TOPICOS DE ECONOMETRIA APLICADA Uso de Variables Dummy Series de Tiempo Daniel Lema.

Slides:

Advertisements

Presentaciones similares

Tema 18: Contraste paramétrico de hipótesis III: Pruebas para contrastar correlaciones y diferencias de correlaciones. Contraste de los coeficientes.

Advertisements

Modelos de Variable Dependiente Binaria -Logit y Probit-

Pronósticos, Series de Tiempo y Regresión

ESTUDIO DE MERCADO. MÉTODOS DE PROYECCIÓN

Pronósticos, Series de Tiempo y Regresión

Pruebas de Estacionariedad

RELACIONES Y FUNCIONES

Tema: Función Lineal y Función Cuadrática

Estadísticos de Prueba en el Modelo de Regresión Múltiple

REGRESIÓN PARTICIONADA

SERIES UNIVARIADAS Toda institución, ya sea la familia, la empresa o el gobierno, tiene que hacer planes para el futuro si ha de sobrevivir y progresar.

Econometría Aplicada: Series de Tiempo

ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL

SERIES TEMPORALES.

Sesión 7. Perfil del consumo C Luis Rosero-Bixby UC Berkeley.

Econometria 2. Modelo de Regresión Lineal Simple

Mario Bidegain (FC) – Alvaro Diaz (FI) – Marcelo Barreiro (FC)

1 Modelos Cuantitativos Pronósticos PRONÓSTICO Predicción de lo que ocurrirá sobre la base de: 1. Identificación de tendencias a futuro sobre.

VARIABLES INSTRUMENTALES

CAMBIO ESTRUCTURAL INDICE DE LA PRESENTACIÓN.

Regresión Lineal Simple

9 Regresión Lineal Simple

Análisis de Correlación y de Regresión lineal simple

UNIVERSIDAD AUTONOMA DEL PERÚ

Estadística 2010 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri.

CONTRASTE Y VALIDACIÓN DE UN MODELO

Econ. José Luis Rojas López

PRESENTACION IV ETAPA 1: PREPARACION DE DATOS Curso Formación Fortalecimiento Institucional Análisis Regional de Frecuencias basado en L-momentos Jorge.

Pronósticos, Series de Tiempo y Regresión

Pronósticos, Series de Tiempo y Regresión

REGRESION LINEAL III Mario Briones L. MV, MSc 2005.

SERIES TEMPORALES.

Pronósticos Los pronósticos y la planeación de la capacidad de mantenimiento son dos funciones importantes para el diseño de un sistema de mantenimiento.

Estadística Administrativa II

Pronósticos, Series de Tiempo y Regresión

Estadística Administrativa II

Métodos de calibración: regresión y correlación

Dr. José Guadalupe Ríos1 ELEMENTOS DE PRUEBAS ACELERADAS Es una técnica que permite tener tiempos de falla más rápidamente, lo cual permite ahorrar tiempo.

Titular: Agustín Salvia

Estadística Administrativa II

Pronósticos, Series de Tiempo y Regresión

Estimador de Efectos Fijos

TOPICOS DE ECONOMETRIA APLICADA Uso de Variables Dummy Cross Section

¿Qué es un pronóstico? Cualquier afirmación acerca de la ocurrencia o no ocurrencia de un evento,la fecha en que va a suceder algo ola intensidad de un.

Análisis de los Datos Cuantitativos

Regresión Lineal Simple

Coeficiente de determinación y análisis de varianza de la regresión

Regresión lineal simple Nazira Calleja

MODELOS DE PRONOSTICOS Primer semestre 2010 Modelo de Regresión con dos variables.

Unidad 4 Análisis de los Datos.

PRONÓSTICO DE VARIABLES ECONÓMICAS DR. LUIS MIGUEL GALINDO.

HERRAMIENTAS, METODOS. TECNICAS E INSTRUMENTOS.

TEMA : ANALISIS DE REGRESION

INSTRUMENTOS ESTADÍSTICOS PARA EL TRATAMIENTO DE SERIES TEMPORALES APLICADOS AL TURISMO Una aplicación al número de viajeros alojados en establecimientos.

Técnicas de Presupuesto en una Asociación Solidarista Agosto 2015

ECONOMETRIA 2. MODELO LINEAL SIMPLE Hernán Delgadillo Dorado

Estadística Administrativa II

Variables Artificiales Son variables binarias o variables cero-uno diseñadas para describir informacion cualitativa.

