Beruflich Dokumente
Kultur Dokumente
Y
1
TPE
Y = 0 + 1 (X1) + 2 (X2) + u
0
Donde
Y= Variable dependiente
X1= Variable explicativa X
U= TPE es una variable que recoge todos aquellos factores factores que pueden influir
a la hora de explicar el comportamiento de las variables Y que sin embargo no estn
reflejados en la variable explicativa X. Estos factores deben ser poco importantes, es
decir, no puede existir una variable explicativa relevante omitida en el modelo de
regresin. De ser as estaramos incurriendo en lo que se conoce como un error de
especificacin del modelo. El trmino de perturbacin tambin recoge los posibles
errores de medida de la variable dependiente Y.
i= es el subndice que hace referencia a las diversas observaciones para las cuales se
establece su validez. Segn el tipo de valores con los que este trabajando, el subndice
har referencia a distintos modelos del tiempo (series temporales las cotizaciones en
bolsa diarias, los ndices de precio al consumo mensuales, los datos anuales del PIB de
un pas, etc.).
Parmetros
Una vez estimado el modelo, admitimos que la estructura permanece constante para
todo el periodo de estimacin. Esto es, que los parmetros son los mismos para toda la
muestra y que las relaciones permanecen constantes para todo el periodo analizado. Es
por ello, que los parmetros no van acompaados de un subndice en la expresin
matemtica del modelo bsico de regresin lineal.
Usualmente nos encontramos que al efectuar una regresin, los signos de los
parmetros generan confusin para su interpretacin. A continuacin se muestran las
representaciones grficas de los parmetros y sus formas bsicas de interpretacin.
Si 0 es negativo
Como se puede observar el signo del intercepto ( 0). Es negativo y nicamente nos
indica el punto de donde parte la recta de regresin.
0
Si 0 es positivo
.
Y En este caso, el signo del intercepto ( 0) es
positivo y adems de indicarnos el punto de
donde parte la recta, muestra el componente
autnomo, o sea, aquella parte de Y (la
variable dependiente) que no depende de X
(la variable explicativa), ya que en el punto
0 donde comienza la recta, el valor que toma X
es cero.
Si i es positivo
Muestra que por cada unidad que se incremental (variable explicativa), (variable
dependiente) aumenta en (valor de ) unidades.
X1 X2
Si i es negativo
Muestra que por cada unidad que se incremente (variable explicativa), (variable
dependiente) disminuye en (valor de Bi) unidades.
Prueba
X1 de
X2significacin individual (1- student)
Dado que una hiptesis es una conjetura o una suposicin que se hace acerca del
comportamiento de algn parmetro, al efectuarse regresiones es pertinente suponer
algn comportamiento de los parmetros estimados.
0 = 0
En el caso de la pendiente ( 1), sabemos que siempre esta asociada a una variable
explicativa y el valor de este parmetro muestra la respuesta que tendr la variable
dependiente a movimientos unitarios de la explicativa por esto, si suponemos que el
parmetro toma un valor cero, entonces cualquier movimiento que tenga la explicativa
no afectar a la dependiente. Si esto sucede decimos que la variable independiente no
sirve para explicar a la dependiente. Esto se muestra a continuacin.
X2 X0 X1
Aqu se aprecia que la pendiente (i) tiene un valor Cero, por lo cual cuando X aumenta
desde X0 hasta X1, o bien, si X disminuye desde X 0 basta. X2, la variable dependiente no
presenta movimientos motivo por el cual se dice que la independiente no sirve para
explicar a la dependiente.
Ho: 0 = 0
Ha: 0 0
Ho: i = 0
Ha: i 0
La prueba F se caracteriza por hacer una conjetura solamente sobre los parmetros
asociados a las variables explicativas, por lo cual se excluye al intercepto. Las hiptesis
caractersticas de esta prueba son:
H0: 1 = 2 = = k = 0
Ha: 1= 2 = = k = 0
Matriz de correlacin
Aqu incluimos todas las posibles relaciones que se generan entre las variables
explicativas y la variable dependiente, o bien la relacin existente entre las mismas
variables explicativas.
