GUA DE MANEJO DEL PROGRAMA E-VIEWS CAPTULO II

TRATAMIENTO BSICO DE SERIES ESTADSTICAS. INTRODUCCIN AL PROCEDIMIENTO DE REGRESIN.

Ramn Maha Departamento de Economa Aplicada Universidad Autnoma de Madrid

Gua de Manejo del programa E-Views.

Captulo II. pg.1

CAPTULO II
Tratamiento bsico de Series Estadsticas. Introduccin al Procedimiento de Regresin.
II.A.- OBJETIVOS Y CONTENIDOS DE ESTE SEGUNDO CAPTULO
El objetivo de este segundo captulo consiste en abordar progresivamente algunos de los procedimientos de transformacin de series de datos y anlisis estadstico ms sencillos, toda vez que se suponen aprendidos los conceptos mnimos necesarios para arrancar con el programa E -VIEWS. Dentro de las mltiples operaciones de manipulacin de datos que pueden realizarse cmodamente en E-VIEWS, vamos a prestar especial atencin en este captulo a aquellas que permiten especificar y estimar correctamente un Modelo Bsico de Regresin Lineal. Con total seguridad, el analista que se enfrenta a la etapa de estimacin de un modelo bsico de regresin lineal deber cocinar las series de datos elegidas y recolectadas en bruto de las fuentes estadsticas, durante la anterior etapa de especificacin. As, probablemente el analista se ver en la obligacin de generar alguna magnitud monetaria en constantes a partir de deflactores y datos en corrientes, deber calcular las tasas de variacin a partir de series en niveles o encontrar til un examen grfico preliminar de la evolucin temporal de las series consideradas. Por tanto, difcil ser evitar un anlisis previo que incluir, la mayor parte de las ocasiones, sencillos procedimientos de anlisis grfico de las series, su transformacin en tasas, logaritmos, etc, o, por ejemplo, un simple anlisis p revio de correlaciones entre variables explicativas y endgena: El anlisis grfico permite estudiar visualmente la evolucin de las variables consideradas en el perodo histrico detectando comportamientos cclicos, tendenciales, estacionales o, en muchas ocasiones, puntos atpicos (puntos de valor extraordinariamente grande o pequeo con relacin al valor promedio de la serie). La transformacin de variables ser necesaria en muchas ocasiones ya que pocas veces la especificacin seleccionada para nuestro modelo nos permitir utilizar los datos en su estado natural. El anlisis previo de correlaciones puede servir, por una parte, como tosca aproximacin previa a la posible existencia de relacin entre la variable a estudiar y las explicativas elegidas y, por otra, para la deteccin prematura de posibles problemas de multicolinealidad, es decir, de excesiva y perjudicial relacin entre las variables exgenas incluidas en la especificacin ( s adelante se detallar el m significado de este concepto y los procedimientos necesarios para su deteccin).

Estas y otras transformaciones similares que caracterizan todo proceso previo a la estimacin de los parmetros de un MBRL no podrn realizarse a menos que se tengan una serie de ideas claras en cuanto a la forma que debe utilizarse EVIEWS para operar con una o varias series. A recordar.... El captulo abordar los procedimientos de anlisis simple y transformaciones bsicas de series necesarios para poner en marcha la correcta especificacin y estimacin de un MBRL. Para su correcto aprovechamiento es imprescindible haber asimilado el manejo bsico del programa comentado en el captulo anterior.

Gua de Manejo del programa E-Views.

Captulo II. pg.2

II.B.- GRFICOS DE SERIES EN E-VIEWS

En E-VIEWS resulta extremadamente sencillo obtener informacin b sica preliminar de una serie as transformar una serie original segn distintos procedimientos. Debe recordarse que, en trminos de E-Views, una serie es un OBJETO. Por tanto, para obtener informacin sobre una serie de datos o realizar alguna transformacin o procedimiento sencillo sobre la misma, parece lgico editar (abrir) el objeto a analizar (la serie ) haciendo doble clic sobre el nombre de la misma en el Work File. Una vez editada una serie, el men de objeto que se despliega en su parte superior permite realizar toda clase de operaciones sencillas.

II.B.1.- Cmo representar grficos de series individuales

El men (views) de la serie editada, permite observar la serie en distintos formatos: tipo hoja de clculo, representaciones grficas diversas ,etc. Los grficos de EVIEWS disponibles para representar series individuales son, en principio, de dos tipos: de lnea o de barras (aunque veremos ms adelante que. En la ilustracin siguiente se muestran ambos para una determinada serie: Diferentes vistas (Views) para una misma serie de datos Formato de LNEA Formato de BARRAS

Una vez seleccionado uno de los tipos de grfico para una determinada serie, puede cambiarse de un tipo a otro pulsando, en la ventana activa del grfico, los botones Bar/Line de la barra de tareas. Los grficos, una vez en pantalla, no pueden salvarse como objetos ya que, en realidad ya lo son: se trata de series en vista de grfico. Existe, no obstante, la posibilidad de guardarlos como un objeto congelado. La utilidad de esta operacin es la de conservar una fotografa del grfico, de modo que este grfico pueda conservarse invariable, independientemente de que la serie representada cambie alguno de sus valores posteriormente. Esta operacin se realiza con el comando freeze, especificando despus un nombre para el nuevo objeto (congelado) creado. El comando freeze puede, en general, aplicarse del mismo modo a cualquier otro objeto abierto.

