APLICACIONES ECONOMÉTRICAS LIC. EN ECONOMIA PRÁCTICA 28/3/03.

Slides:



Advertisements
Presentaciones similares
Bondad de Ajuste, MRLC Y MCO
Advertisements

PRACTICAS SOBRE LA MODELIZACIÓN DE SERIES TEMPORALES
Tema 2. El modelo de regresión lineal simple
Regresión mínimo cuadrada (I)
ESTUDIO DE MERCADO. MÉTODOS DE PROYECCIÓN
Pronósticos, Series de Tiempo y Regresión
APLICACIONES ECONOMÉTRICAS LIC. EN ECONOMIA PRÁCTICA 9/5/03
ESTIMACIÓN POR MÍNIMOS CUADRADOS ORDINARIOS (MCO)
Tema 7 Renta Nacional.
UNIVERSIDAD AUTÓNOMA DEL CARIBE
AUTORES: peter b. seddon y min-yenkiew
APLICACIONES ECONOMÉTRICAS LIC. EN ECONOMIA PRÁCTICA 23/5/03
Covarianza muestral Sean x1, x2, ..., xn e y1, y2, ..., yn dos muestras aleatorias independientes de observaciones de X e Y respectivamente. La covarianza.
Modelado y simulación en Ingeniería Química. Manuel Rodríguez
Pruebas de Especificación en el Modelo de Regresión Múltiple
PROPIEDADES ESTADÍSTICAS DE LOS ESTIMADORES
MODELO DE REGRESIÓN MÚLTIPLE
APLICACIONES ECONOMÉTRICAS LIC. EN ECONOMIA PRÁCTICA 4/4/03 y 11/4/03
MANUAL DE LABORATORIO DE CÓMPUTO ECONOMETRÍA I MULTICOLINEALIDAD
ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL
Econometria 2. Modelo de Regresión Lineal Simple
Modelo básico de regresión Lineal
Regresión y correlación
TEMA 8: ANÁLISIS DE LA REGRESIÓN Y CORRELACIÓN ENTRE DOS VARIABLES
Introducción a Eviews y funciones para el análisis del ciclo económico
Regresión Lineal Simple
1º BACHILLERATO | Matemáticas © Oxford University Press España, S.A Hacer clic en la pantalla para avanzar VARIABLE ESTADÍSTICA UNIDIMENSIONAL Población:
9 Regresión Lineal Simple
Regresión y Correlación
RELACIONES ENTRE VARIABLES
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).
Regresión Lineal Múltiple
Alcaldía de Chacao Dirección de Administración Tributaria 27 de septiembre de 2006 Buenos Aires Municipio Chacao. Caracas, Venezuela Wilfredo Ramos Barrera,
PROBLEMAS ECONOMETRICOS
Módulo 5 Análisis de Regresión y Series de Tiempo.
Macroeconomía: objetivos e instrumentos.
CO 3321/22 Modelos Lineales Práctica 3 Consideraremos modelos de la forma: Observación=señal + ruido Estos modelos pueden escribirse en la forma: Y=X 
Pronósticos, Series de Tiempo y Regresión
Pronósticos, Series de Tiempo y Regresión
ESTADÍSTICA BÁSICA EN ECOLOGÍA EVOLUTIVA Juan J. Soler Cruz Estación Experimental de Zonas Áridas Almería.
Tasa de descuento aplicable a un proyecto Modelo CAPM para empresas de EEUU en similares rubros de Industria + Adición de Prima de riesgo país En fórmulas.
REGRESION LINEAL MULTIPLE: Introducción
Titular: Agustín Salvia
Introducción a la Inferencia Estadística
Estadística Descriptiva
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.
LA RECTA DE REGRESIÓN CONTENIDOS:
APLICACIONES ECONOMÉTRICAS LIC. EN ECONOMIA PRÁCTICA 16/5/03.
Profesores: Walter Sosa Escudero Mariana Marchionni Asistentes: María Edo Camila Navajas.
0 ER i – r f βiβi Línea del mercado de valores Figura 1 Riesgo sistemático.
Titular: Agustín Salvia
FUENTE INE. DIFERENCIA ENTRE LOS DIFERENTES CONSUMOS FINALES. POR LA VÍA DEL GASTO.
2009 M.P.Díaz1 Introducción a los Modelos Lineales Generalizados Continuación …. Algunos ejemplos de motivación.
CORRELACIÓN Y REGRESIÓN EMPLEANDO EXCEL
RATS MODELIZACIÓN DE DISTRIBUCIONES. RATS 1. FUNCIONES DE PROBABILIDAD.
Regresión lineal simple Nazira Calleja
Unidad 4 Análisis de los Datos.
Lic. Davide Erdas ________________________ Impacto del Precio del Petróleo en los Estados Unidos ________________________ Efecto de la dependencia del.
La recta de regresión, se denomina «Recta de ajuste Optimo» (bajo el criterio de los mínimos cuadrados (no hay otra mejor que ella bajo este criterio).
Modelos de regresión lineal
Dr. Salome Gonzales Chávez
Supuestos en el análisis de regresión Miles, J. & Shervin, M. (2011). Applyng regression & correlation. A guide for students and researchers. London: Sage.
EPE MA 148 ESTADÍSTICA INFERENCIAL TEMA:
Free and Quick Translation of Anderson's slides
ECONOMETRIA 2. MODELO LINEAL SIMPLE Hernán Delgadillo Dorado
Tema 2: Estadística bidimensional
Econometría MSc. Daisy Espallargas Ibarra.
ECONOMETRÍA ECONOMETRÍA MSc. Daisy Espallargas Ibarra.
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.
Transcripción de la presentación:

APLICACIONES ECONOMÉTRICAS LIC. EN ECONOMIA PRÁCTICA 28/3/03

MODELO DE REGRESIÓN LINEAL RATS/EVIEWS

1.1 ESTIMACIÓN DE UN MODELO DE INVERSIÓN LINEAL UNIECUACIONAL MEDINATE MÍNIMOS CUADRADOS ORDINARIOS: INVR=β 1 +β 2 PNB+β 3 R+β 4 INFL+β 3 TREND+ε En dónde: INVR es la Inversión en términos reales PNBes el Producto interior Bruto a p.m. a precios ctes. Res el Tipo de Interés de mercado nominal INFLes la tasa de inflación TRENDes una variable tendencia Greene (1998), págs RATS/EVIEWS

1.2 FUENTE DE LOS DATOS: INVRFORMACION BRUTA CAPITAL FIJO.PRECIOS CONSTANTES 1995.DATOS CORREGIDOS ( t.d). Frecuencia: trimestral. Fuente: Contabilidad Nacional Trimestral (INE) PNBPRODUCTO INTERIOR BRUTO PM.PRECIOS CONSTANTES 1995.DATOS CORREGIDOS ( t.d) Frecuencia: trimestral. Fuente: Contabilidad Nacional Trimestral (INE) RINSTIT.CREDITICIAS-BANCA PRIVADA-TIPOS ACTIVOS-CDTO. DE 3 A\OS O MAS ( ). Frecuencia: Mensual. Fuente: Banco de España. Datos trimestrales medidos a final de periodo. INFLIPC GENERAL ( ). Frecuencia: Mensual. Fuente: Indices de Precios de Consumo (INE). Datos trimestrales de variación anual medidos a final de periodo. RATS/EVIEWS

2. ESTIMACIÓN DEL MODELO DE REGRESION LINEAL USANDO RATS v5.0 RATS

Instrucción LINREG: LINREG(opciones) depvar inicio fin (serie_residuos) (serie_coefs) # exvar_1 exvar_2... exvar_n Estima la regresión lineal, por defecto medinate el método de m.c.o., de la variable dependiente depvar y n variables explicativas exvar_n, en el rango de la muestra desde inicio hasta fin, con la opción de guardar los residuos en la serie serie_residuos y los coeficientes de regresión en serie_coefs. –Opciones: »VCV =>Saca por pantalla una matriz que tiene en la diagonal principal las varianza de los coeficientes de regresión, bajo de la diagonal las covarianzas, y encima los coeficientes de correlación parcial RATS

Algunas variables de la regresión que se guardan automáticamente: RATS

*Carga los datos y reserva memoria: CALENDAR ALLOCATE 2002:4 OPEN DATA C:/DATA/DATOS.XLS DATA(FORMAT=XLS, ORG=COL) / PNB INVR R INFL *Crea la variable de tendencia lineal: SET TREND = T *Comprueba los datos: TABLE *Instrucciones para la estimación del modelo lineal medinate m.c.o. *y obtener la salida estándard: LINREG INVR / EPSILON #CONSTANT TREND PNB R INFL RATS

SALIDA ESTÁNDARD Linear Regression - Estimation by Least Squares Dependent Variable INVR Quarterly Data From 1980:01 To 2002:04 Usable Observations 92 Degrees of Freedom 87 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(4,87) Significance Level of F Durbin-Watson Statistic Variable Coeff Std Error T-Stat Signif ******************************************************************************* 1. Constant TREND PNB R INFL RATS

*Instrucciones para la estimación de los criterios de informaicón de Akaike y *Schwartz que no se obtienen de la salida estándar de la instrucción LINREG *de RATS: COMPUTE LL= -%NOBS/2*(1+LOG(2*%PI)+ LOG(%RSS/%NOBS)) COMPUTE AKAIKE=2*%NREG/%NOBS-2*LL/%NOBS COMPUTE SCHWARZ=%NREG*LOG(%NOBS)/%NOBS-2*LL/%NOBS DISPLAY 'AKAIKE CRIT. = ' AKAIKE '| SCHWARZ CRIT. = ' SCHWARZ *Instrucciones para ver el comportamiento estadístico de los residuos de * la regresión: STAT EPSILON RATS

SALIDA AKAIKE CRIT. = | SCHWARZ CRIT. = 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

3. ESTIMACIÓN DEL MODELO DE REGRESION LINEAL USANDO Eviews v4.0 EVIEWS

Comando LS: LS(opciones) depvar exvar_1 exvar_2... exvar_n Estima la regresión, lineal por defecto, medinate el método de m.c.o (por defecto), de la variable dependiente depvar y n variables explicativas exvar_n. –Opciones: »P =>imprime algunos resultados básicos EVIEWS

Algunas variables de la regresión que se guardan automáticamente: EVIEWS

'Crea el espacio de trabajo, reserva la memoria: CREATE MCO Q 1980:1 2002:4 'Lee los datos y los carga al espacio de trabajo: READ(T=XLS,A2) C:/DATA/DATOS.XLS PNB INVR R INFL 'Crea la variable de tendencia lineal: GENR TREND 'Instrucciones para la estimación del modelo lineal medinate m.c.o. 'y obtener la salida estándard: LS INVR C TREND PNB R INFL 'Para guardar la serie de los residuos: GENER EPSILON=RESID EVIEWS

SALIDA ESTÁNDARD RATS

'Instrucciones para ver el comportamiento estadístico de los residuos de ' la regresión: FREEZE(HIST_RESID) RESID.HIST RATS

SALIDA RATS