Los resultados de la matriz se leen:
1 rx1y rx2y
rxiy es la correlacin existente entre x1 y Y
R= rx1y 1 rx1x2 rx2y es la correlacin existente entre x2 y Y
rx1x2 es la correlacin existente entre x1 y x2
rx2y rx1x2 1
Multicolinealidad
Ello est vinculado al supuesto de rango por columna pleno de la matriz de variables
explicativas, donde ese supuesto marca que el nmero de observaciones empleado en
una regresin debe ser mayor que los parmetros a estimar [p(X); n > k].
Si se rompe con tal supuesto y se tiene [p(X) < k], ello implica que si el 'determinante de
la matriz (X'X) es igual a cero, se tendr la existencia de multicolinealidad perfecta y,
por lo tanto tal matriz no tendr inversa y no habr solucin para el sistema. Por otro
lado, si el determinante de la matriz es muy pequeo, habr multicolinealidad
imperfecta y la matriz tendr inversa y el sistema si tiene solucin pero se tendrn los
siguientes efectos.
Las estimaciones individuales de los parmetros estn mal identificadas, esto es,
el valor estimado de un parmetro puede depender crucialmente del (los) valor
(es) estimado{s) de otro{s).
Se genera una inflacin artificial de la varianza de los parmetros estimados.
Las estimaciones resultan sensibles con respecto a la muestra utilizada lo que
supone que si, por ejemplo, se ampla la muestra con una nueva observacin,
las estimaciones obtenidas pueden variar sustancialmente.
3) Si los errores estndar de los coeficientes son muy elevados, los valores
poblacionales de los coeficientes no pueden estimarse de forma precisa.
Aunque el coeficiente de correlacin entre las variables explicativas es til, deja de ser
tan importante cuando nos encontramos con una regresin con ms de una variable
explicativa y se har referencia principalmente a la deteccin de la multicolinealidad
cuando exista incongruencia en las pruebas estadsticas t y F.
Implicaciones de la multicolinealidad
Heteroscedasticidad
Autocorrelacin
Una causa general de la correlacin serial es una mala especificacin del modelo; en
particular, la exclusin de las variables relevantes para el modelo.
O dl du 4-du 4-du 4
Indeterminacin
Si Ho Decisin
0 de dl No existe autocorrelacin positiva Rechazar
dl d du No existe autocorrelacin positiva No hay decisin
du d 4 du No existe autocorrelacin Aceptar
4- du d 4 dl No existe autocorrelacin negativa No hay decisin
4- dl d 4 No existe autocorrelacin negativa Rechazar
Eviews esta construido alrededor del concepto de objeto. Los objetos incluyen series
de tiempo, ecuaciones, modelos, coeficientes y matrices, que son utilizados de manera
activa durante la sesin.
El objeto de datos bsico dentro de Eviews es la serie de tiempo. Cada serie tiene un
nombre y pueden realizarse operaciones con todas las observaciones con slo
mencionar el nombre de la serie. Eviews proporciona maneras convenientes visuales
para introducir series de tiempo desde el teclado o de un archivo en disco, crear una
serie nueva de las ya existentes, desplegar e imprimir la serie y llevar a cabo un anlisis
estadstico de las relaciones entre las series.
Funciones de Eviews
La lnea superior es la barra del men, principal conde los elementos mostrados hacen
referencia de las diferentes operaciones que pueden realizarse dentro de diversos
submens.
Si elige File, aparece un submen que muestra los posibles procedimientos que
pueden seguirse para trabajar con un archivo.
Save permite guardar un archivo que ha sido abierto, el cual ya tiene un nombre
asignado.
Print setup permite establecer las caractersticas que ha de tener la impresin, tanto
por las posibilidades que presenta la impresora, como por las necesidades del usuario.
Objetos y vistas
Creando objetos
Al elegir File/New, aparecer un submen que hace referencia a los tipos de archivo
con los que puede trabajarse, como se muestra a continuacin.
Al hacer clic en Workfile se desplegar la siguiente ventana.
