APLICACIONES ECONOMÉTRICAS LIC. EN ECONOMIA PRÁCTICA 16/5/03.

Slides:



Advertisements
Presentaciones similares
Regresión mínimo cuadrada (II)
Advertisements

Tema 2. El modelo de regresión lineal simple
Modelos de Variable Dependiente Binaria -Logit y Probit-
2011 Universidad Nacional Autónoma de Nicaragua UNAN-Managua
APLICACIONES ECONOMÉTRICAS LIC. EN ECONOMIA PRÁCTICA 9/5/03
Pruebas de Estacionariedad
ESTUDIO INTEGRAL DE TRANSPORTE Y ÁREA METROPOLITANA DE ROSARIO
APLICACIONES ECONOMÉTRICAS LIC. EN ECONOMIA PRÁCTICA 23/5/03
MANUAL DE LABORATORIO DE CÓMPUTO ECONOMETRÍA I HETEROSCEDASTICIDAD
Pruebas de Especificación en el Modelo de Regresión Múltiple
PROPIEDADES ESTADÍSTICAS DE LOS ESTIMADORES
FACULTAD DE ECONOMÍA UNAM Maestría en Economía
Econometría Aplicada: Series de Tiempo
APLICACIONES ECONOMÉTRICAS LIC. EN ECONOMIA PRÁCTICA 4/4/03 y 11/4/03
MANUAL DE LABORATORIO DE CÓMPUTO ECONOMETRÍA I MULTICOLINEALIDAD
Estadística 2011 Clase 8 Maestría en Finanzas Universidad del CEMA
ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL
Modelo básico de regresión Lineal
RESIDUALES DE LA REGRESIÓN
Tema 1- Regresión lineal simple.
9 Regresión Lineal Simple
LEAN SIGMA – FASE DE ANÁLISIS Propósito y herramientas 1.
REGRESION LINEAL En la búsqueda de mejoras o en la solución de problemas es necesario, frecuentemente, investigar la relación entre factores (o variables).
BIOESTADISTICA v1.0. Health Analysis and Information Systems Area (DD/AIS) BIOESTADISTICA v1.0 Brown Bag Lunch: Dr. Jaume Canela Soler,
Técnicas multivariantes:
Principios de Bioestadística: «PRUEBA t»
Las variables son cualesquiera: Se esperaría que: crece X1 implicará decrece Y crece X2 implicará decrece Y crece X3 implicará decrece Y Hay que justificar.
Regresión Lineal Múltiple
Alcaldía de Chacao Dirección de Administración Tributaria 27 de septiembre de 2006 Buenos Aires Municipio Chacao. Caracas, Venezuela Wilfredo Ramos Barrera,
Análisis Factorial de Datos Categóricos
MODELOS DE ELECCIÓN BINARIA: ANÁLISIS LOGIT
CO 3321/22 Modelos Lineales Práctica 3 Consideraremos modelos de la forma: Observación=señal + ruido Estos modelos pueden escribirse en la forma: Y=X 
MODELOS DE ELECCIÓN BINARIA : ANÁLISIS PROBIT
ANÁLISIS GEOESPACIAL DE LA EMIGRACIÓN INTERNA Edgar L. Jasquez Analista Geoespacial de la ONE 26to Encuentro Interinstitucional.
DERIVADO DE LOS COEFICIENTES DE REGRESIÓN LINEAL Y X Esta sequencia muestra cómo los coeficientes de regresión para un modelo de regresión lineal simple.
Pronósticos, Series de Tiempo y Regresión
LOS COMPONENTES ALEATORIOS DE LOS COEFICIENTES DE REGRESIÓN
Econometría III Esquema del trabajo de ordenador. Curso
Titular: Agustín Salvia
Píldora de evaluación estadística de ajuste de curvas Files con las tablas: T_tables.pdf F_tables.pdf Descargadas desde
Práctica 2 CO2124 Pruebas de Hipótesis
Modelos Lineales CO Práctica 4 Comparación de Modelos Lineales Se desea comparar dos modelos de la forma: (1) y i =  0 +  1 x 1i  l x li.
Resumen Contrastes No Paramétricos. Bondad de Ajuste.
Introducción al Análisis factorial confirmatorio Lectura básica: Cap. 13 del texto Ampliación: Brown, T. A. (2006). Confirmatory Factor Analysis for Applied.
Profesores: Walter Sosa Escudero Mariana Marchionni Asistentes: María Edo Camila Navajas.
Ejemplos de inferencia bayesiana normal
Estimador de Efectos Fijos
1 Entrepreneurship: Innovación y Crecimiento en los Recursos Humanos Miguel-Ángel Galindo Martín Universidad de Castilla-La Mancha.
Introducción a la Simulación de Eventos Discretos José Daniel García Sánchez Grupo de Arquitectura Comunicaciones y Sistemas Universidad Carlos III de.
Índice: Introducción Conceptos básicos Procesos elementales
CO-2124 Análisis de Varianza con Un Criterio de Clasificación En clases anteriores se deseaba determinar si existían diferencias entre las medias de dos.
Regresión lineal simple. Regresión lineal: Ejemplo de juguete.
2009 M.P.Díaz1 Introducción a los Modelos Lineales Generalizados Continuación …. Algunos ejemplos de motivación.
Titular: Agustín Salvia
Asociación entre la pobreza y el crecimiento poblacional Jennifer Rodríguez.
APLICACIONES ECONOMÉTRICAS LIC. EN ECONOMIA PRÁCTICA 28/3/03.
RATS MODELIZACIÓN DE DISTRIBUCIONES. RATS 1. FUNCIONES DE PROBABILIDAD.
Autocorrelación.
Lic. Davide Erdas ________________________ Impacto del Precio del Petróleo en los Estados Unidos ________________________ Efecto de la dependencia del.
Introducción a la Inferencia Estadistica Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff.
Dr. Salome Gonzales Chávez
Free and Quick Translation of Anderson's slides
CATS IN RATS Luis Miguel Galindo Horacio Catalán.
ECONOMETRIA 2. MODELO LINEAL SIMPLE Hernán Delgadillo Dorado
Econometría MSc. Daisy Espallargas Ibarra.
PRESENTADO POR: JOHANNA ANDREA RODRIGUEZ MORENO.  Descubierta por William S. en 1908, la distribución de T normalmente se llama distribución de t de.
ECONOMETRÍA ECONOMETRÍA MSc. Daisy Espallargas Ibarra.
PRUEBAS DE NORMALIDAD 1.- HISTOGRAMA DE RESIDUOS
REPASO BIOESTADÍSTICA I Dra. Margot Vidal Anzardo Unidad de Epidemiología Clínica Universidad Peruana Cayetano Heredia.
Transcripción de la presentación:

APLICACIONES ECONOMÉTRICAS LIC. EN ECONOMIA PRÁCTICA 16/5/03

VIOLACIÓN DE LAS HIPÓTESIS BÁSICAS EN M.C.O.: CONTRASTES DE ESPECIFICACIÓN ERRÓNEA RATS/EVIEWS

1.1 HIPÓTESIS BASICAS EN M.C.O. : RATS/EVIEWS

4. CONTRASTES DE ESPECIFICACIÓN ERRÓNEA USANDO RATS v5.0 RATS

Instrucción STATISTICS: STATISTICS nombre_resíduos Muestra un resumen de los momentos muestrales de los datos de una serie, y algunos contrastes de hipótesis iniciales que te den una idea sobre la distribución de la que proviene la muestra. –Opciones: RATS Test de Bera-Jarque (BJ) de normalidad

*a) Test BJ de normalidad: STAT EPSILON Programa LINREG_INV3.PRG: SALIDA: RATS Statistics on Series EPSILON Quarterly Data From 1980:01 To 2002:04 Observations 92 Sample Mean Variance Standard Error SE of Sample Mean t-Statistic Signif Level (Mean=0) Skewness Signif Level (Sk=0) Kurtosis Signif Level (Ku=0) Jarque-Bera Signif Level (JB=0)

RATS Test de White de heteroscedasticidad *b) Test de White de heteroscedasticidad SET TREND_2 = TREND**2 SET PNB_2 = PNB**2 SET TI_R_2 = TI_R**2 SET TRENDxPNB = TREND*PNB SET TRENDxTI_R = TREND*TI_R SET PNBxTI_R = PNB*TI_R SET EPSILON_2 = EPSILON**2 *Regresión auxiliar: LINREG EPSILON_2 / #CONSTANT TREND PNB TI_R TREND_2 PNB_2 TI_R_2 TRENDxPNB$ TRENDxTI_R PNBxTI_R *Estadístico y contraste: DISPLAY 'WHITE TEST:' COMPUTE WHITE=%NOBS*%RSQUARED CDF CHISQUARED WHITE %NREG Programa LINREG_INV3.PRG:

SALIDA: RATS Linear Regression - Estimation by Least Squares Dependent Variable EPSILON_2 Quarterly Data From 1980:01 To 2002:04 Usable Observations 92 Degrees of Freedom 82 Centered R** R Bar ** Uncentered R** T x R** Mean of Dependent Variable Std Error of Dependent Variable Standard Error of Estimate Sum of Squared Residuals e+13 Regression F(9,82) Significance Level of F Durbin-Watson Statistic Variable Coeff Std Error T-Stat Signif ********************************************************************** 1. Constant e TREND PNB TI_R TREND_ PNB_ TI_R_ TRENDXPNB TRENDXTI_R PNBXTI_R WHITE TEST: Chi-Squared(10)= with Significance Level

Instrucción LINREG: LINREG(opciones) depvar inicio fin (serie_residuos) (serie_coefs) # exvar_1 exvar_2... exvar_n Se puede corregir medinate la elección apropiada de las opciones. –Opciones: »ROBUSTERRORS =>Unicamente con esta opción permite la corrección de White de la matriz de VAR-COV consistente con heteroscedasticidad. RATS Corrección de la Matriz de Var-Cov consistente con Heteroscedasticidad: WHITE

*Correccion de la VAR-COV de m.c.o. de WHITE: LINREG(ROBUSTERRORS) INVR / #CONSTANT TREND PNB TI_R Programa LINREG_INV3.PRG: RATS

SALIDA: EVIEWS Linear Regression - Estimation by Least Squares Dependent Variable INVR Quarterly Data From 1980:01 To 2002:04 Usable Observations 92 Degrees of Freedom 88 Centered R** R Bar ** Uncentered R** T x R** Mean of Dependent Variable Std Error of Dependent Variable Standard Error of Estimate Sum of Squared Residuals Durbin-Watson Statistic Variable Coeff Std Error T-Stat Signif ************************************************************************** 1. Constant TREND PNB TI_R

*c) Test LM de autocorrelación de orden hasta 5: *Regresión auxiliar para un orden de autocorrelación p=5: LINREG EPSILON # CONSTANT TREND PNB TI_R EPSILON{1 TO 5} *Estadístico y contraste para un orden de autocorrelación p=5: COMPUTE LM=%NOBS*%RSQUARED DISPLAY ' LM TEST:' CDF CHISQUARED LM 5 RATS Test LM de Breusch-Godfrey de autocorrelación Programa LINREG_INV3.PRG:

SALIDA: RATS Dependent Variable EPSILON Quarterly Data From 1981:02 To 2002:04 Usable Observations 87 Degrees of Freedom 78 Centered R** R Bar ** Uncentered R** T x R** Mean of Dependent Variable Std Error of Dependent Variable Standard Error of Estimate Sum of Squared Residuals Regression F(8,78) Significance Level of F Durbin-Watson Statistic Variable Coeff Std Error T-Stat Signif **************************************************************************** *** 1. Constant TREND PNB TI_R EPSILON{1} EPSILON{2} EPSILON{3} EPSILON{4} EPSILON{5} LM TEST: Chi-Squared(5)= with Significance Level

Instrucción LINREG: LINREG(opciones) depvar inicio fin (serie_residuos) (serie_coefs) # exvar_1 exvar_2... exvar_n Se puede corregir medinate la elección apropiada de las opciones. –Opciones: »ROBUSTERRORS =>Unicamente con esta opción permite la corrección de White de la matriz de VAR-COV consistente con heteroscedasticidad. »LAGS=PNW => Calcular a parte PNW=floor(4*(T/100) 2/9 ).En el ejemplo LAGS=3 »DAMP=1 RATS Corrección de la Matriz de Var-Cov consistente con Autocorrelación y/o Heteroscedasticidad: NEWEY-WEST

* Correccion de la VAR-COV de m.c.o. de NEWEY-WEST: LINREG(ROBUSTERRORS,LAGS=3,DAMP=1) INVR / #CONSTANT TREND PNB TI_R Programa LINREG_INV3.PRG: RATS

SALIDA: RATS Linear Regression - Estimation by Least Squares Dependent Variable INVR Quarterly Data From 1980:01 To 2002:04 Usable Observations 92 Degrees of Freedom 88 Centered R** R Bar ** Uncentered R** T x R** Mean of Dependent Variable Std Error of Dependent Variable Standard Error of Estimate Sum of Squared Residuals Durbin-Watson Statistic Variable Coeff Std Error T-Stat Signif **************************************************************************** 1. Constant TREND PNB TI_R