Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Y
Β1
TPE
Y = β0 + β1 (X1) + β2 (X2) + u
Donde β0
Y= Variable dependiente
X1= Variable explicativa X
Β1= Pendiente (debemos recordar que la pendiente o β1 se debe entender como una
propensión marginal o bien como una elasticidad). Miden la relación entre las variables
explicativas y la variable endógena a través de su signo y su cuantía. El signo mide si
la relación entre las variables es directa o inversa (si a medida que la explicativa
incrementa también lo hace la endógena o viceversa). La cuantía sirve para medir que
variable explicativa, de todas las explicitadas en el modelo, es más importante para
explicar el comportamiento de la endógena, de tal manera que si todas las variables
están medidas en las mismas unidades de medida, la variable más importante será la
que tenga un mejor valor de su parámetro.
U= TPE es una variable que recoge todos aquellos factores factores que pueden influir
a la hora de explicar el comportamiento de las variables Y que sin embargo no están
reflejados en la variable explicativa X. Estos factores deben ser poco importantes, es
decir, no puede existir una variable explicativa relevante omitida en el modelo de
regresión. De ser así estaríamos incurriendo en lo que se conoce como un error de
especificación del modelo. El término de perturbación también recoge los posibles
errores de medida de la variable dependiente Y.
i= es el subíndice que hace referencia a las diversas observaciones para las cuales se
establece su validez. Según el tipo de valores con los que este trabajando, el subíndice
hará referencia a distintos modelos del tiempo (series temporales las cotizaciones en
bolsa diarias, los índices de precio al consumo mensuales, los datos anuales del PIB de
un país, etc.).
Parámetros
Una vez estimado el modelo, admitimos que la estructura permanece constante para
todo el periodo de estimación. Esto es, que los parámetros son los mismos para toda la
muestra y que las relaciones permanecen constantes para todo el periodo analizado. Es
por ello, que los parámetros no van acompañados de un subíndice en la expresión
matemática del modelo básico de regresión lineal.
Usualmente nos encontramos que al efectuar una regresión, los signos de los
parámetros generan confusión para su interpretación. A continuación se muestran las
representaciones gráficas de los parámetros y sus formas básicas de interpretación.
Si β0 es negativo
Como se puede observar el signo del intercepto (β 0). Es negativo y únicamente nos
indica el punto de donde parte la recta de regresión.
β0
Si β0 es positivo
Si βi es positivo
Muestra que por cada unidad que se incremental (variable explicativa), (variable
dependiente) aumenta en (valor de β) unidades.
X1 X2
Si βi es negativo
Muestra que por cada unidad que se incremente (variable explicativa), (variable
dependiente) disminuye en (valor de Bi) unidades.
β0 = 0
En el caso de la pendiente (β 1), sabemos que siempre esta asociada a una variable
explicativa y el valor de este parámetro muestra la respuesta que tendrá la variable
dependiente a movimientos unitarios de la explicativa por esto, si suponemos que el
parámetro toma un valor cero, entonces cualquier movimiento que tenga la explicativa
no afectará a la dependiente. Si esto sucede decimos que la variable independiente no
sirve para explicar a la dependiente. Esto se muestra a continuación.
X2 X0 X1
Aquí se aprecia que la pendiente (βi) tiene un valor Cero, por lo cual cuando X aumenta
desde X0 hasta X1, o bien, si X disminuye desde X 0 basta. X2, la variable dependiente no
presenta movimientos motivo por el cual se dice que la independiente no sirve para
explicar a la dependiente.
Ho: β0 = 0
Ha: β0 ≠ 0
Ho: βi = 0
Ha: βi ≠ 0
En caso de que exista más de una variable explicativa la forma de interpretar los
parámetros asociados a ellas, es similar al de β i.
La prueba F se caracteriza por hacer una conjetura solamente sobre los parámetros
asociados a las variables explicativas, por lo cual se excluye al intercepto. Las hipótesis
características de esta prueba son:
H0: β1 = β2 = …= βk = 0
Ha: β1= β2 = … = βk = 0
Matriz de correlación
Aquí incluimos todas las posibles relaciones que se generan entre las variables
explicativas y la variable dependiente, o bien la relación existente entre las mismas
variables explicativas.
