Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Contacto: legacy.online@gmx.com
Índice
l. Introducción de datos
2. Estadísticos descriptivos
3. Nube de puntos
4. MCO: recta de regresión
• Modelos lineales y no lineales
• Interpretación
S. Valores reales, estimados y residuos
6. Intervalos de confianza
7. Elasticidad
8. Descomposición modelo en Suma de cuadrados
9. Grafico de los residuos
10. Predicción
11. Test
• Coeficientes
• Residuos
• Estabilidad
12. Estudio multicolinealidad 3
Entorno de Eviews
Lo primero que debemos hacer es centrarnos en el entorno de trabajo que vamos a manejar,
es decir, la pantalla de trabajo de Eviews, cómo denominaremos cada sección y la forma en
que aparecerán los elementos a manejar:
Menú principal File Edil: Ob_.leCI v- Pro<: Quid: Opttons Wtndow Hdp
Ventana de
comandos
Barra de
herramientas [ill Wortfile:: MANZANAS. (c:\ unrs\ mart•\dropbax\•iumnos\eco l (,-w ·- - ~ X
' - - - - - - - - '-,!"[ IVitwlProcjObJrrt([,.,n!s..-.tlDrl••h•/·llshowjhtchjStort!~•rltjGtnrls.mp1,1
Ran11• 1i70 201s - '6 otis Filler•
Sampl1 20052015 - 11 otis
11) , Fichero de
Periodo de @ o,
m)datos 1 t rabaio
trabajo l!'l:; Lista de objetos
0 •
@ ftskl
Línea de estado
Introducción de datos
Nota: los datos para el ejemplo los encontraréis al final del libro.
1. Crear un fichero
Para crear un fichero en blanco e introducir los datos manualmente, debemos abrir el
programa, y seguir los siguientes pasos: File/New/Workfile
~·
S.VeAs,••
Ctrl+S E.rogram
I mfilt
'-lose
jmport
f,q,ort
ennt Ctrt•P
PrintSdup...
,Bun... fl0
Nos abre la siguiente pantalla, en ella tenemos que seleccionar la opción adecuada para el
fichero que deseamos crear, nos dan las siguientes opciones:
Wortfliestr\Jctl.utw,e Datar.-ioe
Page:
WorldileCreate El J[
lrr~DatrdandP~
workfks may ~ n'llde frcm St.tdate:
lhtructisedworld'les bylater
End date:
~~ daW: end/tx other
dent:JM'~. ,.,,.,.,,,
0'0$$StttlOnS:
Page:
Una vez completado el formato de datos que queremos, se nos crea el fichero de Eviews
siguiente:
IVltwl Proc I ObJtct [ 1Print ]Savt j Dtta11s •l·l l 5how 1Fttch ¡ stort [ Dtltlt IGtnr I Samplt l
Range: 20052015 - 11 obs F11ter: •
Sample.20052015 - 11 obs
ll) c
0 resid
' •\ 1 l NewP•~• /
Por defecto siempre aparecen en la lista de objetos la variable C (constante} y resid (residuos}
Esta va a ser nuestra pantalla de trabajo, donde van a aparecer todo lo que guardemos.
Podéis observar que aparece el rango y sample, el rango es la amplitud de datos que tenemos,
todos los que disponemos, mientras que el simple, lo vamos a ir modificando y son los datos
con los que trabajamos, cada acción que llevemos a cabo con Eviews la va a realizar para el
periodo o numero de obs que tengamos en el sample.
Procedemos a introducir las variables, para ello en la página principal: Object/New object
New0bje<1
TypeofobJect N«nefo<ob,ect
co
Equation
'"'°'
G,aph
--_
"'""'
lo,O.
Matr,x.Y«tor<otf
Poa
~
......
Ser~üik
Spooj
SSpa<,
Strl'IQ
SVKID< 7
·-
System
Toble
Text
VAA
Seleccionamos Series, en Name for object introducimos el nombre de la serie que queremos
crear, en este caso nombraremos CO al consumo de naranjas.
