Econometria Con Eviews
-
Upload
raul-aguirre -
Category
Documents
-
view
267 -
download
3
Transcript of Econometria Con Eviews
-
8/10/2019 Econometria Con Eviews
1/53
Cesar H. Antunez Irgoin
CESAR ANTUNEZ IRGOIN
-
8/10/2019 Econometria Con Eviews
2/53
El Modelo Lineal General
(MLG)
Yt = Xt+ t
Supuestos del Modelo
E(Yt/Xt) = + Xt El modelo puede representarse.
t ~ N(0 ; ^2.I) El error tiene una distribucin Normal.
(X) = k X es fija y de rango (Txk) completo (no
perfecta multicolinealidad)
El error presenta una matriz de varianza y covarianza:
E() = E(^2) =Var()= Homocedasticidad.
E(ts) = Cov(ts) =0 no autocorrelacin.
CESAR ANTUNEZ [email protected]
I2
-
8/10/2019 Econometria Con Eviews
3/53
-
8/10/2019 Econometria Con Eviews
4/53
Propiedades de MCO y MCG
Es no paramtrico.Es lineal en los parmetros.
Es insesgado E()=
Eficiente (Varianza mnima)
Consistente plim()
Ejemplo : Modelo de Cagan linealizado
CESAR ANTUNEZ [email protected]
ttt iLnPBILnMLn )(*)(*)( 21
-
8/10/2019 Econometria Con Eviews
5/53
Estimacin con EViewsPrevio al anlisis de series en estudio ,
Eviews nos permite estimar MCG por tresmtodos que son equivalentes.
1. Uso de Comandos:LS LOGM C LOGPBI LOGinter
Nombre del modelo: CAGANEquation CAGAN.LS Log(M) c Log(PBI) Log(inter)
2. Ventana de Dialogo: Quick/Estimate Equation/Escribir la ecuacin con el mtodo seleccionarmuestra.
3. Creacin de Ecuacin: Objects/New Object/Equation.Se activa una ventana de dialogo igual al caso uno.
Nota: tambin se puede introducir variablesdirectamente comolog(X), D(x,d), X(-n), exp(x),
abs(X), etc CESAR ANTUNEZ [email protected]
-
8/10/2019 Econometria Con Eviews
6/53
Ventanas de Eviews con MCO para
MLG
CESAR ANTUNEZ [email protected]
Escribir la ecuacin a estimar que tambin puede
escribirse como:
Logm=C(1)+C(2)*Logpbi+C(3)*Loginter
Seleccin del mtodo de estimacin . Por
defecto Eviews utiliza mnimos cuadrados
ordinarios, LS-Least Quares .
Seleccin del periodo o muestra.
-
8/10/2019 Econometria Con Eviews
7/53
Estimacin de Parmetros y Prueba estadsticas
Modelo de Demanda de Dinero de Cagan:
CESAR ANTUNEZ [email protected]
Coefficiente: Coeficientesestimados por MCO. Suinterpretacin depende la denaturaleza de la variable delmodelo. Para nuestro casoutiliza utilizar series en
logaritmo, los coeficientesrepresentan la elasticidaddemanda del dinero. Si el PBIaumenta en 1% la demandade dinero aumenta en 2.06% ysi la tasa de inters aumentaen un punto porcentual, lamasa monetaria disminuir auna tasa de 0.14%
ttt erLogPBILogMLog )(int*14.0)(*059.287.0)(
-
8/10/2019 Econometria Con Eviews
8/53
STD.Error: Error estndar de los coeficientes estimar.
t-Statistic: Valor del estadstico t, bajo la hiptesis individual que las variables(H0: i =0).Con t-k grados de libertad, Indica que la variable contribuye a explicarla variable endgena.
Prob: Si los Valores son superiores al 5% (=5%) no se rechaza la hiptesis(significativa la variable) nula y la variable exgena sirve para explicar el modelo.
R squared: Es el R cuadrado de la ecuacin y representa el porcentaje de lavariabilidad de la variable dependiente explicad por la variable independiente.
Adjusted R-squared: Permite medir el incremento neto de R cuadrado,cuando se incluye un nuevo regresor.