Los resultados de la matriz se leen:
1 rx1y rx2y
rxiy es la correlación existente entre x1 y Y
R= rx1y 1 rx1x2 rx2y es la correlación existente entre x2 y Y
rx1x2 es la correlación existente entre x1 y x2
rx2y rx1x2 1
Multicolinealidad
Ello está vinculado al supuesto de rango por columna pleno de la matriz de variables
explicativas, donde ese supuesto marca que el número de observaciones empleado en
una regresión debe ser mayor que los parámetros a estimar [p(X); n > k].
Si se rompe con tal supuesto y se tiene [p(X) < k], ello implica que si el 'determinante de
la matriz (X'X) es igual a cero, se tendrá la existencia de multicolinealidad perfecta y,
por lo tanto tal matriz no tendrá inversa y no habrá solución para el sistema. Por otro
lado, si el determinante de la matriz es muy pequeño, habrá multicolinealidad
imperfecta y la matriz tendrá inversa y el sistema si tiene solución pero se tendrán los
siguientes efectos.
Las estimaciones individuales de los parámetros están mal identificadas, esto es,
el valor estimado de un parámetro puede depender crucialmente del (los) valor
(es) estimado{s) de otro{s).
Se genera una inflación artificial de la varianza de los parámetros estimados.
Las estimaciones resultan sensibles con respecto a la muestra utilizada lo que
supone que si, por ejemplo, se amplía la muestra con una nueva observación,
las estimaciones obtenidas pueden variar sustancialmente.
3) Si los errores estándar de los coeficientes son muy elevados, los valores
poblacionales de los coeficientes no pueden estimarse de forma precisa.
Aunque el coeficiente de correlación entre las variables explicativas es útil, deja de ser
tan importante cuando nos encontramos con una regresión con más de una variable
explicativa y se hará referencia principalmente a la detección de la multicolinealidad
cuando exista incongruencia en las pruebas estadísticas t y F.
Implicaciones de la multicolinealidad
a) Aún cuando los estimadores son MELI, estos presentan varianzas y covarianzas
grandes, que hacen difícil la estimación precisa.
b) Debido a lo anterior, los intervalos de confianza tienden a ser más amplios
conduciendo a una aceptación más fácil de la hipótesis nula.
c) La razón t de uno o más coeficientes tiende a ser estadísticamente no
significativa.
d) Aún cuando la razón te sea aún no estadísticamente significativa; el R 2 pude ser
muy alto.
e) Los estimadores MCO y sus errores estándar pueden ser sensibles a pequeños
cambios de información.
Heteroscedasticidad
Autocorrelación
Una causa general de la correlación serial es una mala especificación del modelo; en
particular, la exclusión de las variables relevantes para el modelo.
O dl du 4-du 4-du 4
Indeterminación
Si Ho Decisión
0 de dl No existe autocorrelación positiva Rechazar
dl d du No existe autocorrelación positiva No hay decisión
du d 4 – du No existe autocorrelación Aceptar
4- du d 4 dl No existe autocorrelación negativa No hay decisión
4- dl d 4 No existe autocorrelación negativa Rechazar
Eviews esta construido alrededor del concepto de objeto. Los objetos incluyen series
de tiempo, ecuaciones, modelos, coeficientes y matrices, que son utilizados de manera
activa durante la sesión.
El objeto de datos básico dentro de Eviews es la serie de tiempo. Cada serie tiene un
nombre y pueden realizarse operaciones con todas las observaciones con sólo
mencionar el nombre de la serie. Eviews proporciona maneras convenientes visuales
para introducir series de tiempo desde el teclado o de un archivo en disco, crear una
serie nueva de las ya existentes, desplegar e imprimir la serie y llevar a cabo un análisis
estadístico de las relaciones entre las series.
Funciones de Eviews
La línea superior es la barra del menú, principal conde los elementos mostrados hacen
referencia de las diferentes operaciones que pueden realizarse dentro de diversos
submenús.
Si elige File, aparece un submenú que muestra los posibles procedimientos que
pueden seguirse para trabajar con un archivo.
Save permite guardar un archivo que ha sido abierto, el cual ya tiene un nombre
asignado.
Import posibilita importar archivos de texto, así como hojas de calculo, provenientes de
otro archivo de Eviews o de algún otro programa (como excel).
