compilacion econometria con eviews tutorial

7/18/2019 Compilacion Econometria Con Eviews Tutorial

http://slidepdf.com/reader/full/compilacion-econometria-con-eviews-tutorial 1/53

Estimación con EViews1. Uso de Comandos:

LS LOGM C LOGPBI LOGprecioNombre del modelo: MODELOEquation MODELO.LS Log(M) c Log(PBI) Log(precio)

2 !entana de "ialo#o: QuickEstimate E!uation"Escri#ir $a ecuación con e$ m%to&o se$eccionar muestra.

'. Creaci$n de Ecuaci$n: O#ectsew O#ectE!uation.Se acti*a una *entana &e &ia$ogo igua$ a$ caso uno.

ota+ tam#i%n se pue&e intro&ucir *aria#$es&irectamente como $og(,)- D(-&)- ,(/n)- ep()-a#s(,)- etc"



Ventanas &e E*iews con M0O

Escri#ir $a ecuación a estimar

Se$ección &e$ m%to&o &eestimación . Por &e1ecto E*iewsuti$i2a m3nimos cua&ra&os or&inarios-

LS/Least Quares .

Se$ección &e$ perio&o o muestra.



Estimación de Parámetros y Prueba estadísticas

Modelo de Demanda de Dinero+



• S%"Error: Error estándar de los coeficientes estimar.

• t-Statistic: Valor del estadístico t, bajo la hiótesis indi!idual "ue las!ariables #$%& 'i (%).*on t+ -rados de libertad, ndica "ue la !ariable

contribuye a e/licar la !ariable endó-ena.

• Prob: 0i los Valores son sueriores al 2 #3(2) no se recha4a la hiótesis#si-nificati!a la !ariable) nula y la !ariable e/ó-ena sir!e ara e/licar elmodelo.

• R squared: Es el 5 cuadrado de la ecuación y reresenta el orcentaje de

la !ariabilidad de la !ariable deendiente e/licad or la !ariableindeendiente.

• Adjusted R-squared: Permite medir el incremento neto de 5 cuadrado,cuando se incluye un nue!o re-resor.

• SE. Of regression: SCE

• Sum squared resid: SCR

• Log likeliood: 5eresenta el !alor de la función de !erosimilitud en losarametros, 6til ara la interretación del ratio de !erosimilitud.



• !urbin-"atson stat: 0ir!e ara contrastar la hiótesis deincorrelación entre erturbaciones aleatorias frente a la resencia deautocorrelación.

• #ean de$ent %ar: 5eresenta la media la !ariable deendiente.

• S.! de$ent %ar: 5eresenta la cuasides!iación tíica de lamuestra.

• &-statistic: Es el estadístico "ue esta asociado a la hiótesisconjunta de "ue los arámetros asociados son i-uales a cero# e/ceto el interceto). $% & '1 ('7 ('8 ('i

• Prob'&-statistic(: Mide la robabilidad de cometer el erro tio I .0e calcula con la distribución 9 de 0nedecor 9+1:;+.

• Criterios de )nformaci*n: 0on el Akaike info criterion ySc+ar, criterion, estos criterios nos dan información de lacaacidad e/licati!a del modelo y ermite reali4arcomaraciones de los modelos anali4ados.



4est &e orma$i&a&5no &e $os pro#$ema m6s 1recuentes a$ tra#aarcon *aria#$es es sa#er si tiene &istri#ución orma$.

Pues no se pue&e ap$icar $os 4est esta&3sticos si $apo#$ación no es norma$.

E*iews 7 tiene incorpora&o *ariaras prue#as paraana$i2ar $a norma$i&a&- $as m6s uti$i2a&as son+

4est &e 8ar!ue 9 Bera

Prue#a &e orma$i&a& (Quanti$e / Quanti$e)

E$ Diagrama &e caa



4est &e 8ar!ue 9 Bera

:; + εt se aproxima a una distribución Normal.H1 : εt no se aproxima a una distribución Normal.

Luego &e correr $a regresión- a#rir $a*aria#$e<=esi&> ir a

View Descripti*e Statistics ? 4ests :istogram an&Stats



Prue#a &e orma$i&a& (Quanti$e / Quanti$e)

Para !ue eista norma$i&a& en $os resi&uos $os puntos&e#r6 estar a $o $argo &e $a recta- pero si $os puntosest6n mu@ &ispersos @ $a ma@or3a esta 1uera &e $a rectano eiste norma$i&a&.

A La instrucción en E*iews es &o#$e c$ick en =esi& ir aView rapC @ en sepecicación se$eccionar Quanti$e /

Quanti$e en opcónes se$eccionar 4Ceoretica$



0omo se pue&e apreciar $os puntos est6nso#re $a recta entonces po&emos &ecir!ue $a *aria#$e =esi& (Error) tiene una

&istri#ución norma$.