SE. Of regression:
Sum suared resid:
Log likelihood: Representa el valor de la funcin de verosimilitud en losparametros, til para la interpretacin del ratio de verosimilitud.
CESAR ANTUNEZ [email protected]
XYXYYYSCR
XYXYSCE
-
8/10/2019 Econometria Con Eviews
9/53
Durbin-Watson stat: Sirve para contrastar la hiptesis deincorrelacin entre perturbaciones aleatorias frente a la presencia deautocorrelacin.
Mean depent var: Representa la media la variable dependiente.
S.D depent var: Representa la cuasidesviacin tpica de la muestra.
F-statistic:Es el estadstico que esta asociado a la hiptesis conjuntade que los parmetros asociados son iguales a cero ( excepto elintercepto). H0: 1=2=3=i
Prob(F-statistic): Mide la probabilidad de cometer el erro tipo I . Secalcula con la distribucin F de Snedecor Fk-1;T-k.
Criterios de Informacin: Son el Akaike info criterion y Schwarzcriterion, estos criterios nos dan informacin de la capacidadexplicativa del modelo y permite realizar comparaciones de losmodelos analizados.
CESAR ANTUNEZ [email protected]
-
8/10/2019 Econometria Con Eviews
10/53
-
8/10/2019 Econometria Con Eviews
11/53
Test de JarqueBera
Yo por mi parte aplicare las tres pruebas a los errores del
modelo se recomienda al lector aplicarlos a las dems
variables de su modelos que tenga.
H0 : t se aproxima a una distribucin Normal.
H1 : t no se aproxima a una distribucin Normal.
Jarque - Bera se formula:
T: Tamao de muestra
K: Es la kurtosis
S: Es la asimetra k: Nmero de regresoras
Regla de Decisin:
Si el JB es menor 5.99 no se rechaza la hiptesis nula
CESAR ANTUNEZ [email protected]
4
3
6
22 KS
kTJB
99.52 )2%;5( JB
-
8/10/2019 Econometria Con Eviews
12/53
Abrir con doble click Resid ir a View/ Descriptive
Statistics & Tests / Histogram and Stats
CESAR ANTUNEZ [email protected]
-
8/10/2019 Econometria Con Eviews
13/53
Prueba de Normalidad (Quantile -
Quantile)Para que exista normalidad en los residuos los puntos debr
estar a lo largo de la recta, pero si los puntos estn muydispersos y la mayora esta fuera de la recta no existe
normalidad.
* La instruccin en Eviews es doble click en Resid ir a View/Graph y en sepecificacin seleccionar Quantile - Quantile en
opcnes seleccionar Theoretical
CESAR ANTUNEZ [email protected]
-
8/10/2019 Econometria Con Eviews
14/53
Como se puede apreciar los puntos estn sobrela recta entonces podemos decir que la variableResid (Error) tiene una distribucin normal.
CESAR ANTUNEZ [email protected]
Di d C j
-
8/10/2019 Econometria Con Eviews
15/53
Diagrama de CajaSi en el grfico la media esta en medio de la caja y losbigotes de la caja tiene casi la misma distancia a lacaja se acepta la normalidad de la variable.
* Como sabemos este grfico se basa en la media, loscuartiles y valores extremos. Donde la caja encierra elrango intercuartil que encierra el 50% de los valores ytiene una media dibujada dentro, adems el intercuartiltiene como extremos el percentil 75 y el percentil 25.
Instruccin en Views es abrir Resid con doble click ir aView/Graph/ Seleccionar la especificacin Boxplot.