II.B.2.- Cmo representar grficos de varias series

Evidentemente, el EVIEWS permite representar simultneamente ms de una serie. Suele ser habitual, en efecto, representar conjuntamente dos o ms series en un mismo grfico, casi siempre con el objeto de comparar lo similar o diferente de su evolucin temporal. As, por ejemplo, y de modo slo aproximativo, la evolucin comprada de la variable endgena y las explicativas puede ser suficientemente expresiva como para revelar la causalidad entre unas variables y otras, anticipando resultados en el anlisis previo de un procedimiento de regresin. Para representar dos o ms series deben seleccionarse primero las series de inters en la ventana del workfile. Para ello, deben marcarse las series, una a una, manteniendo pulsada la tecla CTRL y, una vez

Gua de Manejo del programa E-Views.

Captulo II. pg.3

marcadas, abrir el men contextual del ratn ( otn derecho). En ese men contextual encontraremos la a b opcin Open Group. 4 Series marcadas simultneamente dispuestas a ser abiertas con la opcin Open Group

Una vez abierto el grupo de series, usaremos de nuevo la opcin View Graph de la barra de herramientas de la ventana del grupo activa, consiguindose as un grfico simultneo en el que cada serie aparecer representada por un color. La opcin Multiple Graph del mismo men, permitir ver en una misma pantalla, los grficos separados de las series seleccionadas 2 Series representadas simultneamente

II.B.3.- Opciones de grficos

Existen muchas opciones que permiten modificar el aspecto de cada grfico de modo individual. Para activarlas, basta con hacer doble clic en cualquier parte del rea del grfico que se est visualizando en un momento dado.

Gua de Manejo del programa E-Views.

Captulo II. pg.4

Men de opciones de grfico

La modificacin ms habitual, consiste, por ejemplo, en cambiar el tipo de grfico representado. Las opciones son: Line graph - Grfico de lnea: en el que cada punto se une al siguiente con una lnea. Stacked Line Lnea acumulada: en el que cada lnea representa los valores de una serie acumulados sucesivamente (el ltimo punto representado es la suma de todos los valores de la serie). Bar Graph- Grfico de barras: en el que cada valor de la serie se representa con una barra vertical Stacked Bar Barras acumuladas: en el que cada barra representa los valores de una serie acumulados sucesivamente (la ltima barra representa la suma de todos los valores de la serie). Mixed Bar & Line Grfico mixto de barras y lneas: en el que la primera serie se representa como una barra y las siguientes como lneas. Scatter Diagram Grfico de Dispersin: en el que el eje horizontal del tiempo es sustituido por el de la primera serie, de forma que cada punto del grfico representa una coordenada formada por los valores de las dos series representadas. Este tipo de grfico resulta de gran utilidad cuando quiere representarse la clsica nube de puntos de regresin que aproxima la eventual relacin entre dos variables para las que se supone una determinada relacin. Pie Graph Grfico de Tarta: en el que cada observacin es representada como una tarta, siendo los sectores de cada una de esas tartas los valores de cada serie para esa observacin. El valor de cada serie se representa, por tanto, como la aportacin proporcional de esa serie al valor suma de todas ellas. Adems del tipo de grfico, pueden cambiarse algunos atributos de los grficos en la columna izquierda del cuadro de dilogo. Cada atributo puede ser activado o desactivado marcando la casilla correspondiente con el ratn. 1 Puede quitarse el marco gris (box) que rodea el grfico y poner el mismo dentro de ella, puede colocarse una leyenda del nombre de cada serie representada, colocar lnea verticales u horizontales, representar la vertical del valor cero o usar el color, cuando las opciones grficas lo permitan, para distinguir una serie de otra..

Gua de Manejo del programa E-Views.

Captulo II. pg.5

1 As mismo, puede cambiarse la apariencia de las lnea o barras en un pequeo cuadro de dilogo que aparece en la parte inferior. En la parte central del men de opciones se agrupan las siguientes opciones: 1 En ocasiones interesar un segundo eje de ordenadas para representar dos o ms series. Si se elige la opcin de doble eje, el EVIEWS representar la primera de las series en el primero de los ejes y el resto en el segundo eje. Esta opcin puede resultar interesante en el caso de que las series vengan representadas por valores medidas en escalas muy diferentes. 1 Dentro de la opcin de doble eje, ambos ejes pueden configurarse de forma que las dos series representadas no se crucen, o que s lo hagan. 1 Las opciones de escala del grfico permiten alterar ciertos parmetros del eje izquierdo como forzar a que aparezca el valor cero en el eje, transformar los valores del eje a una escala logartmica o normalizar los datos de las series representadas (opcin muy til para representar dos series con medidas muy diferentes en un solo eje vertical). 1 Adems podemos especificar manualmente el menor y el mayor valor de cada eje (incluso en un segundo eje de ordenadas). Una serie de opciones sencillas controlan, en la parte derecha de este cuadro de dilogo, la forma en que aparecern representadas lneas, barras, grficos de dispersin o secciones del grfico de tarta: 1 En las opciones de lnea del grfico puede aadirse, algn atributo especial o smbolo entre observaciones, a la lnea con que se representa cada serie. 1 En las opciones de barra del grfico puede aadirse la leyenda del valor de la serie sobre o dentro de cada barra representada, as como eliminarse el espacio que separa por defecto unas barras de otras. 1 En las opciones para el diagrama de dispersin puede unirse cada punto del diagrama con una lnea o representarse sobre la nube de puntos del diagrama la lnea de regresin hipottica. Esta lnea, vendra a ilustrar la recta de regresin lineal estimada por Mnimos Cuadrados Ordinarios de la variable representada en el eje de ordenadas en funcin de la variable representada en el eje de abscisas. 1 En las opciones disponibles para el grfico de tarta puede aadirse, cerca de cada sector del grfico, una leyenda conteniendo el valor de la serie representado. A recordar.... El anlisis grfico de las series involucradas en un anlisis cuantitativo es siempre recomendable como etapa de toma de contacto con la informacin. Este anlisis permite observar a vista de pjaro el comportamiento global de las series as como algunas peculiaridades puntuales que escaparan a simple vista al observar los datos de las mismas. El E-Views no es un programa de enorme potencial para la representacin grfica pero, al menos, permite la representacin grfica de una o ms series en grficos individuales o simultneos. Las opciones que, por defecto, definen el aspecto de un grfico en E-Views pueden alterarse con sencillez en una nica pantalla de opciones de grfico.