Una vez creadas aparecerán en nuestra pantalla principal, pero si las abrimos no tienen aun
ningún dato.
40.96910
NA
NA
NA
NA
NA
NA
NA
NA
2014 NA
2015 NA
Etapa 1: Nos pide que seleccionemos la hoja de Excel que queremos importar, en la
opción predefined range, seleccionamos la Hoja correspondiente, y siguiente.
·1
Ho¡,l
....., ..
Q.i5tom range
"ee 11
"..
Ht,Ja,1'$AS1::,:$12 IES12 11
,_,,.,_, Columnf'o
Ock fl p r - tD selKtCDUII'\ for Mir.o
Header ines: 1 'vi
"'°""'-'r~--<riy--~
.J Name:
~ b e n:
obs
o Ei <1 ·o1 ro
Dota,_, 1L-~~------~
·I
21S97O:;:
24$70
28'980
34.'1903
•I
U3417
S084S0
'102032
7739482
Etapa 3:
9
-/mport method: donde queremos introducir las variables que importamos, create new worfile
(crear un nuevo doc de Eviews), sería nuestra opción, o introducirlas en uno ya existente.
-Basic structure: Tipo de datos, seleccionamos dated, para conservar el rango de datos del
archivo Excel. Presionamos Finish y ya tenemos nuestro archivo creado con las variables.
Strudl.reoflheO.t1tDbet,,,,porud
J""""'-
Deteseies: obs
'"
200 36'344
lMUO
1119~0
109 '50
28'990
3 0903
433417
201 115470 &O!IUO
2011 10'710 '102032
2(112 1334!0 '713'482. •
t=::.á.::=i..'....':~-~--~-~~--~-~ '
~
Estadísticos descriptivos
Los estadísticos descriptivos nos sirven para describir una variable, son tales como la media,
mediana, etc. Para obtenerlos debemos abrir la variable (doble clic encima de su nombre) y
seguir el comando: View/descriptive Statistics & Test/ Stats table
Spr~dShttt
~,1ph, ..
10
Resultado:
Sum 449.1172
Sum Sq. Dev. 274.7433
Observations 11
- Mean ➔ Media.
- Median ➔ Mediana.
- Std.Dev. ➔ Varianza.
- Sum ➔ Sumatorio.
Nube de puntos
11
Para la obtención de la nube de puntos debemos abrir la variable endógena con una de las
exógenas, seleccionando primero la variable exógena, seleccionamos usando la tecla Ctr/ y
abrimos con lntro.
--
Graph Options
-- -- - ¡:¡ 1
_,
.,...,_ <
¡:¡ji ...,.,,.....-
OptionP&;H
,ohType
~
Gmeroll:
¡,-.,..., ·1
°'""'
Graohdtta: ,........ _:J
__
~ · obs axis on bottom _:J
-
C)ientation:
""
' "'"'"'""
Qwn""-Qwntle
'°"""'
1
LhdoPageEdits
~ ~
Si dejamos seleccionado la opción por defecto obtendremos un grafico con la recta de cada
una de las variables:
@) Group: UNTTTLED Workfile, EJEMPLO l::Ejercl5\ _ C:l X
Vitw Proc Objtct Print Namt frttzt Oelaul • Options Position Samplt Sh
05 06 07 08 09 10 11 12 13 14 15
!- P1 - co l
Para obtener la nube de puntos debemos seleccionar Scatter dentro de graph type/specific, y
en Fit fines, elegir la opción Regression Une, con ello obtendremos la nube de puntos y la recta
de regresión.
Graph Options 13
Option Paoes,
l;3- G,aphType
mm ·1
Raw data
!ir Ff~&Sitt:
$ Axe, aSa,in¡¡ Fitbs: l•ewess,onlJle =-::l~
ill- L...,,d lile &Symbol
1"""" •1
(t.- G,aph Elements
¡j¡. Q.,cx Fonts
tll- T....,i,t,s &Obj,cts
..