CESAR ANTUNEZ [email protected]
-
8/10/2019 Econometria Con Eviews
16/53
Como se observa en el grfico la media esta enla mitad de la caja y los bigotes tiene igual
distancia a la caja, entonces Residtiene una
distribucin normal CESAR ANTUNEZ [email protected]
-
8/10/2019 Econometria Con Eviews
17/53
Test Estadsticos sobre los Coeficientes
Eviews tiene tres pruebas sobre los coeficientes del modelo y estas
son:
Pruebas de Restriccin de Coeficientes: Esta prueba se basa en laprueba de Wald, que puede ser individual (H0: i = 0) o grupal (H0:
1 = 2 =k =0)
En la ventana de la ecuacin(nuestro caso cagan) ir a View/Coefficient
Diagnostics/Wald Test-Coefficient RestrictionsE n la ventana de
dialogo se escriben las restricciones entre comas ejemplo: H0 :C(1)-2*C(2) = 0
CESAR ANTUNEZ [email protected]
-
8/10/2019 Econometria Con Eviews
18/53
CESAR ANTUNEZ [email protected]
F ( q=1;T=70;0.95)
Como se observa en el
rectngulo de color rojo
que tiene una bajaprobabilidad 0.02% de
no rechazar la hiptesis
nula. Rechaza H0
q: Nmero de
restricciones.
2112 )()()( qRbRXXRSqRbW
Contraste de restricciones lineales: Esta Prueba utiliza el
-
8/10/2019 Econometria Con Eviews
19/53
o Contraste de restricciones lineales: Esta Prueba utiliza elestadstico W y el F para contrastar los residual del modelosin restringir (S) y los del mod.elo restringido (t).
o Pruebas de Variables Omitidas: Nos da una idea si una listade variable adicional podra mejorar el modelo.
Ubicamos en cuadro de la ecuacin (caso Cagan) nos dirigimosa View/Coefficient Diagnostics /Omitted Variables Test-
Likelihood Ratio.En el cuadro de dialogo se escriben las variables a omitir (caso:inter)
CESAR ANTUNEZ [email protected]
);(/
//
)/(
/)(kTq
ss
sstF
kT
qF t
H0: La variable inter es nosignificativa para el modelo(C(3)=0)
H1 : inter es una variable
significativa para el modelo(C(3) 0).
Con una probabilidad0.07% se rechaza lahiptesis nula de no
significancia para elmodelo,
P b d V i bl R d d t P b i l l i
-
8/10/2019 Econometria Con Eviews
20/53
CESAR ANTUNEZ [email protected]
o Pruebas de Variables Redundantes: Prueba si la exclusin
de una lista de variable podra mejor el ajuste del modelo.
* Ubicamos en cuadro de la ecuacin (caso Cagan) nos
dirigimos a View/Coefficient Diagnostics
/RedundantVariables Test-Likelihood RatioEn el cuadro de dialogo se escriben las variables a omitir
(caso: LOGPBI)
H0: La variable LogPBI es
redundante para el modelo.H1 : La variable LogPBI es
redundante para el modelo .
Con una baja probabilidad de 0 %
(menor =5%) no se acepta la
hiptesis nula.Por lo que la variable LogPBI no es
redundante para el modelo de
Cagan
-
8/10/2019 Econometria Con Eviews
21/53
MulticolinealidadLa multicolinealidad en el Modelo Lineal General se presenta cuando lasvariables independientes presentan alto nivel de correlacin. Por lo queen trminos empricos hay que definir los limites de tolerancia de
colinealidad.Siguiendo a Klein en su versin de correlacin indica un alto gradocuando:
RY : Es la raz cuadrada del coeficiente de determinacin
Multicolinealidad Perfecta (XX) < kMulticolinealidad imperfecta (X
X) = k / X
X / 0
Consecuencias: Es el incremento de los errores estndar de la prueba t, se mantiene un buen ajuste R cuadrado alto, una prueba F significativay t bajo para variables que presentan multicolinealidad.
Deteccin: Anlisis de la matriz de correlaciones. Algunosautores recomiendan correlaciones mayores 0.8 0.85 indica lapresencia de colinealidad.
Anlisis de la matriz XX (es o no una matriz singular
CESAR ANTUNEZ [email protected]
YXX Rr ji
P l t i d l i E i 7 t l d
-
8/10/2019 Econometria Con Eviews
22/53
CESAR ANTUNEZ [email protected]
Para ver la matriz de correlaciones en Eviews 7 tenemos que el cuadrosPros/Make Regressor Group en la nueva ventana ir Group Menbers, borrala variable LogM hacer click en name y guardalo con el nombre Matrix.
