Premissas

Premissas

1. HETEROCEDASTICIDADE

   • O que é?
     • Variância dos resíduos nao é constante
       • Heterocedasticidade condiciontal
         • Muda conforme muda o X
       • Heterocedasticidade incondicional
         • Nao é função de x, apesar de ser uma violação, ná pratica nao é um real problema ao modelo
   • Como identificar?
     • Breush-Pagan chi-square X² test
       • O R² da BP test é a 2º regressao (errors vs X)
       • É one-tailed test pq só é um problema se o R² da BP for muito grande
     • Scatter plot, erros vs X variable
   • Como corrigir?
     • White-corrected/robust standard erros
       • recalcular o t-statistic usando os coefficientes originais da regressao.
   • Quais Efeitos?
     • Implica que o t-statistic e o F-test nao sao confiáveis
     • Standard error pode ser pequeno d+, mas o coeficiente nao é afetado, entao vai rejeitar H0 much often

2. SERIALCORRELATION

   • O que é?
     • Error term is correlated with one another
       • É positiva se um erro positivo aumenta a chance do proximo erro tbm ser positivo.
         • Muito comum em séries financeiras
       • Neg se um erro positivo aumenta chance do proximo ser negativo
   • Quais efeitos?
     • Standard erros tendem a ser menores, levando a t-statiscs grandes e rejeita HO much often
     • t-statistic e F-test nao são confiáveis
   • Como Identificar?
     • residual plots
     • Durbin-Watson statistic
       • DW ~ 2(1-r)
         • Se existir correlação serial positiva, r>0 entao DW <2, o inverso tbm vale
       • H0 = no positive serial correlation
         • < D1, rejeita H0 (é ruim)
         • > D1 e < DU, inconclusive
         • > DU, não rejeita H0
   • Como Corrigir?
     • Hansen Method
     • Incluir um seasonal term