Bar
Sol<,
.,,
Area Band
Mxcdwithlhc$
.,... borda-,:
Srdeoraoh
DotPlot
Error Bar
-~ow '"--Oosel
XYIJle
...
XY Area
Distrb.Jtion
Quantile ·Quantile
Boxplot
Seasonal Q-a¡:i,
En el eje horizontal aparecerá la variable exógena, que hayamos seleccionado en primer lugar,
y en el eje vertical la segunda variable seleccionada, la variable endógena.
50 o
48
o
46 o
o
44
o(.}
42
o
40 o
38
o
o
36 o o o
34
1.04 1.08 1 12 1.16 1 20 1.24
P1
14
La estimación de un modelo econométrico básico se lleva a cabo a t ravés del procedimiento de
Mínimos cuadrados ordinarios (MCO), podemos realizar la estimación mediante dos caminos:
Estrnationte:tb',gs
Mtlhod:jLS • LeastSquares{l't.SandAAMA)
·I
~ : 20052013
Para llevar a cabo la estimación por MCO, desde cualquiera de los dos caminos vistos,
debemos hacerlo en idioma Eviews, escribiendo solamente las variables, es decir,
queremos llevar a cabo la estimación del siguiente modelo:
Columnas:
2
R-Squared ➔ Coeficiente de determinación R
Adjusted R-squared ➔ Coeficiente de determinación corregido R2
S.E. of regression ➔ Varianza de los errores
Sum squared resid ➔ Suma de cuadrados de los residuos SCR
Log likelihood➔ Estadístico razón de verosimilitud
F-statistic ➔ Valor del estadístico F del contraste de significación conjunta
Prob{F-statistic) ➔ Probabilidad asociada al del estadístico F del contraste de
significación conjunta
Mean dependent var ➔ Media de la variable endógena
S.D. dependent var ➔ Varianza de la variable endogena
Akaike ➔ Criterio Akaike
Schwarz ➔ criterio Schawarz
Hannan-Quinn criter ➔ Criterio Hannan-Quinn
Durbin-Watson stat ➔ Valor estadístico Durbin-watson
La estimación llevada a cabo sería de un modelo lineal, también podemos estimar por el
mismo camino los distintos modelos no lineales:
MODELO Forma introducirlo Resultado
Lineal CO, = 131+132*Pl,+l33*P2,+ 13,*R, + u, Co e pl p2 r Salida 1
Semi CO, = l31+l3 2* Log(Pl,)+l3 3 * Log(P2,)+ 134 * Co e Log(pl) Log{p2) Log(r) Salida 4
logarítmico Log(R, )+ u,
Resultados:
Salida 1
Modelo estimado: CO, = 20.46-67.7*Pl, + 82.4*P2, -0.046*R, + e, 17
Dependen! Vartable: CO
Uelhod: Leas! Squares
Date: nme:
Sample: 2005 2013
lncluded observations: 9
18
Salida 3
Modelo estimado: Log(CO,) = 3.55-1.76* Log(Pl,)+2.32* Log(P21)-0.006 * Log(R, )+ e,
Dependent Variable: co
Method: Least Squares
Date: nme:
Sample: 2005 2013
l ncluded observations: 9
19
Salida 5
Modelo estimado: co, = 30.92-30.69*Pl/ +35.4S*P2.2-o.012•R.2 + u,
Dependent Variable: co
Method: Least Squares
Date: Time:
Sample: 2005 2013
lncluded observations: 9
Para obtener los valores reales de la serie, los valores estimados de nuestra endógena en
función de la ecuación planteada, y los residuos o errores (que serán la diferencia entre
ambas), partimos de la ecuación y seguimos los siguientes comandos:
View/actual,fitted,residual/ actual,fitted,residual table
El resultado será una tabla con los valores de la endógena, los estimados y los residuos:
--
@l Equatíon: EQOl Worlóílo: EJEMPLO l ::EjortlS\ - Cl X
Re.Q_resentations
fstimation Output
Actuat,Fittl!!d,R6idual ►
1
ARMA Structure...