En la parte baja de la ventana se observan dos elementos Star date y End date que se
refieren a la fecha inicial y la fecha final de la serie respectiva.
Debido a que Eviews utiliza datos para identificar series de tiempo, las reglas que se
tiene para la composicin de los datos son:
Anual
Se debe declarar el ao completo, por ejemplo: 1980, 1990, 2000.
Semestral
Se debe declarar el ao completo y el nmero correspondiente al semestre: 1980.1,
1989.2.
Trimestral
Se debe declarar el ao completo y el nmero correspondiente al trimestre: 1980.1,
1990.4.
Mensual
Se debe declara el ao completo y el nmero correspondiente al mes: 1980.01,
1990.12.
Semanal
Se debe declarar el mes, da y ao de la serie, por ejemplo si se trabaja una serie para
todo el ao 1999, donde la primera semana comienza el da primero, se debe declara
el mes de enero, el da primero y el ao 1999: 1.1.1999 y para finalizar la serie, si la
ltima semana de 1999 finaliza el da 31 de diciembre, se debe declarar 12.31.1999.
Diario
Se debe declarar el mes, da y ao donde comienza la serie, es decir,, si se trabaja todo
el ao 1998, se pondr como fecha inicial el primero de enero de 1998: 1.1.1998 Y
como fecha final el 31 de diciembre de 1998: 12.1.1998.
Por ejemplo, si se tiene una serie anual de 1980 a 1998, la ventana ser:
El archivo de trabajo
Para introducir los ciatos y las variables que han de trabajarse en un modelo, se debe
teclear data, aprecindose esto en la parte superior de la pantalla, y dar Enter,
mostrndose la siguiente ventana:
Esta hoja de clculo (similar a Excel) es la ventana de una serie, donde han de
declararse las variables correspondientes a un modelo y los datos vinculados a ellas.
En la parte alta de sta ventana aparece una barra de herramientas que proporciona
varias opciones y procedimientos para las series en Eviews.
View
Al elegir esta opcin se presenta un submen que posibilita realizar tareas como:
mostrar los grupos de datos; mostrar la hoja de clculo, dividir la informacin por
perodos, mostrar grficas simples, mostrar grficas mltiples; mostrar estadsticos
descriptivos, realizar pruebas de igualdad, tabular los datos de diversas formas, mostrar
las correlaciones, mostrar la matriz de covarianzas de los parmetros sin ajustar a los
grados de libertad, mostrar correlogramas, presentar correlaciones cruzadas, efectuar
pruebas de cointegracin, efectuar la prueba de causalidad de Granger y etiquetar la
hoja de clculo. A continuacin se presenta la ventana correspondiente y se describirn
stas funciones:
Group Members permite ver en una ventana los objetos que han sido introducidos
como series.
Spreadsheet permite ver la hoja de clculo nuevamente al haber trabajado con otra
opcin.
Dated Data Table permite ver en una ventana la informacin de las series por perodo,
es decir, si se trabaja con tres variables, se presentara la informacin de esas variables
por perodo y no el total.
Graph permite ver grficas de las series en conjunto (es decir, en una sola grfica se
observarn los datos de todas las series al mismo .tiempo) en diferentes formatos
como: lneas, barras, dispersiones (dispersin simple, dispersin con regresin,
dispersin con datos ajustados cercanos y dispersin con masa ajustada), lneas XY,
pie. S est trabajando con sta opcin.
Multiple graphs permite observar grficas mltiples de cada serie por separado en
distintos formatos como: lneas, barras, dispersin (de las primeras series vs otras o
como una matriz de todas las series), lneas XY v grficas de distribucin.
Al trabajar con las opciones de grficos es posible cambiar las caractersticas de los
mismos dando doble click a la ventana donde se encuentran tales grficas, apareciendo
la siguiente ventana:
N-Way Tabulation permite tabular las series de diversas formas, as como dar formato
a. la hoja de clculo para efectuar pruebas estadsticas como de Razn de
Verosimilitud.
Cross Correlacin (2) permite ver el correlograma cruzado de dos variables o series.
