Está en la página 1de 21

Menú del

Aplicación econométrica en EVIEWS Objeto

• El entorno
Menú del
Barra de menú
Workfile
Barra de menú

Barra de comandos
zona de comandos

zona de resultados

Objetos
Objetos
zona de resultados
Barra de
estado
Workfile

Barra de estado

NOTA: Obsérvese que en si hay 3 barras de menú


• Menú general (Barra de menú)
• Menú del workfile
• Menú del objto
Aplicación econométrica en EVIEWS
El entorno
Menú general (Barra de menú)
• File: Operaciones con los ficheros, datos y programas
• Edit: Ítems básicos de cualquier programa en entorno windows
• Object: Posibilita la creación de nuevos objetos, recuperarlos, almacenar y cambiar el nombre, borrar e imprimir. Los
objetos de Eviews son: series o variables, matrices, ecuaciones, modelos VAR, sistemas de ecuaciones, pool de datos,
modelos, tablas, gráficos, textos, etc. (todo lo del workfile).
• View & Proc: View permite seleccionar y visualizar objetos del fichero de trabajo, abriendo una nueva ventana,
mediante gráficos e impresión. Procs permite modificar el tamaño de la muestra, el espacio de trabajo, generar series,
ordenar las series, importar y exportar datos.
• Quick: Acceso directo a los principales comandos del análisis econométrico: generar series (GENERATE SERIES),
visualizar los datos (SHOW), graficarlos (GRAPH), editar series (EMPTY GROUP EDIT SERIES), análisis estadístico (SERIES
ESTATISTICS) y estimación de modelos.
• Options: altera los parámetros de funcionamiento general del E-Views. Los cambios que se realicen con este menú
permanecen aún saliendo del programa.
• Window: da acceso directo a las distintas ventanas que tengamos abiertas en el área de trabajo.

Menú del workfile Menú del objeto


• Resume los principales procedimientos • Controla los procedimientos y vistas que
que afectan a los objetos de un fichero de afectan a cada objeto abierto
trabajo: Por ejemplo de una serie
Aplicación econométrica en EVIEWS

• Creación del archivo de datos


• Barra de menú: File/ New/ Workfile
• Zona de comandos: “new”

Meses: ene-1993 a dic-2019


1993:1
2019:12
 
Trimestres: T1-1993 T4-2019
1993:1
2019:4

(Cuando se carga el programa igual se muestra)


Aplicación econométrica en EVIEWS
Creación de Variables y Datos………
• Ingresar los datos a Eviews:
• (Otra opción: File/Import…)
• Barra de menú: Quick/Empty Group (Edit Series) -Aparece cuadro de diálogo
• Tipear en Zona de comandos: “data” Y luego
-Click en pegar

-Click en esta celda -Click en esta celda


Aparece
Y luego Y luego
nueva fila
-Presionar tecla ↑ -Click derecho
Aplicación econométrica en EVIEWS
• Ejemplo de un caso trimestral Seleccionamos el rango 1993-T1 a 2020-T1
(sin incluir la columna de fecha)
• Datos en Excel, 1993-T1 a 2020-T1 Y copiamos
Aplicación econométrica en EVIEWS

Ingresar los datos a Eviews:

• Los datos se completaron


• En segundo plano se ve el conjunto
en el workfile

Estamos listo para empezar


Aplicación econométrica en EVIEWS

• 
Ejemplo 1

• Teoría macro: Consumo y PBI C


• Forma funcional:
• Forma lineal:
• Forma econométrica 𝒄 

 𝐶´ 
: Intercepto
: Pendiente 

• El caso: PBI y C de México Y


Aplicación econométrica en EVIEWS
• 
Ejemplo 1: Análisis de
- Seleccionamos Consumo y PBI
- Luego, hacemos click derecho en Consumo o en
PBI y aparece un cuadro de diálogo. Click en Aparecen un tabla de datos de las dos variables: C y PBI
Open → Click en as Group
Aplicación econométrica en EVIEWS
• 
Ejemplo 1: Análisis de

- Gráfico de Consumo y PBI….