Yradients and Derivatives ► Std. Error t-Statistic Prob.
Coyariance Matrix
_koefficient Diagnostics ►
17.89890 1.143095
Scaled Coefficients
0.3048
-
B~idual Diagnostics ► Confidence Jntervals...
~tability Diagnortics ► tonfidence Ellipse...
Y..ariance: Inflation Factors
Label
Coefficient Variance .Qecomposition
s;~. ~q~;red
. resid 10.46725
Log likelihood -13.45007 Wald Test- Coefficient R&rictions...
F-statistic 34.31870
Qmitted Variables Test - Likelihood Ratio ...
21
Prob(F-stabstic) 0.000925
.B,!!!:dundant Vari~bles T~ - likelihood Ratio...
Eactor Bre:akpoint T 6t...
Aparecerá una pantalla emergente con los valores para el nivel de confianza .90 .95 .99,
elegimos el nivel de confianza que deseemos, si queremos introducir uno diferente, hemos de
hacerlo .nivel, es decir, queremos introducir un nivel de confianza del 75%, será .75
El resultado será la siguiente tabla, con un intervalo de confianza para cada coeficiente :
Elasticidad
ARMA Structure...
,Gradittits a nd Oenvativcs ► S1d Error t-stabstic Prob
C~ariance Matrix
17.89890 1.143095 0.3048 -
s;,ocffic icnt Di,gnost ics
Residual Diagnostics
- ►
►
~alcd Cocfficients
Confidence Jntervals...
-
22
S:t1bility Diagnostics ► s;onfidence Ellipse...
~ariance InflaHon Facto~
L,abel
Coefficient Variance Qecomposition
Sum squared resld 10.46725
LOQlikelihOod -1345007 Wald Tm- Col!!fficil!'nt Restrictions...
F-statlstlc 34.31870 .Qmitted Variables Test- LikeJihood Ratio...
Prob(F-statistic) O000925
B~undant Variabln Test. - likelihood Ratio...
f;,ctor Breo,kpoint Test,~
- Coeficiente estandarizado
Standardiz.ed Elasticity
Variable Coefficient Coefficient at Means
e 20.46014 NA 0.513524
P1 -67.70183 -0.612435 -1.901818
P2 82.40104 1.534269 2.394037
R -0.046961 -0.022346 -0.005743
Parte explicada y
Parte explicativa XB
Errores u
23
De cada una de ellas podemos obtener una suma de cuadrados (SC) y representar el modelo a
través de su suma de cuadrados, lo que nos permitirá hacer cálculos con ellos, entre otros el
2
Coeficiente de determinación R •
24
Representar los residuos es sencillo, directamente la barra de herramientas del menú ecuación
ofrece la opción Resids, nos mostrará un gráfico con los valores reales, estimados y los
residuos:
Dependen! Variable: CO
Method: Leas! Squares
Para llevar a cabo la predicción, de nuevo en la barra de herramientas del menú ecuación, la
opción Forecast nos llevara al menú de predicción
Dependen! Variable: CO
Method: Least Squares
Menú de predicción:
25
Forecast
Forecastof
Equabon: EQ01 ~ s: CO
S.O.Snamos Mothod
Forecast name: cof Static:: foriecast
(no dynarrocs n oquabon)
S.E. (option,I): ,.f
Struc'1ral (,gnoro AAMAi
li]coof in:or...,ty n S.E. cale
• Forecast name: Nombre con el que se guardará la serie que contiene las
predicciones, por defecto, Eviews le añade una F al nombre original de la
endógena, se puede modificar de manera que nos sea fácilmente reconocible.