Abrir el objeto Matrix con doble
click e ir View/Principal
Components Nos da la matrix
de correlaciones
En el cuadro de comandos
Digitar: Sym
mcorrel=@cor(matrix)
En el cuadro de comandos Digitar:Scalar det_cor=det(mcorrel)
Abrir el objeto det_cor con doble
click ver el valor de la detreminante
esn 0.61>0. No existe correlacin
el en modelo
Para ver un ejemplo con multicolinealidad crearemos un Workfile
-
8/10/2019 Econometria Con Eviews
23/53
Para ver un ejemplo con multicolinealidad crearemos un Workfile
generando variables que se muestra en el grfico del cuadro de
comandos
CESAR ANTUNEZ [email protected]
-
8/10/2019 Econometria Con Eviews
24/53
CESAR ANTUNEZ [email protected]
En el modelo de Regresin de
la Gua positiva anterior se
puede observar una alta
colinealidad (un buen ajuste
entre R^2 y F), pero la
variable X3_ no es
significativa (tiene una
probabilidad alta de 21.31%
mayor al 5%), lo que nos da
indicios de multicolinealidad
que constatara con la matrizde correlaciones. Para
realizar el grafico de las
correlaciones seleccionemos
X1 X2 X3_ con CTRL y
despus un Click izquierdo
nos dirigiremos a la Table enmen View/Graph
seleccionaremos la opcin
que se muestra en el grfico
de Graph Options
-
8/10/2019 Econometria Con Eviews
25/53
CESAR ANTUNEZ [email protected]
-
8/10/2019 Econometria Con Eviews
26/53
Test de Farrar-GlauberH0 : Las Xi son ortogonales entre si
H1 : Las Xi no son ortogonales entre si (Existe multicolinealidad)
k: Nmero de variables explicativas
R: Matriz de correlaciones simples.
CESAR ANTUNEZ [email protected]
2
2/)1(*)6
52(1
kkRLog
kTFG
-
8/10/2019 Econometria Con Eviews
27/53
Autocorrelacin
Es un caso particular de MCG que se produce cuando los errores del
modelo presentan correlaciones entre ellas (esto puede deberse aefectos inerciales del pasado como la inflacin, una crisis mundial,
rezagos de poltica, especulacin, etc). Este problema y la
heteroscedasticidad origina que las perturbaciones no sean esfricas.
Por lo que la matriz de varianzas y covarianzas de las perturbaciones
sean distintas a cero.
Violacin del supuesto: E( t;s)= 0 t s
Sus efectos son: la los estimadores por MCO de son insesgados
por ineficientes (varianza no es la mnima) e inconsistentes
reduciendo la probabilidad de hacer pruebas de hiptesis.
Solucin: Reparametrizar el modelo y determinar el componenteautorregresivo.
CESAR ANTUNEZ [email protected]
-
8/10/2019 Econometria Con Eviews
28/53
Planteamiento Formal
CESAR ANTUNEZ [email protected]
1
1
1
),()(
21
21
11
2
021
201
110
/
TT
T
T
TT
T
T
tt tEVar
ttt xY
0,1,-2,...s)()(
),(
0
r
s
tst
tst
VarVar
Cov
0s)(
0),(22
t
E
E stst Autocovarianza
Coeficientes de Autocorrelacin
Se utilizar MCG o reparametrizados de los coeficientes deautocorrelacinpara estimar los parmetros
Test de Durbin Watson: S t b l t l i d
-
8/10/2019 Econometria Con Eviews
29/53
Test de Durbin-Watson: Somete a prueba la autocorrelacin dePrimer orden (AR(1)).
Ho : no existe autocorrelacin de primer orden
DW=
El valor del DW se puede apreciar en la ventana de resultados ( Gua P.7). Si el DW 2 no existe autocorrelacin positiva, DW > 2existesospechas de una autocorrelacin negativa y si DW < 2 existesospechas de una autocorrelacin positiva.
Crtica:* Slo es valido para la autocorrelacin de la perturbacinautorregresiva de orden 1 (AR(1)).
* Requiere de una muestra mnima de 15, para obtener resultadosfiables.