Print setup permite establecer las características que ha de tener la impresión, tanto
por las posibilidades que presenta la impresora, como por las necesidades del usuario.
Objetos y vistas
Creando objetos
Al elegir File/New, aparecerá un submenú que hace referencia a los tipos de archivo
con los que puede trabajarse, como se muestra a continuación.
Al hacer clic en Workfile se desplegará la siguiente ventana.
En la parte baja de la ventana se observan dos elementos Star date y End date que se
refieren a la fecha inicial y la fecha final de la serie respectiva.
Debido a que Eviews utiliza datos para identificar series de tiempo, las reglas que se
tiene para la composición de los datos son:
Anual
Se debe declarar el año completo, por ejemplo: 1980, 1990, 2000.
Semestral
Se debe declarar el año completo y el número correspondiente al semestre: 1980.1,
1989.2.
Trimestral
Se debe declarar el año completo y el número correspondiente al trimestre: 1980.1,
1990.4.
Mensual
Se debe declara el año completo y el número correspondiente al mes: 1980.01,
1990.12.
Semanal
Se debe declarar el mes, día y año de la serie, por ejemplo si se trabaja una serie para
todo el año 1999, donde la primera semana comienza el día primero, se debe declara
el mes de enero, el día primero y el año 1999: 1.1.1999 y para finalizar la serie, si la
última semana de 1999 finaliza el día 31 de diciembre, se debe declarar 12.31.1999.
Diario
Se debe declarar el mes, día y año donde comienza la serie, es decir,, si se trabaja todo
el año 1998, se pondrá como fecha inicial el primero de enero de 1998: 1.1.1998 Y
como fecha final el 31 de diciembre de 1998: 12.1.1998.
Por ejemplo, si se tiene una serie anual de 1980 a 1998, la ventana será:
El archivo de trabajo
Para introducir los ciatos y las variables que han de trabajarse en un modelo, se debe
teclear data, apreciándose esto en la parte superior de la pantalla, y dar Enter,
mostrándose la siguiente ventana:
Esta hoja de cálculo (similar a Excel) es la ventana de una serie, donde han de
declararse las variables correspondientes a un modelo y los datos vinculados a ellas.
En la parte alta de ésta ventana aparece una barra de herramientas que proporciona
varias opciones y procedimientos para las series en Eviews.
View
Al elegir esta opción se presenta un submenú que posibilita realizar tareas como:
mostrar los grupos de datos; mostrar la hoja de cálculo, dividir la información por
períodos, mostrar gráficas simples, mostrar gráficas múltiples; mostrar estadísticos
descriptivos, realizar pruebas de igualdad, tabular los datos de diversas formas, mostrar
las correlaciones, mostrar la matriz de covarianzas de los parámetros sin ajustar a los
grados de libertad, mostrar correlogramas, presentar correlaciones cruzadas, efectuar
pruebas de cointegración, efectuar la prueba de causalidad de Granger y etiquetar la
hoja de cálculo. A continuación se presenta la ventana correspondiente y se describirán
éstas funciones:
Group Members permite ver en una ventana los objetos que han sido introducidos
como series.
Spreadsheet permite ver la hoja de cálculo nuevamente al haber trabajado con otra
opción.
Dated Data Table permite ver en una ventana la información de las series por
período, es decir, si se trabaja con tres variables, se presentara la información de esas
variables por período y no el total.
Graph permite ver gráficas de las series en conjunto (es decir, en una sola gráfica se
observarán los datos de todas las series al mismo .tiempo) en diferentes formatos
como: líneas, barras, dispersiones (dispersión simple, dispersión con regresión,
dispersión con datos ajustados cercanos y dispersión con masa ajustada), líneas XY,
pie. Sí está trabajando con ésta opción.
Multiple graphs permite observar gráficas múltiples de cada serie por separado en
distintos formatos como: líneas, barras, dispersión (de las primeras series vs otras o
como una matriz de todas las series), líneas XY v gráficas de distribución.
Al trabajar con las opciones de gráficos es posible cambiar las características de los
mismos dando doble click a la ventana donde se encuentran tales gráficas, apareciendo
la siguiente ventana:
N-Way Tabulation permite tabular las series de diversas formas, así como dar formato
a. la hoja de cálculo para efectuar pruebas estadísticas como de Razón de
Verosimilitud.