II.C.- OBTENCIN DE ESTADSITICOS BSICOS DE UNA SERIE

Gua de Manejo del programa E-Views.

Captulo II. pg.6

II.C.1.- Estadsticos bsicos de series individuales

Obtener los estadsticos descriptivos bsicos de cualquier serie de datos es muy simple en E-Views. As, una de las opciones de vista (view) de cualquier serie individual es, precisamente, la de histograma y estadsticos (Histogram & Stats). Si ejecutamos esta opcin podremos observar en una misma pantalla el histograma de frecuencias de la serie y algunos estadsticos bsicos: Histograma de frecuencias y estadsticos bsicos de una serie (BTRDOL en el ejemplo)

Como es bien sabido, el histograma de frecuencias representa grficamente la distribucin de frecuencias de los valores de la serie. Esta representacin tiene en general poco sentido para seriee temporales en las que, habitualmente, no suelen repetirse valores en distintos perdoos a lo largo de la muestra considerada. Por ello, el EVIEWS genera unos intervalos de igual extensin y representa con barras el nmero de ocasiones en las que la serie toma valores comprendidos en cada uno de estos intervalos. Este histograma por intervalos admite las modificaciones comentadas en el apartado general referidas a las opciones de grfico exceptuando que slo puede representarse en tipo barras. Los estadsticos descriptivos ofrecidos a la derecha del histograma son conceptalmente muy sencillos y fciles de interpretar. Aparecen en primer lugar dos medidas de tendencia central de la serie: La media (mean)de la serie, calculada como promedio aritmtico. La mediana (median) de la serie; es decir, aquel valor que separa los valores de la serie en dos conjuntos de igual densidad de frecuencias. En el caso de una serie temporal representada por intervalos, se toma como mediana la marca de clase del intervalo mediano, convenientemente desplazada segn la mayor o menor carga a izquierdas y a derechas del mismo.

A continuacin se muestran dos aproximaciones a la dispersin de la serie respecto a sus valores centrales: serie: El valor mximo y mnimo de la serie La desviacin tpica (Std.Dev) de la serie (raz de la varianza de la serie)

Ms adelante se muestran algunos clculos que ayudan a valorar la normalidad estadstica de la

Gua de Manejo del programa E-Views.

Captulo II. pg.7

La simetra de la serie (Skewness) con respecto a su media es un clculo sencillo (que utiliza el momento de orden tres con respecto a la media as como el cubo de la desviacin tpica de la serie). Esta expresin toma el valor cero en el caso de una distribucin perfectamente simtrica (con igual densidad de frecuencias a izquierda y derecha de la media). Valores postivos indican asimetra a derechas respecto a la normal y valores negativos asimetra a izquierdas.

S =

(x i

i= 1

x n
3

)3

La curtosis (Kurtosis) de una serie indica si su distribucin de frecuencias es ms aplanada o ms apuntada que una distribucin normal, es decir, si alrededor de la media se concentran ms o menos valores que en el caso de una normal y por tanto sus colas son ms o menos estrechas. La curtosis de una serie puede calcularse utilizando el momento de orden cuatro con respecto a la media y la potencia cuarta de la desviacin tpica de la serie. Para una distribucin normal el valor de este coeficiente de curtosis es 3 (distribucin mesocrtica). Valores superiores a 3 indican un apuntamiento mayor que el de una distribucin normal (distribucin leptocrtica) y valores inferiores a 3, un apuntamiento menor (distribucin platocrtica) .

K =

(x i

i=1

x n
4

)4

A partir de ambas medidas, simetra y curtosis, puede elaborarse un contraste paramtrico de normalidad de la serie que se denomina contraste de Jarque Bera. La idea del clculo se apoya en comparar simultneamente los valores obtenidos para los coeficientes de simetra y curtosis con los de referencia para una normal. La ventaja del clculo es que su resultado permite contrastar la hiptesis nula de que la serie se distribuye como una Normal ya que esta expresin (JB) se distribuye como una 2 con dos grados de libertad.