Procs
Esta opcin presenta un submen con dos opciones para hacer una ecuacin o un
vector autorregresivo
Make equation permite ver una caja de dilogo en la cual se especificarn las series
involucradas en la ecuacin de regresin.
Freeze Output permite obtener una ventana congelando los datos de la hoja de trabajo,
los cuales no sufrirn modificaciones cuando se modifique la hoja de trabajo original.
Print permite imprimir los datos de las series incluidos en la hoja de trabajo.
Print
Imprime la hoja de trabajo.
Name
Hace posible asignar o cambiar el nombre de las series.
Frezee
Cambia la hoja de clculo en una tabla objeto como en la opcin Objects/Freeze
Output.
Edit +/-
Cambia el modo del editor de apagado/encendido haciendo posible cambiar el nivel de
datos. Es posible agregar series adicionales al grupo, seleccionando el grupo en la hoja
de clculo, tec1enado el nombre de la nueva serie al encender el editor. Este est
usualmente apagado.
lns/Del
Permite insertar observaciones, moviendo subsecuentemente observaciones adelante o
borrar una observacin moviendo subsecuentemente observaciones posteriores.
Smpl +/- .
Hace posible elegir qu observaciones sern o no incluidas en la hoja de clculo.
Transpose
Transpone los datos de la hoja cambiando las columnas en renglones.
Titles
Permite cambiar el ttulo de la hoja de clculo.
Sample
Permite cambiar la muestra a observar en el archivo de trabajo.
Una vez que se han visto las funciones de los elementos de la barra de herramientas,
es pertinente dirigir la atencin hacia cmo ha de trabajarse en la hoja de clculo y
como han de declararse las variables
Al estar dentro de la hoja de trabajo, con las flechas se debe dirigir hacia arriba hasta
que se duplique la celda Obs. Una vez que la celda se ha duplicado, en ese rengln
deben declararse las variables que se desean, y posteriormente, los datos
correspondientes al periodo. Por ejemplo, si se trabaja un modelo de inversin, donde
la inversin, 1 = 1 (r , Tc), est en funcin de la tasa de inters y del tipo de cambio, se
tiene lo siguiente:
Como puede apreciarse, ya han sido introducido los datos y las variables
correspondientes al modelo de inversin.
En esta ventana se podrn apreciar las variables declaradas dentro del modelo. La
barra de helTamienta en la parte superior del archivo de trabajo es el panel principal de
control de views, tenindose las siguientes opciones:
View
Pennite abrir una seleccin de los conos que aparecen en la ventana, imprimir la
seleccin o mostrar partes de los elementos en una pequea ventana. Tambin se tiene
la opcin de seleccionar o eliminar la seleccin hecha, desplegar comentarios o dar un
nombre a la ventana.
Open Selected: permite abrir una o varias ventanas que contengan a la informacin
que fue seleccionada previamente. Si se elige una ventana (one, window), aparecen
cuatro opciones: Open group permite visualizar la informacin seleccionada en una
hoja de calculo de todas las series que fueron elegidas; Open equation permite
establecer la ecuacin de regresin del modelo; Open var permite establecer un vector
de auto regresin con el cual se ha de trabajar; Open multi series permite ver la
informacin de las series de las ventanas separadas, tal como al elegir ventanas
separadas (separate windows).
Show permite observar los objetos dentro de una pequea ventana, segn la forma
como se desea que se presente la informacin, ya sea como objeto, como una formula,
como una lista de series o formulas, o como una lista de graficas. Tal como se aprecia
en la ventana siguiente:
Select all (except C Resid) permite seleccionar las series a excepcin del vector de
coeficientes e y la serie de residuales, con lo cual aparece la informacin en una hoja
de clculo, tal como al introducir los datos de las series. Si se elige sta opcin, se debe
dar doble click en la parte sombreada, apareciendo una ventana que o solicitar se elija
la opcin con la que se desea aparezca la informacin con un determinado formato, con
las opciones Open group, Open equation, Open var y Open mltiple series, debindose
elegir Open group. Al hacer lo anterior, se observar nuevamente la hoja de clculo que
fue capturada anteriormente.