Cross Correlación (2) permite ver el correlograma cruzado de dos variables o series.
Procs
Esta opción presenta un submenú con dos opciones para hacer una ecuación o un
vector autorregresivo
Make equation permite ver una caja de diálogo en la cual se especificarán las series
involucradas en la ecuación de regresión.
Freeze Output permite obtener una ventana congelando los datos de la hoja de trabajo,
los cuales no sufrirán modificaciones cuando se modifique la hoja de trabajo original.
Print permite imprimir los datos de las series incluidos en la hoja de trabajo.
Print
Imprime la hoja de trabajo.
Name
Hace posible asignar o cambiar el nombre de las series.
Frezee
Cambia la hoja de cálculo en una tabla objeto como en la opción Objects/Freeze
Output.
Edit +/-
Cambia el modo del editor de apagado/encendido haciendo posible cambiar el nivel de
datos. Es posible agregar series adicionales al grupo, seleccionando el grupo en la hoja
de cálculo, tec1enado el nombre de la nueva serie al encender el editor. Este está
usualmente apagado.
lns/Del
Permite insertar observaciones, moviendo subsecuentemente observaciones adelante o
borrar una observación moviendo subsecuentemente observaciones posteriores.
Smpl +/- .
Hace posible elegir qué observaciones serán o no incluidas en la hoja de cálculo.
Transpose
Transpone los datos de la hoja cambiando las columnas en renglones.
Titles
Permite cambiar el título de la hoja de cálculo.
Sample
Permite cambiar la muestra a observar en el archivo de trabajo.
Una vez que se han visto las funciones de los elementos de la barra de herramientas,
es pertinente dirigir la atención hacia cómo ha de trabajarse en la hoja de cálculo y
como han de declararse las variables
Al estar dentro de la hoja de trabajo, con las flechas se debe dirigir hacia arriba hasta
que se duplique la celda Obs. Una vez que la celda se ha duplicado, en ese renglón
deben declararse las variables que se desean, y posteriormente, los datos
correspondientes al periodo. Por ejemplo, si se trabaja un modelo de inversión, donde
la inversión, 1 = 1 (r , Tc), está en función de la tasa de interés y del tipo de cambio, se
tiene lo siguiente:
Como puede apreciarse, ya han sido introducido los datos y las variables
correspondientes al modelo de inversión.
En esta ventana se podrán apreciar las variables declaradas dentro del modelo. La
barra de helTamienta en la parte superior del archivo de trabajo es el panel principal de
control de views, teniéndose las siguientes opciones:
View
Pennite abrir una selección de los íconos que aparecen en la ventana, imprimir la
selección o mostrar partes de los elementos en una pequeña ventana. También se tiene
la opción de seleccionar o eliminar la selección hecha, desplegar comentarios o dar un
nombre a la ventana.
Open Selected: permite abrir una o varias ventanas que contengan a la información
que fue seleccionada previamente. Si se elige una ventana (one, window), aparecen
cuatro opciones: Open group permite visualizar la información seleccionada en una
hoja de calculo de todas las series que fueron elegidas; Open equation permite
establecer la ecuación de regresión del modelo; Open var permite establecer un vector
de auto regresión con el cual se ha de trabajar; Open multi series permite ver la
información de las series de las ventanas separadas, tal como al elegir ventanas
separadas (separate windows).
Show permite observar los objetos dentro de una pequeña ventana, según la forma
como se desea que se presente la información, ya sea como objeto, como una formula,
como una lista de series o formulas, o como una lista de graficas. Tal como se aprecia
en la ventana siguiente:
Select all (except C – Resid) permite seleccionar las series a excepción del vector de
coeficientes e y la serie de residuales, con lo cual aparece la información en una hoja
de cálculo, tal como al introducir los datos de las series. Si se elige ésta opción, se debe
dar doble click en la parte sombreada, apareciendo una ventana que o solicitará se elija
la opción con la que se desea aparezca la información con un determinado formato, con
las opciones Open group, Open equation, Open var y Open múltiple series, debiéndose
elegir Open group. Al hacer lo anterior, se observará nuevamente la hoja de cálculo que
fue capturada anteriormente.
