P. 1
guia eviews

guia eviews

|Views: 3.727|Likes:
Publicado porCharlotte Zace

More info:

Published by: Charlotte Zace on May 23, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPTX, PDF, TXT or read online from Scribd
See more
See less

08/17/2013

pdf

text

original

Sections

  • Introducción al EViews
  • Tipos de Objetos
  • Creación de un Fichero de Trabajo con EViews
  • Creación de Variables y Datos
  • Base de Datos del Ejemplo
  • Importar Datos de Excel
  • Primer Método de Estimación:
  • Tercer Método de Estimación:
  • Guardando la Estimación:
  • Comando en EViews
  • Usando el Program de EViews
  • Comprobando los Resultados en Excel
  • Test de Normalidad
  • Test de Jarque – Bera
  • Prueba de Normalidad (Quantile - Quantile)
  • Diagrama de Caja
  • Test Estadísticos sobre los Coeficientes
  • Multicolinealidad
  • Test de Farrar-Glauber: Test de Ortogonalidad
  • Comprobando los Resultados por Excel
  • Soluciones a la Multicolinealidad Imperfecta
  • Causas Posibles de Autocorrelación
  • Planteamiento Formal
  • Prueba de Breusch - Godfrey
  • Test de Ljung – Box y Box – Pierce
  • Corrección de la Autocorrelación
  • Heteroscedasticidad
  • Supuesto Formal
  • Detección de Heteroscedasticidad
  • Predicciones de la Variable Dependiente
  • Gráfica de Log(M1f) y Resid
  • Gráfica de Log(GDP) y Resid
  • Gráfica de RS y Resid
  • Contraste de Glejer
  • Prueba de Goldfeld - Quandt
  • Prueba de White
  • Aplicando la Heteroscedasticidad en EViews
  • Mínimos Cuadrados Ponderados(MCP)
  • Pasos para Minimos Cuadrados Ponderado (MCP)
  • Corrección de la Heteroscedasticidad
  • Estimación en EViews
  • Test de Barlett
  • Test de Chow
  • Test de Ramsey
  • Comprobando el Resultado en Excel
  • Estimación Recursivas
  • Estimación Recursiva de los Parámetros
  • Residuos Recursivos
  • Estadísitico CUSUM
  • Estadístico CUSUMQ
  • Pronostico del Modelo
  • Gráfico del Pronostico
  • La programación en EViews

econobitacora@gmail.com; nakatabox@hotmail.

com Econometría con EViews
http://www.eumed.net
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews

Introducción al EViews
Mensaje de Bienvenida
Barra de Estado de las
aplicaciones
Área de Sintaxis de
Comandos
Menú Principal
(Herramientas
Generales)
Línea de Estado
Zona de presentación de
contenidos y resultados
El doble Click en el icono de
EViews cierra el programa
Archivo activo
Mensaje de Bienvenida
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews

Tipos de Objetos
Los objetos más usados en EViews son las series y ecuaciones, aunque
existen otros tipos de objetos. Donde cada uno esta asociado a un icono
que lo identifica y todo esto aparece en el Workfile.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Función
Descripción
View (Vista) Muestra la visualización de la serie.
Procs (Procedimiento) Activa procedimientos a aplicar a la serie.
Objets (Objetos) Es el menú de almacenamiento y presentación del objeto.
Print (Imprimir) Imprime el gráfico o la serie.
Name (Nombre) Permite cambiar el nombre al objeto serie asignado.
Freeze (Congelar) Genera una tabla con el contenido actual.
Edit +/- (Edición) Activa y desactiva el modo de edición de datos.
Smpl +/- (Muestra) Presenta los datos en periodos seleccionados o para el total del rango.
Label +/- (Etiqueta) Muestra y oculta la etiqueta de la serie.
Wide +/- (Ancho) Cambia la visualización de la tabla de vertical a horizontal .
InsDel (Insertar) Inserta o borra objetos de la serie.
Title (Titulo) Permite introducir un titulo al objeto tabla.
Sample (Muestra) Cambia el periodo de muestra activo.
Genr (Generar) Permite transformar la serie y generar una nueva variable.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Ramón Mahía (2001) “GUÍA DE MANEJO DEL PROGRAMA E-VIEWS”
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Ramón Mahía (2001) “GUÍA DE MANEJO DEL PROGRAMA E-VIEWS”
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Ramón Mahía (2001) “GUÍA DE MANEJO DEL PROGRAMA E-VIEWS”
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Ventana del Workfile
Ventana de Objeto
abierto (Gráfico)
Ventana de Objeto
ecuación
Archivo activo
Base de datos prefijado
Directorio por defecto Área de Mensaje
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Para comenzar a crear un fichero de trabajo debe iniciar por
definir el tipo de datos (que serán mensual, semental, etc…) que
quedarán almacenados en el tipo de fichero, seguidamente se
tendrá que definir las variables a utilizar.
La ejecución de un nuevo fichero debe ejecutarse Como:
File/New/Workfile…

Creación de un Fichero de Trabajo con EViews
Seguidamente tendremos que definir el periodo de tiempo, que
esta la base de datos esta puede ser:
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Para fines pedagógicos, presentaremos una base de datos
cuatrimestralmente de 1952 -1996.
Entonces la ventana debería quedar así si tomamos el
ejemplo de esta guía positiva.
Estructura de
Datos
Corte Transversal
Serie de Tiempo
Data Panel
Nombre archivo
Nombre de trabajo
Hoja
Frecuencia
Multi- Años.
Anual.
Semi-anual.
Cuatrimestral.
Trimestral.
Bimestral.
Quincenal.
Cada 10 – días
Semanalmente.
Diariamente – 5 días
Diariamente - 7 día.
Diariamente – Semana
personalizada.
Días en horas y minutos.
Número de fecha.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
En las siguientes guía positivas
enseñaremos a crear las variables
regresoras, digital la base de datos
y ha importar los datos si se tiene.

Ventana de Titulo
Barra de Herramientas
Directorio de Objetos
Línea de Status, que
presenta el rango y
la muestra de rango.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews

Creación de Variables y Datos
Para crear la base de datos hay que seguir la siguiente instrucción:
Quick/Empty Group (Edit Series)
Si nos ubicamos al costado de la celda obs podremos digitar la
variable. Hay que mencionar , que el nombre en EViews tienen
un máximo de caracteres, no se permiten caracteres inválidos
como:”,Log(Argumento del programa), @, #, $,¿,!,*. Pero si
permita “_ “ ejemplo (PBI_PC).
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews

Para nuestro ejemplo digitaremos la variables: GDP, PR, M1 y RS.


Como en la mayoría de los programas integrados en el
entorno Windows, podemos utilizar copiar (Ctrl+C) y
pegar(Ctrl+V), debemos tener la precaución de utilizar el
formato de coma numérico adecuado, y que en el caso del
EViews es un punto.

econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews

Si tenemos los datos originales en un formato de tabla (como
nosotros en Excel), el copiado y pegado puede ser realizado, de
toda la base de datos.
Si se presentara la coma en Excel esta será reemplazada de la
siguiente manera:


Si observamos el
Excel, notaremos
que existen comas
en lo datos, por lo
cual lo
reemplazaremos por
punto mediante:
Inicio/Modificar/
Reemplazar…
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews

Una vez ya reemplazado las comas por punto, ya podremos
copiar y pegar la base en EViews.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews

Después de pegar los datos, podemos guardar nuestra base de
datos mediante un Click en Name por defecto aparece el nombre
group01, nosotros lo cambiaremos y digitaremos Datos y
seguidamente Intro.

Si el usuario le interesa utilizar la base utilizada en esta
presentación, en la siguiente guía positiva, pondremos la base
original, solo tiene que hacer 2 Click para ingresar al Excel y
copiar la base al EViews.




econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews

Base de Datos del Ejemplo
OBS GDP PR M1 RS
1952:1 87.875 0.1975607 126.537 1.64
1952:2 88.125 0.1981673 127.506 1.677667 GDP: Producto Domestico Bruto
1952:3 89.625 0.2001787 129.385 1.828667 M1: Medio Circulante
1952:4 92.875 0.2012459 128.512 1.923667 PR: Nivel de precio (GDP deflactor)
1953:1 94.625 0.2010517 130.587 2.047333 RS: Tasa a 3 meses del tesoro
1953:2 95.55 0.2014442 130.341 2.202667
1953:3 95.425 0.2022359 131.389 2.021667
1953:4 94.175 0.2027231 129.891 1.486333
1954:1 94.075 0.2034164 130.173 1.083667
1954:2 94.2 0.203841 131.385 0.8143333
1954:3 95.45 0.2042913 134.627 0.8696667 Solo 2 Click rápidos para
1954:4 97.36375 0.204374 134.252 1.036333 ingresar a la base de datos
1955:1 100.725 0.2056032 136.413 1.256333 de EXCEL
1955:2 102.825 0.2062274 136.471 1.614333
1955:3 104.925 0.207762 138.377 1.861333
1955:4 106.6 0.2099975 137.244 2.349333
1956:1 107.275 0.2120478 138.053 2.379333
1956:2 108.675 0.2133287 138.375 2.596667
1956:3 109.875 0.2161404 138.993 2.596667
1956:4 112.125 0.2170651 139.087 3.063667
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews

Importar Datos de Excel
Primero tenemos que convertir la hoja de Excel 2010 o 2007 en
2003. Para que se pueda extraer la data con facilidad.

Una vez realizado esto la instrucción es: File/Import/Read…
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews

Una vez seleccionado
nuestro archivo de Excel,
solo basta hacer Click en
Abrir para que aparezca la
siguiente ventana:
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Datos ordenados
Los datos están
ordenados en
columnas.
Los datos están
ordenados en
filas.
Nombre de hoja
Si la hoja de
calculo tiene
varias hojas de
datos hay que
nombrar que hoja
se quiere
seleccionar.
Desde que celda
(B2) se comenzara
a seleccionar los
datos a la derecha.
Nombre de las
series o nombres
de la variables.
Importar la muestra
desde que periodo.
Nota: Recordemos que importar datos es un
método alternativo a digitar o copiar y pegar
datos.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Después de importar los datos el Workfile queda como se muestra en
la ventana superior. Si queremos guardar la base en EViews, solo
tenemos que seleccionar las variables creadas con en Ctrl+Click,
para luego con un Click derecho dirigirse a Open/as Group.

En donde en el menú name guardaremos la base con el nombre
datos (es el mismo procedimiento que la guía positiva número 17).
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Conocimiento Previo Antes del Aplicar MCO

Antes del aplicar el MCO es necesario repasar los supuestos
más importantes del modelo y sus principales propiedad
deben cumplirse.

Después de repasar los supuesto que debe cumplir el Modelo
Clásico lineal ya estamos listo para la estimación de este o la
“corrida” como usualmente se le suele llamar.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
El Modelo Lineal General (MLG)
Yt = βXt + εt
supuestos del modelo
E(Yt/Xt) = α + Xt β → El modelo puede representarse.
εt ~ N(0 ; σ^2.I) →El error tiene una distribución Normal.
ρ(X) = k → X es fija y de rango (Txk) completo (no perfecta
multicolinealidad)
El error presenta una matriz de varianza y covarianza:
E(εε΄) = E(ε^2) =Var(ε) Homoscesdasticidad.
E(εt,εs) = Cov(εt,εs) = 0 no autocorrelación.

econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Propiedades de MCO
Es no paramétrico.
Es lineal en los parámetros.
Es insesgado E(β΄)=β
Eficiente (Varianza mínima)
Consistente plim(β΄)
Ejemplo : El modelo que vamos a estimar



t t t t
PR Ln RS GDP Ln M Ln c | | | o + + + + = ) ( * * ) ( * ) 1 (
3 2 1
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
El Estimador de MCO: Minimiza la suma de cuadrados
del residuo

| | | | | |
o |
X Y X Y Min ÷
'
÷
2
;
(
(
(
(
¸
(

¸

=
Tk T T
t
t
Txk
X X X
X X X
X X X
X

   


2 1
2 22 21
1 12 11
| | Y X X X
' '
=
÷1
ˆ
|
| || |
k n
X Y X Y
k n ÷
'
÷ ÷
=
÷
'
=
| | c c
o
ˆ ˆ
ˆ
2
| |
1
2
ˆ
) (
ˆ ˆ
÷
'
= ÷ X X ov C ar V o |
(
(
(
(
¸
(

¸

=
T
Tx
Y
Y
Y
Y

21
11
1
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Estimación con EViews
EViews nos permite estimar MCO por tres métodos que
son equivalentes.


1. Uso de Comandos:
LS log(m1)=C(1)+C(2)*log(gdp)+C(3)*rs+C(4)*log(rs)
O Equation Ecuacion_1.LS log(m1) c log(gdp) rs log(rs)



2. Ventana de Dialogo: Quick/Estimate Equation/…
Escribir la ecuación con el método seleccionar muestra.




3. Creación de Ecuación: Objects/New Object /Equation.
Se activa una ventana de dialogo igual al caso uno.



econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Primer Método de Estimación:
Coeficientes βi
Desviación estándar de βi
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Segundo Método de Estimación:
Escribir la ecuación a estimar que
también puede escribirse como:
log(m1) C log(gdp) rs log(pr)
Selección del método de
estimación . Por defecto EViews
utiliza mínimos cuadrados
ordinarios, LS-Least Quares .
Selección del periodo o muestra.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Tercer Método de Estimación:
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Guardando la Estimación:
Como en los pasos anteriores guardaremos la estimación haciendo
Click en el menú name y digitando como nombre de nuestra corrida
ecuacion_1.
De esta forma ya almacenado no tendremos que estimar de nuevo
la ecuación .
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Estimación de Parámetros y Prueba estadísticas
Los coeficientes estimados por MCO. Su
interpretación depende la de naturaleza
de la variable del modelo. Para nuestro
caso utiliza utilizar series en logaritmo,
los coeficientes representan la
elasticidad demanda por circulante. Si el
producto doméstico bruto (GDP)
aumenta en 0.46% la demanda de
dinero aumenta en 0.46%, si la tasa de
interés (RS) aumenta en un punto
porcentual, el circulante disminuye en
0.027% y si el nivel de precios (PR)
aumenta en 1% la demanda por
circulante aumenta en 0.56%, por ultimo
la constate se interpreta que para
valores nulos de RS, GDP y PR, la
probabilidad que aumente el circulante
es de 3.69%.

t t t t
PR Ln RS GDP Ln M Ln c + + ÷ + = ) ( * 563 . 0 * 02703 . 0 ) ( * 46 . 0 69 . 3 ) 1 (
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
STD.Error: Error estándar de los coeficientes estimar.
t-Statistic: Valor del estadístico t, bajo la hipótesis individual que las variables
(H0: βi =0).Con t-k grados de libertad, Indica que la variable contribuye a
explicar la variable endógena.
Prob: Si los Valores son superiores al 5% (α=5%) no se rechaza la hipótesis
nula y la variable exógena no sirve para explicar el modelo.
R squared: Es el R cuadrado de la ecuación y representa el porcentaje de la
variabilidad de la variable dependiente explicad por la variable independiente.
Adjusted R-squared: Permite medir el incremento neto de R cuadrado, cuando
se incluye un nuevo regresor.

SE. Of regression:

Sum suared resid:

Log likelihood: Representa el valor de la función de verosimilitud en los
parámetros, útil para la interpretación del ratio de verosimilitud.
| | | | | |
ˆ ˆ
X Y X Y Y Y SCR ÷
'
÷ ÷
'
=
| | | | | | c c
ˆ ˆ
ˆ ˆ
X Y X Y SCE ÷
'
÷ =
'
=
¿
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Durbin-Watson stat: Sirve para contrastar la hipótesis de incorrelación
entre perturbaciones aleatorias frente a la presencia de
autocorrelación.
Mean depent var: Representa la media la variable dependiente.
S.D depent var: Representa la cuasidesviación típica de la muestra.
F-statistic: Es el estadístico que esta asociado a la hipótesis conjunta
de que los parámetros asociados son iguales a cero ( excepto el
intercepto). H0 : β1 =β2 =β3 =βi
Prob(F-statistic): Mide la probabilidad de cometer el erro tipo I . Se
calcula con la distribución F de Snedecor Fk-1;T-k-1.
Criterios de Información: Son el Akaike info criterion y Schwarz
criterion, estos criterios nos dan información de la capacidad
explicativa del modelo y permite realizar comparaciones de los
modelos analizados.

econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Antes de empezar a calcular los intervalo de confianza para los
parámetros. Vamos a introducirnos en el uso de comandos en EViews.
Comando en EViews
En el área de comandos podremos escribir y ejecutar los diferentes
comandos, y cuyos resultados se irán almacenando en el Workfile.
Para ejecutar un comando hay que situarse en el área de sintaxis y
escribir la sentencia completa del comando, para luego pulsar la tecla
Intro para ejecute dicho comando.

En simples palabras diremos que el área de comando actúa como una
calculadora científica, donde se pueden realizar transformaciones
(algebraicas o estadísticas) a la variables para luego obtener los
resultados.

Veamos ejemplos de cómo usar el área de comandos:


econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Si queremos realizar la operación de 5 al cuadro menos 3 entre 4.
Debemos digitar en el área de comandos =(5^2-3)/4
El área de mensaje nos da el
resultado a la operación que
es 5.5
Si necesitamos el número de
observaciones de la regresión
digitaremos: =@regobs y si
queremos guardar este datos en
el archivo de trabajo digitamos
Scalar, para que sea almacenado
como un escalar, entonces
tenemos que digitar primero el
escalar un nombre como T igual al
comando y Intro.
El escalar se grabo como “t”
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Si queremos usar los valores de los coeficientes de la regresión hay
que digitar Matrix, por que es una matriz de coeficientes, seguido de
@coefs, y queremos guardar el Workfile con el nombre de Coef.

Si hacemos doble Click sobre “t”
la ventana muestra el valor de
180 observación que se usaron
para la regresión.
Se guarda la matriz con el
nombre Coef.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Tipo de Función Empieza con el Nombre
Distribución Acumulada (CDF) @c
Densidad o probabilidad @d
Inversa de CDF @q
Generador del Número Aleatorio @r
También se pueden obtener mediante los comandos distribuciones
que se utilizan tanto Estadística como en Econometría.

