UNIVERSIDAD AUTONOMA METROPOLITANA UNIDAD XOCHIMILCO

MODULO X. “LA DINAMICA DE LA ECONOMIA MUNDIAL”

COMPONENTE: MATEMATICAS [ECONOMETRIA]

DOCENTE: ZAMORA JOSE LUIS

ALUMNA: VARGAS MARTINEZ KARINA XENTHIOL

Lunes 18 de septiembre del 2023

Pasos para realizar la practica No. 3 de econometría en EViews:

1. Abrimos el programa EViews y en la sección de comandos ingresamos el siguiente comando
“LS_VEN_C_PUB”, procedemos a presionar “Enter” para ejecutar.

2. Debemos de guardar lo que realizamos y para ello, damos clic en “Name”, después en “Name to …”
escribimos “modelo1”, en “Display…” ponemos “ven*f(pub) y damos clic en “OK”.
3. Una vez que emergen las dos siguientes ventanas, congelaremos el grafico. Para ello, nos posicionamos
en la venta donde tenemos nuestras variables guardadas seleccionamos “group01” y damos clic. A
continuación, se muestra el gráfico.

➢ Interpretación
• Intercepto = C =𝛼̂ = 2.54 miles de dólares [Sin influencia de la publicidad, PUB=0, entonces las ventas
autónomas = 2.54 miles de dólares].
• 𝛽̂ = 0.9398. Al incremento de mil dólares en la variable publicidad, derivado de ello, las ventas se
incrementan en promedio 940 dólares.
• La pendiente tiene un signo positivo, por lo tanto, la correlación entre la variable publicidad y la
variable ventas es directa. Quiere decir que a medida que la publicidad se incrementa, entonces las
ventas de las chompas también se incrementan.
• Pronóstico: la generación de la serie de los valores estimados, es decir, qué valores genera la función
de regresión.

4. El siguiente paso es posicionarse en Forecast para que el programa arroje la siguiente ventana
 Esta parte no tendrá ninguna modificación así que solo damos clic en “OK”. Esto nos permitirá observar
cómo es la estimación de las ventas en función de la publicidad, una vez que ya hemos obtenido sus
respectivos estimadores.

4.1 La ventana emergente nos arroja uno de los indicadores más importantes, la raíz del error cuadrático
medio, la cual en otras palabras es, la raíz cuadrada de la suma de errores al cuadrado, dividido entre
el número de observaciones.
Observación: Mientras más pequeño (cercano a 0) sea el valor de la raíz del error cuadrático medio, más
preciso será el pronóstico.

5. Para visualizar la serie de valores estimados, damos clic en el archivo llamado “VENF”
 5.1 Para poder visualizar los valores observados, seleccionamos “VEN”, “Control” de nuestro teclado,
“VENF” y presionamos “Enter”. Así podemos ver la comparación.

5.2.1 Para ver el archivo de residuales, se seleccionan “RESID”, “VEN”, “VENF” y se da “Enter”. Esta es la
resta de los valores observados menos los valores estimados.

5.3 Para ver la estimación del modelo, de una forma más directa. Vamos a “View”, después en “Actual-Fitted-
Residual”, luego a “Actual.Fitted.Residual Table”.
 Para poder verlo en forma de tabla, nos dirigimos al apartado donde vemos el valor observado de “Y”, el
valor estimado y sus respectivos residuales con su respectivo gráfico.

5.4 Para ver la prueba de normalidad de los residuos. Damos clic en “Residual Diagnostics”, luego en
“Histogram…”

Interpretación: En el histograma podemos ver el test de normalidad de Jarque-Bera que nos demuestra el
comportamiento de los residuos.
• La media de los residuos = 1.11 *10-15
• Mediana,
• Máximo,
• Mínimo,
• Desviación Estándar,
• Coeficiente de asimetría de los residuos,
• Coeficiente de Kurtosis de los residuos.
• El estadístico de Jarque-Bera tiene una distribución Chi
Cuadrado con 2 grados de libertad.
• Si la probabilidad del estadístico de Jarque-Bera es mayor
al nivel de significación, entonces los residuales se
distribuyen normalmente.
6. Para observar cómo se genera la serie de los residuos al cuadrado. Vamos a la línea de comandos y
escribimos: “genr_resq=resid^2”, damos “Enter”. En la pantalla de los ficheros se ha generado una serie
de los residuos al cuadrado.

7. Los intervalos de confianza de los coeficientes del modelo podremos observarlos si nos dirigimos a
“View”, después a “Coefficient Diagnostics”, por último, a “Confidence Intervals…” Escribimos los
niveles de confianza y vamos clic en “OK”.

Interpretación: Podemos ver los intervalos de confianza tanto para el intercepto C como para la pendiente
PUB. Como se puede observar, el valor de 0 se encuentra dentro de los intervalos para la estimadora alfa y
por lo tanto la probabilidad de que este estimador pueda valer 0 es del 95% y hasta del 99%. Por eso se dice
que este coeficiente de intercepto no es significativo para el modelo (es probable que la recta de regresión
pase por el origen).
8. Para visualizar la matriz de varianzas y covarianzas de los coeficientes. Vamos a “View”, luego a
“Covariance Matrix”. De esta manera podemos ver la matriz de varianzas y covarianzas de los
coeficientes. La diagonal principal son las varianzas y las cruzadas son las covarianzas.

9. Estadísticas individuales para cada variable. Congelamos el modelo dando clic en “Freeze”. Vamos a los
ficheros y seleccionamos “group01”. Luego damos clic en “View”, después en “Spreadsheet”. Después,
damos clic en “View”, luego en “Descriptive Stats” y damos clic en “Common Sample”.
De esta forma podemos ver para cada variable: media, mediana, máximo, mínimo, desviación estándar, el
coeficiente de asimetría, el coeficiente de Kurtosis, el coeficiente de Jaque-Bera (representa la normalidad),
la probabilidad, suma de observaciones y suma del cuadrado de sus desviaciones, es decir, la sumatoria del
cuadrado de sus desviaciones de cada observación con respecto a su media aritmética.

10. Estimación causal, para un escenario del siguiente año, es

decir, cómo podemos estimar un valor determinado de nuestra
función de regresión. Se aumenta el número de observaciones
dando clic en el fichero donde aparece el número de
observaciones. Cambiamos 2018 por 2019 y damos en “OK”
y después en “YES”.
 11. En comandos, volvemos a estimar el modelo dando “Enter”. Una vez ajustado

11.1 Damos clic en “pub” donde están nuestros ficheros y vemos que en el año 2019 aparece NA. Para darle un
valor de 150 en el año 2019, vamos a editar “Edit...”. Cerramos la venta después de cambiar el valor y volvemos
a estimar el modelo dando “Enter” en los comandos al final de PUB.

✓ Podemos ver los coeficientes

que son los mismos haciendo
la comparación.
✓ Entonces no afecta que le
aumentamos una observación,
para ello nos dirigimos a
“Forecast” y damos clic en
“OK”.
✓ Esto nos mostrara la
estimación.
 12. En el fichero, seleccionamos “vent” y “ventf”. Vemos que las ventas estimadas para el2019, siempre y
cuando la inversión en gastos de publicidad sea de 150 mil dólares, en promedio, serán de 143 mil dólares.
➢ De esta forma se completa la Práctica 2.

Procedimiento para encontrar el valor de Y = 2.543449 + 0.93984(150)

Y = 143.52