Display Filter Permite desplegar una ventana en la cual se filtran objetos al igual que la
opcin Select by filter.
Name Display permite desplegar comentarios de serie, hora y fecha como en la opcin
Display Comments, solo que se tiene dos opciones: uppercase para hacerlo en
mayscula y lowercase para hacerlo minscula.
Procs
Posibilita acceder a un submen en el cual pueden realizarse operaciones con la
muestra, cambiar rangos de archivo de trabajo, generar series, ordenar series e
importar y exportar datos. El submen que aparece puede apreciarse en la ventana
siguiente.
Las opciones que presenta el submen son:
Sample permite definir la muestra dentro de un rango de valores de datos de las series,
es decir, al introducir los datos de las series fue bajo un periodo de tiempo especfico,
pero esta opcin posibilita reducir la muestra de datos, por ejemplo, si se introdujeron
datos para el periodo 1980 1998, se pueden reducir la muestra en ciertos periodos,
pudiendo quedar esta como 1985 1998.
Para ello aparece la siguiente caja de dialogo, tecleando como se ilustra la nueva
muestra de datos.
Change Workfile Range permite modificar el rango establecido para las series, es
decir, si la serie inicia en 1980, puede modificarse para que inicie en 1970, mostrndose
la caja de dilogo que aparece en la opcin de New Workfile.
Import permite importar datos o series desde otro archivo de Eviews o desde un
archivo de Lotus-Excel.
Export permite exportar datos o series hacia otro archivo de Eviews o hacia un archivo
de Lotus-Excel.
Objects
Hace posible acceder a un submen para trabajar con los objetos que se tienen el
archivo, pudiendo realizar operaciones diversas con los objetos como: nuevos objetos,
nombrar objetos en un banco de datos y borrar objetos que no sean deseados, tal como
se aprecia en la ventana siguiente:
Fetch from DB permite nombrar objetos dentro de un banco de datos, moviendo todas
las observaciones posibles sin mover las observaciones en la muestra corriente
controlando las observaciones que actualmente son empleadas en operaciones
subsecuentes de Eviews empleando la siguiente caja de dilogo.
Undate selected from DB permite actualizar la informacin de uno o varios objetos
desde la base de datos que se tiene almacenados.
Copy selected permite copiar uno o varios objetos que han sido elegidos sealando la
fuente de origen y la fuente de destino.
Rename selected permite dar un nuevo nombre a uno o varios objetos del archivo
con el cual se esta trabajando, apreciando la siguiente caja de dilogo.
Delete selected permite borrar uno o varios objetos que han sido seleccionados.
Save
Hace posible guardar la informacin que ha sido capturada o modificada del archivo de
trabajo.
Label +/-
Muestra como una etiqueta la hora y fecha con que se trabajo un archivo o sus objetos.
Show
Muestra una caja de dilogo solicitando los objetos que han de desplegarse en una
ventana sencilla, pudindose declarar tales objetos como una frmula, una lista de
series, grupos o frmulas o como una lista de grficas. Al elegir esta opcin aparecer
la siguiente caja de dilogo:
Fetch
Hace posible nombrar objetos dentro de una base de datos como en la opcin
objects/Fetch from DB.
Store
Sita un objeto dentro del archivo de banco de datos como en la opcin Objects/Stores
selected from DB.
Delete
Hace posible borrar uno o varios objetos seleccionados como en la opcin Objects/
Delete selected.
Genr
Se utiliza para generar nuevas objetos partiendo de los que se tienen mediante
operaciones lgicas o matemticas como en la opcin Proas/Generate series.
Sample
Es empleado para modificar el tamao de la muestra de las series como en la opcin
Proas/Sample.
REGRESIN
Coeficientes de regresin
Cada coeficiente multiplica la variable correspondiente, formando la mejor prediccin de
la variable dependiente. El coeficiente promedia la contribucin de la variable
independiente para la medicin. El coeficiente de las series llamado C, es la constante
o intercepto de la regresin, estos es la parte de la variable dependiente cuando las
variables explicativas valen cero. Los otros coeficientes son interpretados como
pendientes de las relaciones entre las variables explicativas y la variable dependiente.