JB =

n k S 6

1 ( K 3 )2 4

El trmino k minscula se refiere al nmero de variables exgenas utilizadas, cuando este test se usa para contrastar la normalidad de los residuos de una determinada regresin y toma el valor 0 cuando contrastamos la normalidad de una serie individual. El valor de la probabilidad ofrecido por E -views, se entiende como el nivel de significacin asociado al rechazo de la nula: valores pequeos para esa probabilidad (inferiores a 0,05 0,1) indicaran, por tanto, ausencia de normalidad en la distribucin de valores de la variable analizada. Los estadsticos de normalidad de una serie son comnmente utilizados en el contexto de la validacin de un modelo bsico de regresin, ya que la normalidad de las variables (en especial de la perturbacin aleatoria) es una de las hiptesis bsicas sobre la que se apoyan las buenas propiedades de los procedimientos de estimacin e inferencia. Una vez ms debe recordarse que esta salida, histograma y estadsticos, pueden ser almacenados de modo independiente de la serie como un objeto congelado utilizando el comando freeze.

I.C.2.- Estadsticos para grupos de series

Gua de Manejo del programa E-Views.

Captulo II. pg.8

Adems de la informacin suministrada individualmente para cada serie, podemos solicitar informacin que afecte a dos o ms series simultneamente. Para ello, debemos primero crear el grupo de variables a analizar, o bien simplemente marcar las distintas series y abrirlas simultneamente, tal y como se describi en el anterior apartado II.B.2. Una vez abierto el grupo, tenemos cuatro opciones bsicas de vista (view) que ofrecen informacin estadstica: 1 Descriptive Stats, o sea estadsticos descriptivos para cada una de las series del grupo. No se incluye el histograma de frecuencias como en el caso del anlisis individual. El EVIEWS permite obtener los estadsticos de las series slo para aquellas observaciones en las que todas las series tengan valores (Common Sample) o aprovechando individualmente el nmero de observaciones que tenga cada una de ellas (Individual Sample). Con cualquiera de las opciones aparecen los mismos estadsticos comentados en el anterior apartado para el caso del anlisis individual. 1 Test de igualdad (Test of Equality) 1 Anlisis de tabulacin cruzada (N-Way Tabulation) 1 Anlisis simple de correlacin (Correlations) 1 Anlisis de covarianzas (Covariances) 1 Test de Causalidad de Granger (Granger Casuality Test) Estas ltimas posibilidades se comentan con ms detalle en el apartado siguiente. A recordar.... El anlisis preliminar de las series a utilizar en cualquier ejercicio cuantitativo puede completarse en E-Views con el clculo de sus estadsticos bsicos de tendencia, dispersin y normalidad. El clculo de estadsticos bsicos puede realizarse para una serie individual o para un grupo de series.

II.D.- ALGUNAS OPERACIONES PREVIAS CON SERIES DE DATOS DE CARA A LA REALIZACIN DE UN ANLISIS DE REGRESIN
Las opciones enunciadas en la parte final del apartado anterior tienen una clara utilidad. Todas ellas inciden en el conocimiento de la fortaleza y calidad de la relacin existente entre dos o ms variables por lo que r sultan de gran ayuda de cara a ir recogiendo informacin relevante para un anlisis de regresin e posterior entre las mismas. 1 Test de igualdad (Test of Equality). Esta clase de tests, muy habituales en estadstica, nos permiten contrastar la igualdad en media, mediana o varianza de un grupo determinado de series respondiendo a preguntas del tipo: tendrn hombres y mujeres el mismo salario medio?, presentarn el PIB espaol y alemn una media de crecimiento similar en el perodo analizado?, presentarn el IBEX 35 y el DOW JONES una dispersin similar a lo largo del perodo de anlisis?. Para realizar un contraste de igualdad de medias, medianas o varianzas, basta con marcar en un mismo grupo las series de inters y, una vez abierto el grupo, solicitar el anlisis en la opcin View Test of Equality . Men del Test de Igualdad

Gua de Manejo del programa E-Views.

Captulo II. pg.9

Para testar la igualdad en media E-Views aplica un contraste F- ANOVA muy simple. Este test, se basa en comparar primero las medias particulares de cada variable con la media global para todas las series generando as la llamada Variacin Entre - Grupal (between). Una vez computada la variacin Entre - Grupal, se genera la variacin Intra Grupal (within) comparando los valores de cada serie con la media de esta. En la medida en que las medias de las series son iguales, la variacin entregrupal tiende a ser mnima en tanto que la intragrupal crece. El test F presentado por E-Views contrasta la H0 de igualdad en medias por lo que, valores elevados del test (o pequeos del nivel de significacin) invitan al rechazo de la nula. Resultado para un anlisis de igualdad de medias para el Crecimiento de la Poblacin Activa Masculina y Femenina 70 - 00: Los valores de los estadsticos muestran cmo en todos los casos No puede rechazarse la nula de igualdad de medias