Display Filter Permite desplegar una ventana en la cual se filtran objetos al igual que la
opción Select by filter.
Name Display permite desplegar comentarios de serie, hora y fecha como en la opción
Display Comments, solo que se tiene dos opciones: uppercase para hacerlo en
mayúscula y lowercase para hacerlo minúscula.
Procs
Posibilita acceder a un submenú en el cual pueden realizarse operaciones con la
muestra, cambiar rangos de archivo de trabajo, generar series, ordenar series e
importar y exportar datos. El submenú que aparece puede apreciarse en la ventana
siguiente.
Las opciones que presenta el submenú son:
Sample permite definir la muestra dentro de un rango de valores de datos de las series,
es decir, al introducir los datos de las series fue bajo un periodo de tiempo específico,
pero esta opción posibilita reducir la muestra de datos, por ejemplo, si se introdujeron
datos para el periodo 1980 – 1998, se pueden reducir la muestra en ciertos periodos,
pudiendo quedar esta como 1985 – 1998.
Para ello aparece la siguiente caja de dialogo, tecleando como se ilustra la nueva
muestra de datos.
Change Workfile Range permite modificar el rango establecido para las series, es
decir, si la serie inicia en 1980, puede modificarse para que inicie en 1970, mostrándose
la caja de diálogo que aparece en la opción de New Workfile.
Import permite importar datos o series desde otro archivo de Eviews o desde un
archivo de Lotus-Excel.
Export permite exportar datos o series hacia otro archivo de Eviews o hacia un archivo
de Lotus-Excel.
Objects
Hace posible acceder a un submenú para trabajar con los objetos que se tienen el
archivo, pudiendo realizar operaciones diversas con los objetos como: nuevos objetos,
nombrar objetos en un banco de datos y borrar objetos que no sean deseados, tal como
se aprecia en la ventana siguiente:
Fetch from DB permite nombrar objetos dentro de un banco de datos, moviendo todas
las observaciones posibles sin mover las observaciones en la muestra corriente
controlando las observaciones que actualmente son empleadas en operaciones
subsecuentes de Eviews empleando la siguiente caja de diálogo.
Undate selected from DB permite actualizar la información de uno o varios objetos
desde la base de datos que se tiene almacenados.
Copy selected permite copiar uno o varios objetos que han sido elegidos señalando la
fuente de origen y la fuente de destino.
Rename selected permite dar un nuevo nombre a uno o varios objetos del archivo
con el cual se esta trabajando, apreciando la siguiente caja de diálogo.
Delete selected permite borrar uno o varios objetos que han sido seleccionados.
Save
Hace posible guardar la información que ha sido capturada o modificada del archivo de
trabajo.
Label +/-
Muestra como una etiqueta la hora y fecha con que se trabajo un archivo o sus objetos.
Show
Muestra una caja de diálogo solicitando los objetos que han de desplegarse en una
ventana sencilla, pudiéndose declarar tales objetos como una fórmula, una lista de
series, grupos o fórmulas o como una lista de gráficas. Al elegir esta opción aparecerá
la siguiente caja de diálogo:
Fetch
Hace posible nombrar objetos dentro de una base de datos como en la opción
objects/Fetch from DB.
Store
Sitúa un objeto dentro del archivo de banco de datos como en la opción Objects/Stores
selected from DB.
Delete
Hace posible borrar uno o varios objetos seleccionados como en la opción Objects/
Delete selected.
Genr
Se utiliza para generar nuevas objetos partiendo de los que se tienen mediante
operaciones lógicas o matemáticas como en la opción Proas/Generate series.
Sample
Es empleado para modificar el tamaño de la muestra de las series como en la opción
Proas/Sample.
REGRESIÓN
Coeficientes de regresión
Cada coeficiente multiplica la variable correspondiente, formando la mejor predicción de
la variable dependiente. El coeficiente promedia la contribución de la variable
independiente para la medición. El coeficiente de las series llamado C, es la constante
o intercepto de la regresión, estos es la parte de la variable dependiente cuando las
variables explicativas valen cero. Los otros coeficientes son interpretados como
pendientes de las relaciones entre las variables explicativas y la variable dependiente.
En términos económicos, las pendientes deben entenderse como elasticidades o
propensiones marginales.