En trminos econmicos, las pendientes deben entenderse como elasticidades o
propensiones marginales.
Error estndar
Es un promedio estadstico que rehabilita los coeficientes de la regresin. De acuerdo
con la teora de la regresin, existen dos oportunidades de tres respecto a los
verdaderos coeficientes, y hay 95 oportunidades de 100 de que est dentro de los dos
errores estndar.
T-estadstico
Es una prueba para la hiptesis de que un coeficiente tenga un valor en particular. El
estadstico prueba la hiptesis de que el valor real del coeficiente es cero, ya que ello
indicara que el parmetro no es estadsticamente significativo (que la variable
explicativa asociada al coeficiente no sirve para explicar a la dependiente). La prueba
se realiza con n-k grados de libertad.
Probabilidad
Aqu muestra la probabilidad asociada al estadstico t, de tal manera que la
probabilidad indica el porcentaje de certeza de aceptar la hiptesis planteada como
nula.
Estadstico F
Es una prueba para verificar hiptesis de manera conjunta, es decir, a diferencia de la
prueba t, donde se prueban hiptesis para cada coeficiente, aqu se realiza una prueba
para verificar una hiptesis conjunta donde se supone que los coeficientes asociados a
las variables explicativas es cero.
View/Representations
Muestra en una pantalla distintas formas de presentacin de la ecuacin de regresin.
View/Estimation Output
Muestra los resultados de la regresin. Esta opcin es til para regresar a la primera
pantalla, despus de haber trabajado con otras opciones.
View/Actual-Fitted-Residual
Muestra un submen en el cual se pueden elegir distintas formas para observar el
comportamiento de los residuos de la regresin. Se presentan opciones como dar
detalles de los valores actuales y estimados de la variable dependiente as como los
residuos, en forma de tabla y de grfica. Tambin se podr observar una grfica de los
residuos nicamente.
View/Actual-Fitted-Residual/Actual-Fitted-Residual Table
Muestra una tabla con los valores de la variable dependiente en forma actual y
estimada, as como de los residuos. Tambin se mostrar una grfica de los residuos.
View/Actual-Fitted-Residual/Actual-Fitted-Residual Graph
Muestra una grfica basada en los valores de la variable dependiente en forma actual y
estimada, as como de los residuos.
View/Coefficient tests
En esta opcin se apreciar un submen con tres posibles pruebas que se han de
realizar a los coeficientes del modelo tales como: la prueba de Wald, variables omitidas
y variables redundantes.
View/Coefficient test/Wald
Aqu aparece un cuadro de dilogo en el que debe indicarse las restricciones sobre los
coeficientes que se quieren dentro de un modelo.
View/Residual test
En esta opcin se pueden realizar pruebas acerca del comportamiento de los residuos
para comprobar si se violan los supuestos del modelo de regresin. Aqu aparece un
submen mostrando distintas pruebas como: correlograma de residuos, correlograma
de residuos cuadrados, normalidad, LM para autocorrelacin, ARCH para
heteroscedasticidad condicional autorregresiva y White con y sin trminos cruzados
para deteccin de heteroscedasticidad.
View/Residual test/ARCH LM
Efecta una prueba para ver si los residuos presentan heteroscedasticidad condicional
autorregresiva.
Estability test/Ramsey-Reset
Hace una prueba para detectar si la ecuacin de regresin y por tanto, el modelo est
correctamente especificado.
Procs/Specify/Estimate
Permite redefinir a las variables que intervienen en un modelo.
Procs/Forecast
Permite obtener una evaluacin acerca de la factibilidad de un modelo para el
pronstico.
Procs/Make model
Permite obtener la solucin de un modelo que se plantea.
Las funciones de las dems opciones que se presentan en el men son idnticas a las
descritas con anterioridad.
VIOLACIN DE SUPUESTOS DEL MODELO DE REGRESION
Multicolinealidad
Implicaciones de la multicolinealidad
Heteroscedasticidad
Auto correlacin
El problema de correlacin serial es un problema frecuente, cuando se emplean datos
en series de tiempo, ya que en este caso los TPE reflejan en partes variables no
incluidas explcitamente en el modelo, mismo que pueden cambiar lentamente a travs
del tiempo. As, el TPE en una observacin estar relacionado con los TPE de las
observaciones cercanas.