Presentaremos sus comandos más usados en Econometría:
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Distribución Función
Densidad/Función de probabilidad
Chi-square @cchisq(x,v),
@dchisq(x,v),
@qchisq(p,v),
@rchisq(v)
F-distibución @cfdist(x,v1,v2),
@dfdist(x,v1,v2),
@qfdist(p,v1,v2),
@rfdist(v1,v1)
Normal(Gaussian) @cnorm(x),
@dnorm(x),
@qnorm(p),
@rnorm, nrnd
T-Student´s @ctdist(x,v),
@dtdist(x,v),
@qtdist(p,v),
@rtdist(v)
v,v1,v,v2: Son los grados de libertad.
X: Es el α / 2 o X (valor calculado) p: Probabilidad de confianza.

econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Si queremos obtener la probabilidad acumulada de la t-Student del 5%
de significancia con 20 grados de libertad.* El comando a digitar es:
=@qtdist(0.05,20) y Intro. Proporciona como resultado -1.725 por
simetría 1.725
Si queremos obtener la probabilidad acumulada de la t-Student del 10% de
significancia con 15 grados de libertad. El comando a digitar es:
=@qchisq(0.90,15) y Intro, proporciona comoo resultado 22.31
* Estos ejercicios como las tablas estadísticas se puede obtener de:
Antunez Irgoin, Cesar.H (2010). “Tablas estadísticas para Econometría”. Edición gratuita en:
http://www.monografias.com/trabajos-pdf4/tablas-estadisticas-econometria/tablas-estadisticas-econometria.shtml
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Los comandos más usados en EViews son:
Funciones Descripción
Genr Genera directamente una operación entre variables.
Log(X) Logaritmo natural.
exp(X) o @exp(X) Función exponencial e^x.
Abs o @abs(X) Valor absoluto │X│.
Sqr o @Sqr(X) Raíz cuadrada.
@sin(X) Función Seno
@cos(X) Función Coseno.
@asin(X) Arco seno.
@acos(X) Arco coseno.
@tan(X) Función tengente.
rnd Número aleatorio entre cero y uno.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Funciones Descripción
nrnd Número aleatorio con media cero y varianza uno.
@obs(X) Número de observaciones de X.
@se Error estándar de la regresión.
@ssr Suma de cuadrados de los residuos.
Cross(x,y) Producto cruzado de x e y.
@cov(x,y) Covarianza entre x e y.
@aic Criterio de Información del Akaike
@coefcov(i,j) Matrix de Covarianza de i,j
@coefs(i) Valor del coeficiente “i” en la regresión.
@dw El estadistico Durbin-Watson de la regresión.
@f La F-estadística
@fprob La probabilidad de la F-estadística
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Funciones Descripción
@hq Criterio de Información de Hannan-Quinn .
@jstat La J-estadística para la función de GMM .
@logl El valor de la función de probabilidad de log .
@meandep Media de la variable dependiente
@ncoef el número de coeficientes estimados.
@r2 R-cuadrado.
@rbar2 R-cuadrado ajustado.
@coefcov Matriz de coeficientes
@regobs El número de observaciones en la regresión.
@schwarz El criterio de información de Schwarz.
@sddep La desviación normal de la variable dependiente
@stderrs(i) El error normal para el coeficiente “i” de la regresión.
@tstats(i) El valor de la t-estadística para el coeficiente “i” de la regresión.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Funciones Descripción
@coefcov Matriz de coeficientes .
@coefs El vector de valores del coeficiente.
@stderrs vector de errores normales para los coeficientes.
@tstats El vector de valores de la t-estadística para los coeficientes.
@transpose(X) Se utiliza para determinar la transpuesta de X.
@smpl La descripción de la muestra usó para la estimación.
@updatetime La representación del cordón del tiempo y fecha a que la
ecuación fue estimada.
@obs(y) Número de observaciones de la muestra.
@det(X) Crea un escalar que contiene el determinante de X.
@eigenvalues Crea un vector con los valores propios de la
matriz simétrica
@fillledmatrix(3,2,1) Crea una nueva matriz de 3 filas y 2 columnas
con todos los elementos igual a 1.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Funciones Descripción
@trend, @trend(n) Variable ficticia de tendencia.
@cor(x,y[,s]) Covarianza entre X e Y.
@mean(x[,s]) Media para la serie X.
Sym Crea una matriz simétrica.
@min(x[,s]) Mínimo valor de la serie X.
@max(x[,s]) Máximo de la serie X.
@stdev(x[,s]) Desviación estándar de la serie X.
@sum(x[,s]) Suma de la serie X.
@var(x[,s]) Varianza de la serie X.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Funciones Descripción
@identity(i) Crea una matriz identidad de dimensión “i”
@inverse(X) Crea una nueva matriz que es la inversa de
una matriz no singular X.
@rank(k) Crea un nuevo escalar con rango.de la matriz “k”.
@trace(M) Crea un nuevo escalar que contiene la traza de la matriz “M”
@seas(n) Crea una variable ficticia.
Ahora que ya sabemos usar el área de comandos vamos a
calcular el intervalo de confianza para los parámetros del
modelo.
Primero lo haremos manualmente, después por comandos de
EViews y seguidamente para comprobar los resultados lo
formaremos con Excel.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Intervalo de Confianza para los Parámetros Estimados
i k T i
S t
| o
|
ˆ
*
ˆ
1 ; 2 / ÷ ÷
±
0.058196 * 1.97353 563022 . 0
0.001550 * 1.97353 02703 . 0
0.035261 * 1.97353 457723 . 0
0.257734 * 1.97353 688873 . 3
±
± ÷
±
±
Limite Superior Limite Inferior
4.197519 3.18023
0.527311 0.38813
-0.023972 -0.03009
0.677873 0.44817
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
El intervalo mediante EViews
son los comandos que
aparecen en el lado derecho.

Digitaremos cada línea y
haremos un Intro para
ejecutar el comando.
Hay que mencionar que “ „ “
son solo comentarios no se
ejecutan, el usuario es libre
de ponerlo o no.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Usando el Program de EViews
Aunque mas adelante explicaremos como usarlo, diremos que
podemos correr los resultados mediante la creación del
programa para lo cual iremos a: File/New/Program.




Una vez en la nueva ventana digitaremos todos los comandos,
para que calcule los intervalos de confianza para los
parámetros.

econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Este se ejecutará haciendo
Click en Run, podemos
guardar la programación con
un Click en el menú save, con
el nombre que deseamos este
tendrá por extensión.PRG

Este programa se ejecutará
siempre que el archivo
workfile(wf1) este en la misma
carpeta que el archivo de
programación(prg) generado.


econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Podemos editar el nombre de LS,
para esto nos situamos en la
parte inferior de la hora y fecha y
activamos el menú Edit +/-
Digitamos el nombre que
queremos poner y listo
Vamos a someter a comprobación los resultados en Excel.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Comprobando los Resultados en Excel
Vamos hallar la probabilidad de una t-Stundent en Excel
Instrucción a seguir en
Excel
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Podemos comprobar que los resultados obtenidos en Excel son
los mismo que se obtuvieron de forma manual y mediante los
comandos de EViews.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Test de Normalidad
Uno de los problema más frecuentes al trabajar con variables es
saber si tienen distribución Normal. Pues no se puede aplicar los
Test estadísticos si la muestra no es normal, en ese caso se
trabajaría con pruebas no paramétricas, o se puede graficar las
variables para tener una idea de la forma y de esta manera poder
hacer las transformaciones del caso, para que tengan una
distribución normal.
EViews tiene incorporado varias pruebas para analizar la
normalidad. Recordemos que para asumir normalidad del modelo
solo basta que los errores de este sean normales para asumir la
normalidad de dicho modelo.


Test de Jarque – Bera
Prueba de Normalidad (Quantile - Quantile)
El Diagrama de Caja
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Test de Jarque – Bera
Aplicando la prueba al error del modelo se tiene la hipótesis de
decisión:
H0 : εt se aproxima a una distribución Normal.
H1 : εt no se aproxima a una distribución Normal.
Jarque - Bera se formula:
T: Tamaño de muestra
K: Es la kurtosis
S: Es la asimetría
k: Número de regresoras
Regla de Decisión:

Si el JB es menor 5.99 no se rechaza la hipótesis nula
( )
(
¸
(

¸

÷
+
÷
=
4
3
6
2
2
K
S
k T
JB
99 . 5
2
) 2 %; 5 (
= < _ JB
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Abrir con doble Click Resid ir a View/ Descriptive Statistics &
Tests / Histogram and Stats
El JB es menor que
5.99 entonces no se
rechaza Ho.
Existe una probabilidad
de 12.39%(mayor 5%)
de no rechazar Ho.
La asimetría tiende a
cero, lo que nos da
indicios de normalidad.
La kurtosis tiende a tres lo que nos
da indicios de normalidad de los
errores.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Prueba de Normalidad (Quantile - Quantile)
Para que exista normalidad en los residuos los puntos deberán
estar a lo largo de la recta, pero si los puntos están muy
dispersos y la mayoría esta fuera de la recta, entonces se
concluye que no existe normalidad.
La instrucción en EViews es doble Click en Resid ir a View/
Graph… y en especificación seleccionar Quantile - Quantile en
opciones seleccionar Theoretical
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Como se puede apreciar los puntos están sobre la recta
entonces podemos decir que la variable Resid (Error)
tiene una distribución normal.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Diagrama de Caja
Si en el gráfico la media esta en medio de la caja y los “bigotes”
tiene la misma distancia a la caja se acepta la normalidad de la
variable.
Como sabemos este gráfico se basa en la media, los cuartiles y
valores extremos. Donde la caja encierra el rango intercuartil que
encierra el 50% de los valores y tiene una media dibujada dentro,
además el intercuartil tiene como extremos el percentil 75 y el
percentil 25.
Instrucción en Views es abrir Resid con doble Click ir a
View/Graph/ Seleccionar la especificación Boxplot.

econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Como se observa en el gráfico
la media esta en la mitad de la
caja y los “bigotes” tiene igual
distancia a la caja, entonces
Resid tiene una distribución
normal.

econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Test Estadísticos sobre los Coeficientes
EViews tiene tres pruebas sobre los coeficientes del modelo y estas son:
Pruebas de Restricción de Coeficientes: Esta prueba se basa en la
prueba de Wald, que puede ser individual (H0: βi = 0) o grupal (H0: β1 = β2
=… βk =0)
En la ventana de la ecuación ir a View/Coefficient Diagnostics/Wald Test-
Coefficient Restrictions…En la ventana de dialogo se escriben las
restricciones entre comas si existen más de una ejemplo:
H0 : C(2)+C(3)+C(4) = 0

econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
| |
2
1
1 2
) ( ) ( ) ( _ ~ ÷
' ' '
÷ =
÷
÷
q Rb R X X R S q Rb W
F ( q=1;T=180;0.95)
Existe una baja probabilidad 0% de no
rechazar la hipótesis nula.
Por lo que se rechaza H0
q: Número de restricciones.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Contraste de restricciones lineales: Esta Prueba utiliza el estadístico “W”
y el “F “ para contrastar los residual del modelo sin restringir (εS) y los del
mod.elo restringido (εt).






Pruebas de Variables Omitidas: Nos da una idea si una lista de variable
adicional podría mejorar el modelo. Si nos situamos en el cuadro de la
ecuación y nos dirigimos a View/Coefficient Diagnostics /Omitted
Variables Test-Likelihood Ratio. En el cuadro de dialogo se escriben las
variables a omitir (caso: PDG).

) ; (
/
/ /
) /(
/ ) (
k T q
s s
s s t
F
k T
q
F
t
÷
~
÷
÷
=
c c
c c c c
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
H0 : La variable GDP es no
significativa para el modelo por
lo que C(2)=0.
H1 : La variable GDP es una
variable significativa para el
modelo (C(2)≠ 0).
Como la probabilidad es menor
del 5%, se rechaza la hipótesis
nula.
Por lo que La variable GDP es
significativa para el modelo
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Si queremos probar si GDP y PR son redundantes par el modelo
H0: GDP y RS son redundantes para el modelo.
H1: GDP y RS son significativas conjuntamente (C(2),C(4)≠0)
Como la probabilidad (F-statistic)es menor del 5%, se rechaza la hipótesis nula.
Por lo que La variable GDP y PR son significativa para el modelo.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Pruebas de Variables Redundantes: Prueba si la exclusión de una
lista de variable podría mejor el ajuste del modelo.
En cuadro de la ecuación nos dirigimos a View/Coefficient
Diagnostics / RedundantVariables Test-Likelihood Ratio…
En el cuadro de dialogo se escriben las variables a omitir (caso: RS)






H0 : La variable RS es redundante para el modelo.
H1 : La variable RS no es redundante para el modelo .
Con una baja probabilidad de 0 % (menor α=5%) no se
acepta la hipótesis nula.
Por lo que la variable RS no es redundante para el
modelo.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Multicolinealidad
La multicolinealidad en el Modelo Lineal General se presenta cuando las
variables independientes presentan alto nivel de correlación. Por lo que
en términos empíricos hay que definir los limites de tolerancia de
colinealidad.
Siguiendo a Klein en su versión de correlación indica un alto grado
cuando:

RY : Es la raíz cuadrada del coeficiente de determinación
Multicolinealidad Perfecta : ρ (X׳X) < k
Multicolinealidad imperfecta : ρ (X׳X) = k / X׳X / ≈ 0
Consecuencias: Es el incremento de los errores estándar de la prueba “t” ,
se mantiene un buen ajuste R cuadrado alto, una prueba “F” significativa
y “t” bajo para variables que presentan multicolinealidad.

Y X X
R r
j i
>
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Detección: Análisis de la matriz de correlaciones. Algunos autores
recomiendan correlaciones mayores 0.8 ó 0.85 indica la presencia de
colinealidad (pero estos valores son un poco cuestionados).
* Análisis de la matriz X׳X (es o no una matriz singular).

La multicolinealidad no quiere decir que se esté rompiendo alguno
de los supuestos. Pues no afecta la capacidad predictiva conjunta de
las variables y, por lo tanto la capacidad predictiva.
La multicolinealidad es un problema que no esta bien definido. Por lo
que no existe un limite a partir del cual el se le considere como
multicolinealidad.
Un intento por disminuir la varianza podría ser eliminar uno de los
regresores, lo que disminuiría el .
Suprimir las variables más culpables con justificación estadística y
económica.
2
Y
R
2
Y
R
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Para ver la matriz de correlaciones en EViews, tenemos que situarnos en la
ventana de objeto ecuación par ir al menú Pros/Make Regressor Group en la
nueva ventana de objeto de grupo donde aparecen todas las variables debemos
ir: View/Principal Components… en la nueva ventana ir a Calculation y en Type
seleccionar: Correlation por el method: Ordinary luego Aceptar.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
En el objeto correlación utilizamos
Freeze para congelar la imagen y en
la nueva ventana hacemos Click en
name para guardarla con el nombre
de correlation.

En el área de comando tipiamos : Group
datos2 gdp rs pr y Intro.
Sym mcorrel=@cor(datos2) y Intro.
Matriz de correlaciones almacenada en
el fichero.
Crear un objeto grupo que contiene a
las variables regresoras (gdp, rs y pr).
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
En el cuadro de comandos digitamos:
Scalar detcor=@det(mcorrel) y Intro.


Con doble Click en mcorrel abrimos la
ventana de correlacione, podemos
editar la etiqueta de mcorrel , solo
tenemos que ubicarnos en la segunda
fila y activar Edit+/- y digital Matriz de
Correlaciones.
Podemos apreciar una alta correlación
lineal entre:

Cor[Log(PR);Log(GDP)] = 0.992475
Por que la correlación se aproximan a
uno, también por la regla de Klein.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
En el cuadro de comandos digitamos:
Scalar detcor=@det(mcorrel) y Intro. Para de esta
manera un objeto escalar que pueda hallar el
determinante de la matriz de correlaciones.
Para ver el valor de la determinarte nos situamos
sobre el objeto escalar y hacemos doble Click.
El valor que se muestra es 0.00668 que es cercano
a cero lo que es un indicativo que existe
multicolinealidad imperfecta.



Si queremos apreciar la correlación
lineal que existe entre gdp y pr
digitemos en el área de comandos:
Show datos2.scatmat
„Pide a EViews que muestre el
gráfico de correlaciones de las
variables del grupo datos2.





econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
0
500
1,000
1,500
2,000
G
D
P
0
4
8
12
16
R
S
0.0
0.4
0.8
1.2
0 500 1,000 1,500 2,000
GDP
P
R
0 4 8 12 16
RS
0.0 0.4 0.8 1.2
PR
Podemos apreciar
claramente la correlación
que existe entre la
variable Producto
Domestico Bruto (GDP) y
Nivel de precio (PR).
Correlación positiva entre PR
y GDP.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews

Test de Farrar-Glauber: Test de Ortogonalidad


H0 : Las Xi son ortogonales entre si
H1 : Las Xi no son ortogonales entre si (Existe multicolinealidad)



k: Número de variables explicativas
R: Matriz de correlaciones simples.
Los comandos a ejecutar o el programa a crear es el siguiente para el test:

2
2 / ) 1 (
* )
6
5 2
( 1
÷
~
(
¸
(

¸

+
÷ ÷ ÷ =
k k
R Log
k
T FG _
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
'Prueba de Farrar - Glauber: Test de Ortogonalidad
'Crear una base de datos con la variables regresoras
Group Base gdp pr rs
Matrix X=Base
Matrix R=@cor(x)
'Calcular el valor de Farrar-Glauber
Scalar F_G=-(@rows(x)-1-((2*@columns(x)+5)/6)*log(@det(R)))
'Valor de tabla
Scalar Prob_Tabla=@Chisq(@abs(F_G),@columns(x)*(@columns(x)-1)/2)
'Como el valor es menor que el 5%; entonces se comprueba la presencia de
'de multicolinealidad de alto grado
Podemos aplicar el test
línea por línea o usar el
mismo principio que la
guía positiva 49, para
aplicar la prueba.
Como el valor de la probabilidad
es menor que el 5%; entonces se
comprueba la presencia de
multicolinealidad de alto grado.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Comprobando los Resultados por Excel

econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Si analizamos la significación de estas dos variables que están
correlacionadas notaremos que son significativas para el modelo.

Soluciones a la Multicolinealidad Imperfecta
La primera solución rápida es eliminar las variables causantes (lo
que puede causar que “el remedio sea peor que la enfermedad”).
Segunda solución es transformar las variables o aumentar la
muestra, en un intento de presentar correlaciones lineales más
bajas. Las transformaciones más usadas son la primera diferencia
D(x).
Una tercera solución es dividir las variables del modelo por el
deflactor del consumo, de modo que en lugar de plantear el modelo
con las variables en dólares corrientes lo expresamos en dólares
constantes de un año base.
Para finalizar la soluciones es disminuir el tamaños de muestra.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
En nuestro caso corregimos la multicolinealidad suprimiendo(justificación
estadística y económica.) el deflactor de precios(PR) del modelo entonces
la nueva estimación usando los comando:
Equation Ecuacion2.ls Log(M1) c Log(GDP) RS
„Estable el nuevo grupo que contiene rs gdp
Group datos3.gdp rs gdp
„No se aprecia relación lineal en el gráfico de rs y gdp
show datos3.scatmat
Doble Click en el objeto de datos3 después ir a View/Principal Components
y OK en la nueva ventana nos da la matriz de correlaciones del grupo3.
O puede usar el comando: Matrix crm=@cor(datos3)


Se puede
apreciar que no
existe altas
correlaciones
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
La nueva estimación sin problemas de multicolinealidad.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Autocorrelación
Es un caso particular de Mínimos Cuadrados Generalizados(MCG)
que se produce cuando los errores del modelo presentan
correlaciones entre ellas (esto puede deberse a efectos inerciales
del pasado como la inflación, una crisis mundial, rezagos de
política, especulación, etc…). Este problema y la
heteroscedasticidad origina que las perturbaciones no sean
esféricas. Por lo que la matriz de varianzas y covarianzas de las
perturbaciones sean distintas a cero.

Violación del supuesto: E( εt;εs)= 0 t ≠ s

Sus efectos son: la los estimadores por MCO de β son insesgados
por ineficientes (varianza no es la mínima) e inconsistentes
reduciendo la probabilidad de hacer pruebas de hipótesis.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Solución: Reparametrizar el modelo y determinar el componente
autorregresivo.

Causas Posibles de Autocorrelación

Errores de especificación por la omisión de variable(s)
relevantes, existencia de relaciones dinámicas no recogidas en el
modelo o formulación de una relación funciona lineal incorrecta.

Utilización de datos manipulados.

