Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CONSUMO(-1) 1.000000
PIB(-1) -0.684675
(0.03682)
[-18.5927]
C -313501.0
C 35061.58 112132.8
(12375.8) (17565.4)
[ 2.83308] [ 6.38374]
,la estimación del vector de cointegración. En este caso hay un único vector de
cointegración igual a CONSUMO = 313501.0+ 0.684675*pib(-1) (0.03682) [-
18.5927] .Donde el valor entre paréntesis es el error estándar estimado y el
valor entre corchetes el estadístico t.
El modelo de corrección del error (MCE). Para la ecuación que relaciona el
consumo con el pib, el parámetro que indica la velocidad de corrección es -
0.408693, con un error estándar de (0.19096)
y estadístico t de [-2.14018] . El resto de los parámetros indican el
comportamiento a corto plazo de las variables. En este caso el único parámetro
significativo (0.07936) es el del incremento de la D(PIB(-2)) .
9.
10.
0.0756/0.00121=62,48
F de tablas = 3,00475
Fcalculado=88.9669>f de tablas=3.00475
Por lo tanto se rechaza la hipotesis nula por lo cual se elige el modelo arch (3 ).
11.
t-Statistic Prob.*
t-Statistic Prob.*
500
400
Frequency
300
200
100
0
10 20 30 40 50 60 70 80 90 100 110 120 130 140
600
500
Frequency
400
300
200
100
0
-.20 -.16 -.12 -.08 -.04 .00 .04 .08 .12 .16
12.
Variance Equation
13.
t-Statistic Prob.*
t-Statistic Prob.*
Estimation Command:
=========================
ARCH(1,0,BACKCAST=0.7,DERIV=AA) DLSPX C AR(1) AR(2)
Estimation Equation:
=========================
DLSPX = C(1) + [AR(1)=C(2),AR(2)=C(3)]
Substituted Coefficients:
=========================
DLSPX = 0.000597163104963 + [AR(1)=0.0392133724296,AR(2)=0.00903188438966]
Variance Equation
Estimation Command:
=========================
ARCH(BACKCAST=0.7,DERIV=AA) DLSPX C AR(1) AR(2)
Estimation Equation:
=========================
DLSPX = C(1) + [AR(1)=C(2),AR(2)=C(3)]
Substituted Coefficients:
=========================
DLSPX = 0.00059879827307 + [AR(1)=0.0471076309555,AR(2)=0.0157562905396]
Variance Equation
300
250
Frequency
200
150
100
50
0
-.05 -.04 -.03 -.02 -.01 .00 .01 .02 .03 .04 .05 .06
t-Statistic Prob.*
Variance Equation
Estimation Command:
=========================
ARCH(BACKCAST=0.7,DERIV=AA) R_FTSE C AR(1)
Estimation Equation:
=========================
R_FTSE = C(1) + [AR(1)=C(2)]
Substituted Coefficients:
=========================
R_FTSE = 0.000461729814631 + [AR(1)=0.0625343790523]
Variance Equation
15.
16.
17.
Además al aumentar variables esto no cambia, serie ideal ver el análisis con un modelo de datos
de panel con efectos fijos.
Una posibilidad es explicar los datos con el modelo de efectos fijos considera que existe un
término constante diferente para cada individuo, y supone que los efectos individuales son
independientes entre sí.
Con este modelo se considera que las variables explicativas afectan por igual a las unidades de
corte transversal y que éstas se diferencian por características propias de cada una de ellas,
medidas por medio del intercepto. Es por ello que los N interceptos se asocian con variables
dummy con coeficientes específicos para cada unidad, los cuales se deben estimar.