* Presenta zonas de indeterminacinCESAR ANTUNEZ [email protected]
ttt xY
ttt u 1
0
)1(2
)(
1
2
2
2
1
T
t
T
t
tt
t
Prueba de Breusch Godfrey
-
8/10/2019 Econometria Con Eviews
30/53
Prueba de Breusch - Godfrey
Es un contraste ms general que el DW al permitir que la hiptesis
alternativa procesos estocsticos ms generales de orden p (AR(p))
o medias mviles de orden q (MA(q)), y se puede utilizar en variables
endgenas retardadas.
(ausencia de Autocorrelacin)
AR (r) o MA (r)
Prueba: En la ventana de resultados View/Residual Diagnostics/
Serial Correlation LM Test teclea 2 rezagos (Lags)
CESAR ANTUNEZ [email protected]
ttt xY
trtrttt u ...2211
0...: 210 rH
0...:211
rH
22 rTRLM
-
8/10/2019 Econometria Con Eviews
31/53
CESAR ANTUNEZ [email protected]
Por tener un probabilidad muy baja 0% (menor de 5%)
se rechaza la hiptesis nula de incorrelacin.
Por lo que el modelo presenta autocorrelacin de 2
orden (AR(2))
-
8/10/2019 Econometria Con Eviews
32/53
Test de LjungBox y Box Pierce
Este test utiliza el coeficiente de correlacin simple y slo puede ser
aplicado cuando el conjunto de variables explicativasson todas exgenas.
Test Box - Pierce:
Ljung presenta un refinamiento a la formula anterior:
Donde : r i : Es el coeficiente de autocorrelacin simple
CESAR ANTUNEZ [email protected]
r
i
rirTQ1
22
r
ir
i
iT
r
TTQ 1
22
)2(
T
t
t
T
t
tit
ir
1
2
1
Correlograma: Es otra forma de identificar la autocorrelacin de
-
8/10/2019 Econometria Con Eviews
33/53
CESAR ANTUNEZ [email protected]
Correlograma: Es otra forma de identificar la autocorrelacin deorden p.
En la ventana de resultados View/ Residual Diagnostics/Correlogram- q stadistis.
En el cuadro de dialogo que aparece seleccionamos sin transformar(Level) y el nmero de rezagos 22 (Lag Specification)
-
8/10/2019 Econometria Con Eviews
34/53
Las banda esta del
correlograma estan
representada por :
= 0.2341los valores
que sean iguales o
mayor ha este valornos indicara el orden
de AR(r).
CESAR ANTUNEZ [email protected]
7322
T
Correccin de la
-
8/10/2019 Econometria Con Eviews
35/53
Correccin de laAutocorrelacinIntroduciremos el componente
autoregresivo al modelo
estimado.
Comando : equation Cagan.LS
logm logpbi inter AR(1) AR(2)
Luego, se incorporo una variableautoregresiva de 1er orden y otra
variable autorregresiva de 2do
orden, estas variables ayudaron a
perfeccionar el modelo dando
solucin al problema de
autocorrelacin de los errores enel modelo, considerando de que el
error esta en funcin del mismo
error pero rezagado hasta el
segundo periodo.
CESAR ANTUNEZ [email protected]
-
8/10/2019 Econometria Con Eviews
36/53
HeteroscedasticidadLa heteroscedasticidad significa que la varianza de lasperturbaciones no es constante a lo largo de las
observaciones, violando un supuesto bsico del modelo( )
Consecuencias
Una perdida de eficiencia de los estimadores mnimos
cuadrados.La varianza del estimador por MCO no es mnima.
Solucin
Reparamtrizar el modelo para encontrar la ley de
formacin de la varianza para cada periodo.* Como veremos a continuacin Eviews tieneincorporado varias pruebas para detectar laheteroscedasticidad de los errores
CESAR ANTUNEZ [email protected]
22)( iE
-
8/10/2019 Econometria Con Eviews
37/53
Supuesto Formal
CESAR ANTUNEZ [email protected]
ttt xY
2
2
2
2
1
/
00
00
00
),()(
T
tt tEVar
Deteccin de H
Este anlisis se basa en los residuos
i) Representacin grfica de residuos estimados versus lavariable dependiente proyectada o tras variables conocidas,
para explicar el comportamiento de la varianza y poder extraer
su ley.
ii) Prueba general de (Goldfeld y Quant, Breusch y Pagan ,
White)* Si representamos grficamente los residual elevados al
cuadrado con la variable dependiente pronosticada (o con cada
uno de los regresores ordenados )
* Si en el cuadro de comando digitamos: genr resid_2=resid^2
*del cuadro de resultado activamos Forecast/ok hemos
-
8/10/2019 Econometria Con Eviews
38/53
del cuadro de resultado activamos Forecast/ok hemosgenerados los valores estimados de la variabledependiente Logmf.
