A continuación vamos a ver un ejemplo generado inicialmente con el modelo de regresión clásico en SPSS, donde un test de dibujo va a ser pronosticado a partir de otros tres tests (información, analogías y aritmética), para lo cual procederemos a complementar los datos en la ventana correspondiente:
...resultando la siguiente información básica que contiene la explicación ajustada del modelo (0,18), el valor F(ANOVA)= 4,288 (p = 0,010), así como los parámetros de regresión donde solo el "test de información" es significativo al 1%:
En el segundo ejemplo, con datos de rendimiento académico como variable criterio, y el tiempo de ejecución y los resultados en un test como variables predictoras, obtenemos inicialmente el modelo:
Posteriormente verificamos el test de White, como hicimos anteriormente:
...y ahora si que deberemos rechazar la hipótesis nula, por tanto procederemos a seleccionar la solución alternativa pulsando en los campos estimaciones de errores robusto y HC3:
...obteniendo a parte de los resultados clásicos, una nueva tabla con los resultados de los errores robustos:
Como podemos ver en la tabla anterior, los IC al 95% son distintos así como los grados de significación de los parámetros.
Referencias.
Hayes, A.F. & Cai, L. (2007)). Using heteroskedasticity-consistent standard error estimators in OLS regression: An introduction and software implementation. Behavior Research Methods, 39 (4), 709-722