• S.E.: Errores de predicción
• Forecast sample: Período de predicción
La variable que contiene las predicciones aparecerá guardada en el fichero de trabajo, al igual
que los errores, en la ventana emergente obtenemos los estadísticos de capacidad predictiva y
el gráfico de los errores de predicción:
... ~ - - - - - - - - - - - - - - - ---, Forecast: COF
Actual: CO
Forecast sample: 2013 2015
..
lnduded observations: 3
Root Mean Squared Error 0.698288
Mean Absolute Error 0.563783
Mean Abs. Percent Error 1.231229
Tlleil lneQuality Coeffident 0.007454
◄◄ Bias Proportion 0.081207
Varíance Proportion 0.529697
Covaríance Proportion 0.389096
◄(l
:l&i------,------,------1
2013 201' 2015
Resultados:
Root Mean Squared Error➔ RECM, Raíz del error cuadrático medio.
Mean Abso/ute Error ➔ MAE, Error absoluto medio.
Mean Abs, Percent Error➔ PEAM, porcentaje del error absoluto medio.
Thei/ lnequality Coefticient➔ Estadístico Theil.
Bias proportion ➔ Proporción correspondiente al error del Theil. 26
Variance proportion ➔ Proporción correspondiente a la varianza del Theil.
Covariance proportion ➔ Proporción correspondiente a la covarianza del Theil.
Test
Eviews nos permite llevar a cabo una gran batería de Test o contrastes, para evaluar el modelo
de regresión llevado a cabo, dentro del menú ecuación, en la barra de herramientas,
encontramos la mayoría de ellos, en la opción View tendremos los contrastes sobre
coeficientes, sobre residuos y sobre estabilidad, coefficient diagnostics, residual diagnostics y
stability diagnostics.
Dentro del desplegable coetficient diagnostics encontraremos los test sobre coeficientes, los
más importantes son:
Test de Wald
Test de variables omitidas
Test de variables redundantes
,&"ocff,c:im t Oi,gnosbcs
17,89890 1 1'3095
ic,led Codfic:ienU
O3048
-
,Bestdoal Oiagnosbcs Conf1denc:e Jnterv,ls...
~ability Diagnomcs ,onfidenu Elli¡ne...
Y:•(i,nu Infl.tion Factor.
Codfk1ent Vui.1nc:e QecompMitton
Stlm squared resld 10.46725
Loo llkellhood -13.45007 :W.,ld Test- Codfic1ent Restnct:Jons,_
F-staUstlc 34.31870
Qmitted V1"4bles Tert • Likelihood R,tio...
Prob(F-statlstlc) 0.000925
Bedundant Vara.blH Test - Lilcellhood Ratio ...
f,ctor Brukpoint T~t. ..
Test de Wald
Se utiliza para verifica r restricciones lineales y no lineales sobre los coeficientes, por ejemplo
verifica r si ~2=2, ~2=2 ~3, vamos a llevar a cabo el siguiente contraste:
H1 , no es cierta H0
En la pantalla emergente debemos introducir la restricción que queremos contrastar, para ello
tenemos que utilizar el idioma de Eviews, no podemos introducir directamente ~2 =2 ~3 , sino
que para Eviews los ~ los denomina C(n!!), el número del ~ que debemos introducir depende
de la posición que ocupe dentro de la ecuación
Dependent Variable: CO
IAethod: Least Squares
Date: Time:
Sample: 2005 2013
lnduded observations: 9
28
Variable Coefficient Std. Error t-Statístic Prob.
C(l )
e 20.46014 17.89890 1.143095 0.3048
P1 -67.70183 29.66564 -2.282163 0.0713
P2 82.40104 17.66760 4.663963 0.0055
R -0.046961 0.346131 -0.135674 0.8974
WaldTest
Equation: E001
29
Test de variables omitidas
A través del test de variables omitidas podemos comprobar si hemos dejado fuera del modelo
una variable que es relevante y mejoraría el modelo.
2
H0 : Variable R no relevante
2
H1 : Variable R relevante, significativa en el modelo, debería incluirse.
