P value migliori con minimi quadrati ponderati?

[utente1234561]

buona sera a tutti,

sto facendo una regressione su un campione di 75 aziende; nonostante non sembrino esserci dei problemi di eteroschedasticità (conferma negativa con white e breusch pagan test), se provo a rifare la regressione con il metodo dei minimi quadrati ponderati i p value migliorano molto per diverse variabili.

secondo voi a cosa potrebbe essere dovuto?
potrebbero esserci dei casi in cui sarebbe più appropriato usare i minimi quadrati ponderati OLTRE alla presenza di eteroschedasticità?

grazie mille a tutti coloro che risponderanno!!

[ghira1]

Non lo so ma il fenomeno è davvero lineare?

Conosci il datasauro? https://www.autodeskresearch.com/publications/samestats

[markowitz]

"utente123456":buona sera a tutti,

sto facendo una regressione su un campione di 75 aziende; nonostante non sembrino esserci dei problemi di eteroschedasticità (conferma negativa con white e breusch pagan test), se provo a rifare la regressione con il metodo dei minimi quadrati ponderati i p value migliorano molto per diverse variabili.

secondo voi a cosa potrebbe essere dovuto?

Si tratta di una situazione interessante. In effetti in passato anche io avevo riscontrato discrepanze di questo tipo.
A parte le significatività, i valori dei coefficienti risultano molto diversi?

peraltro è da precisare che, nonostante la frequente vaghezza, l'omoschedasticità è univoca mentre le eteroschedasticità possono essere di diversa natura. Quindi non è sicuro che i test di White e di Breusch Pagan siano esaurienti per rilevare eteroschedasticità in qualsiasi forma. Personalmente ho visto case study dove entrambi i test portavano al rifiuto ma i dati (simulati) erano eteroschedastici. Sostanzialmente c'era un break di volatilità che veniva sottolineato con chiarezza da un test apposito.
Tuttavia i test che hai fatto sono molto generali e, almeno nella maggior parte dei casi reali, dovrebbero rilevare l'eteroschedasticità se questa è forte.
Peraltro, se ricordo bene, lo stimatore WLS, almeno nei sofware tipo gretl o EViews, suppone eteroschedasticità in una forma molto simile, se non equivalente, a quella di White. Quindi le discrepanze di cui parli non possono essere motivate dalla natura dell'eteroschedasticità.
Invece in generale, vedi l'esempio che ricordavo sopra, è possibile specificare minimi quadrati ponderati nel modo "giusto" e, dall'atra parte, utilizzare errori standard robusti "sbagliati".

La spiegazione più plausibile penso sia nella dimensione del campione che nel tuo caso è abbastanza contenuta (75 obs). Infatti, anche specificando tutto nel modo corretto, l'equivalenza tra stima OLS con errori robusti e stima WLS è solo asintotica.

"utente123456":
potrebbero esserci dei casi in cui sarebbe più appropriato usare i minimi quadrati ponderati OLTRE alla presenza di eteroschedasticità?

Se il problema è solo terminologico, la risposta è si.
I WLS possono essere considerati come un caso speciale dei GLS ed allora è possibile considerare anche i problemi di autocorrelazione.
Se invece con WLS intendi proprio solo una ponderazione basata sull'eteroschedasticità, come mi sembra essere nei principali software, ... allora la risposta è già nella domanda.