Seleccionando Resid_2 y Logmf y habrimos el cuadro de
Ctrl y doble Click abrimos open Group enView/Graph/Seleccionamos Scatter/Simple Scatter
CESAR ANTUNEZ [email protected]
* Del grfico se desprende
que la relacin entre las
variables es lineal, lo quenos lleva a pensar que
errores al cuadrado de las
perturbaciones crece
linealmente elasticidad
demanda de dinero.
Si observamos bien esta
relacin es exponencial por
lo que nos animamos ha dar
el factor de la varianza.22 )( ii YVar
P b d G ldf ld Q t
-
8/10/2019 Econometria Con Eviews
39/53
Prueba de Goldfeld - Quant
H0: No existe Heteroscedasticidad (igualdad de varianzas)
H1: Existe Heteroscedasticidad donde h(.) es funcin
monotona.
* Omitir r observaciones intermedia (r < T/3)
* Los dos grupos tiene tamao (T-r)/2
En nuestro caso tenemos 73 observaciones, despus de ordenar las
observaciones del modelo (se ordena las observaciones de todas lavariables mediante la ventana de Worfile activamos Procs/Sort Current
Pageen el nuevo cuadro de dialogo introducimos la variable Logmf y
ordenamos Ascendentemente), se eliminan las 24 (r < 73/3) centrales
formando dos grupo donde el primer grupo tiene de 1 hasta 24 y el
segundo grupo 49 hasta 73.
CESAR ANTUNEZ [email protected]
)(2 iji xh
-
8/10/2019 Econometria Con Eviews
40/53
Generamos el Scalar en el cuadro de comandos: Scalar se1=@se para elprimer grupo y la desviacin del error para el segundo grupo Scalar se2=@se.
oteamos cual de las dos desviaciones es la mayor por que dividiremos lamayor desviacin entre la menor en el cuadro de comandos, en nuestro caso
es Se2 (0.152044) es mayor a Se1(0.084002). En el cuadro de comandogeneramos el estadstico : Scalar f=(se2/se1)^2 , que si revisamos el valordel objeto f nos da 3.276
CESAR ANTUNEZ [email protected]
-
8/10/2019 Econometria Con Eviews
41/53
Para rezar o no la hiptesis nula necesitamos del estadstico
F, por lo que crearemos este estadstico en el cuadro de
comandos.
Scalar prob=(1-@cfdist(f, 24, 24))
El resultado nos da una probabilidad muy baja de
0.2562139% (menor del 5%). Por lo que se rechaza la
hipotesis nula de Homocedasticidad de la varianza.
* Una solucin habitual en este tipo de problemas esconsiderar el esquema de la varianza como:
o
CESAR ANTUNEZ [email protected]
2/)(;2/)(;)/( 212 rTrTssF
)()( 2 iji xVar 22)( jii xVar
Prueba de White
-
8/10/2019 Econometria Con Eviews
42/53
Prueba de WhiteEste contraste es el ms general por que no especifica
concretamente la heteroscedasticidad.