Una causa general de la correlacin serial es una mala especificacin del modelo; en
particular, la exclusin de las variables relevantes para el modelo.
t
Correlacin Serial Positiva
t
Consecuencia de la autocorrelacion
1) Son insesgados
2) Son consistentes
3) No son eficientes, por lo que dejan de tener varianza mnima
U1 * U1 -1
D= 2 1-
U12
Si aumenta Ui, Ui-1 tendera a ser positivo, de modo que d quedara significativamente
debajo de 2.
En el siguiente grafico pueden apreciarse las zonas en las que existe autocorrelacion
serial ya sea positiva o negativa o una indeterminacin
Si HO Decisin
0 < d < dl No existe autocorrelacion positiva Rechazar
dl d du No existe autocorrelacion positiva No hay decisin
du < d< 4 du No existe autocorrelacion Aceptar
4 du < d < d < 4 dl No existe autocorrelacion negativa No hay decisin
4 dl < d < 4 No existe autocorrelacion negativa Rechazar
Eviews permite elegir entre tres categoras de pruebas para evaluar la estimacin de la
ecuacin
Las tres categoras son:
pruebas de coeficientes
pruebas de residuales
pruebas de estabilidad
Pruebas de coeficientes
La hiptesis mas comn a ser probada ser c (2) = 0, lo cual indica que el valor del
parmetro es cero. Si se desea probar mas de una restriccin se tendrn que
indicar las restricciones separadas por una coma: c(2)=0,c(3)=0. la condicionante es
que al declarar las restricciones no debe haber espacio entre los elementos de las
mismas.
Si, por ejemplo, se trabaja con una funcin de produccin cobb-douglas y se desea
probar si existen rendimientos constante a escala, la condicin es que la suma de
los coeficientes debe ser igual a uno, por lo cual se tendr c(2)+c(3)=1
Variables redundantes
Esta prueba permite probar si alguna variable en a ecuacin tiene coeficientes cero y,
de esta forma observar si puede ser eliminada de la ecuacin. La prueba es opuesta a
la de variables omitidas. Aqu se prueba si una variable es susceptible de eliminarse d
un modelo. Al efectuar la prueba, en la parte superior de la pantalla aparecer los
estadsticos de prueba y en a parte baja los resultados de una regresin econmetrica
al excluir alguna variable.
Pruebas de residuales
Correlogramas y estadsticos Q.
Se construye sobre las bases del desarrollo Durban. Se realiza una regresin auxiliar
donde la variable dependiente es el residuo, conservndose las variables explicativas, y
sumndole como una nueva variable el residuo rezagado para observar si existe
relacin entre un residuo y el residuo rezagado.
Y = Y (X1,X2); Y = 0 + 1 X1 + 2 X2
Los modelos involucrados en el modelo y que estn asociados a los parmetros son:
[1 X1 X2 ]
[ 1 X1 X2 X12 X 22 X 1 X2]
De esta manera:
U2 = 0 + 1 X1 +2 x12 +3 X1 X2 + 4 X2 +5 X22
Este conjunto contiene una constante, as la regresin auxiliar es U 2 sobre esos seis
regresores sobre la hiptesis de homoscedasticidad, n-R 2 es asintticamente
2
distribuida con x (q). Los grados de libertad (q) son el nmero de variables en la
regresin auxiliar (excluyendo al intercepto).
La hiptesis son:
Para la prueba sin trminos cruzados se sigue la misma metodologa, slo que no se
incluye el producto de las variables explicativas.