Para testar la igualdad en mediana (algo menos interesante), E-Views ofrece varios tests no paramtricos sobre la H0 de que todas las series consideradas presenten igual mediana frente a la alternativa de que al menos una de ellas tenga mediana diferente. Dada la escasa utilidad de un contraste de mediana en nuestro contexto especfico, enumeraremos simplemente los mtodos de anlisis: Mann-Whitney U-test y su aproximacin normal a una distribucin U-Statistic, Kruskal-Wallis one-way ANOVA por rangos y su aproximacin normal a una 2 (generalizacin del Mann-Whitney test para ms de dos series), Test Van der Waerden (anlogo a Kruskal-Wallis test aunque levemente mejorado contra la presencia de puntos atpicos), Test ANOVA 2 para la mediana (tambin conocido cono Test Mediana se basa en la comparacin del nmero de observaciones por encima y debajo de la mediana y se presenta con correccin de continuidad de Yates y sin ella) Para testar la igualdad en varianza, E-Views propone algunos tests de entre los ms conocidos. El test F slo se muestra para el caso de dos series y se basa en computar el ratio entre la varianza mayor de las dos (L) y la menor (S), ratio que se distribuye como una F con nL-1,nS -1 grados de libertad para la nula de igualdad de varianza. El test Siegel-Tukey tambin se muestra slo para el caso de dos series y se computa segn el procedimiento Mann-Whitney comentado para testar la igualdad en mediana aunque con diferente asignacin de rangos. El test de Bartlett (y su ajuste por ausencia de normalidad) compara el logaritmo de la varianza media ponderada con la suma ponderada de logaritmos de las

Gua de Manejo del programa E-Views.

Captulo II. pg.10

varianzas; bajo la hiptesis nula de igualdad de varianzas el test es aproximadamente una 2. El test de Levene se basa en un anlisis ANOVA sobre las diferencias de las medias en valor absoluto. El test Brown-Forsythe (o Levene modificado)es una modificacin del test de Levene en el que se remplaza el valor absoluto de la diferencia de medias con el de las diferencias de las medianas. Resultado para un anlisis de igualdad de varianzas: Los valores de los estadsticos muestran cmo en todos los casos debe rechazarse la nula de igualdad de varianzas

A recordar.... El E-Views permite realizar tests de igualdad de medias, medianas y varianzas para un conjunto de series determinado. Estos test resultarn de utilidad al econmetra para asegurar el cumplimiento de ciertas hiptesis de partida sobre homogeneidad en media y/o varianza de las series involucradas en el anlisis.

1 Anlisis de tabulacin cruzada (N-Way Tabulation): Este anlisis, clsico entre las tcnicas multivariantes ms sencillas, sirve: Para organizar informacin relativa a dos factores considerados conjuntamente; un factor es una variable cualitativa, es decir, discreta, medida por tanto generalmente en escala nominal. Por otro lado, la tcnica permite adems contrastar la dependencia o independencia entre los factores considerados. Podr intuirse que este procedimiento no tiene especial sentido en el caso de disponer de variables de tipo continuo, es decir, medidas en escala de intervalo o razn como las que generalmente manejaremos en el anlisis de regresin. La razn es que, en esos casos, existen tcnicas ms perfeccionadas para la exploracin conjunta de la relacin existente entre ambas variables . Por esta razn, en caso de solicitar al EVIEWS un anlisis N-Way para variables continuas, ste dividir los valores de las variables en intervalos a fin de transformarlas en variables categricas. Por la razn comentada en el prrafo anterior, no se explicar en este texto el detalle del anlisis N-Way realizado por E-Views. Baste decir, bsicamente, que E-Views presenta en los resultados: una tabla de contingencia de doble entrada que muestra la distribucin conjunta de los valores de cada par de variables analizadas

Gua de Manejo del programa E-Views.