Existencia de efectos de proximidad entre las observaciones.*

*Urcisino Carrascal, Yolanda Gonzales y Beatriz Rodríguez (2001). “Análisis Econométrico en
EViews”. ALFAOMEGA Grupo Editor, S.A. de C.V. pp: 262
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Planteamiento Formal

(
(
(
(
¸
(

¸

=
(
(
(
(
¸
(

¸

= =
÷ ÷
÷
÷
÷ ÷
÷
÷
1
1
1
) , ( ) (
2 1
2 1
1 1
2
0 2 1
2 0 1
1 1 0
/

   



   


T T
T
T
T T
T
T
t t
t
E Var
µ µ
µ µ
µ µ
o
¸ ¸ ¸
¸ ¸ ¸
¸ ¸ ¸
c c c
c
0,1,-2,... s
) ( ) (
) , (
0
r
= = =
÷
÷
¸
¸
c c
c c
µ
s
t s t
t s t
Var Var
Cov
¦
¹
¦
´
¦
= ¬ =
= =
÷
0 s ) (
0 ) , (

2 2
c
o c
¸ c c
t
E
E
s t s t
Coeficientes de Autocorrelación
Se utilizará MCG o reparametrizados de los coeficientes de autocorrelación
para estimar los parámetros
t t t
x Y c | +
'
=
Autocovarianza
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Desde el mismo objeto ecuación podemos visualizar la serie de los
residuos frente al tiempo.
Para eso ir barra de herramientas de la ecuación 2, View/ Actual,
Fitted,Residual/ Actual, Fitted,Residual Graph

Se puede apreciar que los
residuos no se comportan
de forma totalmente
aleatoria, aunque no se
observa una senda de
signos continuamente
alternada.

econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Gráfico de frente
t
c
1 ÷ t
c
Para ver los residuos frente a los residuos
retardados, hay que ir al menú principal
luego Quick/ Show… luego digitar Resid(-1)
Resid y la ventana View/ Graph… y en
especificación Scatter.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Se puede apreciar en el gráfico
que la mayoría de los puntos se
encuentran en el primer y tercer
cuadrante, lo que nos lleva a
pensar la existencia de
autocorrelación de tipo AR(1) con
coeficiente positivo.

Nota: Los gráficos de los residuos
de mínimos cuadrados no son
definitivos para determinar la
autocorrelación en el modelo.

I Cuadrante
III Cuadrante
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Test de Durbin-Watson: Somete a prueba la autocorrelación de Primer orden AR(1).




Ho : no existe autocorrelación de primer orden






El valor del DW se puede apreciar en la ventana de resultados (Guía Positiva 79).
Si el DW ≈ 2 no existe autocorrelación positiva, DW > 2 existe sospechas de una
autocorrelación negativa y si DW < 2 existe sospechas de una autocorrelación
positiva.
Crítica:
* Sólo es valido para la autocorrelación de la perturbación autorregresiva de orden
uno AR(1).
* Requiere de una muestra mínima de 15, para obtener resultados fiables.
* Presenta zonas de indeterminación
t t t
x Y c | +
'
=
t t t
u + =
÷1
µc c
0 = µ
) 1 ( 2
ˆ
)
ˆ ˆ
(
1
2
2
2
1
µ
c
c c
÷ =
÷
=
¿
¿
=
=
÷
T
t
T
t
t t
t
DW
Nuestro DW obtenido en la
estimación 2 es 0.1520, lo que
nos da sospecha que nuestro
modelo tiene problemas de
autocorrelación de orden uno.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
El valor del estadístico Durbin – Watson (DW) es 0.152. Los valores
críticos del DW son dL = 1.664 y dU = 1.7662, por lo tanto hemos
encontrado evidencia significativa a favor de la existencia de un
coeficiente de autocorrelación residual positiva, debido 0.152 < 1.664
El parámetro autorregresivo, p, se puede estimar de forma aproximada
utilizando la relación:

0.923983
2
152033 . 0
1
ˆ
)
ˆ
1 ( 2 = ÷ ~ ¬ ÷ = µ µ DW
Los valores de DW, han sido tomados de una tabla estadística de
Durbin – Watson con intercepto*.
Como el T=180 no hay en tabla se tuvo que interpolar el valor a su
valor más próximo, esta interpolación como su valor inferior y
superior se puede apreciar en la siguiente guía positivas.
* El valor de tabla se puede apreciar en :
Antunez Irgoin, Cesar.H (2010). “Tablas estadísticas para Econometría”. Edición gratuita en
http://www.monografias.com/trabajos-pdf4/tablas-estadisticas-econometria/tablas-estadisticas-econometria.shtml. pp: 5.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Interpolación del Durbin - Watson
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Prueba de Breusch - Godfrey
Es un contraste más general que el DW, al permitir que la hipótesis
alternativa tenga procesos estocásticos más generales de orden p AR(p)
o medias móviles de orden q MA(q), y se puede utilizar en variables
endógenas retardadas.




(ausencia de Autocorrelación)

AR (r) o MA (r)



t t t
x Y c | +
'
=
t r t r t t t
u + + + + =
÷ ÷ ÷
c µ c µ c µ c ...
2 2 1 1
0 ... :
2 1 0
= = = =
r
H µ µ µ
0 ... :
2 1 1
= = = =
r
H µ µ µ
2 2

r
TR LM _ ~ =
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Prueba: En la ventana objeto ecuación 2 ir al menú View/Residual Diagnostics/
Serial Correlation LM Test… digitar 1 rezagos (Lags)
Por tener una probabilidad muy
baja 0% (menor de 5%) se
rechaza la hipótesis nula de
incorrelación.
Por lo que el modelo presenta
autocorrelación de 1 orden AR(1).
Con un AR(1) el modelo presenta un
DW =1.66 que es cercado a dos.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Prueba: En la ventana objeto ecuación 2 ir al menú View/Residual Diagnostics/
Serial Correlation LM Test… digitar 2 rezagos (Lags)
La probabilidad p =0%, por lo que
se rechaza la hipótesis nula.
Con un AR(2) el modelo presenta un
DW =1.805 que es muy cercado a dos.
0 :
0 :
2 1 1
2 1 0
= =
= =
µ µ
µ µ
H
H
t t t t
u + + =
÷ ÷ 2 1 1 1
c µ c µ c
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Test de Ljung – Box y Box – Pierce
Este test utiliza el coeficiente de correlación simple y sólo puede ser aplicado
cuando el conjunto de variables explicativas son todas exógenas.
Test Box - Pierce:


Ljung presenta un refinamiento a la formula anterior:


ri : Es el coeficiente de autocorrelación simple




¿
=
~ =
r
i
r i
r T Q
1
2 2
_
¿
=
~
÷
+ =
r
i
r
i
i T
r
T T Q
1
2
2
) 2 ( _
¿
¿
=
=
÷
=
T
t
t
T
t
t i t
i
r
1
2
1
c
c c
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Correlograma

Es otra forma de identificar la autocorrelación de orden p.
En la objeto ecuación 2 ir al menú View/ Residual
Diagnostics/Correlogram – Q – stadististics...
En el cuadro de dialogo que aparece seleccionamos sin
transformar (Level) y el número de rezagos 24 (Lag
Specification)
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Las banda esta del correlograma
están representada por :



= ± 0.1490712 los valores que sean
iguales o mayor ha este valor nos
indicara el orden de AR(p).


Como los coeficientes de
Autocorrealción están fuera de las
bandas se rechaza la hipótesis nula
( ).





180
2 2
± = ±
T
0
1
> µ
0
2
= µ
) 1 (
1 1
AR u
t t t
¬ + =
÷
c µ c
0 :
1 0
= µ H
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Introduciremos el componente
autorregresivo al modelo estimado.
Comando: LS log(M1) c log(gdp) RS
AR(1) AR(2)
Luego, se incorporo una variable
autorregresiva de 1er orden y otra
variable autorregresiva de 2do
orden, estas variables ayudaron a
perfeccionar el modelo dando
solución al problema de
autocorrelación de los errores en el
modelo, considerando de que el
error esta en función del mismo error
pero rezagado hasta el segundo
periodo.
Corrección de la Autocorrelación
El coeficiente de AR(2) presenta una
probabilidad de 49.2% de no rechazar H0.
Por lo que no es significativo no se
considera AR(2) y el modelo presenta
solo AR(1)
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Vamos a estimar el modelo sin autocorrelación con el comando:
Equation MLG.LS log(M1) C log(gdp) RS AR(1)
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Vamos a estimar un modelo alternativo que nos ayudara a realizar
las pruebas para la estimación recursiva. Este modelo como el
modelo anterior no presente el problema de autocorrelación. Con el
comando Equation MCO.LS log(M1) C log(gdp) RS log(M1(-1))
El DW es casi 2 por lo
que nuestro modelo
llamado MCO no
presenta problemas de
autocorrelación.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Heteroscedasticidad
La heteroscedasticidad significa que la varianza de las
perturbaciones no es constante a lo largo de las observaciones,
violando un supuesto básico del modelo ( ).
Consecuencias
Una perdida de eficiencia de los estimadores mínimos cuadrados.
La varianza del estimador por MCO no es mínima.
Solución
Reparamétrizar el modelo para encontrar la ley de formación de la
varianza para cada periodo.
Como veremos a continuación EViews tiene incorporado varias
pruebas para detectar la heteroscedasticidad de los errores.
2 2
) (
i
E o c =
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Supuesto Formal
(
(
(
(
(
¸
(

¸

= =
2
2
2
2
1
/
0 0
0 0
0 0
) , ( ) (
T
t t
t
E Var
o
o
o
c c c

   


Detección de Heteroscedasticidad

Este análisis se basa en los residuos
i) Representación grafica del valor absoluto de los errores con cada
uno de los regresores.
ii) Representación gráfica de del cuadrado de los errores con cada
uno de los regresores.
iii) Representación gráfica de residuos estimados versus la
variable dependiente proyectada o tras variables conocidas, para
explicar el comportamiento de la varianza y poder extraer su ley.
iv) Prueba general de Goldfeld y Quant, Breusch y Pagan , White.

econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Para representar los residuos con los residuos predicho, vamos a
calcular los valores predichos desde el objeto resultado MCO,
activamos → Forescast












Este pronostico también se puede realizar con el comando:
MCO.forecast LogM1f
Nuestra predicción se
guardará en el Workfile
con el nombre LogM1f.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Predicciones de la Variable Dependiente
Este es una representación de una predicción dinámica desde el período
1952:Q1 hasta 1996:Q4, sin embargo debemos verificar el valor de el
coeficiente de Theil que debe ser cercano a 0, en este caso es 0.002955,
esto nos da indicciones de una buena predicción.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Para detectar qué variables son responsables de la posible
heteroscedasticidad realizaremos los gráficos de residuos, para esto del
menú principal seleccionamos Quick/Graph…/Scatter.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Gráfica de Log(M1f) y Resid
Parece que LogM1f presenta una estructura aleatoria.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Gráfica de Log(GDP) y Resid
Parece que Log(GDP) no presenta una estructura aleatoria por que
forma una recta.
Si fuera GDP es la variable
que produce La
heteroscedasticidad
2
2
2 2 2
) (
)) ( ( o
o
o o =
|
|
.
|

\
|
÷ =
GDP Log
GDP Log
i
i
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Gráfica de RS y Resid
Parece que RS presenta una estructura aleatoria.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Contraste de Glejer
Este contraste se basa en la estimación de los residuos del modelo et
por MCO con la siguiente regresión:
i
h
i t
r Z d d + + =
1 0
c
=
i
Z
= h
Variable que produce
la heteroscedasticidad.
1, -1 ó 1/2
Donde d1 =0 que es lo mismo que
contrastar la hipótesis de
homoscedasticidad en el modelo inicial.
La probabilidad de Log(GDP) es
significativa al 99% por lo que
existe heteroscedasticidad
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Si en el cuadro de comando digitamos: Genr Cuadre=resid^2
Genr Abse=@abs(resid)
Generado ya las variables pasaremos a graficar primero abse con
cada regresora.

menú principal
seleccionamos
Quick/Graph…/Scatter.
Para graficar Abse con cada
regresora y lo misma para
Cuadre.

Nota: Par más detalle de
este procedimiento diríjase a
la guía positiva 102.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Gráfica de Abse y GDP
t
c En el gráfico podemos
apreciar que la dispersión
del valor absoluto de los
errores crece medida que
aumenta GDP, lo que nos
da indicio de una posible
heteroscedasticidad con
esta variable.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Gráfica de Abse y RS
t
c
En el gráfico podemos
apreciar que la dispersión
aleatoria de la tasa (RS),
lo que muestra que no
existe
heteroscedasticidad con
esta variable.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Gráfica de Cuadre y GDP
2
t
c
En el gráfico podemos
apreciar que la dispersión
creciente del cuadrado de
los errores a medida que
aumenta GDP.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Gráfica de Cuadre y RS
2
t
c
En el gráfico podemos
apreciar que la dispersión
aleatoria del cuadrado de
los errores a medida que
aumenta RS.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Prueba de Goldfeld - Quandt
H0 : Existe Homoscedasticidad ( )
H1 : Existe Heteroscedasticidad ( )
Donde g(.) es función monótona.
Omitir r observaciones intermedia (r < T/3)
 Los dos grupos tiene tamaño (T-r)/2
En nuestro caso tenemos 180 observaciones, después de ordenar las
observaciones del modelo (se ordena las observaciones de todas la
variables mediante la ventana de Workfile activamos Procs/Sort
Current Page en el nuevo cuadro de dialogo introducimos la variable
LogM1f y ordenamos Ascendentemente), se eliminan las 59 (r <
180/3) centrales formando dos grupo donde el primer grupo tiene de 1
hasta 59 y el segundo grupo 119 hasta 179.
2 2
o o =
i
) (
2
ji i
x g = o
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
El procedimiento a seguir en EViews es el siguiente:
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Generamos el escalar en el cuadro de comandos: Scalar se1=@se para el
primer grupo y la desviación del error para el segundo grupo Scalar se2=@se

observamos cual de las dos desviaciones es la mayor por que dividiremos la
mayor desviación entre la menor en el cuadro de comandos, en nuestro caso
es Se2 (0.03167) es mayor a Se1(0.0148). En el cuadro de comando
generamos el estadístico: Scalar F=(se2/se1)^2, que si revisamos el valor del
objeto F, que tiene como valor de 4.554
Primer Grupo Segundo Grupo
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Para rezar o no la hipótesis nula necesitamos del estadístico F,
por lo que crearemos este estadístico en el cuadro de comandos.



Scalar prob=(1-@cfdist(f, 59, 59))
El resultado nos da una probabilidad muy baja de
0.00000000140947% (menor del 5%). Por lo que se rechaza la
hipótesis nula de Homoscedasticidad de la varianza.
Una solución habitual en este tipo de problemas es considerar el
esquema de la varianza como:




( ) 2 / ) ( ; 2 / ) ( ; ) / (
2
1 2
r T r T s s
F
÷ ÷
2 2
) (
ji i
x Var o c =
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Prueba de White
Este contraste es el más general por que no especifica concretamente la
heteroscedasticidad.
No existe Heteroscedasticidad



White sin termino cruzado (no cross terms)


Esta prueba es similar a MCG que considera los residuos del cuadrado
como variable dependiente.


White con termino cruzado (cross terms)
La varianza toma forma general en función de regresores al cuadrado y
de su producto cruzado
0 1
2 2
0
:
:
H verifica se no H
H
i
o o =
i i i i i t
u x x x x x x
i i
+ + + + + + + =
2 1 12
2
22
2
11 2 2 1 1 0
2
2 1
ˆ
µ µ µ µ µ µ c
N i  1 =
2
2
2
*
k
R T LM _ ~ =
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
i kt t k k k t t kk kt k i t
u x x x x x x x x
kt k
+ + + + + + + + + + =
÷ ÷ , 1 , 1 2 1 12
2 2
11 1 1 0
2
1
ˆ
µ µ µ µ µ µ µ c   
0 :
, 1 12 11 1
= = = = = = = =
÷ k k kk k o
H µ µ µ µ µ µ    
2
2
2
*
k
R T LM _ ~ =
Aplicando la Heteroscedasticidad en EViews
En el objeto ecuación 2 (es el nombre de nuestra ecuación) pulsamos
View/Residual Test/Specification White (no cross terms)

No lo seleccionamos para
no incluir termino cruzado.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Con un probabilidad no significativa
4.60% (menor que 5%), se rechaza
la hipótesis nula, por lo tanto la
varianza no es constante y existe
heteroscedasticidad en el modelo.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Formas de Corregir la Heteroscedasticidad
Para solucionar la heteroscedasticidad es necesario realizar Mínimos
Cuadrados Generalizados (MCG).
Si se conoce la estructura de la varianza entonces se puede aproximar
a .

: Vector de variables que incluye una o varias variables exógenas
de los regresión.
Es una función cualquiera.

La estructura más habituales de la varianza son: , ,
y .
La matriz de varianza y covarianza resulta:

) (
2
i i
z f = o
i
z
: f
ji i
x
2 2
o o =
ji i
x | o o + =
2 2 2 2
ji i
x o o =
) ' ( 2 o
o
i
z
i
e =
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
(
(
(
(
(
¸
(

¸

= E
jT
j
j
x
x
x

   


0 0
0 0
0 0
2
1
y

(
(
(
(
(
¸
(

¸

= E
2
2
2
2
1
0 0
0 0
0 0
jT
j
j
x
x
x

   


Por lo que MCG coincide con MCO utilizando como ponderador los valores
y que son loe inversos de los elementos de la diagonal de la
matriz Σ.
Si la estructura de la varianza es el modelo puede transformarse
dividiendo sus términos por para luego estimarlo:



ji
x / 1
2
/ 1
ji
x
ji i
x
2 2
o o =
2 / 1
ji
x
jt
t
jt
k
jt jt jt
i
x x x x x
y c | | |
+ + + + = 
2 1
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
En general para resolver este problema es conveniente tomar
logaritmos.
Para detectar las formas funcionales mas comunes de la varianza
se puede seguir las formas:







Se toma el que presenta más elevado.


t
ji
t
t ji t
t ji t
u
x
u Lnx
u x
+ + =
+ + =
+ + =
|
o c
| o c
| o c
2
R
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Mínimos Cuadrados Ponderados(MCP)
Modelo con problemas de Heteroscedasticidad






Modelo transformado sin problemas de Heteroscedasticidad
t t t
x Y c | +
'
=
V V E
T T
t
t
'
=
(
(
(
(
(
¸
(

¸

=
(
(
(
(
(
¸
(

¸

= =
¿
o
o
o
o
o
o
c c

   



   


0 0
0 0
0 0
0 0
0 0
0 0
) , (
2
1
2
2
2
2
1
/
Ponderador V :
t
v x Y
t t
+ =
- -
| | |
- -
÷
-
' '
= Y X X X
MCO
1
|
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
(
(
(
(
(
¸
(

¸

=
÷
T
V
o
o
o
/ 1 0 0
0 / 1 0
0 0 / 1
2
1
1

   


Ponderador V :
Pasos para Minimos Cuadrados Ponderado (MCP)
Estimar β por MCO ignorando H.
Establecer la forma del error (ε) al cuadrado (ε′=f(z)) utilizando
el procedimiento de White.
Transformar las variables (Y, x) dividiendo las por la estimación
del paso anterior (ponderación).
Se estima el modelo por MCO con variables transformadas.

econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
En el objeto resultado hacemos Click en options y podemos dejar
que el programa por defecto (default) incorpore la estimación.