En la tabla de datos:

View/ Graph/ Line


- Single graph
- Multiple graphs

View/ Graph/ bar


- Single graph
- Multiple graphs
Aplicación econométrica en EVIEWS: Análisis descriptivo
previo
• 
Ejemplo 1: Análisis de ………………………En la tabla de datos:
- Estadísticas básicaI…. View/ Descriptive Stats/ Common Sample
- Media, mediana, valor máximo, valor mínimo
- Desviación estándar (Std. Dev.): medida de la dispersión de los datos; a
mayor dispersión, mayor SD; si todos los datos fueran iguales, SD=0
• SD  (Media)
• Si SD > Media, es probable un sesgo, es decir, la presencia de valores extremos
u otra peculiaridad en la forma de la distribución, como una distribución
bimodal.
• Si SD no es  (Media), es posible la existencia de sesgo o valores extremos.
- Asimetría (Skewness): distribución de una variable respecto a la media
aritmética, sin necesidad gráficar: simétrica=0, asimétrica positiva>0,
asimétrica negativa<0
- Curtosis (Kurtosis): medida de forma de la cantidad de datos que hay
cercanos a la media
• La distribución normal tiene curtosis = 3: curva mesocúrtica=3)
• Curtosis < 3 más plana será la forma de la curva: curva platocúrtica
• Curtosis > 3 más puntiaguda será la forma de la curva: curva leptocúrtica
Aplicación econométrica en EVIEWS
•   1: Análisis de ………………………En la tabla de datos:
Ejemplo

- Estadísticas de Consumo y PBI…. View/ Descriptive Stats/ Common Sample


- Estadística de normalidad Jarque-Bera (JB): que tanto se desvían los coeficientes de
asimetría y curtosis…. Muestras grandes
• Ho: La serie se distribuye como una normal.
• Ha: La serie no se distribuye como una normal.

En términos ideales JB ≅ 5.99. Análisis descriptivo previo a la estimación


• Si JB 6 , la serie no se distribuye como una normal; se rechaza Ho
• Si JB < 6 , la serie se distribuye como una normal; Se acepta Ho
Serie consumo
- Pobabilidad asociada (Probability) a JB (Nivel de significancia de 5%) - SD ≤ ½(Media)
• Si Probability < 0.05 se rechaza la Ho - Skewness < 0 : asimetría negativa
• Si Probability 0.05 no se rechaza dicha hipótesis - Curtosis < 3 curva plana (platocúrtica)
- JB < 6 , se distribuye normal; Se
- Suma de todas las observaciones (Sum) y el número de observaciones acepta Ho
(Observations). - Probability ≥ 0.05 no se rechaza Ho
Muy importante:
Uno de los supuestos básicos del modelo de regresión lineal clásico es el que los errores tengan distribución normal,
Aplicación econométrica en EVIEWS
•   1: Análisis de ………………………En la tabla de datos:
Ejemplo

- HISTOGRAMA de Consumo: ….Cargar serie c01 ………En la tabla de datos:

View/ Descriptive Statistics & Test/ Histogram and Stats

Tarea: HISTOGRAMA de PBI


Aplicación econométrica en EVIEWS
•   1: Análisis de ………………………En la tabla de datos:
Ejemplo

- DIAGRAMA DE DISPERSIÓN de Consumo y PBI….Cargar series


………En la tabla de datos:
Barra de menu: View/ Graph ó Zona de commando: scat pbi c01
Aplicación econométrica en EVIEWS
•   1: Análisis de ………………………En la tabla de datos:
Ejemplo

- DIAGRAMA DE DISPERSIÓN CON REGRESIÓN de Consumo y PBI


…….Cargar series ………En la tabla de datos:
Barra de menu: View/ Graph ó Zona de commando: scat pbi c01
Aplicación econométrica en EVIEWS
• 
Ejemplo: Análisis de

- ECUACIÓN DE REGRESIÓN de Consumo y PBI……… Hay múltiples forma….

Por ejemplo un regresión MCO

1) Zona de comando: ls c01 c pbi

2) Barra de menú: Quick/Estimate equation…….