"ia#rama de Ca&aSi en e$ gr6co $a me&ia esta en me&io &e $a caa @ $os<#igotes> &e $a caa tiene casi $a misma &istancia a $acaa se acepta $a norma$i&a& &e $a *aria#$e.

Este gr6co se #asa en $a me&ia- $os cuarti$es @*a$ores etremos. Don&e $a caa encierra e$ rangointercuarti$ !ue encierra e$ ;F &e $os *a$ores @ tieneuna me&ia &i#ua&a &entro- a&em6s e$ intercuarti$tiene como etremos e$ percenti$ 7 @ e$ percenti$ G.

Instrucción en Views es a#rir =esi& con &o#$e c$ick ira ViewrapC Se$eccionar $a especicación Bop$ot.



0omo se o#ser*a en e$ gr6co $a me&ia esta en $amita& &e $a caa @ $os <#igotes> tiene igua$ &istancia a$a caa- entonces =esi& tiene una &istri#ución norma$



4est Esta&3sticos so#re $os 0oecientesE*iews tiene tres prue#as so#re $os coecientes &e$ mo&e$o @ estas

son+Prue#as &e =estricción &e 0oecientes+ Esta prue#a se #asa en $a

prue#a &e Ha$&- !ue pue&e ser in&i*i&ua$ (:;+ 'i ;) o grupa$ (:;+'1 ( '7 (< ' ;)

En $a *entana &e $a ecuación ir a View0oeJcient DiagnosticsHa$& 4est/0oeJcient =estrictions" En $a *entana &e &ia$ogo se escri#en$as restricciones entre comas eemp$o+ :; + C(1)-2*C(2) =



9 # "(1:;(=%:%.>)

0omo se o#ser*a ene$ rect6ngu$o &e co$or*er&e !ue tiene una#aa pro#a#i$i&a&;.;GF &e norecCa2ar $a Cipótesisnu$a.

Entonces+=ecCa2ar $a :;!+ Kmero &erestricciones.

[ ] 2112 )()()( χ ≈−′′′−= −− q Rb R X X RS q RbW



o Pruebas de !ariables Omitidas: os &a una i&ea si una $ista&e *aria#$e a&iciona$ po&r3a meorar e$ mo&e$o.

View0oeJcient Diagnostics Omitte& Varia#$es 4est/Like$iCoo&

=atio.En e$ cua&ro &e &ia$ogo se escri#en $as *aria#$es a omitir (caso+inter)

:; + La *aria#$e inter es nosignicati*a para e$mo&e$o (0(');)

: + inter es una *aria#$esignicati*a para e$ mo&e$o(0(') ;).

0on una pro#a#i$i&a&;.;7F se recCa2a $aCipótesis nu$a &e nosignicancia para e$

mo&e$o-



oPruebas de !ariables 'edundantes: Prue#a si $aec$usión &e una $ista &e *aria#$e po&r3a meor e$auste &e$ mo&e$o.

A 5#icamos en cua&ro &e $a ecuación nos &irigimos a

View0oeJcient Diagnostics =e&un&antVaria#$es 4est/Like$iCoo& =atio"En e$ cua&ro &e &ia$ogo se escri#en $as *aria#$es aomitir (caso+ LOPBI)

:; + La *aria#$e LogPBI esre&un&ante para e$mo&e$o.

: + La *aria#$e LogPBI no esre&un&ante para e$ mo&e$o .

0on una #aa pro#a#i$i&a& &e ;F (menor 3(2) no se acepta$a Cipótesis nu$a.

Por $o !ue $a *aria#$e LogPBI noes re&un&ante para e$ mo&e$o&e 0agan



Mu$tico$inea$i&a&?a multicolinealidad en el Modelo ?ineal @eneral se resenta cuando las!ariables indeendientes resentan alto ni!el de correlación. Por lo "ue entArminos emíricos hay "ue definir los limites de tolerancia de colinealidad.

0i-uiendo a Blein en su !ersión de correlación indica un alto -radocuando&

RY + Es $a ra32 cua&ra&a &e$ coeciente &e &eterminación

#ulticolinealidad Perfecta C #) F

#ulticolinealidad im$erfecta C #) ( G G H %

Consecuencias& Es el incremento de los errores estándar de la ruebaItJ , se mantiene un buen ajuste 5 cuadrado alto, una rueba I9Jsi-nificati!a y ItJ bajo ara !ariables "ue resentan multicolinealidad.

"etecci$n: Nn6$isis &e $a matri2 &e corre$aciones.N$gunos autores recomien&an corre$aciones ma@ores ;. ó;. in&ica $a presencia &e co$inea$i&a&.