Captulo II. pg.11

dos tests (Pearson 2 y Likelihood Ratio G2) para el contraste de la H0 de independencia entre las variables seleccionadas. tres medidas de asociacin es decir, de intensidad de la eventual dependencia entre las variables (Coeficiente Phi, V de Cramer y Coeficiente de Contingencia ) 1 Anlisis simple de correlacin (Correlations). El E-Views permite observar el coeficiente de correlacin simples para cada par de variables seleccionadas en el grupo. Este coeficiente vara entre -1(correlacin perfecta y negativa) y +1 (correlacin perfecta y positiva). Un anlisis preliminar de estos coeficientes resulta interesante para determinar tres cuestiones previas a un anlisis de regresin multivariante: Los coeficientes de correlacin simple entre endgena y cada una de las exgenas permiten anticipar si la variable endgena guarda una relacin, a priori, con las variables que van a utilizarse en el anlisis de regresin. Si las correlaciones son altas, esto supone una cierta garanta de xito de la posterior regresin mltiple en la medida en que toda relacin de causalidad entre dos variables suele manifestarse con elevadas correlaciones entre ellas. No obstante, debe sealarse (1) que, si bien un bajo coeficiente de correlacin suele indicar ausencia de causalidad un coeficiente de correlacin elevada NO implica causalidad segura y (2) que, incluso en el caso de ausencia de correlacin individual entre una exgena y la endgena, no debemos rechazar esa variable como explicativa, ya que la naturaleza multivariante de la regresin considera la relacin mltiple entre el conjunto de variables explicativas y la variable endgena, una relacin mltiple que, en ciertos casos, puede ser elevada an cuando las correlaciones individuales no lo sean. Los coeficientes de correlacin simple entre endgena y cada una de las exgenas permiten anticipar si los signos de la relacin simple entre la variable endgena y cada una de las explicativas es, a priori acorde con lo esperado desde el punto de vista conceptual. En cierto modo, un signo incorrecto en la correlacin entre una variable explicativa y la endgena debe representar una llamada de alerta. Sin embargo, conviene recordar, una vez ms, que lo que interesa a la regresin mltiple es el signo de cada variable en el contexto de la causalidad mltiple y ese signo puede no coincidir, para cada variable, con el signo exhibido en la relacin individual. Los coeficientes de correlacin simple entre endgena y las exgenas consideradas, permiten detectar problemas posteriores de multicolinealidad en la estimacin de la ecuacin. 1 Anlisis de covarianzas (Covariances) Covariances o covarianzas, entre cada par de variables del grupo. La covarianza es un concepto similar a la correlacin pero afectada por las unidades de medida de las variables consideradas. (a mayores unidades de medicin de las variables consideradas, mayor valor de la covarianza). Sin embargo, en mltiples ocasiones el dato de la covarianza entre series es necesario para desarrollar clculos de inters en el contexto de un anlisis cuantitativo. 1 Test de causalidad de Granger (Granger Causality Test). El test de causalidad de Granger es ampliamente conocido en la prctica economtrica ya que permite identificar de forma rpida relaciones de causalidad1entre las variables explicativas y la variable a explicar. El objetivo terico de este test es determinar si una variable X causa a otra variable Y. El procedimiento que se utiliza es sencillo, especificada la variable X y la variable Y se realiza la regresin de la variable endgena Yt sobre su propio pasado, es decir, Yt-1, Yt-2, Yt-3, sobre la variable Xt y una serie de valores retrasados de la misma, es decir, Xt-1, Xt -2, Xt -3, etc. Una vez realizada esta la regresin, se determina si resulta ms fcil predecir el futuro de la variable Y con este instrumento de lo que resultara estimado Yt exclusivamente en funcin de su pasado sin conocer su relacin con X: dicho de otro modo, se analiza si la variable X actual y pasada aporta informacin valiosa para explicar el futuro de Y (se dice, en ese caso que X es causa Granger de Y) Para realizar este test en E-Views, debe seleccionarse la opcin Granger Causality del men Views de la ventana del grupo activo. E -Views nos preguntar el nmero de retardos de la endgena y 1 Como se comentar ms adelante no es tan fcil asimilar el concepto de causalidad Granger a la existencia real de dependencia entre las variables.

Gua de Manejo del programa E-Views.

Captulo II. pg.12

exgena que queremos incluir en la regresin. A este respecto, la eleccin debe realizarse atendiendo a criterios puramente conceptuales procurando, eso si, no quedarse demasiado corto, ya que, siempre que se cuente con un nmero elevado de observaciones, el test de Causalidad de Granger es ms defendible cuanto mayor se el nmero elevado de retardos incorporados. Una vez seleccionado el nmero de retardos a considerar, E- Views realiza automticamente las distintas regresiones que completan la idea del test expuesta anteriormente y muestra el resultado. Debe observarse que E- Views muestra el test de causalidad en ambas direcciones X como causa Granger de Y e Y como causa Granger de X La hiptesis que se contrasta es que los coeficientes de las regresiones de Y sobre X as como los de X sobre Y son nulos para la variable de apoyo, es decir, que la variable X no aporta informacin para explicar a Y o bien que Y no aporta informacin para explicar X. Si el valor del estadstico de referencia F supera el valor tabulado se rechazar la hiptesis nula y por tanto se aceptar que X causa a Y o viceversa. En la ilustracin que aparece en este ejemplo, X causara a Y segn el concepto de causalidad de Granger aunque la relacin inversa no se producira. Resultado para un anlisis de Causalidad de Granger: El valor de los estadsticos muestran que X es causa Granger de Y (al menos al 9,6% de nivel de significacin) mientras que y no es causa Granger de X

El problema de este test, es que la correlacin no implica necesariamente causalidad en el sentido en el que se conoce generalmente. Son comunes los ejemplos de altas correlaciones de carcter esprio o casual pero no causal. El test de causalidad de Granger utiliza un concepto ampliado de correlaciones para encontrar causalidades. Por tanto, a pesar de un resultado positivo del test de Granger, nunca debe concluirse que si X causa a Y la variable Y sea el efecto de la variable X.

Gua de Manejo del programa E-Views.

Captulo II. pg.13

A recordar.... La exploracin de las relaciones entre las variables implicadas en un anlisis cuantitativo es de una indudable utilidad: permite aproximar el signo y la fortaleza de las potenciales relaciones de causalidad y anticipa problemas de multicolinealidad entre exgenas. El E-Views incorpora algunos procedimientos encaminados al anlisis de relaciones entre variables: N-Way Tests, Correlaciones, Covarianzas y Test de Causalidad de Granger. El conocimiento de estos procedimientos nos ayudar a caracterizar la naturaleza del conjunto de variables utilizadas en un procedimiento de regresin facilitando su utilizacin posterior. El manejo solvente de cada uno de los procedimientos antes mencionados pasa necesariamente por el conocimiento de su formulacin y propiedades estadsticas. No obstante, el E-Views permite, de manera sencilla, la utilizacin prctica aproximada de todos ellos: basta, en realidad, con conocer la hiptesis nula utilizada en cada contraste para aplicar las nociones mnimas de contraste de hiptesis y obtener conclusiones preliminares.