Value di ProbabiliJy
t-statistic 0.2.23630 4 0.8340
F-statistic 0.050011 (1, 4) 0.8340
Estadístico
~ Likelihood ratio
F-test summary:
0.111826 1 0.7381 P-valor
LR test summary:
Value di
Restricted Logl -13.45007 5
Unrestricted Logl -13.39415 4
H0 : Variable P2 no es redundante
Value df ProbabiliJy
t-statislic 4.663963 5 0.0055
LR test summary:
Value df
Restrided Logl -20.99743 6
Unrestricted Logl -13.45007 5
El estudio de los residuos permite comprobar si el modelo cumple con las hipótesis del MRLG
para los residuos, necesarias para obtener estimadores ELIO.
Correlograma
Correlograma de los residuos al cuadrado
Test de normalidad
Test de Breusch-Godfrey
Test de heteroscedasticidad
Si seleccionamos Heteroskedasticity test aparecerá una pantalla emergente con todos los test
de heteroscedasticidad.
Reg~s:
c pl p2r
Correlograma
Contraste Ljung-Box:
Para la realización del contraste se usaran las dos últimas columnas de la salida del
correlograma.
Test de Jarque-Bera
H1: Ho no cierta
Series: Residuals
Sample 2005 2013
Observations 9
-
Mean -5.85e-15
Median -0.225225
Maxinum 2.290902
Mnimum -1.799028
Std. Dev . 1.143856
Skewness 0.522995
1 - Kurtosis 3.210502 34
Estadístico
Jarque-Bera 0.426903 1
º -<+--- --+---+-- - + - - + - - + - -+ - - - , - -- --+' Probabiity 0.80779\,
P-valor
·2.0 ·1.5 -1 O -O 5 o.o 0.5 1.0 1.5 2.0 2.5
1
H1 : si hay autocorrelación
Regresió n auxiliar:
35
H0 : Homoscedasticidad
H1 : Heteroscedasticidad
Regresión auxiliar:
Seleccionamos White
Heteroskedasticity Test White
Contraste:
Regresión auxiliar:
En la pantalla emergente:
Test de Gl ejser
37
Este contraste se utiliza para encontrar una estructura o esquema sobre la variación del
término de perturbación.
1e; 1= Óo + Oi zt + Vi
Se realizan una verificación individual de 01 en cada una de las regresiones auxiliares con el
estadístico t.
De entre las regresiones auxiliares donde 01 resulte significativo nos quedamos con aquella que
2
tenga mayor R •
Ha: Oc =O
Seleccionamos Glejser
Test Breusch-Pagan-Godfrey
Ho: Homoscedasticidad
H1: Heteroscedasticidad
En la pantalla emergente:
Seleccionamos Breush-Pagan-Godfrey
Heteroskedaslicity Test Breusch-Pagan-Godfrey
39
3. Estabilidad
Para comprobar la estabilidad de nuestro modelo t enemos los distintos test de est abilidad que
encontramos en el menú ecuación: View/ Stability diagnostics
Regresión auxiliar:
Aparecerá una pantalla emergente con el número de potencias o retardos que deseamos
(number of fitted terms), para el ejemplo utilizamos una potencia.
RamseyRESETTUI
EQuation E001
Spedl'icalion: CO e P1 P2 R
Omlll.edVarlabl es: 5<1uares offltted values 40
Yalue Probabil!!l
t-statistic 0.880229 "'
4 0.4284
~ F•SlatiStic o n4B04 (1,4) 0.4284 P-valor
Ukelih0OCI ratio 1 593526 1 0.2068
F-test summary:
Sum orsg r.1ean Sguaru
Test SSR 1.698512 "'1 1.698512
ResbictedSSR 10.46725 5 2.093450
UnrtstrideO SSR 8.768736 2.1 92184
Unrestrided SSR 8.768736 2.192184
LR test summary
Value
Restricted L09l -13.45007 "'5
unrestrlaed LoOL -12.65330
El test de Chow verifica si se ha producido un cambio estructural que haya afectado a las
predicciones realizadas con el modelo.