Error estándar
Es un promedio estadístico que rehabilita los coeficientes de la regresión. De acuerdo
con la teoría de la regresión, existen dos oportunidades de tres respecto a los
verdaderos coeficientes, y hay 95 oportunidades de 100 de que esté dentro de los dos
errores estándar.
T-estadístico
Es una prueba para la hipótesis de que un coeficiente tenga un valor en particular. El
estadístico prueba la hipótesis de que el valor real del coeficiente es cero, ya que ello
indicara que el parámetro no es estadísticamente significativo (que la variable
explicativa asociada al coeficiente no sirve para explicar a la dependiente). La prueba
se realiza con n-k grados de libertad.
Probabilidad
Aquí muestra la probabilidad asociada al estadístico t, de tal manera que la
probabilidad indica el porcentaje de certeza de aceptar la hipótesis planteada como
nula.
Estadístico F
Es una prueba para verificar hipótesis de manera conjunta, es decir, a diferencia de la
prueba t, donde se prueban hipótesis para cada coeficiente, aquí se realiza una prueba
para verificar una hipótesis conjunta donde se supone que los coeficientes asociados a
las variables explicativas es cero.
View/Representations
Muestra en una pantalla distintas formas de presentación de la ecuación de regresión.
View/Estimation Output
Muestra los resultados de la regresión. Esta opción es útil para regresar a la primera
pantalla, después de haber trabajado con otras opciones.
View/Actual-Fitted-Residual
Muestra un submenú en el cual se pueden elegir distintas formas para observar el
comportamiento de los residuos de la regresión. Se presentan opciones como dar
detalles de los valores actuales y estimados de la variable dependiente así como los
residuos, en forma de tabla y de gráfica. También se podrá observar una gráfica de los
residuos únicamente.
View/Actual-Fitted-Residual/Actual-Fitted-Residual Table
Muestra una tabla con los valores de la variable dependiente en forma actual y
estimada, así como de los residuos. También se mostrará una gráfica de los residuos.
View/Actual-Fitted-Residual/Actual-Fitted-Residual Graph
Muestra una gráfica basada en los valores de la variable dependiente en forma actual y
estimada, así como de los residuos.
View/Coefficient tests
En esta opción se apreciará un submenú con tres posibles pruebas que se han de
realizar a los coeficientes del modelo tales como: la prueba de Wald, variables omitidas
y variables redundantes.
View/Coefficient test/Wald
Aquí aparece un cuadro de diálogo en el que debe indicarse las restricciones sobre los
coeficientes que se quieren dentro de un modelo.
View/Residual test
En esta opción se pueden realizar pruebas acerca del comportamiento de los residuos
para comprobar si se violan los supuestos del modelo de regresión. Aquí aparece un
submenú mostrando distintas pruebas como: correlograma de residuos, correlograma
de residuos cuadrados, normalidad, LM para autocorrelación, ARCH para
heteroscedasticidad condicional autorregresiva y White con y sin términos cruzados
para detección de heteroscedasticidad.
View/Residual test/ARCH LM
Efectúa una prueba para ver si los residuos presentan heteroscedasticidad condicional
autorregresiva.
Estability test/Ramsey-Reset
Hace una prueba para detectar si la ecuación de regresión y por tanto, el modelo está
correctamente especificado.
Procs/Specify/Estimate
Permite redefinir a las variables que intervienen en un modelo.
Procs/Forecast
Permite obtener una evaluación acerca de la factibilidad de un modelo para el
pronóstico.
Procs/Make model
Permite obtener la solución de un modelo que se plantea.
Las funciones de las demás opciones que se presentan en el menú son idénticas a las
descritas con anterioridad.
VIOLACIÓN DE SUPUESTOS DEL MODELO DE REGRESION
Multicolinealidad
Las formas más usuales para detectar la presencia del multicolinealidad son:
Implicaciones de la multicolinealidad
a) Aún cuando los estimadores son MELI, estos presentan varianzas y covarianzas
grandes, que hacen difícil la estimación precisa.
b) Debido a lo anterior, los intervalos de confianza tienden a ser más amplios
conduciendo a una aceptación más fácil de la hipótesis nula
c) La razón T de uno o más coeficientes tienden a ser estadísticas no
significativas.
d) Aún cuando la razón t sea no estadística significativa, el R 2 puede ser muy alto.
e) Los estimadores MCO y sus errores estándar pueden ser sensibles a pequeños
cambios en la información.