II.E.- INTRODUCCIN A LA ESTIMACIN DE ECUACIONES CON EVIEWS

Sin perjuicio de que, en el siguiente captulo, se analicen con detalle los principales procedimientos que conlleva un anlisis de regresin completo, vamos a repasar ahora el procedimiento bsico para la creacin de una ecuacin y algunos de los resultados ms inmediatos.

II.E.1.- Creacin de un objeto ecuacin

Una ecuacin es, al igual que una serie o un grfico, un objeto de EVIEWS. Una vez creado por vez primera tendr, como el resto de objetos, varios formatos de vistas y podr ser sometida, como el resto de objetos, a una serie de procedimientos particulares. Una ecuacin se crea la primera vez que se estima, una vez creada . Para crear por primera vez una ecuacin, o sea, para estimar una ecuacin con EVIEWS existen, en principio, varios procedimientos operativos alternativos:
1

El primero de ellos consiste en crear un grupo con las variables, exgenas y endgena, involucradas en la regresin. Una vez creado el grupo, la regresin ser uno de los procedimientos bsicos accesibles en la barra de herramientas del grupo. El segundo consiste en utilizar, en la pantalla de comandos, la sintaxis de la vieja versin de EViews (Micro TSP) para generar la ecuacin de regresin. Por ejemplo, para ordenar una regresin del Consumo Privado en pesetas constantes del ao 86 (CP86) en funcin de un trmino independiente C , el Deflactor del Consumo Privado (PCPI) y la Renta Disponible de los Hogares en pesetas constantes (YDH86) la sintaxis de Micro TSP sera: Seccin de la ventana de sintaxis de comandos en E-Views

El tercero, y ms habitual, es crear un objeto nuevo utilizando los comandos Object/New Object/Equation. Una vez ejecutado este comando, el E-Views nos solicita un nombre para el nuevo objeto (para la ecuacin ) que en nuestro ejemplo puede ser QCP86.

Gua de Manejo del programa E-Views.

Captulo II. pg.14

Ventana para la creacin de un nuevo objeto

II.E.2.- Ventana de estimacin de ecuaciones

Una vez que hemos dado nombre a la nueva ecuacin, accederemos a un cuadro de dilogo en el que el programa EVIEWS ofrece diversos parmetros relacionados con la estimacin de ecuaciones. Ese cuadro de dilogo es el que se muestra a continuacin: VENTANA DE ESPECIFICACIN

VENTANA DE CONFIGURACIN En la primera ventana, la ventana de especificacin de la ecuacin, es donde debe especificarse el conjunto de variables explicativas a utilizar. A este respecto debemos sealar los siguientes aspectos: El orden en el que deben introducirse las variables es: en primer lugar el nombre de la endgena seguido de la lista de explicativas separadas, unas de otras, por un espacio en blanco. El trmino independiente se especifica con la letra C por tanto no puede asignarse este nombre a ninguna otra variable Pueden incluirse frmulas u operadores sencillos en la ventana de especificacin. Esto permite estimar las ecuaciones con transformaciones sencillas de la variables (como tasas o logaritmos) sin tener que generar las series independientemente como objetos nuevos. Por ejemplo, en la siguiente

Gua de Manejo del programa E-Views.

Captulo II. pg.15

ilustracin, la variable CP86 se explica en funcin del logaritmo de la variable YDH86, del la propia endgena de consumo privado retardada un perodo CP86(-1) y la tasa de variacin porcentual (Percental Change) del deflactor del consumo (@PCH(PCP)). Estimacin de una ecuacin utilizando transformaciones de las variables

Por ltimo, debe observarse que esta ventana puede invocarse para una ecuacin ya creada en cualquier momento pulsando el botn Estimate una vez abierta la ecuacin.

En la ventana inferior del cuadro de dilogo, la ventana de configuracin, se especifica el mtodo de estimacin de los parmetros de la ecuacin, as como la muestra de datos a considerar en esta estimacin. Los mtodos alternativos de estimacin que se ofrecen son: Least Squares Mnimos Cuadrados ordinarios TSLS Mnimos Cuadrados en dos etapas GMM Mtodo generalizado de momento ARCH Modelos autorregresivos para la modelizacin de la varianza (GARCH, TGARCH,EGARCH, C-ARCH) Modelos de eleccin discreta (Lgit, Probit o de Valor Extremo) Modelos censurados (Censored data Tobit) Modelos para variables discretas (Integer count dependent variable)

Salvo que se seleccione el mtodo de Mnimos Cuadrados Ordinarios, cada uno de los otros mtodos de estimacin requerir completar una segunda ventana de dilogo en la que deber especificarse con detalle alguna informacin necesaria para ejecutar una estimacin de este tipo. As, por ejemplo, el mtodo TSLS obliga a la seleccin de las variables que sern utilizadas como instrumentos o el mtodo ARCH permite seleccionar distintos tipos de especificacin ARCH y distintos regresores para la varianza, As mismo, el botn de opciones que aparece en todas las pantallas de estimacin abre siempre un nuevo cuadro de dilogo para especificar an ms algunos parmetros de estimacin (por ejemplo, el tratamiento de una eventual heterocedasticidad o el procedimiento de iteracin que a seguirse en cada caso cuando el procedimiento de estimacin lo requiera).