REGRESIÓN Y CORRELACIÓN LINEAL, SERIES DE TIEMPO Msc. Esmelda Aguirre Téllez Master en Administración de Negocios.

M.E. ADA PAULINA MORA GONZALEZ. Esta parte describe las técnicas para ajustar curvas en base a datos para estimaciones intermedias. Una manera de hacerlo.

Free and Quick Translation of Anderson's slides1 Analisis de Regresión Múltiple y =  0 +  1 x 1 +  2 x  k x k + u 5. Variables Dummies o Artificiales.

Contraste de Hipotesis

Series de Tiempo Capítulo VIII.

Temas Estimador de Efectos Fijos: utiliza una transformación para eliminar el efecto inobservable ai antes de la estimación Estimador de Efectos Aleatorios:

Variables dummy Una variable dummy toma valores entre 1 y 0 Ejemplo:

ECONOMETRIA APLICADA Uso de Variables Dummy Series de Tiempo

Contraste de Hipotesis

Variables Artificiales

Contraste de Hipotesis

Contraste de Hipotesis

Transcripción de la presentación:

TOPICOS DE ECONOMETRIA APLICADA Uso de Variables Dummy Series de Tiempo Daniel Lema

Variable Dummy Como Alternativa al test de Chow Es interesante para saber si la diferencia se origina en ordenada, coeficientes o ambos. Cuatro posibilidades 1. Regresiones Coincidentes (una) 2. Regresiones paralelas (dos paralelas) 3. Regresiones Concurrentes (misma ord. Dif. pendiente) 3. Regresiones no similares (dif. Ord y pend)

Variable Dummy Como Alternativa al test de Chow F = (SCRR - SCRNR)/k (SCRNR)/(n1+n2- 2k) Dist. F (k, (n1+n2- 2k)) Ejemplo: Ahorros e Ingreso Yt = 1 + 1 Xt + + i Y= Ahorros X= Ingresos Datos:1970-1995 1970-1982 1983-1995

Ejemplo: Ahorros e Ingreso Yt = 1 + 2 Dt + 1 Xt + 2 (Dt.Xt) + t Y= Ahorros X= Ingresos Datos:1970-1995 1970-1982 : D=0 1983-1995 : D=1 Yi = 1.06 + 152.47 Di + 0.08 Xi – 0.06 (Di.Xi) (0.05) (4.60)* (5.54)* (-4.09)*

Ejemplo: Ahorros e Ingreso Yi = 1.06 + 152.47 Di + 0.08 Xi – 0.06 (Di.Xi) (0.05) (4.60)* (5.54)* (-4.09)* Existen diferencias en ordenada y pendiente Identico resuliado a test Chow Solo se estima una regresion (vs. 3) Permite identificar origen de las diferencias Aumenta los grados de libertad

Ejemplo: Analisis de Estacionalidad Cuando la serie presenta estacionalidad marcada se puede desestacionalizar utilizando algun filtro lineal (ej. medias moviles ) Para el analisis de regresion es preferible modelar la estacionalidad Ej. Venta de Heladeras datos trimestrales Yi = 1 D1 + 2 D2 + 1 D3 + 2 D4 + i Cada coeficiente representa la venta promedio por trimestre El residual de la regresion es la serie desestacionalizada (contiene tendencia, ciclo y aleatoriedad)

Ejemplo: Analisis de Estacionalidad Si incorporamos un regresor adicional (ej. Gasto en bs. Durables) y ordenada al origen excluyendo una dumy Yi = 1 + 2 D2 + 1 D3 + 2 D4 + 1 Xi + i Los coeficientes de las dummy son diferencias con respecto a la base (irim 1) Que ocurre si X tiene iambien estacionalidad? La inclusion de dummies controla tambien la esiacionalidad de las X Prueba: regresar X e Y contra dummies, guardar residuales y correr una regresion de residuales de Y contra residuales de X. El coeficienie estimado de pendiente es equivalente al 1

Cambios de Tendencia por Tramos Conectados Yi = 1 + 1 Xi + 1 [Di .(Xi – X*)] + i Donde X* = Umbral del cambio D=1 si Xi>X* D=0 si Xi<X* Ej. Y= Costo total X= Volumen de produccion

Cambios de Tendencia por Tramos Conectados Si D=0 Yi = 1 + 1 Xi Si D=1 Yi = 1 - 1 X*+ (1 + 1 ).Xi La significatividad del 1 permite testear la diferencia de pendiente.