Heteroscedasticidad
Auto correlación
El problema de correlación serial es un problema frecuente, cuando se emplean datos
en series de tiempo, ya que en este caso los TPE reflejan en partes variables no
incluidas explícitamente en el modelo, mismo que pueden cambiar lentamente a través
del tiempo. Así, el TPE en una observación estará relacionado con los TPE de las
observaciones cercanas.
Una causa general de la correlación serial es una mala especificación del modelo; en
particular, la exclusión de las variables relevantes para el modelo.
t
Correlación Serial
Positiva
Correlación serial
negativa
t
Consecuencia de la autocorrelacion
1) Son insesgados
2) Son consistentes
3) No son eficientes, por lo que dejan de tener varianza mínima
ΣU1 * U1 -1
D= 2 1-
ΣU12
Si aumenta Ui, Ui-1 tendería a ser positivo, de modo que d quedaría significativamente
debajo de 2.
En el siguiente grafico pueden apreciarse las zonas en las que existe autocorrelacion
serial ya sea positiva o negativa o una indeterminación
Si HO Decisión
0 < d < dl No existe autocorrelacion positiva Rechazar
dl ≤ d ≤ du No existe autocorrelacion positiva No hay decisión
du < d< 4 – du No existe autocorrelacion Aceptar
4 – du < d < d < 4 – dl No existe autocorrelacion negativa No hay decisión
4 – dl < d < 4 No existe autocorrelacion negativa Rechazar
Eviews permite elegir entre tres categorías de pruebas para evaluar la estimación de la
ecuación
Las tres categorías son:
pruebas de coeficientes
pruebas de residuales
pruebas de estabilidad
Pruebas de coeficientes
La hipótesis mas común a ser probada será c (2) = 0, lo cual indica que el valor del
parámetro es cero. Si se desea probar mas de una restricción se tendrán que
indicar las restricciones separadas por una coma: c(2)=0,c(3)=0. la condicionante es
que al declarar las restricciones no debe haber espacio entre los elementos de las
mismas.
Si, por ejemplo, se trabaja con una función de producción cobb-douglas y se desea
probar si existen rendimientos constante a escala, la condición es que la suma de
los coeficientes debe ser igual a uno, por lo cual se tendrá c(2)+c(3)=1
Variables redundantes
Esta prueba permite probar si alguna variable en a ecuación tiene coeficientes cero y,
de esta forma observar si puede ser eliminada de la ecuación. La prueba es opuesta a
la de variables omitidas. Aquí se prueba si una variable es susceptible de eliminarse d
un modelo. Al efectuar la prueba, en la parte superior de la pantalla aparecer los
estadísticos de prueba y en a parte baja los resultados de una regresión económetrica
al excluir alguna variable.
Pruebas de residuales
Correlogramas y estadísticos Q.
Se construye sobre las bases del desarrollo Durban. Se realiza una regresión auxiliar
donde la variable dependiente es el residuo, conservándose las variables explicativas, y
sumándole como una nueva variable el residuo rezagado para observar si existe
relación entre un residuo y el residuo rezagado.
Y = Y (X1,X2); Y = β 0 + β1 X1 + β 2 X2
Los modelos involucrados en el modelo y que están asociados a los parámetros son:
[1 X1 X2 ]
[ 1 X1 X2 X12 X 22 X 1 X2]
De esta manera:
Este conjunto contiene una constante, así la regresión auxiliar es U 2 sobre esos seis
regresores sobre la hipótesis de homoscedasticidad, n-R 2 es asintóticamente
2
distribuida con x (q). Los grados de libertad (q) son el número de variables en la
regresión auxiliar (excluyendo al intercepto).
La hipótesis son:
Para la prueba sin términos cruzados se sigue la misma metodología, sólo que no se
incluye el producto de las variables explicativas.
Prueba LM ARCH
El caso más simple es cuando se genera un proceso ARCH (1), donde la varianza
sólo esta condicionada por el dato anterior del residuo (se utiliza un rezago).