Para incorpora el factor de ponderación, tendremos que estimar
las formas funcionales descritas en la guía positiva 121. De los
cuales se eligiera el que tenga mayor R cuadrado.
Resultado 1 Resultado 2
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Resultado 3
Resultado 4
Resultado 5 Resultado 6
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Como podemos apreciar en la guía positiva anterior el mayor R
cuadrado lo presentan; El resultado 4 y 5, siendo indiferente
elegir cualquiera de los dos factores.
Incorporaremos como factor de ponderación a la inversa de la de
la varianza (Variance) y en Weight (ponderación) establecemos
1/Log(GDP).
El resultado 4 (guía.p anterior)
presenta una varianza residual de
la forma:

Lo que nos permite estimar el
modelo con heteroscedasticidad
por Mínimos Cuadrados
Ponderados.
)) ( (
2 2
GDP Log
i
o o =
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Resultados por MCP
Estadística ponderada
Estadística
sin ponderar
Se observa que el ajuste
ponderado es bueno y los
parámetros estimados
difieren levemente de los
obtenidos antes de
corregir la
heteroscedasticidad. Ha
mejorado el R cuadrado y
la significancia.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Corrección de la Heteroscedasticidad
Corrección de White: Corrige la matriz de Var – Cov por
heteroscedasticidad.



Corrección de Newy – West (HAC Consistente Covariances):



Corrige la matriz de Var–Cov de los parámetros estimados por
heteroscedasticidad y autocorrelación.
| |
1
1
2
1
) (
ˆ
÷
=
÷
'
(
¸
(

¸

' '
÷
= ¿
¿
X X X X X X
k T
T
T
t
t W
c
| | | |
1
1
) (
ˆ
ˆ
÷
÷
'
O
'
÷
= ¿ X X X X
k T
T
NW
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
q: Representa un número Introo
| |
)
`
¹
¹
´
¦
' '
+
' '
|
|
.
|

\
|
÷
÷ +
'
÷
= O
¿ ¿
= =
÷ ÷ ÷
T
t
q
v
t v t v t v t t t t
X X X X
q
v
X X
k T
T
1 1
2
1
1
ˆ
c c c c c
9 / 2
) 100 / ( 4 T q =
Estimación en EViews
En el objeto estimación 2 hacemos Click en estimate y luego en
options

Hay que mencionar
que los resultados
que no cambian con
cualquiera de las dos
pruebas solo cambia
los errores estándar
que se corregirán.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Resultados de Corrección de White
Se observa que el ajuste
ponderado es bueno y los
parámetros estimados
difieren levemente de los
obtenidos antes de corregir
la heteroscedasticidad. Ha
mejorado el R cuadrado, la
significancia y el DW es casi
2 por lo que tampoco existe
problema de
autocorrelación.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Resultados de Corrección de Newey - West
Se observa que el ajuste
ponderado es bueno y los
parámetros estimados difieren
levemente de los obtenidos
antes de corregir la
heteroscedasticidad. Ha
mejorado el R cuadrado, la
significancia y el DW es casi
dos por lo que no existe
problema de autocorrelación.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Test de Barlett
Este test trata de un caso trata de muestras recogidas de distintas
poblaciones (T1, T2, …,Tk) y se pretende contrastar si sus varianzas
son iguales. Este tipo de contraste es particularmente interesante
cuando se analiza cambios estructurales o cuando los datos de los
que se dispone son tales que permiten su agrupación en grupos
internamente homogéneos.¤
Si tenemos K grupos y en cada grupo existen homoscedasticidad
(todas las observaciones del grupo k-ésimo tiene igual varianza )
Donde T son las observaciones dentro de grupo k.

¤ Urcisino Carrascal, Yolanda Gonzales y Beatriz Rodríguez (2001). “Análisis Econométrico en EViews”.
ALFAOMEGA Grupo Editor, S.A. de C.V. pp: 239
2 2
2
2
1 0
:
k
H o o o = = = 
2 2
2
2
1 1
:
k
H o o o = = = 
Homoscedasticidad
Heteroscedasticidad
2
h
o
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Barlett(1954) asume distribuciones normales. Si nos ubicamos en el
objeto datos entonces hay que ir a View/ Test of Equality…y en la
ventana que aparece seleccionamos Variance y OK.


Nota: Este test se aplica con fines explicativos, por que no se tiene distintas
muestras para nuestro ejemplo. Solo nos interesa saber donde esta esta prueba
en EViews.


econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Podemos apreciar que la
probabilidad es muy baja
(0%) tanto en Barlett como
en Levene, por lo que se
rechaza la hipótesis nula de
homoscedasticidad entre
diferentes grupos.

econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Determinación del Intercepto
Si los datos de la seria analizada proceden de un muestre aleatorio,
sobre una población normal, es decir que los datos constituye la
realización de un proceso ruido blanco con media de cero entonces el
contraste a realizar será:
La hipótesis es:
0 :
0
= µ H
0 :
1
= µ H
(El modelo no tiene intercepto)
(El modelo presenta intercepto)
) 1 ; 2 / 1 (
2
1
÷ ÷
~
÷
=
T
y
t
t
T
S
y
t
o
El estadístico de Distribución:
Si el estadístico obtenido es menor que el de tabla entonces no se
rechaza la hipótesis nula.*
*Fuente: Antunez Irgoin, Cesar.H "Series de Tiempo en Econometric View". Versión preliminar.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Si ubicamos el mouse en M1 y hacemos Click derecho se muestra
Open, donde se muestra la ventana datos, donde seleccionamos:
View/ Descriptive Statistics & Test/ Simple Hypothesis Test
Y
S
µ
) 179 ; 975 . 0 (
2
1 180
) 8315 . 334 (
0064 . 445
t t ~
÷
=
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Como la probabilidad de no rechazar H0 es casi 0%, menor de 5%
entonces se rechaza la hipótesis nula y se dice que el modelo
presenta intercepto.

econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Contraste de Especificación y Diagnostico del Modelo
Cuando se construye un modelo econométrico se comienza
por la especificación, estimación y la formulación de un
conjunto de hipótesis. En este procedimiento inicial que
requiere de distintas alternativas, se puede incurrir en errores,
por lo que es conveniente someter al modelo a diversas
pruebas que permitan comprobar su validez y eficacia, antes
de utilizarlo.


Existen diferentes pruebas en EViews para la especificación y
diagnostico relativas a la especificación de la parte simétrica
del modelo y a las propiedades que debe cumplir la
perturbación aleatoria.

econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Test de Chow
Este contraste consiste en comprar si las últimas observaciones
muéstrales disponibles presente cambio respecto a las anteriores.
En este nuestro caso vamos a estudia la existencia un quiebre en
1986.
H
0:
Existe estabilidad estructural en el modelo.
H
1:
Existe un comportamiento distinto en cada grupo.
La hipótesis nula (estabilidad estructura) y alternativa (cambio
estructural) se expresan en términos de parámetros:
|
|
|
|
|
.
|

\
|
=
|
|
|
|
|
.
|

\
|
2
2
1
2
0
1
1
1
1
0
0
:
k k
H
|
|
|
|
|
|
 
|
|
|
|
|
.
|

\
|
=
|
|
|
|
|
.
|

\
|
2
2
1
2
0
1
1
1
1
0
1
:
k k
H
|
|
|
|
|
|
 
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Para analizar la estabilidad del modelo nos situamos en la ecuación
estimada seleccionamos de la barra de herramientas View/ Stability
Diagnostics/ Chow Breakpoint Test…
En el cuadro de dialogo se deben escribir los o fechas en los que
ocurre el cambio estructural en nuestro ejemplo escribiremos 1986, lo
que generará una partición de dos submuestras de 1952 a 1985 y
otra de 1986 a 1996.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
El valor de F nos indica el rechazo de la hipótesis nula de estabilidad
estructural, por que dicha probabilidad es muy pequeña (casi nula).
Por tanto concluimos que en nuestro modelo se produce un cambio
estructural en el cuarto trimestre de 1986.
Valor de probabilidad
menor que 5% por lo que
se rechaza la hipotesis
nula.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Test de Ramsey
Para saber si nuestras variables regresoras cumplen bien con
explicar el modelo, le aplicaremos la prueba de Ramsey.

H
0:
El modelo esta bien especificado.
H
1:
El modelo no este bien especificado.

La alternativa para tratar la no linealidad consiste en
transformar el modelo.

Lo principal es la forma en la que se encuentra los parámetros
en la ecuación, pues mediante logaritmos o exponentes se
puede convertir en lineales. Algunas de las formas más
usuales son:



econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Tipo Función Forma Lineal
Inversa
Exponencial
Crecimiento
Potencia
t
t
t
x
Y c | o + + =
1
.
t t
x Y c o
|
. . =
t t
x
t
e Y
c | o + +
=
t t
x
t
e Y
c |
o
. .
. =
t t t
x Y c | o + + =
*
.
t t t
x Log Y Log c | o + + = ) ( ) (
t t t
x Y Log c | o + + = ) (
t t t
Logx Log Y Log c | o + + = ) ( ) ( ) (
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Para esta prueba utilizaremos el objeto resultados MCO y vamos
a View/ Stability Diagnostics/ Chow Ramsey RESET Test…
Y tomando una sola
potencia para variables
endógenas ajustada
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Notemos que, la probabilidad
asociada al F estadístico del test
de Ramsey RESET es igual a
57.59% (p>5%,por lo no se
rechaza la hipótesis nula). Por lo
tanto no se puede rechazar la
hipótesis nula de que el modelo
está bien especificado. Es decir
que las variables regresoras
cumplen con el objetivo de
explicar bien el modelo.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Comprobando el Resultado en Excel
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Estimación Recursivas
Es la técnica más adecuada cuando no se conoce el momento
del cambio estructural. Se basa en la estimación secuencial del
modelo para distintos periodos de muéstrales. Estimando con
un tamaño igual al número parámetros ya añadiendo una
unidad hasta llegar a la muestra total. Con las estimaciones se
generan estas series de coeficientes y residuos recursivos.

Si no existe cambio estructural, las sucesivas estimaciones de
los parámetros debieran mantenerse constantes y los residuos
no se desviarán mucho de cero.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Situándonos en la barra de herramientas del objeto MCO, vamos
a View/ Stability Diagnostics/ Recursive Estimates(OLS only)…
seleccionamos en la pantalla Recursive Coefficients y OK .
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Se observa que ninguna
presentan una evolución
constate en el tiempo(las
figuras se alejan de
mucho de la recta
horizontal) con lo que no
habrá estabilidad
estructural.

Que observa que la
mayor variación desde
1952 hasta 1971. Por lo
que el quiebre se
produce en 1971.
Estimación Recursiva de los Parámetros
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Nos muestran los errores de predicción de un periodo hacia
delante, calculando en cada periodo la estimación recursiva.
El gráfico se obtiene si nos situamos en el objeto MCO en la
barra de herramientas vamos View/ Stability Diagnostics/
Recursive Estimates(OLS only)…seleccionamos en la pantalla
Recursive Residuals y OK.
Residuos Recursivos
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Se observa que los residuos
varían alrededor del valor cero
con grandes saltos, sobre
todo en 1971 y 1987, llegando
a sobre pasar las bandas de
confianza lo que nos muestra
que no existe estabilidad
estructura en el periodo 1971.
Ausencia de estabilidad del
modelo en el año 1971 y
1987.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Estadísitico CUSUM
Es otra forma de detectar la estabilidad estructural, y se basa
en la suma acumulada de los residuos recursivos. El gráfico
se obtiene si nos situamos en el objeto MCO en la barra de
herramientas vamos View/ Stability Diagnostics/ Recursive
Estimates(OLS only)…seleccionamos en la pantalla CUSUM
Test y OK.


econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Se observa que el gráfico se
aleja de cada vez más hasta
llegar 1971, donde se
produce un fuerte alejamiento
continuamente del valor cero,
lo que demuestra que no hay
estabilidad en el modelo.
Inestabilidad del modelo en
el año de 1971.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Estadístico CUSUMQ
Es otra manera para detectar el quiebre estructura, su gráfico se
basa en la suma acumulada de los cuadrados de los residuos
recursivos. El gráfico se obtiene si nos situamos en el objeto MCO
en la barra de herramientas vamos View/ Stability Diagnostics/
Recursive Estimates(OLS only)…seleccionamos en la pantalla
CUSUM of Squarest Test y OK.

econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Se observa que el gráfico se
sale de las bandas de
confianza desde 1961 hasta
1971, donde comienza a
presentarse una alejamiento,
lo que nos dice que existe un
quiebre en 1971.
Inestabilidad del modelo desde
1961 hasta 1971(se sale de las
bandas).
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Nuestro modelo esta representado ahora por:
t
M Log M Log Dum RS Dum
RS GDP Log Dum GDP Log Dum M Log
c | | |
| | | o o
+ ÷ + ÷ +
+ + + + + =
)) 1 ( 1 ( )) 1 ( 1 ( * *
* )) ( * ( * ) ( * * ) 1 (
6 5 4
3 2 1 2 1
Se genera esta variable con el comando: Genr Dum=@year>=1971
Se puede apreciar que la única variable significativa que engloba a
las ficticias es la iteración Dum*RS.

Nota: También se puede optar el periodo de 1961-1971, por lo que se
tendría que utilizar Genr Dum=(@year<=1961) or (@year>=1971)
Para corregir este problema introduciremos variables Dummy o
Ficticias a nuestro modelo.
¹
´
¦
÷
0
1
:
si
Dum
t ≥ 1971
En el resto
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Por lo que nuestro nuevo modelo que lo llamaremos MCOF estará
estimado por MCO con variable Ficticias. Y puede estimarse:
Equation mcof.ls log(m1) c dum dum*log(gdp) log(gdp) Dum*rs rs
log(M1(-1))*Dum Log(m1(-1))
Se observa que la
significancia individual y
conjunta es muy adecuada,
un R cuadrado muy bueno
y DW muy cercado a 2, lo
que nos indica que nuestro
modelo ya es adecuado
para completar el cambio
estructural.
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Pronostico del Modelo
Con la estructura ARMA construimos el pronostico, pero antes
previamente modificaremos el rango de 1952Q1-1996Q4 a
1952Q1-2005Q4.
Para esto nos situamos en la barra de herramientas del Workfile y
seleccionamos Procs/ Structure/ Resize Current Page…
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Gráfico del Pronostico
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
La programación en EViews
Como ya mencionamos en la Guía positiva 49, uno puede hacer
uso del Program en EViews y programar todas las pruebas que
va utilizar.
Comenzaremos definiendo los operadores que son permitidos:
'Resta se representa(-) y la suma(+)
'El exponente (^)
'Multiplicación (*) y la división (/)
'Comparación (<,>,<=,>=,>)
'No igual o diferente (<>)
'Valor lógico Y (and).
' Valor lógico o (or).
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Podemos crear un Workfile con algunas pruebas y gráficas
con la instrucción:

wfcreate u 1 400
'Creación de variables independientes
Genr X1=10*rnd
Genr X2=-25*rnd
Genr X3=4+8*X2
Genr Y=4+10*X1+20*X2+30*X3+nrnd
'El modelo con perfecta colinealidad no es estimado por MCO
Equation Model.ls y c x1 x2 x3
'Creación de un modelo con colinealidad alta.
Genr X31=rnd
Genr Y=5+10*x1+20*x2+30*x31+nrnd
Equation Modelo2.ls Y x1 x2 x31
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
'Si evaluamos la serie por partes
'Gráficos y correlaciones cruzadas.
Group Data x1 x2 x3
Group Data2 x1 x2 x31
Show Data.scatmat
Show Data.cor
Show Data2.scatmat

Para importa una base de datos o ejecutar un la
programación a partir de un Workfile es necesario definir la
ruta donde se ubicar, por eso en el siguiente guía positivo
enseñaremos a definir la ruta donde EViews buscara los
archivos antes mencionados.

econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Doble Click rápido para cambiar la ruta
donde se tiene la base de datos(xls), los
programas de EViews( prg) y los
workfile(wf1)
En nuestro caso nosotros tenemos la base
de Excel (xls) que queremos importar al
EViews en el Disco D:\.
Nota: Tenemos que establecer la ruta exacta
donde esta el Excel o Workfile, por que si no
aparecerá un mensaje de error en el
programa.
Ruta definida para el EViews
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
'Definir el periodo cuatrimestral desde 1952:01 hasta 1996:04
Create q 1952:01 1996:04




'Importar las cuatro series desde el archivo de Excel_Comandos.XLS
'Que lea EViews desde B2(donde se ubicar el primer dato)
'Hasta la columna D(columna de finaliza los datos)
read(D,B2) Base_para_Comandos.Xls gdp pr m1 rs
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
'Crear grupo de variables llamada Datos con las variables GDP,
M1,RS y PR
Group Datos.GDP M1 RS PR





'Importa directamente los datos y variables de archivo de Excel,sin
necesidad de definir el periodo y las variables
wfopen "d:\Modelo Lineal General.xls"
econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Hacer Click en siguiente hasta finalizar y el lector podrá apreciar
que el tiempo aparece como una variable en el Workfile.

econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews






'Abre el texto de
programación a partir del
archivo creado prg. Que se
encuentra en el disco “d”.
open "d:\limites del
intervalo.prg"

econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
'Abre un cuadro de texto, previamente definido la ruta que en nuestro
caso es d:/
open datos.txt
'"ex" representa el exponente diez a la x. Ejemplo:
'Si queremos 2000 tenemos que digitar.
=2e3
'Si queremos 100
=1e2
'Si queremos un 0.03,tenemos que digitar:
=3e-2
'Donde e-x representa un diez a la menos x
'EViews tiene incorporado la regla de signo ejemplo:
=2--2

econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
'Resta se representa(-9 y la suma(+)
'El exponente (^)
'Multiplicación (*9 y la división (/)
'Comparación (<,>,<=,>=)
'No igual o diferente (<>)
'Valor lógico Y (and).
' Valor lógico o (or).

'Crea una variable ficticia apartir del periodo 1971
Genr Dum=(@year<=1971)
'Crea una variable ficticia para el intervalo 1961-1971
Genr Dum=(@year<=1961) or (@year>=1971)


econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Para finalizar este pptx vamos correr un programa que generara
un Workfile con el nombre ya_se_programar.






econobitacora@gmail.com; nakatabox@hotmail.com Econometría con EViews
Tenemos que activar Run para que se ejecute el programa

Nota: Todos los archivos
de EViews como la
programación.prg se
encuentra en el carpeta
Archivos de EViews

Introducción al EViews
El doble Click en el icono de EViews cierra el programa Menú Principal (Herramientas Generales) Área de Sintaxis de Comandos

Zona de presentación de contenidos y resultados
Mensaje de Bienvenida Archivo activo

Línea de Estado Barra de Estado de las aplicaciones

Mensaje de Bienvenida

econobitacora@gmail.com; nakatabox@hotmail.com

Econometría con EViews

Tipos de Objetos
Los objetos más usados en EViews son las series y ecuaciones, aunque existen otros tipos de objetos. Donde cada uno esta asociado a un icono que lo identifica y todo esto aparece en el Workfile.

econobitacora@gmail.com; nakatabox@hotmail.com

Econometría con EViews

com .Función View (Vista) Procs (Procedimiento) Objets (Objetos) Descripción Muestra la visualización de la serie. Activa procedimientos a aplicar a la serie. Muestra y oculta la etiqueta de la serie. Permite introducir un titulo al objeto tabla. Activa y desactiva el modo de edición de datos. Permite transformar la serie y generar una nueva variable. Cambia la visualización de la tabla de vertical a horizontal .(Edición) Smpl +/. Print (Imprimir) Name (Nombre) Freeze (Congelar) Edit +/.(Ancho) InsDel (Insertar) Title (Titulo) Imprime el gráfico o la serie. Econometría con EViews econobitacora@gmail. Inserta o borra objetos de la serie. Sample (Muestra) Genr (Generar) Cambia el periodo de muestra activo. Presenta los datos en periodos seleccionados o para el total del rango.(Etiqueta) Wide +/. Es el menú de almacenamiento y presentación del objeto.com.(Muestra) Label +/. Permite cambiar el nombre al objeto serie asignado. nakatabox@hotmail. Genera una tabla con el contenido actual.

com.Ramón Mahía (2001) “GUÍA DE MANEJO DEL PROGRAMA E-VIEWS” econobitacora@gmail.com Econometría con EViews . nakatabox@hotmail.

com.Ramón Mahía (2001) “GUÍA DE MANEJO DEL PROGRAMA E-VIEWS” econobitacora@gmail.com Econometría con EViews . nakatabox@hotmail.

com.com Econometría con EViews .Ramón Mahía (2001) “GUÍA DE MANEJO DEL PROGRAMA E-VIEWS” econobitacora@gmail. nakatabox@hotmail.

nakatabox@hotmail.Ventana del Workfile Ventana de Objeto abierto (Gráfico) Ventana de Objeto ecuación Base de datos prefijado Archivo activo Área de Mensaje econobitacora@gmail.com Econometría con EViews Directorio por defecto .com.

etc…) que quedarán almacenados en el tipo de fichero.com Econometría con EViews . nakatabox@hotmail.Creación de un Fichero de Trabajo con EViews Para comenzar a crear un fichero de trabajo debe iniciar por definir el tipo de datos (que serán mensual. seguidamente se tendrá que definir las variables a utilizar. que esta la base de datos esta puede ser: econobitacora@gmail. La ejecución de un nuevo fichero debe ejecutarse Como: File/New/Workfile… Seguidamente tendremos que definir el periodo de tiempo.com. semental.