II.E.3.- Vistas de una ecuacin

Una vez que la ecuacin se ha estimado, como el resto de objetos, sta admite distintas formas de ser vista. Aunque el significado de cada una de estas vistas slo puede comprenderse plenamente cuando se tiene cierta experiencia en estimacin de ecuaciones, podemos ahora anticipar una breve descripcin del sentido de cada una de ellas:

Gua de Manejo del programa E-Views.

Captulo II. pg.16

View/Representations muestra la ecuacin en tres formas diferentes: como una lista de series (formato tradicional de especificacin), como una expresin algebraica con coeficientes simblicos y como la ecuacin ya estimada con el valor de los coeficientes resultantes. Pantalla de representaciones de una determinada ecuacin

View/Estimation Output ofrece, a la forma tradicional los principales resultados obtenidos en relacin con parmetros, test de significacin y contraste de hiptesis obtenidos. Vista de Resultados de la Estimacin de una determinada ecuacin

View/Actual, Fitted, Residual/Table muestra los valores reales de la variable dependiente, los valores ajustados o estimados para esta variable con la ecuacin y la diferencia entre ambos, es decir, el residuo de la estimacin. La forma en que se puede mostrar esta informacin es doble: en forma de tabla o en forma de grfico. Esta representacin es una de las ms tiles de cara al anlisis posterior de los resultados obtenidos ya que, de un solo vistazo, puede apreciarse grficamente si el ajuste es adecuado o queda lejos de la realidad. Valor actual, estimado y residuo en formato tabla Valor actual, estimado y residuo en formato grfico

Gua de Manejo del programa E-Views.

Captulo II. pg.17

View/Covariance Matrix muestra la matriz de varianzas y covarianzas de los parmetros estimados necesaria, entre otras cosas, para evaluar la precisin de la estimacin. Matriz de Varianzas y Covarianzas de los parmetros estimados

Esta matriz no debe confundirse nunca con la matriz de varianzas y covarianzas de las variables incluidas en la regresin. Recordemos que, para el caso de la estimacin con MCO en el Modelo Bsico de Regresin Lineal, esta matriz de varianzas y covarianzas de los parmetros estimados responde a la expresin:

V ( ) = 2 ( X ' X ) 1
2 siendo la varianza de la perturbacin aleatoria (o una estimacin insesgada de la misma) y X la matriz de observaciones de las variables exgenas.

View/Coefficient Tests, Residual Tests, & Stability Tests muestra mens adicionales especficos para la puesta en marcha de test de distinta naturaleza; desde test de cambio estructural (stability test coefficient test) como Wald, Chow o Ramsey, a tests sobre las propiedades de los residuos de la estimacin (resoidual tests) y de diagnosis de la ecuacin estimada. Finalizaremos con algo obvio pero necesario: una vez que, por uno u otro mtodo, se ha estimado la ecuacin, esta debe guardarse como un objeto con nombre propio. Por tanto, si no se ha utilizado el comando Object New Object debe entonces usarse el comando Name de la barra de herramientas si se quiere conservar en el futuro. Suele ser un buen procedimiento, utilizar como nombres de ecuaciones el nombre de la variable endgena precedido por la letra Q. En este caso, por ejemplo, el nombre de la ecuacin podra ser QCP86. As, logramos que todas las ecuaciones aparezcan juntas en el listado de objetos contenidos en un workfile .
1

II.E.4.- Otros botones de la ventana de ecuaciones

Gua de Manejo del programa E-Views.

Captulo II. pg.18

Adems de estas operaciones bsicas para estimar y ver en sus distintos formatos una ecuacin, la pantalla de ecuaciones ofrece algunas operaciones adicionales que repasaremos a continuacin.
1

El botn Procs ofrece un submen en el que las dos primeras opciones coniciden con los comandos Estimacin (Estimate) y Prediccin (Forecast) que veremos ms adelante. La tercera de las opc iones (Make Regressor Group) es muy interesante, ya que permite crear un grupo de variables en el que quedarn guardadas las variables explicativas y la endgena utilizadas en la estimacin de la ecuacin. El men Objects despliega una serie de opciones bsicas de copiado y pegado. Adems, incluye la opcin freeze ya comentada anteriormente as como el comando Store. Este comando, permite almacenar la ecuacin independientemente del workfile, es decir, al ejecutar este comando, la ecuacin queda almacenada como un fichero independiente con la extensin .DBE. Si no se ha nombrado la ecuacin, el EVIEWS permitir especificar el nombre en ese momento. El botn Print imprime la vista activa en ese momento de la ecuacin. El botn Name permite guardar con un nombre la ecuacin estimada. Esta quedar como un objeto en el directorio del workfile precedida por un icono grfico con el smbolo =. El botn Freeze copia la vista activa de la ecuacin como un objeto independiente (tabla o grfico) que no se modificar aunque lo haga la estimacin original e la ecuacin. El botn Estimate abre el cuadro de dilogo de la estimacin de forma que pueda alterarse la especificacin adicional y reestimarse los parmetros. El botn Forecast calcula la prediccin a futuro de la variable endgena segn la estimacin realizada (siempre y cuando las exgenas tengan especificados sus valores a futuro). El botn Stats abre directamente la tabla de resultados de la estimacin. El botn Resids muestra el grfico o la tabla de valores reales, estimados y residuos.

1 1 1

1 1 1 1