Value df Probabili~
F-statistic 0.827417 (4, 1) 0.6667
~ ikelihood ratio 13.14774 4 0.0106 111 P-valor
F~est summary
Sum ofSg. df Mean Sguares
TestSSR 8.038464 4 2.009616
RestridedSSR 10.46725 5 2.093450
Unrestrided SSR 2.428784 1 2.428784 41
Unrestrided SSR 2.428784 2.428784
LR test summary:
Value df
Restrided LogL -13.45007 5
Unrestrided Logl -6.876194 1
Test recursivos
Existen distintos test recursivos, podemos encontrarlos todos en: View/ Stability
diagnostics/Recursive estimation
Recursive E.stimation
La representación gráfica de la serie de residuos recursivos junto con sus bandas de confianza,
definidas como ±2 veces su desviación estándar, permite detectar inestabilidad en los
parámetros cuando uno o varios residuos sobrepasan sus bandas.
-1
·2
.3
-4 ->--- -~ - - ~ - - - ~ - - ~ - --<
2009 2010 2011 2012 2013
Cusum
Si los valores se empiezan a alejar de cero e incluso se salen de las bandas, estarían indicando
un posible problema de cambio estructural.
........................................................------------
-2
-4
-6
······
-8...----~--~---~---~---
2009 2010 2011 2012 2013
El estadíst ico CUSUM cuadrado se utiliza para contrastar la estabilidad del modelo sumas
acumuladas de los cuadrados de los residuos recursivos
1.6 ~ - - - - - - - - - - - - - - - - - ~
1.2
0.8
0.4
-·······
........--···········
o.o+-- -__-___-__-___-_.-.-~
---,.......- - - - - - - - - - - ----,
Coeficientes recursivos
Las series de coeficient es se m uestran junto con sus bandas de confianza (± dos veces su
desviación estándar) lo que permit e intuir la presencia de inest abilidad en el modelo si los
coeficientes sufren cambios al ir variando la muestra, es decir, si no se mantienen
aproximadamente constantes.
200~--------------~ 10 0 ~ - - - - - - - - - - - - - - ~
..........................--···· --·-···-•-···---------
100
-100
-200
-100
-300
.--------------···
-200 -;.-- - - - -~ - -~ - -~ - ---l --400 - - -~ - -- --~--~----l
2009 2010 2011 2012 2013 2009 2010 2011 2012 2013
soo~--------------~
400
····••............._______________ _
300
200
100 -1
-
---· !
RecursN'e C(3) Estimates
2 S.E.
-
----· !
Recursive C(-4) Estimate.s
2 S.E. 45
Estudio multicolinealidad
1-lndicios de multicolinealidad
2- Matriz de correlaciones
4-Test de Klein
Los indicios de que existe multicolinealidad en el modelo serían si, el modelo no supera la
mayoría de los contrastes de significación individual a pesar de superar la significación
conjunta (elevado R2 ).
Matriz de correlaciones
Si las correlaciones a pares entre las exógenas son elevadas sería un indicio de
multicolinealidad. Para obtener la matriz de correlaciones lo primero que debemos hacer es
abrir el grupo de variables exógenas, seleccionándolas en el fichero de trabajo con la opción
Ctrl pulsada podemos abrirle o directamente con la tecla intro o con el botón derecho del
ratón y seleccionar la opción open, se nos abrirá el siguiente grupo:
Una vez que tenemos el grupo, procedemos a obtener la matriz, seguimos los comandos:
46
View/covariance ana/ysis
§roup Members
!!preadsheet
Qated Data Table
§raph...
Qescriptive Stats
r ovariance Analysis...