Pruebas de estabilidad
Para emplear la prueba chow es necesario hacer una partición en la muestra, es decir
en la segmentación la muestra en dos o más submuestras. Cada submuestra debe de
contener más observaciones que el número de coeficientes en la ecuación. El
propósito de dividir la muestra, es probar si los coeficientes son los mismos en todas
las submuestra. Para efectuar la prueba, la ecuación revisada es calculada de forma
separada para cada submuestra. Si el ajuste es mejor después de dividirla en dos
submuestras, es señal de inestabilidad el reporte obtenido es un estadístico F y un
estadístico LR con probabilidades asociados. El estadístico F tiene grados de libertad
para el numerador igual al número de elementos contenidos en la submuestra 2 (n 2) y
grados de libertad para el denominador igual al numero de elementos contenidos en la
submuestra 1 menos el numero de restricciones (usualmente se trabaja) una
restricción.
Prueba de pronostico Chow
Estimaciones recursivas.
Hay seis gráficos disponibles para la selección de mínimos cuadrados recursivos. Estos
gráficos solo están disponibles para estimaciones MCO, esto es que los términos AR y
MA no aplican.
De hecho esta elección despliega una grafica de los residuos recursivos respecto a la
línea cero. Residuos fuera de las bandas de errores típicos sugieren inestabilidad en los
parámetros de la ecuación.
Prueba CUSUM
Esta selección produce un grafico de los residuos recursivos y los errores Standard, así
como los valores de probabilidad para esos puntos de ka muestra. El grafico es útil
para detectar aquellos períodos en los cuales la ecuación es menos exitosa.
Esta selección implica una secuencia de prueba de pronósticos de chow. Calcula todos
los casos factibles, empezando con la muestra pasiblemente más pequeña para
estimar el pronóstico de la ecuación y luego añadir una observación al mismo tiempo.
El grafico de la prueba muestra los residuos recursivos en la parte superior y las
probabilidades significativas en la parte inferior.
Para crear el sistema, en primer lugar, sobre la barra principal de herramientas se debe
de dar click, en objects, apareciendo un cuadro de dialogo en el cual debe especificarse
la forma con la cual se debe trabajar en Eviews. Al aparecer el cuadro de dialogo hay
que elegir la opción system, tal y como se aprecia a continuación
Una vez que se ha elegido la opción, aparecerá la siguiente pantalla:
Una vez que se han establecido las ecuaciones de comportamiento, se elige la opción
procs/estimate, apareciendo un nuevo cuadro de diálogo, en el cual es necesario
declarar el método de estimación que se desea. Una vez que se ha elegido el método
de estimación se debe dar OK, estimándose los coeficientes del sistema. El cuadro de
diálogo referido es:
Con los resultados de la regresión puede hacerse una evaluación estadística del
modelo para validarlo o invalidarlo, tal y como se hace con un modelo de regresión
múltiple.
APLICACIONES
(CT/Yt) = β0 + β1 (Lt/Nt)
Aquí, para la razón CT/Yt se emplea la variable “co”, y para la razón L t/Nt se emplea la
variable “PN”.
El valor de β1 indica que por cada unidad que se incremente la razón PEA/empleo, la
razón consumo/ingreso aumentará en 0.195249 unidades.
R2 muestra que no existe un buen ajuste de los ratos de la razón PEA/empleo a los de
la razón consumo/ingreso, considerando los grados de libertad, don de la variación de
la razón PEA/ empleo, explica en un 46.0432% a la variación de la razón
consumo/ingreso.
La prueba N-Step señala los casos factibles para estimar el pronóstico indicado que
éste modelo es factible para el pronóstico ya que no hay puntos fuera de las bandas.
N Setop Probability -----------------Recursive Residuals
Los coeficientes recursivos estimados indican lo siguiente:
1) Se muestran pequeños cambios para β 0 en todo el período, con tendencias
ascendentes entre 1977-1984.
2) Β1 muestra una caída a partir de 1977, con una relativa estabilidad ascendente
entre 1971-1977.
Al efectuar la corrección del modelo, se encontró que el modelo es un Ar (1), donde se
obtienen estimadores eficientes, concluyéndose lo siguiente.
El valor de β1 indica que por cada unidad que se incremente la razón PEA/empleo, la
razón consumo/ingreso aumentará en 0.186240 unidades.