Econometria II

Ejercicios
Perez Pescador Alan Bryan
353572
6to 2
 Ejercicio 82
ESTIMACION DE MODELOS MULTIECUACIONALES
CIEN EJERCICIOS DE ECONOMETRÍA
CAPÍTULO 9: SISTEMA DE ECUACIONES SIMULTANEAS
Se procede a cargar la base de datos

◦ Para el diseño de ecuaciones se sigue

◦ 1. File> Open > EViews Workfile ◦ OBJECT > NEW OBJECT > SYSTEM
◦ Y se escribe lo siguiente

◦ La nombraremos como “SYS1”

◦ Una vez definida y nombrada nuestro modelo seguiremos

PROCS > ESTIMATE > TWO-STAGE LEAST SQUARES

◦ 1.Los coeficientes son

estadisticamente distintos a cero

◦ 2. la r cuadrada es 0.503 para la

1er eq. y 0.86 para la 2da eq.

◦ 3. La prueba de Durbin-Watson es
cercana a 2: no exixte problemas
de correlacion
 ◦ IMPORTANTE:

Formalizacion del modelo ◦ Despues de nombrar nuestro modelo, procedemos a darle en >
SOLVE : y marcamos la opcion de “Static solution”
◦ Lo que esto hara es que podamos ver los estimados.

◦ PROCS > MAKE MODEL : Arroga los coefficientes ◦ Estimamos MODEL1, MODEL2 Y MODEL3 y cada vez que le demos
> NAME > MODEL1 en el boton de SOLVE, en la table de objetos aparecera un nuevo
apartado par r y para y → (ej: r_0, y_0)
◦ Nombrarrmos cada uno respectivamente al modelo del que partio

◦ Valores de las variables c(.) ◦ rf1 y yf1 para el modelo 1

◦ rf2 y yf2 para el modelo 2
◦ rf3 y yf3 para el modelo 3

Asi se ve:
◦ Se sigue los mismos pasos del punto anterior,
pero en lugar de utilizer el mismo sistema,
crearemos otro con las mismas ecuaciones
para poder realizar la estimacion por el
metodo de Minimos cuadrados en 3 etapas
◦ OBJECT > NEW OBJECT > SYSTEM
◦ Las conclusions parecen ser las mismas
◦ 1.Los coeficientes son estadisticamente
distintos a cero
◦ 2. la r cuadrada es 0.503 para la 1er eq. pero
para la 2da eq. es inferior a lo estmado por
MC2E (0.86) paso a 0.78 con el MC3E
◦ 3. La prueba de Durbin-Watson es cercana a
2: no exixte problemas de correlacion

◦ La nombraremos como “SYS2”

Formalizacion del modelo

◦ PROCS > MAKE MODEL : Arroga los coefficientes

> NAME > MODEL2

◦ Despues de nombrar
nuestro modelo,
procedemos a darle en >
SOLVE : y marcamos la
opcion de “Static solution”

◦ Valores de las variables c(.)

◦ Muestra la sig table:

 ◦ Salida:

◦ El primer paso es la estimacion y denominacion de cada

una de las ecuaciones del sistema por separado: QUICK
> ESTIMATE EQUATION > TSLS > Equation
specification: r m y (instrument list: m inv)

◦ Se ha obtenido los mismos resultados que en la primera

ecuacion del apartado b.
◦ Se le pondra el nombre de “eq1”
◦ Procedemos a comprobar si el modelo tiene ◦ Ahora se probara la segunda
problemas de autocorrelacion mediante un ecuacion:
correlograma
◦ QUICK > ESTIMATE
EQUATION > TSLS > Equation
specification: y c r inv
◦ VIEW > RESIDUAL DIAGNOSTICS > CORRELOGRAM Q STATISTIC > 12 (Instrument list: c m inv)
LAGS

◦ Se ha obtenido los mismos

resultados que en la segunda
ecuacion del apartado b.
◦ Se le pondra el nombre de
“eq2”

◦ El modelo no presenta autocorrelacion

Para probar problemas de autocorrelacion:
VIEW > RESIDUAL DIAGNOSTICS > CORRELOGRAM Q STATISTIC
> 12 LAGS

◦ Retomemos el punto importante de la pagina 5 y procedamos

a seguir:

VIEW > SHOW> r rf1 rf2 rf3 > VIEW> GRAPH > SAMPLE

◦ El modelo no presenta problemas de autocorrelacion

VIEW > SHOW> y yf1 yf2 yf3> VIEW> GRAPH > SAMPLE

◦ Y es el coeficiente, Y verde(yf1), Amarillo(yf2) y

rojo (yf3) son las Y estimadas.
◦ Se aproximan bastante bien a la serie original
 Referencias
Pena J., Estavillo J., Galindo M., Lezeta M. & Zamora M. (1999). CIEN EJERCICIOS DE
ECONOMETRÍA.