Prueba LM ARCH
Pruebas de estabilidad
Para emplear la prueba chow es necesario hacer una particin en la muestra, es decir
en la segmentacin la muestra en dos o ms submuestras. Cada submuestra debe de
contener ms observaciones que el nmero de coeficientes en la ecuacin. El
propsito de dividir la muestra, es probar si los coeficientes son los mismos en todas
las submuestra. Para efectuar la prueba, la ecuacin revisada es calculada de forma
separada para cada submuestra. Si el ajuste es mejor despus de dividirla en dos
submuestras, es seal de inestabilidad el reporte obtenido es un estadstico F y un
estadstico LR con probabilidades asociados. El estadstico F tiene grados de libertad
para el numerador igual al nmero de elementos contenidos en la submuestra 2 (n 2) y
grados de libertad para el denominador igual al numero de elementos contenidos en la
submuestra 1 menos el numero de restricciones (usualmente se trabaja) una
restriccin.
Prueba de pronostico Chow
Estimaciones recursivas.
Hay seis grficos disponibles para la seleccin de mnimos cuadrados recursivos. Estos
grficos solo estn disponibles para estimaciones MCO, esto es que los trminos AR y
MA no aplican.
De hecho esta eleccin despliega una grafica de los residuos recursivos respecto a la
lnea cero. Residuos fuera de las bandas de errores tpicos sugieren inestabilidad en los
parmetros de la ecuacin.
Prueba CUSUM
Esta seleccin produce un grafico de los residuos recursivos y los errores Standard, as
como los valores de probabilidad para esos puntos de ka muestra. El grafico es til
para detectar aquellos perodos en los cuales la ecuacin es menos exitosa.
Esta seleccin implica una secuencia de prueba de pronsticos de chow. Calcula todos
los casos factibles, empezando con la muestra pasiblemente ms pequea para
estimar el pronstico de la ecuacin y luego aadir una observacin al mismo tiempo.
El grafico de la prueba muestra los residuos recursivos en la parte superior y las
probabilidades significativas en la parte inferior.
Para crear el sistema, en primer lugar, sobre la barra principal de herramientas se debe
de dar click, en objects, apareciendo un cuadro de dialogo en el cual debe especificarse
la forma con la cual se debe trabajar en Eviews. Al aparecer el cuadro de dialogo hay
que elegir la opcin system, tal y como se aprecia a continuacin
Una vez que se ha elegido la opcin, aparecer la siguiente pantalla:
Una vez que se han establecido las ecuaciones de comportamiento, se elige la opcin
procs/estimate, apareciendo un nuevo cuadro de dilogo, en el cual es necesario
declarar el mtodo de estimacin que se desea. Una vez que se ha elegido el mtodo
de estimacin se debe dar OK, estimndose los coeficientes del sistema. El cuadro de
dilogo referido es:
Con los resultados de la regresin puede hacerse una evaluacin estadstica del
modelo para validarlo o invalidarlo, tal y como se hace con un modelo de regresin
mltiple.
APLICACIONES
(CT/Yt) = 0 + 1 (Lt/Nt)
Aqu, para la razn CT/Yt se emplea la variable co, y para la razn L t/Nt se emplea la
variable PN.
El valor de 1 indica que por cada unidad que se incremente la razn PEA/empleo, la
razn consumo/ingreso aumentar en 0.195249 unidades.
R2 muestra que no existe un buen ajuste de los ratos de la razn PEA/empleo a los de
la razn consumo/ingreso, considerando los grados de libertad, don de la variacin de
la razn PEA/ empleo, explica en un 46.0432% a la variacin de la razn
consumo/ingreso.
La prueba N-Step seala los casos factibles para estimar el pronstico indicado que
ste modelo es factible para el pronstico ya que no hay puntos fuera de las bandas.
N Setop Probability -----------------Recursive Residuals
Los coeficientes recursivos estimados indican lo siguiente:
1) Se muestran pequeos cambios para 0 en todo el perodo, con tendencias
ascendentes entre 1977-1984.
2) 1 muestra una cada a partir de 1977, con una relativa estabilidad ascendente
entre 1971-1977.
Al efectuar la correccin del modelo, se encontr que el modelo es un Ar (1), donde se
obtienen estimadores eficientes, concluyndose lo siguiente.
El valor de 1 indica que por cada unidad que se incremente la razn PEA/empleo, la
razn consumo/ingreso aumentar en 0.186240 unidades.