Entonces la ventana debería quedar así si tomamos el ejemplo de esta guía positiva.com Econometría con EViews . Bimestral. Trimestral. Diariamente – Semana personalizada. Número de fecha.Estructura de Datos Corte Transversal Serie de Tiempo Data Panel Nombre archivo Nombre de trabajo Hoja Frecuencia Multi. nakatabox@hotmail. presentaremos una base de datos cuatrimestralmente de 1952 -1996. Días en horas y minutos. Quincenal.7 día. Anual. Cuatrimestral. Diariamente – 5 días Diariamente .com. Para fines pedagógicos. Semi-anual.Años. Cada 10 – días Semanalmente. econobitacora@gmail.

Directorio de Objetos econobitacora@gmail. nakatabox@hotmail.com Econometría con EViews .En las siguientes guía positivas enseñaremos a crear las variables regresoras. digital la base de datos y ha importar los datos si se tiene. Ventana de Titulo Barra de Herramientas Línea de Status. que presenta el rango y la muestra de rango.com.

Creación de Variables y Datos Para crear la base de datos hay que seguir la siguiente instrucción: Quick/Empty Group (Edit Series) Si nos ubicamos al costado de la celda obs podremos digitar la variable.!. nakatabox@hotmail.¿. que el nombre en EViews tienen un máximo de caracteres.*.com. econobitacora@gmail. @.com Econometría con EViews . Pero si permita “_ “ ejemplo (PBI_PC). no se permiten caracteres inválidos como:”. $. Hay que mencionar .Log(Argumento del programa). #.

Como en la mayoría de los programas integrados en el entorno Windows.Para nuestro ejemplo digitaremos la variables: GDP.com Econometría con EViews . M1 y RS. debemos tener la precaución de utilizar el formato de coma numérico adecuado. PR. podemos utilizar copiar (Ctrl+C) y pegar(Ctrl+V). y que en el caso del EViews es un punto. nakatabox@hotmail.com. econobitacora@gmail.

el copiado y pegado puede ser realizado. nakatabox@hotmail. por lo cual lo reemplazaremos por punto mediante: Inicio/Modificar/ Reemplazar… econobitacora@gmail. notaremos que existen comas en lo datos.Si tenemos los datos originales en un formato de tabla (como nosotros en Excel). de toda la base de datos.com.com Econometría con EViews . Si se presentara la coma en Excel esta será reemplazada de la siguiente manera: Si observamos el Excel.

nakatabox@hotmail.Una vez ya reemplazado las comas por punto. ya podremos copiar y pegar la base en EViews.com Econometría con EViews .com. econobitacora@gmail.

econobitacora@gmail.com. nakatabox@hotmail.com Econometría con EViews .

pondremos la base original. solo tiene que hacer 2 Click para ingresar al Excel y copiar la base al EViews. Si el usuario le interesa utilizar la base utilizada en esta presentación. nakatabox@hotmail. en la siguiente guía positiva.com. econobitacora@gmail.Después de pegar los datos.com Econometría con EViews . podemos guardar nuestra base de datos mediante un Click en Name por defecto aparece el nombre group01. nosotros lo cambiaremos y digitaremos Datos y seguidamente Intro.

377 137.349333 2.828667 M1: Medio Circulante 0.379333 2.2014442 130.175 94.083667 0.1975607 126.725 102.341 2.389 2.173 1.8143333 0.825 104.Base de Datos del Ejemplo OBS 1952:1 1952:2 1952:3 1952:4 1953:1 1953:2 1953:3 1953:4 1954:1 1954:2 1954:3 1954:4 1955:1 1955:2 1955:3 1955:4 1956:1 1956:2 1956:3 1956:4 GDP 87.036333 1.45 97.com Econometría con EViews .385 0.2 95.587 2.244 138.6 107.537 1.2099975 0.2010517 130.2161404 0.1981673 127.677667 GDP: Producto Domestico Bruto 0.021667 0.625 95.203841 131.2012459 128.64 0.891 1.55 95.471 138.861333 2.925 106.125 89.2056032 0.256333 1.207762 0.385 1.506 1.8696667 1.425 94.596667 3.875 112.047333 RS: Tasa a 3 meses del tesoro 0.375 138.993 139.675 109.2042913 0.053 138.512 1.627 134.875 94.252 136.923667 PR: Nivel de precio (GDP deflactor) 0.2034164 130.2133287 0.2027231 129.413 136.614333 1.2120478 0.2022359 131.204374 0.596667 2.486333 0.625 92.2062274 0.com.275 108.2170651 134. nakatabox@hotmail.36375 100.125 PR M1 RS 0.202667 0.875 88.087 0.075 94.063667 Solo 2 Click rápidos para ingresar a la base de datos de EXCEL econobitacora@gmail.2001787 129.

Una vez realizado esto la instrucción es: File/Import/Read… econobitacora@gmail.Importar Datos de Excel Primero tenemos que convertir la hoja de Excel 2010 o 2007 en 2003. Para que se pueda extraer la data con facilidad. nakatabox@hotmail.com.com Econometría con EViews .

Una vez seleccionado nuestro archivo de Excel.com Econometría con EViews . solo basta hacer Click en Abrir para que aparezca la siguiente ventana: econobitacora@gmail.com. nakatabox@hotmail.

nakatabox@hotmail. Econometría con EViews econobitacora@gmail. Desde que celda (B2) se comenzara a seleccionar los datos a la derecha.Datos ordenados Los datos están ordenados en columnas. Nombre de hoja Si la hoja de calculo tiene varias hojas de datos hay que nombrar que hoja se quiere seleccionar.com .com. Nota: Recordemos que importar datos es un método alternativo a digitar o copiar y pegar datos. Nombre de las series o nombres de la variables. Importar la muestra desde que periodo. Los datos están ordenados en filas.

En donde en el menú name guardaremos la base con el nombre datos (es el mismo procedimiento que la guía positiva número 17). Si queremos guardar la base en EViews. nakatabox@hotmail.com.Después de importar los datos el Workfile queda como se muestra en la ventana superior. para luego con un Click derecho dirigirse a Open/as Group. econobitacora@gmail. solo tenemos que seleccionar las variables creadas con en Ctrl+Click.com Econometría con EViews .

econobitacora@gmail. Después de repasar los supuesto que debe cumplir el Modelo Clásico lineal ya estamos listo para la estimación de este o la “corrida” como usualmente se le suele llamar. nakatabox@hotmail.com Econometría con EViews .Conocimiento Previo Antes del Aplicar MCO Antes del aplicar el MCO es necesario repasar los supuestos más importantes del modelo y sus principales propiedad deben cumplirse.com.

nakatabox@hotmail. σ^2. εt ~ N(0 . econobitacora@gmail.I) →El error tiene una distribución Normal. E(εt.com.El Modelo Lineal General (MLG) Yt = βXt + εt supuestos del modelo E(Yt/Xt) = α + Xt β → El modelo puede representarse. ρ(X) = k → X es fija y de rango (Txk) completo (no perfecta multicolinealidad) El error presenta una matriz de varianza y covarianza: E(εε΄) = E(ε^2) =Var(ε) Homoscesdasticidad.εs) = 0 no autocorrelación.εs) = Cov(εt.com Econometría con EViews .

Propiedades de MCO Es no paramétrico.com. nakatabox@hotmail.com Econometría con EViews . Es insesgado E(β΄)=β Eficiente (Varianza mínima) Consistente plim(β΄) Ejemplo : El modelo que vamos a estimar Ln ( M 1t )    1 * Ln (GDPt )   2 * RS   3 * Ln ( PRt )   t econobitacora@gmail. Es lineal en los parámetros.

El Estimador de MCO: Minimiza la suma de cuadrados del residuo

Min ; 2 Y  X  Y  X 

ˆ   X  1 XY   X
Y11  Y  YTx1   21       YT 

X Txk

 X 11 X 12  X 1t  X X 22  X 2t     21          X T 1 X T 2  X Tk 

ˆ Y  X  ˆ Y  X   1 2 ˆ ˆ Var  Cov(  )   2  XX     ˆ ˆ nk nk
econobitacora@gmail.com; nakatabox@hotmail.com
Econometría con EViews

Estimación con EViews
EViews nos permite estimar MCO por tres métodos que son equivalentes. 1. Uso de Comandos: LS log(m1)=C(1)+C(2)*log(gdp)+C(3)*rs+C(4)*log(rs) O Equation Ecuacion_1.LS log(m1) c log(gdp) rs log(rs) 2. Ventana de Dialogo: Quick/Estimate Equation/… Escribir la ecuación con el método seleccionar muestra. 3. Creación de Ecuación: Objects/New Object /Equation. Se activa una ventana de dialogo igual al caso uno.

econobitacora@gmail.com; nakatabox@hotmail.com

Econometría con EViews

Primer Método de Estimación:
Coeficientes βi

Desviación estándar de βi

econobitacora@gmail.com; nakatabox@hotmail.com

Econometría con EViews

com Econometría con EViews . econobitacora@gmail. Por defecto EViews utiliza mínimos cuadrados ordinarios. Selección del periodo o muestra.Segundo Método de Estimación: Escribir la ecuación a estimar que también puede escribirse como: log(m1) C log(gdp) rs log(pr) Selección del método de estimación . nakatabox@hotmail.com. LS-Least Quares .

Tercer Método de Estimación: econobitacora@gmail.com. nakatabox@hotmail.com Econometría con EViews .

De esta forma ya almacenado no tendremos que estimar de nuevo la ecuación . econobitacora@gmail.com Econometría con EViews .com.Guardando la Estimación: Como en los pasos anteriores guardaremos la estimación haciendo Click en el menú name y digitando como nombre de nuestra corrida ecuacion_1. nakatabox@hotmail.

46 * Ln (GDPt )  0. GDP y PR. los coeficientes representan la elasticidad demanda por circulante.46%.com Econometría con EViews .69%.02703 * RS  0.69  0.Estimación de Parámetros y Prueba estadísticas Los coeficientes estimados por MCO. por ultimo la constate se interpreta que para valores nulos de RS.56%.027% y si el nivel de precios (PR) aumenta en 1% la demanda por circulante aumenta en 0. Ln ( M 1t )  3. la probabilidad que aumente el circulante es de 3. Para nuestro caso utiliza utilizar series en logaritmo. Si el producto doméstico bruto (GDP) aumenta en 0. Su interpretación depende la de naturaleza de la variable del modelo. nakatabox@hotmail. si la tasa de interés (RS) aumenta en un punto porcentual.563 * Ln ( PRt )   t econobitacora@gmail.com.46% la demanda de dinero aumenta en 0. el circulante disminuye en 0.

nakatabox@hotmail. t-Statistic: Valor del estadístico t. cuando se incluye un nuevo regresor.Error: Error estándar de los coeficientes estimar. econobitacora@gmail. bajo la hipótesis individual que las variables (H0: βi =0).com Econometría con EViews .STD. Indica que la variable contribuye a explicar la variable endógena. Prob: Si los Valores son superiores al 5% (α=5%) no se rechaza la hipótesis nula y la variable exógena no sirve para explicar el modelo. SE.Con t-k grados de libertad. Of regression: Sum suared resid: ˆ ˆ  Y  X  Y  X  SCE    ˆˆ ˆ ˆ SCR  Y Y  Y  X  Y  X  Log likelihood: Representa el valor de la función de verosimilitud en los parámetros. Adjusted R-squared: Permite medir el incremento neto de R cuadrado.com. útil para la interpretación del ratio de verosimilitud. R squared: Es el R cuadrado de la ecuación y representa el porcentaje de la variabilidad de la variable dependiente explicad por la variable independiente.

D depent var: Representa la cuasidesviación típica de la muestra. Mean depent var: Representa la media la variable dependiente. estos criterios nos dan información de la capacidad explicativa del modelo y permite realizar comparaciones de los modelos analizados. H0 : β1 =β2 =β3 =βi Prob(F-statistic): Mide la probabilidad de cometer el erro tipo I .T-k-1. Criterios de Información: Son el Akaike info criterion y Schwarz criterion. F-statistic: Es el estadístico que esta asociado a la hipótesis conjunta de que los parámetros asociados son iguales a cero ( excepto el intercepto).Durbin-Watson stat: Sirve para contrastar la hipótesis de incorrelación entre perturbaciones aleatorias frente a la presencia de autocorrelación. S.com.com Econometría con EViews . econobitacora@gmail. Se calcula con la distribución F de Snedecor Fk-1. nakatabox@hotmail.

En simples palabras diremos que el área de comando actúa como una calculadora científica. Para ejecutar un comando hay que situarse en el área de sintaxis y escribir la sentencia completa del comando. Veamos ejemplos de cómo usar el área de comandos: econobitacora@gmail.Antes de empezar a calcular los intervalo de confianza para los parámetros. Vamos a introducirnos en el uso de comandos en EViews.com Econometría con EViews . nakatabox@hotmail. donde se pueden realizar transformaciones (algebraicas o estadísticas) a la variables para luego obtener los resultados. para luego pulsar la tecla Intro para ejecute dicho comando.com. y cuyos resultados se irán almacenando en el Workfile. Comando en EViews En el área de comandos podremos escribir y ejecutar los diferentes comandos.

com El escalar se grabo como “t” Econometría con EViews . para que sea almacenado como un escalar.5 Si necesitamos el número de observaciones de la regresión digitaremos: =@regobs y si queremos guardar este datos en el archivo de trabajo digitamos Scalar. nakatabox@hotmail.com. Debemos digitar en el área de comandos =(5^2-3)/4 El área de mensaje nos da el resultado a la operación que es 5.Si queremos realizar la operación de 5 al cuadro menos 3 entre 4. econobitacora@gmail. entonces tenemos que digitar primero el escalar un nombre como T igual al comando y Intro.

seguido de @coefs. y queremos guardar el Workfile con el nombre de Coef.Si hacemos doble Click sobre “t” la ventana muestra el valor de 180 observación que se usaron para la regresión. Se guarda la matriz con el nombre Coef.com Econometría con EViews . econobitacora@gmail. por que es una matriz de coeficientes. Si queremos usar los valores de los coeficientes de la regresión hay que digitar Matrix. nakatabox@hotmail.com.

Presentaremos sus comandos más usados en Econometría: Tipo de Función Distribución Acumulada (CDF) Densidad o probabilidad Inversa de CDF Generador del Número Aleatorio Empieza con el Nombre @c @d @q @r econobitacora@gmail.com Econometría con EViews .com.También se pueden obtener mediante los comandos distribuciones que se utilizan tanto Estadística como en Econometría. nakatabox@hotmail.

v). econobitacora@gmail. @qfdist(p. @dnorm(x).v.v1. @rnorm. @dtdist(x. @dfdist(x.v1) @cnorm(x).v).v1. @rtdist(v) Densidad/Función de probabilidad F-distibución Normal(Gaussian) T-Student´s v.v).v). X: Es el α / 2 o X (valor calculado) p: Probabilidad de confianza. @dchisq(x. @rchisq(v) @cfdist(x. nrnd @ctdist(x.v2). @rfdist(v1. @qtdist(p. @qchisq(p. @qnorm(p).com Econometría con EViews .v).v2: Son los grados de libertad.Distribución Chi-square Función @cchisq(x.com.v).v1. nakatabox@hotmail.v2).v1.v2).

20) y Intro.31 * Estos ejercicios como las tablas estadísticas se puede obtener de: Antunez Irgoin.H (2010). Cesar. Edición gratuita en: http://www. proporciona comoo resultado 22.shtml econobitacora@gmail. Proporciona como resultado -1.05.com Econometría con EViews .com/trabajos-pdf4/tablas-estadisticas-econometria/tablas-estadisticas-econometria.* El comando a digitar es: =@qtdist(0.15) y Intro.Si queremos obtener la probabilidad acumulada de la t-Student del 5% de significancia con 20 grados de libertad.com.90. nakatabox@hotmail. El comando a digitar es: =@qchisq(0.725 Si queremos obtener la probabilidad acumulada de la t-Student del 10% de significancia con 15 grados de libertad.monografias.725 por simetría 1. “Tablas estadísticas para Econometría”.

nakatabox@hotmail. Arco seno. Número aleatorio entre cero y uno. Función tengente. Econometría con EViews econobitacora@gmail. Raíz cuadrada.com. Log(X) exp(X) o @exp(X) Abs o @abs(X) Sqr o @Sqr(X) @sin(X) @cos(X) @asin(X) @acos(X) @tan(X) rnd Logaritmo natural. Valor absoluto │X│. Función exponencial e^x.com . Función Seno Función Coseno.Los comandos más usados en EViews son: Funciones Genr Descripción Genera directamente una operación entre variables. Arco coseno.

Criterio de Información del Akaike Matrix de Covarianza de i. Covarianza entre x e y. Producto cruzado de x e y. La F-estadística La probabilidad de la F-estadística Econometría con EViews econobitacora@gmail.j) Número de observaciones de X.y) @aic @coefcov(i.Funciones nrnd Descripción Número aleatorio con media cero y varianza uno.j @coefs(i) @dw @f @fprob Valor del coeficiente “i” en la regresión. @obs(X) @se @ssr Cross(x. Suma de cuadrados de los residuos. El estadistico Durbin-Watson de la regresión.y) @cov(x. Error estándar de la regresión. nakatabox@hotmail.com .com.