Saved ,.,..,¡ts
basename: m
MCORR
C1 C2 C3 1
Last updated: 11/12/16 - 12:04
Si algún valor (fuera de la diagonal principal) es cercano a 1, indicaría que hay posible
multicolinealidad.
=@det(mcorr
0 EViews
File Edit Obj ect View Proc Quick
=@det(mcorr)
El resultado aparecerá en la línea de estado (en la ventana de Eviews abajo izquierda)
Scalar = 0.08.56399107613
Test Klein
Para llevar a cabo el test de Klein debemos realizar la regresión de cada exógena respecto al
2 2
resto, si el R de alguna de las estimaciones es superior que el R del modelo principal estamos
ante un caso de multicolinealidad grave.
Para realizar las regresiones seguimos los comandos normales para una estimación: Quick/
Estímate equation
48
En nuestro caso debemos llevar a cabo t res regresiones:
Modelo Forma de
introducirlo
Opción 1 Pl, =J3, +J32*P21+J33*R, + u, Pl c p2 r
@) EqlHIIOl'I: EQOS WOl'kfilt: EJEMPLO Ujc,<15\ - C1 x @) Equ~ EQ06 WoMilt: EJEMPlO 1:; f,trclS\ - e X
jvitw)Ptoc!0o,1,e1)JMrClfW!llflf•m1ljbt1111M1IFortmt]St•1IRHHhl jvitw)Pl'«[Ot>Jut]IP11ntlfu.ni.f[frnu ljfst111wtt[f0Jtu5tls~,1~sldsl
Depenóent\lariable: P1 Dependffl\lariable. P2
Wetnoct Leas! Sauares Mtll'lod. LtaSI SQUarH
O.ile 11/12J16 nmc 12 06 Dale 11112.111:1 nme 12 08
Sampte: 2005 2013 Sam~e:2005201l
ln<:fl.l(lt(I ObHMIJons !il lnctudto obseMtions 9
\laflatlle Co.mdent Sld Error t-Statis1c Var1aDlt Cotffldtnt SICI. Error 1-Statlstc
,.....,
SUm SQUared resld 0.002379 Schwarzaiterion -058105 Sum SQUared resid 0.006707 Scnwan aiterion -3.631591
Log l1kI UMod 24.30231 Hannan-Ouinn c,tter ◄ 875717 Log l1kIlitlood 1953800 H annan-Oulnn ct11:I r -3 839203
F•statisltc 20.32358 Durtk'I-Watsons~ F-statisltc 32.04785 [}urt)jfl+Watson stat 1227141
PfOtl(F-statlstlc) 0.002128 PfOb{F-statlstlc) 0.000627
l~ IProclOl>.1tct(!Pr1ntl~111tjf,uuJ!fit1-1elfortmt[S1;1ujR.ul(ls)
DependtntVanaDle: R
Uethocl. Lust Squares .-íl
Date 11112/16 Time 12:06
Sample 2005 2013
tndudtd obseNations 9
.,
var1at>11 1-s.aust1c
e
Cotffldlnl
-2.202049
Std Error
210911M ~.10,U02
""
0112<13 49
P1 -27114-4.3 33 19240 -0816887 04452
P2 32_32797 16.12610 2.004699 0.0918
2
Lo que resta es comparar los coeficientes de determinación R •
Datos ejemplo
obs co P1 P2 R
2005 40.96910 1.1011 00 1.127000 2.159702
2006 35.58961 1.090000 1.102400 2.457497
2007 36.46826 1.090000 1.096500 2.899805
2008 35.82432 1.120000 1.119600 3.499033
2009 36.93440 1.084900 1.096500 4.334176
2010 40.01959 1.121800 1.154700 5.084507
2011 35.81354 1.078900 1.067800 6.102032
2012 46.88589 1.230000 1.334800 7.739482
2013 50.07885 1.156300 1.318800 9.577672 50
2014 45.81358 1.109400 1.228300 11.12694
2015 44.72002 1.190700 1.266100 12.76935
51
Contacto: legacy.online@gmx.com