedasticidad y el ejemplo que se resuelve en Python en la siguiente clase. Capítulos (aprox.) 00:00 Repaso: el sistema de ecuaciones en forma matricial 04:16 Heterocedasticidad en un sistema de ecuaciones 06:24 El supuesto de homocedasticidad y la matriz Σ 08:32 Varianzas distintas en la diagonal 10:40 Ejemplo: gasto de empresas y correlación entre unidades 14:57 Factorizar Ω como P'P 17:05 Transformar el modelo con la matriz P 22:25 El estimador de mínimos cuadrados generalizados (MCG) 27:45 Propiedades: insesgadez, varianza y eficiencia 30:57 MCG factibles: cómo estimar Ω 32:01 Detectar heterocedasticidad con los residuales 36:17 La matriz de White 39:30 Prueba de heterocedasticidad: hipótesis y estadístico 46:58 Ejemplo clásico de inversión de empresas (SUR) Curso completo (Econometría I, 2027-I):    • Econometría I - 2027-I   ¿Empiezas de cero? Revisa las listas "Empieza aquí" del canal. Código y notas: https://github.com/benjov