R-cuadrado. nakatabox@hotmail. La J-estadística para la función de GMM . El valor de la función de probabilidad de log . R-cuadrado ajustado.Funciones @hq @jstat @logl @meandep @ncoef @r2 @rbar2 @coefcov @regobs @schwarz Descripción Criterio de Información de Hannan-Quinn . Matriz de coeficientes El número de observaciones en la regresión.com . El valor de la t-estadística para el coeficiente “i” de la regresión. Media de la variable dependiente el número de coeficientes estimados. Econometría con EViews econobitacora@gmail. El criterio de información de Schwarz.com. @sddep @stderrs(i) @tstats(i) La desviación normal de la variable dependiente El error normal para el coeficiente “i” de la regresión.

com.com . Descripción El vector de valores del coeficiente.Funciones @coefcov @coefs @stderrs @tstats @transpose(X) @smpl @updatetime @obs(y) @det(X) @eigenvalues @fillledmatrix(3. La descripción de la muestra usó para la estimación. nakatabox@hotmail.2.1) Matriz de coeficientes . Crea un vector con los valores propios de la matriz simétrica Crea una nueva matriz de 3 filas y 2 columnas con todos los elementos igual a 1. Número de observaciones de la muestra. La representación del cordón del tiempo y fecha a que la ecuación fue estimada. Se utiliza para determinar la transpuesta de X. vector de errores normales para los coeficientes. Crea un escalar que contiene el determinante de X. Econometría con EViews econobitacora@gmail. El vector de valores de la t-estadística para los coeficientes.

s]) Descripción Variable ficticia de tendencia.s]) @stdev(x[.Funciones @trend.s]) Sym @min(x[.y[.com Econometría con EViews . econobitacora@gmail. Desviación estándar de la serie X. @var(x[. nakatabox@hotmail.s]) @max(x[.s]) @sum(x[. Mínimo valor de la serie X. Media para la serie X. @trend(n) @cor(x. Covarianza entre X e Y.s]) @mean(x[.s]) Varianza de la serie X. Máximo de la serie X. Suma de la serie X.com. Crea una matriz simétrica.

de la matriz “k”. econobitacora@gmail. nakatabox@hotmail. Ahora que ya sabemos usar el área de comandos vamos a calcular el intervalo de confianza para los parámetros del modelo. después por comandos de EViews y seguidamente para comprobar los resultados lo formaremos con Excel.com Econometría con EViews . Crea un nuevo escalar que contiene la traza de la matriz “M” Crea una variable ficticia. Primero lo haremos manualmente.com.Funciones @identity(i) @inverse(X) @rank(k) @trace(M) @seas(n) Descripción Crea una matriz identidad de dimensión “i” Crea una nueva matriz que es la inversa de una matriz no singular X. Crea un nuevo escalar con rango.

44817 econobitacora@gmail. nakatabox@hotmail.035261  0.688873  1.97353* 0.com.18023 0.197519 3.677873 0.02703  1.257734 0.001550 0.03009 0.023972 0.97353* 0.97353* 0.563022  1.457723  1.Intervalo de Confianza para los Parámetros Estimados ˆ ˆ i  t / 2.38813 -0.527311 -0.T k 1 * Si 3.com Econometría con EViews .97353* 0.058196 Limite Superior Limite Inferior 4.

econobitacora@gmail. nakatabox@hotmail.com Econometría con EViews . Digitaremos cada línea y haremos un Intro para ejecutar el comando.com.El intervalo mediante EViews son los comandos que aparecen en el lado derecho. Hay que mencionar que “ „ “ son solo comentarios no se ejecutan. el usuario es libre de ponerlo o no.

nakatabox@hotmail.com Econometría con EViews . para que calcule los intervalos de confianza para los parámetros.Usando el Program de EViews Aunque mas adelante explicaremos como usarlo. econobitacora@gmail.com. Una vez en la nueva ventana digitaremos todos los comandos. diremos que podemos correr los resultados mediante la creación del programa para lo cual iremos a: File/New/Program.

com. econobitacora@gmail.Este se ejecutará haciendo Click en Run.com Econometría con EViews . nakatabox@hotmail. podemos guardar la programación con un Click en el menú save.PRG Este programa se ejecutará siempre que el archivo workfile(wf1) este en la misma carpeta que el archivo de programación(prg) generado. con el nombre que deseamos este tendrá por extensión.

para esto nos situamos en la parte inferior de la hora y fecha y activamos el menú Edit +/Digitamos el nombre que queremos poner y listo Vamos a someter a comprobación los resultados en Excel.Podemos editar el nombre de LS. econobitacora@gmail.com.com Econometría con EViews . nakatabox@hotmail.

Comprobando los Resultados en Excel
Vamos hallar la probabilidad de una t-Stundent en Excel

Instrucción a seguir en Excel

econobitacora@gmail.com; nakatabox@hotmail.com

Econometría con EViews

Podemos comprobar que los resultados obtenidos en Excel son los mismo que se obtuvieron de forma manual y mediante los comandos de EViews.

econobitacora@gmail.com; nakatabox@hotmail.com

Econometría con EViews

Test de Normalidad
Uno de los problema más frecuentes al trabajar con variables es saber si tienen distribución Normal. Pues no se puede aplicar los Test estadísticos si la muestra no es normal, en ese caso se trabajaría con pruebas no paramétricas, o se puede graficar las variables para tener una idea de la forma y de esta manera poder hacer las transformaciones del caso, para que tengan una distribución normal. EViews tiene incorporado varias pruebas para analizar la normalidad. Recordemos que para asumir normalidad del modelo solo basta que los errores de este sean normales para asumir la normalidad de dicho modelo.
Test de Jarque – Bera Prueba de Normalidad (Quantile - Quantile) El Diagrama de Caja
econobitacora@gmail.com; nakatabox@hotmail.com
Econometría con EViews

com Econometría con EViews . nakatabox@hotmail.2) Si el JB es menor 5.99 no se rechaza la hipótesis nula econobitacora@gmail. Jarque .99 ( 5%. H1 : εt no se aproxima a una distribución Normal.Bera se formula: T: Tamaño de muestra 2 T  k  2 K  3  JB  K: Es la kurtosis S   6  4  S: Es la asimetría k: Número de regresoras Regla de Decisión: JB   2  5.com.Test de Jarque – Bera Aplicando la prueba al error del modelo se tiene la hipótesis de decisión: H0 : εt se aproxima a una distribución Normal.

El JB es menor que 5. Econometría con EViews .39%(mayor 5%) de no rechazar Ho. La kurtosis tiende a tres lo que nos da indicios de normalidad de los errores.com.Abrir con doble Click Resid ir a View/ Descriptive Statistics & Tests / Histogram and Stats La asimetría tiende a cero. lo que nos da indicios de normalidad.99 entonces no se rechaza Ho.com Existe una probabilidad de 12. econobitacora@gmail. nakatabox@hotmail.

pero si los puntos están muy dispersos y la mayoría esta fuera de la recta. nakatabox@hotmail.com.Quantile en opciones seleccionar Theoretical econobitacora@gmail.com Econometría con EViews . entonces se concluye que no existe normalidad.Quantile) Para que exista normalidad en los residuos los puntos deberán estar a lo largo de la recta. La instrucción en EViews es doble Click en Resid ir a View/ Graph… y en especificación seleccionar Quantile .Prueba de Normalidad (Quantile .

com. econobitacora@gmail. nakatabox@hotmail.com Econometría con EViews .Como se puede apreciar los puntos están sobre la recta entonces podemos decir que la variable Resid (Error) tiene una distribución normal.

además el intercuartil tiene como extremos el percentil 75 y el percentil 25. Donde la caja encierra el rango intercuartil que encierra el 50% de los valores y tiene una media dibujada dentro.Diagrama de Caja Si en el gráfico la media esta en medio de la caja y los “bigotes” tiene la misma distancia a la caja se acepta la normalidad de la variable.com.com Econometría con EViews . nakatabox@hotmail. los cuartiles y valores extremos. Instrucción en Views es abrir Resid con doble Click ir a View/Graph/ Seleccionar la especificación Boxplot. Como sabemos este gráfico se basa en la media. econobitacora@gmail.

nakatabox@hotmail. entonces Resid tiene una distribución normal.com.Como se observa en el gráfico la media esta en la mitad de la caja y los “bigotes” tiene igual distancia a la caja.com Econometría con EViews . econobitacora@gmail.

nakatabox@hotmail.com Econometría con EViews .Test Estadísticos sobre los Coeficientes EViews tiene tres pruebas sobre los coeficientes del modelo y estas son: Pruebas de Restricción de Coeficientes: Esta prueba se basa en la prueba de Wald.com. que puede ser individual (H0: βi = 0) o grupal (H0: β1 = β2 =… βk =0) En la ventana de la ecuación ir a View/Coefficient Diagnostics/Wald TestCoefficient Restrictions…En la ventana de dialogo se escriben las restricciones entre comas si existen más de una ejemplo: H0 : C(2)+C(3)+C(4) = 0 econobitacora@gmail.

0. S R( X X ) R ( Rb  q)   2 W  ( Rb  q) 2 1   1 F ( q=1. econobitacora@gmail. Por lo que se rechaza H0 q: Número de restricciones.com.com Econometría con EViews .T=180. nakatabox@hotmail.95) Existe una baja probabilidad 0% de no rechazar la hipótesis nula.

elo restringido (εt). econobitacora@gmail. ( t/  t   s/  s ) / q F  F( q.com.T k )  s/ s /(T  k ) Pruebas de Variables Omitidas: Nos da una idea si una lista de variable adicional podría mejorar el modelo. En el cuadro de dialogo se escriben las variables a omitir (caso: PDG). nakatabox@hotmail.com Econometría con EViews .Contraste de restricciones lineales: Esta Prueba utiliza el estadístico “W” y el “F “ para contrastar los residual del modelo sin restringir (εS) y los del mod. Si nos situamos en el cuadro de la ecuación y nos dirigimos a View/Coefficient Diagnostics /Omitted Variables Test-Likelihood Ratio.

nakatabox@hotmail. H1 : La variable GDP es una variable significativa para el modelo (C(2)≠ 0). Por lo que La variable GDP es significativa para el modelo econobitacora@gmail.com Econometría con EViews .com. Como la probabilidad es menor del 5%.H0 : La variable GDP es no significativa para el modelo por lo que C(2)=0. se rechaza la hipótesis nula.

C(4)≠0) Como la probabilidad (F-statistic)es menor del 5%.com Econometría con EViews . H1: GDP y RS son significativas conjuntamente (C(2). se rechaza la hipótesis nula. econobitacora@gmail. nakatabox@hotmail. Por lo que La variable GDP y PR son significativa para el modelo.com.Si queremos probar si GDP y PR son redundantes par el modelo H0: GDP y RS son redundantes para el modelo.

Con una baja probabilidad de 0 % (menor α=5%) no se acepta la hipótesis nula. Por lo que la variable RS no es redundante para el modelo.Pruebas de Variables Redundantes: Prueba si la exclusión de una lista de variable podría mejor el ajuste del modelo. H1 : La variable RS no es redundante para el modelo . nakatabox@hotmail. En cuadro de la ecuación nos dirigimos a View/Coefficient Diagnostics / RedundantVariables Test-Likelihood Ratio… En el cuadro de dialogo se escriben las variables a omitir (caso: RS) H0 : La variable RS es redundante para el modelo. econobitacora@gmail.com Econometría con EViews .com.

se mantiene un buen ajuste R cuadrado alto.com.com Econometría con EViews . nakatabox@hotmail. Por lo que en términos empíricos hay que definir los limites de tolerancia de colinealidad. una prueba “F” significativa y “t” bajo para variables que presentan multicolinealidad. econobitacora@gmail.Multicolinealidad La multicolinealidad en el Modelo Lineal General se presenta cuando las variables independientes presentan alto nivel de correlación. Siguiendo a Klein en su versión de correlación indica un alto grado cuando: rX i X j  RY RY : Es la raíz cuadrada del coeficiente de determinación Multicolinealidad Perfecta : ρ (X‫׳‬X) < k Multicolinealidad imperfecta : ρ (X‫׳‬X) = k / X‫׳‬X / ≈ 0 Consecuencias: Es el incremento de los errores estándar de la prueba “t” .

* Análisis de la matriz X‫׳‬X (es o no una matriz singular). La multicolinealidad no quiere decir que se esté rompiendo alguno de los supuestos. nakatabox@hotmail. lo que disminuiría el RY .8 ó 0. econobitacora@gmail. Pues no afecta la capacidad predictiva conjunta de las variables y. La multicolinealidad es un problema que no esta bien definido.Detección: Análisis de la matriz de correlaciones. Algunos autores recomiendan correlaciones mayores 0.com.com Econometría con EViews . Por lo 2 que no existe un limite a partir del cual el RY se le considere como multicolinealidad.85 indica la presencia de colinealidad (pero estos valores son un poco cuestionados). Un intento por disminuir la varianza podría ser eliminar uno de los 2 regresores. Suprimir las variables más culpables con justificación estadística y económica. por lo tanto la capacidad predictiva.

com. tenemos que situarnos en la ventana de objeto ecuación par ir al menú Pros/Make Regressor Group en la nueva ventana de objeto de grupo donde aparecen todas las variables debemos ir: View/Principal Components… en la nueva ventana ir a Calculation y en Type seleccionar: Correlation por el method: Ordinary luego Aceptar.Para ver la matriz de correlaciones en EViews. nakatabox@hotmail. econobitacora@gmail.com Econometría con EViews .

Sym mcorrel=@cor(datos2) y Intro. econobitacora@gmail.com Econometría con EViews . Crear un objeto grupo que contiene a las variables regresoras (gdp. En el área de comando tipiamos : Group datos2 gdp rs pr y Intro.com. rs y pr). Matriz de correlaciones almacenada en el fichero.En el objeto correlación utilizamos Freeze para congelar la imagen y en la nueva ventana hacemos Click en name para guardarla con el nombre de correlation. nakatabox@hotmail.

Podemos apreciar una alta correlación lineal entre: Cor[Log(PR).Log(GDP)] = 0.y digital Matriz de Correlaciones.992475 Por que la correlación se aproximan a uno. solo tenemos que ubicarnos en la segunda fila y activar Edit+/. también por la regla de Klein.Con doble Click en mcorrel abrimos la ventana de correlacione.com Econometría con EViews . econobitacora@gmail.com. En el cuadro de comandos digitamos: Scalar detcor=@det(mcorrel) y Intro. nakatabox@hotmail. podemos editar la etiqueta de mcorrel .

Para ver el valor de la determinarte nos situamos sobre el objeto escalar y hacemos doble Click. Para de esta manera un objeto escalar que pueda hallar el determinante de la matriz de correlaciones. econobitacora@gmail.com Econometría con EViews .com.scatmat „Pide a EViews que muestre el gráfico de correlaciones de las variables del grupo datos2. Si queremos apreciar la correlación lineal que existe entre gdp y pr digitemos en el área de comandos: Show datos2.En el cuadro de comandos digitamos: Scalar detcor=@det(mcorrel) y Intro. El valor que se muestra es 0. nakatabox@hotmail.00668 que es cercano a cero lo que es un indicativo que existe multicolinealidad imperfecta.

4 PR 0. GDP RS PR 8 4 0 1.8 0.500 1.2 Correlación positiva entre PR y GDP.500 2. econobitacora@gmail.000 1.000 500 0 16 12 Podemos apreciar claramente la correlación que existe entre la variable Producto Domestico Bruto (GDP) y Nivel de precio (PR).0 0 500 1.0 0.com Econometría con EViews .8 1.000 1.4 0.2.000 GDP 0 4 8 RS 12 16 0. nakatabox@hotmail.2 0.com.

com Econometría con EViews . nakatabox@hotmail.Test de Farrar-Glauber: Test de Ortogonalidad H0 : Las Xi son ortogonales entre si H1 : Las Xi no son ortogonales entre si (Existe multicolinealidad) 2k  5   FG   T  1  ( ) * Log R    k2( k 1) / 2 6   k: Número de variables explicativas R: Matriz de correlaciones simples. Los comandos a ejecutar o el programa a crear es el siguiente para el test: econobitacora@gmail.com.

com Econometría con EViews .com. entonces se comprueba la presencia de 'de multicolinealidad de alto grado Podemos aplicar el test línea por línea o usar el mismo principio que la guía positiva 49. nakatabox@hotmail. para aplicar la prueba. econobitacora@gmail.@columns(x)*(@columns(x)-1)/2) 'Como el valor es menor que el 5%. entonces se comprueba la presencia de multicolinealidad de alto grado.'Prueba de Farrar .Glauber: Test de Ortogonalidad 'Crear una base de datos con la variables regresoras Group Base gdp pr rs Matrix X=Base Matrix R=@cor(x) 'Calcular el valor de Farrar-Glauber Scalar F_G=-(@rows(x)-1-((2*@columns(x)+5)/6)*log(@det(R))) 'Valor de tabla Scalar Prob_Tabla=@Chisq(@abs(F_G). Como el valor de la probabilidad es menor que el 5%.

Comprobando los Resultados por Excel econobitacora@gmail.com Econometría con EViews .com. nakatabox@hotmail.

econobitacora@gmail. de modo que en lugar de plantear el modelo con las variables en dólares corrientes lo expresamos en dólares constantes de un año base. Las transformaciones más usadas son la primera diferencia D(x). Soluciones a la Multicolinealidad Imperfecta La primera solución rápida es eliminar las variables causantes (lo que puede causar que “el remedio sea peor que la enfermedad”). Una tercera solución es dividir las variables del modelo por el deflactor del consumo. Para finalizar la soluciones es disminuir el tamaños de muestra.com Econometría con EViews . en un intento de presentar correlaciones lineales más bajas. nakatabox@hotmail.com.Si analizamos la significación de estas dos variables que están correlacionadas notaremos que son significativas para el modelo. Segunda solución es transformar las variables o aumentar la muestra.

nakatabox@hotmail.) el deflactor de precios(PR) del modelo entonces la nueva estimación usando los comando: Equation Ecuacion2.gdp rs gdp „No se aprecia relación lineal en el gráfico de rs y gdp show datos3.scatmat Doble Click en el objeto de datos3 después ir a View/Principal Components y OK en la nueva ventana nos da la matriz de correlaciones del grupo3.ls Log(M1) c Log(GDP) RS „Estable el nuevo grupo que contiene rs gdp Group datos3.com.En nuestro caso corregimos la multicolinealidad suprimiendo(justificación estadística y económica. O puede usar el comando: Matrix crm=@cor(datos3) Se puede apreciar que no existe altas correlaciones econobitacora@gmail.com Econometría con EViews .

com Econometría con EViews .com. econobitacora@gmail. nakatabox@hotmail.La nueva estimación sin problemas de multicolinealidad.

econobitacora@gmail. rezagos de política.εs)= 0 t≠s Sus efectos son: la los estimadores por MCO de β son insesgados por ineficientes (varianza no es la mínima) e inconsistentes reduciendo la probabilidad de hacer pruebas de hipótesis.com Econometría con EViews . Este problema y la heteroscedasticidad origina que las perturbaciones no sean esféricas.Autocorrelación Es un caso particular de Mínimos Cuadrados Generalizados(MCG) que se produce cuando los errores del modelo presentan correlaciones entre ellas (esto puede deberse a efectos inerciales del pasado como la inflación. etc…). Por lo que la matriz de varianzas y covarianzas de las perturbaciones sean distintas a cero. especulación. una crisis mundial.com. nakatabox@hotmail. Violación del supuesto: E( εt.

Solución: Reparametrizar el modelo y determinar el componente autorregresivo.com.V.* *Urcisino Carrascal. nakatabox@hotmail.com Econometría con EViews . S. Utilización de datos manipulados. Existencia de efectos de proximidad entre las observaciones. Yolanda Gonzales y Beatriz Rodríguez (2001).A. “Análisis Econométrico en EViews”. existencia de relaciones dinámicas no recogidas en el modelo o formulación de una relación funciona lineal incorrecta. pp: 262 econobitacora@gmail. de C. Causas Posibles de Autocorrelación Errores de especificación por la omisión de variable(s) relevantes. ALFAOMEGA Grupo Editor.

 t )   s  0  Autocovarianza  E ( 2 )   2 s  0   t  Coeficientes de Autocorrelación Cov( t  s .com Econometría con EViews .-2... nakatabox@hotmail. 1  T 1    0  1   T 1   1   0   T 2  2  1 1  T  2      Var( t )  E ( t .1.com..  t ) s r   Var ( t  s )Var ( t ) 0 s  0.Planteamiento Formal  Yt  xt    t  E ( t  s .  t/ )   1                   T 1  T 2   0  T 1 T 2  1    Se utilizará MCG o reparametrizados de los coeficientes de autocorrelación para estimar los parámetros econobitacora@gmail.

econobitacora@gmail. Fitted.com Econometría con EViews . Para eso ir barra de herramientas de la ecuación 2.Desde el mismo objeto ecuación podemos visualizar la serie de los residuos frente al tiempo. aunque no se observa una senda de signos continuamente alternada. Fitted. nakatabox@hotmail.com. View/ Actual.Residual/ Actual.Residual Graph Se puede apreciar que los residuos no se comportan de forma totalmente aleatoria.

nakatabox@hotmail.com Econometría con EViews . econobitacora@gmail. hay que ir al menú principal luego Quick/ Show… luego digitar Resid(-1) Resid y la ventana View/ Graph… y en especificación Scatter.com.Gráfico de  t frente  t 1 Para ver los residuos frente a los residuos retardados.