No existe Heteroscedasticidad
White sin termino cruzado (no cross terms)
Esta prueba es similar a MCG que considera los residuos del
cuadrado como variable dependiente.White con termino cruzado (cross terms)
La varianza toma forma general en funcin de regresores al cuadrado
y de su producto cruzado
CESAR ANTUNEZ [email protected]
01
22
0
:
:
HverificasenoH
H i
iiiiit uxxxxxx ii 21122
22
2
1122110
2
21 Ni 1
2
2
2
* kRTLM
ikttkkkttkkktkit uxxxxxxxx ktk
,1,12112
22
11110
2
1
0:,112111 kkkkkoH
2
2
2*
kRTLM
Aplicando la Heteroscedasticidad en Eviews
-
8/10/2019 Econometria Con Eviews
43/53
Aplicando la Heteroscedasticidad en EviewsView que se encuentra en el objeto de ecuacin Cagan(es el
nombre de nuestra ecuacin) pulsamos View/Residual
Test/Specification White (no cross terms)
CESAR ANTUNEZ [email protected]
rechaza
-
8/10/2019 Econometria Con Eviews
44/53
Formas de Corregir la
Heteroscedasticidad
Un manera es realizar Mnimos CuadradosPonderados , donde la ponderacin se puede
elegir mediante White o el anlisis de residuos.
Correccin
* Correccin White (Heteroskedasticy Consiste
Covariances)
* Correcin de NeweyWest (HAC Consistent
Covariances)
CESAR ANTUNEZ [email protected]
n mos ua ra os
-
8/10/2019 Econometria Con Eviews
45/53
n mos ua ra osPonderados(MCP)
Modelo con problemas de Heteroscedasticidad
Modelo transformado sin problemas
de Heteroscedasticidad
CESAR ANTUNEZ [email protected]
ttt xY
VVE
TT
t t
00
00
00
00
00
00
),( 2
1
2
2
2
21
/
T
V
/100
0/10
00/1
2
1
1
tvxY tt
PonderadorV :
YXXXMCO1
Pasos para Minimos Cuadrados
-
8/10/2019 Econometria Con Eviews
46/53
Pasos para Minimos Cuadrados
Ponderado (MCP)
* Estimar por MCO ignorando H.
* Establecer la forma del error ()al cuadrado
(=f(z)) utilizando el procedimiento de
White.
* Transformar las variables (Y, x) dividiendo
las por la estimacin del paso anterior
(ponderacin).
* Se estima el modelo por MCO con
variables transformadas.
CESAR ANTUNEZ [email protected]
-
8/10/2019 Econometria Con Eviews
47/53
En la ventana de resultado hacemos click en estimateclick en options ypodemos dejar que el programa por defecto (default) incorpore el factor queponderar las variables X e Y.
Recordemos que nuestro modelo no tiene problemas de Heteroscedasticidapero para fines ilustrativos incorporaremos como factor de ponderacin a la
inversa de la desviacin de los errores (Inversa std.dev.). Y en Weight(ponderacin) establecemos logm
CESAR ANTUNEZ [email protected]
-
8/10/2019 Econometria Con Eviews
48/53
Resultados por MCP
CESAR ANTUNEZ [email protected]
-
8/10/2019 Econometria Con Eviews
49/53
Correccin de HeteroscedasticidadCorreccin de White: Corrige la matriz de VarCov por
heteroscedasticidad.
Correccin de NewyWest (HAC ConsistenteCovariances): Corrige la matriz de VarCov de losparmetros estimados por heteroscedasticidad yautocorrelacin
q: Representa un nmero enteroCESAR ANTUNEZ [email protected]
11
21 )(
XXXXXX
kT
T T
t
tW
11 )(
XXXXkT
TNW
T
t
q
v
tvtvtvtttt XXXXqvXX
kTT
1 1
2
11
9/2)100/(4 Tq
-
8/10/2019 Econometria Con Eviews
50/53
Estimacin en Eviews
En la ventana de resultados hacemos click en estimatey
luego en options
CESAR ANTUNEZ [email protected]
Tambin podemos activar el tipo(type) de ponderacin,
como por ejemplo la varianza y la inversa del logPBI
(ponderacin se obtiene de la prueba de Wheti) como se
muestra en la siguinte hoja
-
8/10/2019 Econometria Con Eviews
51/53
Hay que mencionar que los resultados
que no cambian con cualquiera de lasdos pruebas solo cambia los erroresestndar que se corregirn.
CESAR ANTUNEZ [email protected]
-
8/10/2019 Econometria Con Eviews
52/53
CESAR ANTUNEZ [email protected]
Resultados de Correccin de White
-
8/10/2019 Econometria Con Eviews
53/53
Resultados de Correccin de Newey -
West