3) Zona de resultados: Se seleccionan Consumo y PBI
• Click derecho
• Open
• As ecuation
4) Zona de resultados: Se seleccionan Consumo y PBI
• Click derecho
• Open
• As group
• Sale la tabla de datos
• Proc
• Make equation
Modelo clásico de regresión lineal: Supuestos

1) El modelo de regresión es lineal en los parámetros Yi  1   2 X i   i


2) Los residuos tienen media 0: E (ui / X i )  0
Se distribuyen normalmente y son aletatorios

3) Homocedasticidad o Varianza de los errores es constante


Independencia entre X y los errores var(ui / Xi)  
2

4) No existe auto correlación entre las perturbaciones.


cov(ui, uj / Xi, X j )  0
5) La covarianza entre ui y Xi es cero
cov(ui, X i )  0

6) Variabilidad en los valores de X (No todos los valores de X


deben ser iguales). var( X )  0

7) No hay multicolinealidad perfecta. No hay relaciones


perfectamente lineales entre las variables explicativas.
Variables independientes deben ser independientes entre sí.
8) Ausencia de outliers
9) El modelo de regresión está correctamente especificado.
Aplicación econométrica en EVIEWS
• 
Ejemplo: Análisis preliminar de los resultados de la REGRESIÓN

En la zona de resultados

1. El modelo: View/Representation

2. Matriz de correlaciones: View/ Covariance analysis


• Seleccionar correlation (r)
• R-squared =
- Interesa que la correlación entre las independientes y la dependiente sea alta, para que puedan explicar
adecuadamente su variabilidad.
- Interesa que las variables independientes no presenten fuertes correlaciones entre sí. Si así fuera tendríamos un
problema de multicolinealidad en el modelo.
Aplicación econométrica en EVIEWS
Ejemplo: Análisis preliminar de los resultados de la REGRESIÓN

3. Valores reales y estimados de la variable dependiente y errores


View/Actual,Fited,Residual

Hay autocorrelación. Ante un desajuste del


modelo el error se mantiene en varios periodos
Aplicación econométrica en EVIEWS
Ejemplo: Análisis preliminar de los resultados de la REGRESIÓN

3. Contraste de normalidad (Jarque Bera a los errores)


-Hipótesis de normalidad del error:
“El término error es un término completamente aleatorio que sigue
una distribución normal, de esperanza 0”

-View -> Residual diagnosis – Histogram - normality test

Estadística de normalidad Jarque-Bera (JB):


Ho: La serie se distribuye como una normal.
Ha: La serie no se distribuye como una normal.

Si JB > 6 , la serie no se distribuye como una normal; se rechaza Ho


Si JB < 6 , la serie se distribuye como una normal; Se acepta Ho

JB=6.16 > 6 , la serie no se distribuye como una normal; se rechaza Ho


Probability < 0.05 se rechaza Ho
Aplicación econométrica en EVIEWS
•  la regresión del Consumo y PBI: HAY AUTOCORRELACIÓN?
En

• Puede verse que el estadístico Durbin-Watson es


0.364584 2 ; por lo tanto hay autocorrelación positiva.

• Otra forma de determinar si existe autocorrelación es ver


el gráfico de los residuos a lo largo del tiempo.
Si hay errores positivos seguidos de errores positivos y
errores negativos seguido de errores negativos,
entonces estamos en presencia de autocorrelación
positiva

• Ver el correlograma
View / Residual diagnostics / Correlogram Q-Statistic
El correlograma muestra la barras descendiendo
lentamente
Aplicación econométrica en EVIEWS
En la regresión del Consumo y PBI HAY AUTOCORRELACIÓN

¿Un AR(1) resuelve la autocorrelación?: ls c01 c PBI AR(1)

La regresión Gráfico de los residuos El correlograma

No hay autocorrelación, los desajustes


Si el DW se ubica entre 1.5 y 2.5 se puede se corrigen rápidamente, no hay
asumir que no existe autocorrelación información sistemática

También podría gustarte