Nota: Los gráficos de los residuos de mínimos cuadrados no son definitivos para determinar la autocorrelación en el modelo.com Econometría con EViews .com. I Cuadrante III Cuadrante econobitacora@gmail.Se puede apreciar en el gráfico que la mayoría de los puntos se encuentran en el primer y tercer cuadrante. lo que nos lleva a pensar la existencia de autocorrelación de tipo AR(1) con coeficiente positivo. nakatabox@hotmail.

com. * Presenta zonas de indeterminación econobitacora@gmail.com Econometría con EViews . lo que nos da sospecha que nuestro modelo tiene problemas de autocorrelación de orden uno. Crítica: * Sólo es valido para la autocorrelación de la perturbación autorregresiva de orden uno AR(1). * Requiere de una muestra mínima de 15. Si el DW ≈ 2 no existe autocorrelación positiva. nakatabox@hotmail.  Yt  xt    t  t   t 1  ut Ho :  0 no existe autocorrelación de primer orden 2 t DW   (ˆ t 2 T   t 1 ) ˆ t 2 ˆ t 1 T  2(1   ) Nuestro DW obtenido en la estimación 2 es 0. DW > 2 existe sospechas de una autocorrelación negativa y si DW < 2 existe sospechas de una autocorrelación positiva.Test de Durbin-Watson: Somete a prueba la autocorrelación de Primer orden AR(1). para obtener resultados fiables. El valor del DW se puede apreciar en la ventana de resultados (Guía Positiva 79).1520.

664 y dU = 1.H (2010).El valor del estadístico Durbin – Watson (DW) es 0.com.664 El parámetro autorregresivo.152 < 1. Los valores críticos del DW son dL = 1. “Tablas estadísticas para Econometría”. econobitacora@gmail.152. por lo tanto hemos encontrado evidencia significativa a favor de la existencia de un coeficiente de autocorrelación residual positiva. * El valor de tabla se puede apreciar en : Antunez Irgoin. Como el T=180 no hay en tabla se tuvo que interpolar el valor a su valor más próximo.monografias. se puede estimar de forma aproximada utilizando la relación: 0.923983 ˆ ˆ 2 Los valores de DW. han sido tomados de una tabla estadística de Durbin – Watson con intercepto*.com Econometría con EViews . pp: 5. Cesar. nakatabox@hotmail. debido 0.com/trabajos-pdf4/tablas-estadisticas-econometria/tablas-estadisticas-econometria. Edición gratuita en http://www.152033 DW  2(1   )    1   0. esta interpolación como su valor inferior y superior se puede apreciar en la siguiente guía positivas.7662. p.shtml.

nakatabox@hotmail.com Econometría con EViews .Watson econobitacora@gmail.com.Interpolación del Durbin .

Prueba de Breusch . al permitir que la hipótesis alternativa tenga procesos estocásticos más generales de orden p AR(p) o medias móviles de orden q MA(q).   r  0 LM  TR 2 econobitacora@gmail.   r  0 (ausencia de Autocorrelación) AR (r) o MA (r) H1 : 1   2  .Godfrey Es un contraste más general que el DW..com... nakatabox@hotmail. y se puede utilizar en variables endógenas retardadas..com   r2 Econometría con EViews .   r  t  r  ut H 0 : 1   2  .. Yt  xt   t  t  1 t 1   2 t  2  ..

com. nakatabox@hotmail. Con un AR(1) el modelo presenta un DW =1. econobitacora@gmail.66 que es cercado a dos.Prueba: En la ventana objeto ecuación 2 ir al menú View/Residual Diagnostics/ Serial Correlation LM Test… digitar 1 rezagos (Lags) Por tener una probabilidad muy baja 0% (menor de 5%) se rechaza la hipótesis nula de incorrelación. Por lo que el modelo presenta autocorrelación de 1 orden AR(1).com Econometría con EViews .

econobitacora@gmail.Prueba: En la ventana objeto ecuación 2 ir al menú View/Residual Diagnostics/ Serial Correlation LM Test… digitar 2 rezagos (Lags) La probabilidad p =0%. nakatabox@hotmail.805 que es muy cercado a dos. por lo que se rechaza la hipótesis nula.com.com Econometría con EViews . H 0 : 1   2  0 H1 : 1   2  0  t  1 t 1  1 t  2  ut Con un AR(2) el modelo presenta un DW =1.

Test de Ljung – Box y Box – Pierce Este test utiliza el coeficiente de correlación simple y sólo puede ser aplicado cuando el conjunto de variables explicativas son todas exógenas.com . r Test Box . nakatabox@hotmail.com.Pierce: 2 2 Q  T  ri   r i 1 Ljung presenta un refinamiento a la formula anterior: r ri 2 Q  T (T  2)   r2 i 1 T  i ri : Es el coeficiente de autocorrelación simple ri   t 1 T t 1 T t i t  t2  Econometría con EViews econobitacora@gmail.

nakatabox@hotmail... En el cuadro de dialogo que aparece seleccionamos sin transformar (Level) y el número de rezagos 24 (Lag Specification) econobitacora@gmail.com Econometría con EViews .com.Correlograma Es otra forma de identificar la autocorrelación de orden p. En la objeto ecuación 2 ir al menú View/ Residual Diagnostics/Correlogram – Q – stadististics.

Las banda esta del correlograma están representada por : 2 2   T 180 = ± 0.  t  1 t 1  ut  AR (1) econobitacora@gmail.1490712 los valores que sean iguales o mayor ha este valor nos indicara el orden de AR(p).com. 1  0 2  0 Como los coeficientes de Autocorrealción están fuera de las bandas se rechaza la hipótesis nula ( H 0 : 1  0 ).com Econometría con EViews . nakatabox@hotmail.

estas variables ayudaron a perfeccionar el modelo dando solución al problema de autocorrelación de los errores en el modelo. nakatabox@hotmail. Comando: LS log(M1) c log(gdp) RS AR(1) AR(2) Luego.com El coeficiente de AR(2) presenta una probabilidad de 49.2% de no rechazar H0. Por lo que no es significativo no se considera AR(2) y el modelo presenta solo AR(1) Econometría con EViews .com. considerando de que el error esta en función del mismo error pero rezagado hasta el segundo periodo. econobitacora@gmail.Corrección de la Autocorrelación Introduciremos el componente autorregresivo al modelo estimado. se incorporo una variable autorregresiva de 1er orden y otra variable autorregresiva de 2do orden.

com Econometría con EViews .Vamos a estimar el modelo sin autocorrelación con el comando: Equation MLG. nakatabox@hotmail.LS log(M1) C log(gdp) RS AR(1) econobitacora@gmail.com.

Vamos a estimar un modelo alternativo que nos ayudara a realizar las pruebas para la estimación recursiva. econobitacora@gmail.LS log(M1) C log(gdp) RS log(M1(-1)) El DW es casi 2 por lo que nuestro modelo llamado MCO no presenta problemas de autocorrelación. Con el comando Equation MCO. Este modelo como el modelo anterior no presente el problema de autocorrelación.com Econometría con EViews . nakatabox@hotmail.com.

La varianza del estimador por MCO no es mínima. nakatabox@hotmail.com.Heteroscedasticidad La heteroscedasticidad significa que la varianza de las perturbaciones no es constante a lo largo de las observaciones.com Econometría con EViews . 2 2 violando un supuesto básico del modelo ( E( )   i ). Solución Reparamétrizar el modelo para encontrar la ley de formación de la varianza para cada periodo. Como veremos a continuación EViews tiene incorporado varias pruebas para detectar la heteroscedasticidad de los errores. Consecuencias Una perdida de eficiencia de los estimadores mínimos cuadrados. econobitacora@gmail.

para explicar el comportamiento de la varianza y poder extraer su ley. Breusch y Pagan . ii) Representación gráfica de del cuadrado de los errores con cada uno de los regresores. iv) Prueba general de Goldfeld y Quant. White. nakatabox@hotmail. econobitacora@gmail. iii) Representación gráfica de residuos estimados versus la variable dependiente proyectada o tras variables conocidas.Supuesto Formal Detección de Heteroscedasticidad  12 0  0    2 0 2  0  Var( t )  E ( t .  t/ )        2  0 0  T    Este análisis se basa en los residuos i) Representación grafica del valor absoluto de los errores con cada uno de los regresores.com.com Econometría con EViews .

nakatabox@hotmail.Para representar los residuos con los residuos predicho. vamos a calcular los valores predichos desde el objeto resultado MCO.forecast LogM1f econobitacora@gmail. activamos → Forescast Nuestra predicción se guardará en el Workfile con el nombre LogM1f.com. Este pronostico también se puede realizar con el comando: MCO.com Econometría con EViews .

econobitacora@gmail. esto nos da indicciones de una buena predicción.Predicciones de la Variable Dependiente Este es una representación de una predicción dinámica desde el período 1952:Q1 hasta 1996:Q4. en este caso es 0. nakatabox@hotmail.com.com Econometría con EViews .002955. sin embargo debemos verificar el valor de el coeficiente de Theil que debe ser cercano a 0.

nakatabox@hotmail.com Econometría con EViews . econobitacora@gmail.Para detectar qué variables son responsables de la posible heteroscedasticidad realizaremos los gráficos de residuos.com. para esto del menú principal seleccionamos Quick/Graph…/Scatter.

nakatabox@hotmail. econobitacora@gmail.Gráfica de Log(M1f) y Resid Parece que LogM1f presenta una estructura aleatoria.com.com Econometría con EViews .

econobitacora@gmail. nakatabox@hotmail.com.com Econometría con EViews .Gráfica de Log(GDP) y Resid Si fuera GDP es la variable que produce La heteroscedasticidad   i   2  i2   2 ( Log(GDP))2    Log(GDP)    2 Parece que Log(GDP) no presenta una estructura aleatoria por que forma una recta.

nakatabox@hotmail. econobitacora@gmail.Gráfica de RS y Resid Parece que RS presenta una estructura aleatoria.com Econometría con EViews .com.

h  1. nakatabox@hotmail. La probabilidad de Log(GDP) es significativa al 99% por lo que existe heteroscedasticidad econobitacora@gmail.Contraste de Glejer Este contraste se basa en la estimación de los residuos del modelo et por MCO con la siguiente regresión: Z i  Variable que produce  t  d0  d1Zih  ri la heteroscedasticidad.com Econometría con EViews . -1 ó 1/2 Donde d1 =0 que es lo mismo que contrastar la hipótesis de homoscedasticidad en el modelo inicial.com.

Para graficar Abse con cada regresora y lo misma para Cuadre. Nota: Par más detalle de este procedimiento diríjase a la guía positiva 102.com Econometría con EViews . econobitacora@gmail. menú principal seleccionamos Quick/Graph…/Scatter. nakatabox@hotmail.Si en el cuadro de comando digitamos: Genr Cuadre=resid^2 Genr Abse=@abs(resid) Generado ya las variables pasaremos a graficar primero abse con cada regresora.com.

t econobitacora@gmail.com.Gráfica de Abse y GDP En el gráfico podemos apreciar que la dispersión del valor absoluto de los errores crece medida que aumenta GDP.com Econometría con EViews . nakatabox@hotmail. lo que nos da indicio de una posible heteroscedasticidad con esta variable.

nakatabox@hotmail. lo que muestra que no existe heteroscedasticidad con esta variable. t econobitacora@gmail.com Econometría con EViews .com.Gráfica de Abse y RS En el gráfico podemos apreciar que la dispersión aleatoria de la tasa (RS).

Gráfica de Cuadre y GDP En el gráfico podemos apreciar que la dispersión creciente del cuadrado de los errores a medida que aumenta GDP. nakatabox@hotmail.  t2 econobitacora@gmail.com.com Econometría con EViews .

 t2 econobitacora@gmail.com.Gráfica de Cuadre y RS En el gráfico podemos apreciar que la dispersión aleatoria del cuadrado de los errores a medida que aumenta RS.com Econometría con EViews . nakatabox@hotmail.

com.Quandt  i2   2 ) H0 : Existe Homoscedasticidad ( 2 H1 : Existe Heteroscedasticidad ( i  g ( x ji ) ) Donde g(. nakatabox@hotmail. se eliminan las 59 (r < 180/3) centrales formando dos grupo donde el primer grupo tiene de 1 hasta 59 y el segundo grupo 119 hasta 179. Omitir r observaciones intermedia (r < T/3)  Los dos grupos tiene tamaño (T-r)/2 En nuestro caso tenemos 180 observaciones. econobitacora@gmail. después de ordenar las observaciones del modelo (se ordena las observaciones de todas la variables mediante la ventana de Workfile activamos Procs/Sort Current Page en el nuevo cuadro de dialogo introducimos la variable LogM1f y ordenamos Ascendentemente).com Econometría con EViews .) es función monótona.Prueba de Goldfeld .

El procedimiento a seguir en EViews es el siguiente: econobitacora@gmail.com Econometría con EViews . nakatabox@hotmail.com.

Primer Grupo

Segundo Grupo

Generamos el escalar en el cuadro de comandos: Scalar se1=@se para el primer grupo y la desviación del error para el segundo grupo Scalar se2=@se observamos cual de las dos desviaciones es la mayor por que dividiremos la mayor desviación entre la menor en el cuadro de comandos, en nuestro caso es Se2 (0.03167) es mayor a Se1(0.0148). En el cuadro de comando generamos el estadístico: Scalar F=(se2/se1)^2, que si revisamos el valor del objeto F, que tiene como valor de 4.554
econobitacora@gmail.com; nakatabox@hotmail.com
Econometría con EViews

Para rezar o no la hipótesis nula necesitamos del estadístico F, por lo que crearemos este estadístico en el cuadro de comandos.

F( s

2

/ s1 ) 2 ;(T r ) / 2;(T r ) / 2

Scalar prob=(1-@cfdist(f, 59, 59)) El resultado nos da una probabilidad muy baja de 0.00000000140947% (menor del 5%). Por lo que se rechaza la hipótesis nula de Homoscedasticidad de la varianza. Una solución habitual en este tipo de problemas es considerar el esquema de la varianza como:

Var( i )   2 x 2 ji
econobitacora@gmail.com; nakatabox@hotmail.com
Econometría con EViews

Prueba de White
Este contraste es el más general por que no especifica concretamente la heteroscedasticidad. H 0 :  i2   2 No existe Heteroscedasticidad

H1 : no se verifica H 0
White sin termino cruzado (no cross terms)

 t2  0  1x1i  2 x2i   11x2  22 x2  12 x1i x2i  ui ˆ
1i 2i

i  1 N

Esta prueba es similar a MCG que considera los residuos del cuadrado como variable dependiente. 2 LM  T * R 2   2 k White con termino cruzado (cross terms) La varianza toma forma general en función de regresores al cuadrado y de su producto cruzado
econobitacora@gmail.com; nakatabox@hotmail.com
Econometría con EViews

t xkt  ui ˆ H o : 1     k    11    kk  12    k 1.com Econometría con EViews . t2  0  1x1i   k xkt  11x2   kk x2  12 x1t x2t   k 1.com. nakatabox@hotmail. econobitacora@gmail.k  0 1k kt 2 LM  T * R 2   2 k Aplicando la Heteroscedasticidad en EViews En el objeto ecuación 2 (es el nombre de nuestra ecuación) pulsamos View/Residual Test/Specification White (no cross terms) No lo seleccionamos para no incluir termino cruzado.k xk 1.

se rechaza la hipótesis nula.com.60% (menor que 5%).Con un probabilidad no significativa 4.com Econometría con EViews . econobitacora@gmail. por lo tanto la varianza no es constante y existe heteroscedasticidad en el modelo. nakatabox@hotmail.

Formas de Corregir la Heteroscedasticidad Para solucionar la heteroscedasticidad es necesario realizar Mínimos Cuadrados Generalizados (MCG). Si se conoce la estructura de la varianza entonces se puede aproximar a  i2  f ( zi ). 2 2 2 2 2 2 La estructura más habituales de la varianza son: i   x ji .com Econometría con EViews . y La matriz de varianza y covarianza resulta: i econobitacora@gmail. f : Es una función cualquiera.com.  i    x ji . i   x ji  i2  e ( z '  ) . z i: Vector de variables que incluye una o varias variables exógenas de los regresión. nakatabox@hotmail.

com.com Econometría con EViews . 2 2 Si la estructura de la varianza es  i   x ji el modelo puede transformarse dividiendo sus términos por x1/ 2 para luego estimarlo: ji yi k  1 2     t x jt x jt x jt x jt x jt econobitacora@gmail. nakatabox@hotmail. x j1 0 0 x j2     0 0  0  0       x jT    y  x 21 0 j  0 x 22 j     0 0      2   x jT      0 0  Por lo que MCG coincide con MCO utilizando como ponderador los valores 1 / x ji y 1/ x 2 que son loe inversos de los elementos de la diagonal de la ji matriz Σ.

nakatabox@hotmail. econobitacora@gmail.En general para resolver este problema es conveniente tomar logaritmos.com. Para detectar las formas funcionales mas comunes de la varianza se puede seguir las formas:  t     x ji  ut  t     Lnx ji  ut t     x ji  ut 2 Se toma el que presenta R más elevado.com Econometría con EViews .

com.  t/ )             2  0 0  T   0    0 2  0 0   0  VV       T    Modelo transformado sin problemas de Heteroscedasticidad Yt  xt   vt    MCO  X  X   1 X Y  econobitacora@gmail.Mínimos Cuadrados Ponderados(MCP) Modelo con problemas de Heteroscedasticidad  Yt  xt    t V : Ponderador  12 0  0   1    2 0 2  0   0 E ( t . nakatabox@hotmail.com Econometría con EViews .

econobitacora@gmail. Se estima el modelo por MCO con variables transformadas. Establecer la forma del error (ε) al cuadrado (ε′=f(z)) utilizando el procedimiento de White. nakatabox@hotmail. Transformar las variables (Y.com.1 /  1 0  0    0 1/  2  0  V 1           0  1/  T   0   V : Ponderador Pasos para Minimos Cuadrados Ponderado (MCP) Estimar β por MCO ignorando H.com Econometría con EViews . x) dividiendo las por la estimación del paso anterior (ponderación).

nakatabox@hotmail. Resultado 1 Resultado 2 econobitacora@gmail. tendremos que estimar las formas funcionales descritas en la guía positiva 121.com Econometría con EViews .En el objeto resultado hacemos Click en options y podemos dejar que el programa por defecto (default) incorpore la estimación.com. Para incorpora el factor de ponderación. De los cuales se eligiera el que tenga mayor R cuadrado.

com. nakatabox@hotmail.com Econometría con EViews .Resultado 3 Resultado 4 Resultado 5 Resultado 6 econobitacora@gmail.

com.com Econometría con EViews . El resultado 4 (guía. econobitacora@gmail. El resultado 4 y 5.p anterior) presenta una varianza residual de la forma:  i2   2 ( Log (GDP )) Lo que nos permite estimar el modelo con heteroscedasticidad por Mínimos Cuadrados Ponderados. nakatabox@hotmail. Incorporaremos como factor de ponderación a la inversa de la de la varianza (Variance) y en Weight (ponderación) establecemos 1/Log(GDP). siendo indiferente elegir cualquiera de los dos factores.Como podemos apreciar en la guía positiva anterior el mayor R cuadrado lo presentan.

com Econometría con EViews . Ha mejorado el R cuadrado y la significancia. Estadística ponderada Estadística sin ponderar econobitacora@gmail.Resultados por MCP Se observa que el ajuste ponderado es bueno y los parámetros estimados difieren levemente de los obtenidos antes de corregir la heteroscedasticidad.com. nakatabox@hotmail.

com.com Econometría con EViews . T  T 1  2 ˆW  X X    t XX ( X X )1  T k  t 1  Corrección de Newy – West (HAC Consistente Covariances): ˆ  NW  T ˆ X X 1 ( X X ) 1 T k Corrige la matriz de Var–Cov de los parámetros estimados por heteroscedasticidad y autocorrelación.Corrección de la Heteroscedasticidad Corrección de White: Corrige la matriz de Var – Cov por heteroscedasticidad. nakatabox@hotmail. econobitacora@gmail.

com Econometría con EViews . nakatabox@hotmail.com. econobitacora@gmail.q   T T 2 v  ˆ     t XX    1   q  1  X t  t X tv  X t v t v t X    T  k  t 1 v 1      q: Representa un número Introo q  4(T / 100 ) 2 / 9 Estimación en EViews En el objeto estimación 2 hacemos Click en estimate y luego en options Hay que mencionar que los resultados que no cambian con cualquiera de las dos pruebas solo cambia los errores estándar que se corregirán.

com Econometría con EViews .Resultados de Corrección de White Se observa que el ajuste ponderado es bueno y los parámetros estimados difieren levemente de los obtenidos antes de corregir la heteroscedasticidad. nakatabox@hotmail.com. Ha mejorado el R cuadrado. la significancia y el DW es casi 2 por lo que tampoco existe problema de autocorrelación. econobitacora@gmail.

com Econometría con EViews .Resultados de Corrección de Newey . econobitacora@gmail.com. la significancia y el DW es casi dos por lo que no existe problema de autocorrelación.West Se observa que el ajuste ponderado es bueno y los parámetros estimados difieren levemente de los obtenidos antes de corregir la heteroscedasticidad. nakatabox@hotmail. Ha mejorado el R cuadrado.

pp: 239 econobitacora@gmail. …. ALFAOMEGA Grupo Editor.Tk) y se pretende contrastar si sus varianzas son iguales. Este tipo de contraste es particularmente interesante cuando se analiza cambios estructurales o cuando los datos de los que se dispone son tales que permiten su agrupación en grupos internamente homogéneos.Test de Barlett Este test trata de un caso trata de muestras recogidas de distintas poblaciones (T1. S. 2 H 0 :  12   2     k2 2 H1 :  12   2     k2 Homoscedasticidad Heteroscedasticidad ¤ Urcisino Carrascal. Yolanda Gonzales y Beatriz Rodríguez (2001). “Análisis Econométrico en EViews”.¤ Si tenemos K grupos y en cada grupo existen homoscedasticidad 2 (todas las observaciones del grupo k-ésimo tiene igual varianza  h ) Donde T son las observaciones dentro de grupo k.com. nakatabox@hotmail.V.A.com Econometría con EViews . T2. de C.

com Econometría con EViews . econobitacora@gmail.Barlett(1954) asume distribuciones normales. Si nos ubicamos en el objeto datos entonces hay que ir a View/ Test of Equality…y en la ventana que aparece seleccionamos Variance y OK. nakatabox@hotmail. por que no se tiene distintas muestras para nuestro ejemplo. Solo nos interesa saber donde esta esta prueba en EViews. Nota: Este test se aplica con fines explicativos.com.

por lo que se rechaza la hipótesis nula de homoscedasticidad entre diferentes grupos.com Econometría con EViews . econobitacora@gmail.Podemos apreciar que la probabilidad es muy baja (0%) tanto en Barlett como en Levene.com. nakatabox@hotmail.

Versión preliminar. nakatabox@hotmail.* *Fuente: Antunez Irgoin. sobre una población normal. es decir que los datos constituye la realización de un proceso ruido blanco con media de cero entonces el contraste a realizar será: La hipótesis es: H0 :   0 H1 :   0 (El modelo presenta intercepto) (El modelo no tiene intercepto) El estadístico de Distribución: t yt S 2 y  t(1 / 2.com.T 1) T 1 Si el estadístico obtenido es menor que el de tabla entonces no se rechaza la hipótesis nula.Determinación del Intercepto Si los datos de la seria analizada proceden de un muestre aleatorio. Econometría con EViews econobitacora@gmail.H "Series de Tiempo en Econometric View".com . Cesar.

com 445 .com.Si ubicamos el mouse en M1 y hacemos Click derecho se muestra Open.975.0064 (334 . donde se muestra la ventana datos.179) Econometría con EViews . donde seleccionamos: View/ Descriptive Statistics & Test/ Simple Hypothesis Test t  SY econobitacora@gmail.8315 ) 180  1 2  t( 0. nakatabox@hotmail.

com Econometría con EViews . nakatabox@hotmail. econobitacora@gmail. menor de 5% entonces se rechaza la hipótesis nula y se dice que el modelo presenta intercepto.com.Como la probabilidad de no rechazar H0 es casi 0%.

estimación y la formulación de un conjunto de hipótesis. por lo que es conveniente someter al modelo a diversas pruebas que permitan comprobar su validez y eficacia. En este procedimiento inicial que requiere de distintas alternativas. econobitacora@gmail. se puede incurrir en errores. Existen diferentes pruebas en EViews para la especificación y diagnostico relativas a la especificación de la parte simétrica del modelo y a las propiedades que debe cumplir la perturbación aleatoria. nakatabox@hotmail.Contraste de Especificación y Diagnostico del Modelo Cuando se construye un modelo econométrico se comienza por la especificación. antes de utilizarlo.com Econometría con EViews .com.

com. La hipótesis nula (estabilidad estructura) y alternativa (cambio estructural) se expresan en términos de parámetros: 1 2  0   0   1  2  1   1  H0 :          1 2     k   k  econobitacora@gmail. nakatabox@hotmail. H 0: Existe estabilidad estructural en el modelo.Test de Chow Este contraste consiste en comprar si las últimas observaciones muéstrales disponibles presente cambio respecto a las anteriores. En este nuestro caso vamos a estudia la existencia un quiebre en 1986.com 1 2  0   0   1  2  1   1  H1 :          1   2   k  k  Econometría con EViews . H 1: Existe un comportamiento distinto en cada grupo.

lo que generará una partición de dos submuestras de 1952 a 1985 y otra de 1986 a 1996.Para analizar la estabilidad del modelo nos situamos en la ecuación estimada seleccionamos de la barra de herramientas View/ Stability Diagnostics/ Chow Breakpoint Test… En el cuadro de dialogo se deben escribir los o fechas en los que ocurre el cambio estructural en nuestro ejemplo escribiremos 1986. econobitacora@gmail.com Econometría con EViews .com. nakatabox@hotmail.

com. por que dicha probabilidad es muy pequeña (casi nula). nakatabox@hotmail.com Econometría con EViews . Por tanto concluimos que en nuestro modelo se produce un cambio estructural en el cuarto trimestre de 1986. econobitacora@gmail. Valor de probabilidad menor que 5% por lo que se rechaza la hipotesis nula.El valor de F nos indica el rechazo de la hipótesis nula de estabilidad estructural.

H 0: El modelo esta bien especificado. le aplicaremos la prueba de Ramsey.Test de Ramsey Para saber si nuestras variables regresoras cumplen bien con explicar el modelo. H 1: El modelo no este bien especificado. nakatabox@hotmail.com. Algunas de las formas más usuales son: econobitacora@gmail. Lo principal es la forma en la que se encuentra los parámetros en la ecuación.com Econometría con EViews . La alternativa para tratar la no linealidad consiste en transformar el modelo. pues mediante logaritmos o exponentes se puede convertir en lineales.

com Econometría con EViews . t econobitacora@gmail.e  . xt .x  . nakatabox@hotmail.Tipo Inversa Exponencial Función 1 Yt     . t Log (Yt )  Log ( )   xt   t Log (Yt )    xt   t Log (Yt )  Log ( )   ( Logxt )   t Crecimiento Potencia Yt  e  xt  t Yt   .com.xt*   t Yt   .   t xt Forma Lineal Yt     .

com.com Econometría con EViews .Para esta prueba utilizaremos el objeto resultados MCO y vamos a View/ Stability Diagnostics/ Chow Ramsey RESET Test… Y tomando una sola potencia para variables endógenas ajustada econobitacora@gmail. nakatabox@hotmail.

59% (p>5%.Notemos que. Es decir que las variables regresoras cumplen con el objetivo de explicar bien el modelo.com.com Econometría con EViews .por lo no se rechaza la hipótesis nula). nakatabox@hotmail. econobitacora@gmail. Por lo tanto no se puede rechazar la hipótesis nula de que el modelo está bien especificado. la probabilidad asociada al F estadístico del test de Ramsey RESET es igual a 57.

Comprobando el Resultado en Excel econobitacora@gmail.com.com Econometría con EViews . nakatabox@hotmail.

Estimación Recursivas Es la técnica más adecuada cuando no se conoce el momento del cambio estructural. las sucesivas estimaciones de los parámetros debieran mantenerse constantes y los residuos no se desviarán mucho de cero.com Econometría con EViews . Si no existe cambio estructural. Con las estimaciones se generan estas series de coeficientes y residuos recursivos. Estimando con un tamaño igual al número parámetros ya añadiendo una unidad hasta llegar a la muestra total.com. nakatabox@hotmail. Se basa en la estimación secuencial del modelo para distintos periodos de muéstrales. econobitacora@gmail.

com Econometría con EViews .Situándonos en la barra de herramientas del objeto MCO.com. vamos a View/ Stability Diagnostics/ Recursive Estimates(OLS only)… seleccionamos en la pantalla Recursive Coefficients y OK . nakatabox@hotmail. econobitacora@gmail.

Estimación Recursiva de los Parámetros Se observa que ninguna presentan una evolución constate en el tiempo(las figuras se alejan de mucho de la recta horizontal) con lo que no habrá estabilidad estructural.com Econometría con EViews .com. Por lo que el quiebre se produce en 1971. Que observa que la mayor variación desde 1952 hasta 1971. nakatabox@hotmail. econobitacora@gmail.

nakatabox@hotmail.com. econobitacora@gmail. calculando en cada periodo la estimación recursiva.Residuos Recursivos Nos muestran los errores de predicción de un periodo hacia delante.com Econometría con EViews . El gráfico se obtiene si nos situamos en el objeto MCO en la barra de herramientas vamos View/ Stability Diagnostics/ Recursive Estimates(OLS only)…seleccionamos en la pantalla Recursive Residuals y OK.

Se observa que los residuos varían alrededor del valor cero con grandes saltos. econobitacora@gmail. sobre todo en 1971 y 1987. llegando a sobre pasar las bandas de confianza lo que nos muestra que no existe estabilidad estructura en el periodo 1971. nakatabox@hotmail. Ausencia de estabilidad del modelo en el año 1971 y 1987.com.com Econometría con EViews .

com Econometría con EViews .Estadísitico CUSUM Es otra forma de detectar la estabilidad estructural. El gráfico se obtiene si nos situamos en el objeto MCO en la barra de herramientas vamos View/ Stability Diagnostics/ Recursive Estimates(OLS only)…seleccionamos en la pantalla CUSUM Test y OK.com. econobitacora@gmail. y se basa en la suma acumulada de los residuos recursivos. nakatabox@hotmail.

econobitacora@gmail. lo que demuestra que no hay estabilidad en el modelo.com.com Econometría con EViews . Inestabilidad del modelo en el año de 1971.Se observa que el gráfico se aleja de cada vez más hasta llegar 1971. nakatabox@hotmail. donde se produce un fuerte alejamiento continuamente del valor cero.

nakatabox@hotmail.Estadístico CUSUMQ Es otra manera para detectar el quiebre estructura. su gráfico se basa en la suma acumulada de los cuadrados de los residuos recursivos.com Econometría con EViews .com. econobitacora@gmail. El gráfico se obtiene si nos situamos en el objeto MCO en la barra de herramientas vamos View/ Stability Diagnostics/ Recursive Estimates(OLS only)…seleccionamos en la pantalla CUSUM of Squarest Test y OK.

Se observa que el gráfico se sale de las bandas de confianza desde 1961 hasta 1971. donde comienza a presentarse una alejamiento.com. nakatabox@hotmail.com Econometría con EViews . Inestabilidad del modelo desde 1961 hasta 1971(se sale de las bandas). econobitacora@gmail. lo que nos dice que existe un quiebre en 1971.

1  si t ≥ 1971 Dum :  En el resto 0 Nuestro modelo esta representado ahora por: Log(M 1)  1   2 * Dum  1 * Log(GDP)   2 * ( Dum * Log(GDP))  3 * RS   4 Dum * RS  5 Dum * Log(M 1(1))  6 Log(M 1(1))   t Se genera esta variable con el comando: Genr Dum=@year>=1971 Se puede apreciar que la única variable significativa que engloba a las ficticias es la iteración Dum*RS. nakatabox@hotmail. Nota: También se puede optar el periodo de 1961-1971.com Econometría con EViews .Para corregir este problema introduciremos variables Dummy o Ficticias a nuestro modelo.com. por lo que se tendría que utilizar Genr Dum=(@year<=1961) or (@year>=1971) econobitacora@gmail.

nakatabox@hotmail.com Econometría con EViews .ls log(m1) c dum dum*log(gdp) log(gdp) Dum*rs rs log(M1(-1))*Dum Log(m1(-1)) Se observa que la significancia individual y conjunta es muy adecuada. Y puede estimarse: Equation mcof.com. un R cuadrado muy bueno y DW muy cercado a 2. lo que nos indica que nuestro modelo ya es adecuado para completar el cambio estructural. econobitacora@gmail.Por lo que nuestro nuevo modelo que lo llamaremos MCOF estará estimado por MCO con variable Ficticias.

com.Pronostico del Modelo Con la estructura ARMA construimos el pronostico.com Econometría con EViews . pero antes previamente modificaremos el rango de 1952Q1-1996Q4 a 1952Q1-2005Q4. nakatabox@hotmail. Para esto nos situamos en la barra de herramientas del Workfile y seleccionamos Procs/ Structure/ Resize Current Page… econobitacora@gmail.

com Econometría con EViews .Gráfico del Pronostico econobitacora@gmail. nakatabox@hotmail.com.

' Valor lógico o (or). uno puede hacer uso del Program en EViews y programar todas las pruebas que va utilizar. econobitacora@gmail.La programación en EViews Como ya mencionamos en la Guía positiva 49.com.com Econometría con EViews . nakatabox@hotmail.<=. Comenzaremos definiendo los operadores que son permitidos: 'Resta se representa(-) y la suma(+) 'El exponente (^) 'Multiplicación (*) y la división (/) 'Comparación (<.>) 'No igual o diferente (<>) 'Valor lógico Y (and).>.>=.

Podemos crear un Workfile con algunas pruebas y gráficas con la instrucción:
wfcreate u 1 400 'Creación de variables independientes Genr X1=10*rnd Genr X2=-25*rnd Genr X3=4+8*X2 Genr Y=4+10*X1+20*X2+30*X3+nrnd 'El modelo con perfecta colinealidad no es estimado por MCO Equation Model.ls y c x1 x2 x3 'Creación de un modelo con colinealidad alta. Genr X31=rnd Genr Y=5+10*x1+20*x2+30*x31+nrnd Equation Modelo2.ls Y x1 x2 x31
econobitacora@gmail.com; nakatabox@hotmail.com
Econometría con EViews

'Si evaluamos la serie por partes 'Gráficos y correlaciones cruzadas. Group Data x1 x2 x3 Group Data2 x1 x2 x31 Show Data.scatmat Show Data.cor Show Data2.scatmat Para importa una base de datos o ejecutar un la programación a partir de un Workfile es necesario definir la ruta donde se ubicar, por eso en el siguiente guía positivo enseñaremos a definir la ruta donde EViews buscara los archivos antes mencionados.
econobitacora@gmail.com; nakatabox@hotmail.com
Econometría con EViews

Doble Click rápido para cambiar la ruta donde se tiene la base de datos(xls), los programas de EViews( prg) y los workfile(wf1)

En nuestro caso nosotros tenemos la base de Excel (xls) que queremos importar al EViews en el Disco D:\. Nota: Tenemos que establecer la ruta exacta donde esta el Excel o Workfile, por que si no aparecerá un mensaje de error en el programa.

Ruta definida para el EViews
econobitacora@gmail.com; nakatabox@hotmail.com
Econometría con EViews

nakatabox@hotmail.com.Xls gdp pr m1 rs econobitacora@gmail.B2) Base_para_Comandos.XLS 'Que lea EViews desde B2(donde se ubicar el primer dato) 'Hasta la columna D(columna de finaliza los datos) read(D.'Definir el periodo cuatrimestral desde 1952:01 hasta 1996:04 Create q 1952:01 1996:04 'Importar las cuatro series desde el archivo de Excel_Comandos.com Econometría con EViews .

nakatabox@hotmail.'Crear grupo de variables llamada Datos con las variables GDP. M1.sin necesidad de definir el periodo y las variables wfopen "d:\Modelo Lineal General.RS y PR Group Datos.com.xls" econobitacora@gmail.com Econometría con EViews .GDP M1 RS PR 'Importa directamente los datos y variables de archivo de Excel.

nakatabox@hotmail.com Econometría con EViews .com. econobitacora@gmail.Hacer Click en siguiente hasta finalizar y el lector podrá apreciar que el tiempo aparece como una variable en el Workfile.

prg" econobitacora@gmail.com Econometría con EViews . Que se encuentra en el disco “d”. nakatabox@hotmail.com. open "d:\limites del intervalo.'Abre el texto de programación a partir del archivo creado prg.

03. =2e3 'Si queremos 100 =1e2 'Si queremos un 0.com.'Abre un cuadro de texto. nakatabox@hotmail. previamente definido la ruta que en nuestro caso es d:/ open datos.com Econometría con EViews .txt '"ex" representa el exponente diez a la x. Ejemplo: 'Si queremos 2000 tenemos que digitar.tenemos que digitar: =3e-2 'Donde e-x representa un diez a la menos x 'EViews tiene incorporado la regla de signo ejemplo: =2--2 econobitacora@gmail.

<=.com Econometría con EViews . nakatabox@hotmail.>=) 'No igual o diferente (<>) 'Valor lógico Y (and).'Resta se representa(-9 y la suma(+) 'El exponente (^) 'Multiplicación (*9 y la división (/) 'Comparación (<. 'Crea una variable ficticia apartir del periodo 1971 Genr Dum=(@year<=1971) 'Crea una variable ficticia para el intervalo 1961-1971 Genr Dum=(@year<=1961) or (@year>=1971) econobitacora@gmail.com.>. ' Valor lógico o (or).

com Econometría con EViews .Para finalizar este pptx vamos correr un programa que generara un Workfile con el nombre ya_se_programar.com. nakatabox@hotmail. econobitacora@gmail.

com Econometría con EViews .prg se encuentra en el carpeta Archivos de EViews econobitacora@gmail. nakatabox@hotmail.Tenemos que activar Run para que se ejecute el programa Nota: Todos los archivos de EViews como la programación.com.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->