(n)lisis de la matri* #es o no una matri4 sin-ular)

Y X X Rr ji

>



Para *er $a matri2 &e corre$aciones en E*iews 7 tenemos

!ue e$ cua&ros ProcMake =egressor roup en $a nue*a*entana ir roup Men#ers- #orra $a *aria#$e LogM Cacerc$ick en name @ guar&a$o con e$ nom#re Matri.

N#rir e$ o#eto Matri con&o#$e c$ick e ir ViewPrincipa$0omponents" os &a $a

matri &e corre$aciones

En e$ cua&ro &e coman&osDigitar+ S@mmcorre$cor(matri)



En e$ cua&ro &e coman&os Digitar+

Sca$ar &etcor&et(mcorre$)

N#rir e$ o#eto &etcor con &o#$e c$ick *er e$ *a$or &e $a

&eterminante es ;.R;. o eiste corre$ación e$ en



Nutocorre$aciónEs un caso articular de M*@ "ue se roduce cuando los errores del

modelo resentan correlaciones entre ellas #esto uede deberse aefectos inerciales del asado como la inflación, una crisis mundial,

re4a-os de olítica, eseculación, etc<). Este roblema y la

heteroscedasticidad ori-ina "ue las $erturbaciones no sean esfricas.

Por lo "ue la matri4 de !arian4as y co!arian4as de las erturbaciones

sean distintas a cero.

Violación del suuesto& E# Kt:Ks)( % t L s0us efectos son& la los estimadores or M* de ' son inses-ados

or ineficientes #!arian4a no es la mínima) e inconsistentes

reduciendo la robabilidad de hacer ruebas de hiótesis.

0olución& 5earametri4ar el modelo y determinar el comonente

autorre-resi!o.

∀



%est de "urbin+,atson: Somete a prue#a $aautocorre$ación &e Primer or&en (N=()).

:o + no eiste autocorre$ación &e primer or&en

DH

E$ *a$or &e$ DH se pue&e apreciar en $a *entana &e resu$ta&os.Si e$ DW T G no eiste autocorre$ación positi*a- DW > 2 eistesospecCas &e una autocorre$ación negati*a @ si DW < 2 eistesospecCas &e una autocorre$ación positi*a.

Cr-tica:

A Só$o es *a$i&o para $a autocorre$ación &e $a pertur#aciónautorregresi*a &e or&en (N=()).A =e!uiere &e una muestra m3nima &e - para o#tenerresu$ta&os a#$es.A Presenta 2onas &e in&eterminación

t t t xY ε β +′=

t t t u+=

−1 ρε ε

= ρ

)1(2

!

)!!(

1

2

2

2

1

ρ

ε

ε ε

−=

−

∑

∑

=

=

−

T

t

T

t

t t

t

P b d B . G d/



Prueba de Breusc. + God/re0Es un contraste m6s genera$ !ue e$ DH a$ permitir !ue $aCipótesis a$ternati*a procesos estoc6sticos m6s genera$es &eor&en p (N=(p)) o me&ias mó*i$es &e or&en ! (MN(!))- @ se

pue&e uti$i2ar en *aria#$es en&ógenas retar&a&as.

(ausencia &e Nutocorre$ación)

N= (r) o MN (r)

Prue#a+ En $a *entana &e resu$ta&os View=esi&ua$Diagnostics Seria$ 0orre$ation LM 4est" tec$ea G re2agos(Lags)


t r t r t t t u++++=

−−− ε ρ ε ρ ε ρ ε ...2211

...: 21 ==== r H ρ ρ ρ

...:211 ≠≠≠≠

r H ρ ρ ρ

22 r TR LM χ ≈=



Por tener un pro#a#i$i&a& mu@ #aa ;F (menor &eF) se recCa2a $a Cipótesis nu$a &e incorre$ación.Por $o !ue e$ mo&e$o presenta autocorre$ación &eG or&en (N=(G))



%est de L&un# 1 Bo 0 Bo 1 Pierce Este test uti$i2a e$ coeciente &e corre$ación simp$e @ só$o pue&eser ap$ica&o cuan&o e$ conunto &e *aria#$es ep$icati*as son to&aseógenas.

%est Bo + Pierce:

L&un# presenta un re3namiento a la /ormula anterior:

Don&e + r i + Es e$ coeciente &e autocorre$ación simp$e

∑= ≈=

r

i

r ir T Q1

22 χ

∑= ≈−+=

r

ir

i

iT

r

T T Q 1

22

)2( χ

∑

∑

=

=

−

= T

t

t

T

t

t it

ir

1

2

1

ε

ε ε



Correlo#rama: Es otra 1orma &e i&enticar $aautocorre$ación &e or&en p.En $a *entana &e resu$ta&os View =esi&ua$ Diagnostics0orre$ogram/ ! sta&istis.En e$ cua&ro &e &ia$ogo !ue aparece se$eccionamos sintrans1ormar (Le*e$) @ e$ nKmero &e re2agos GG (o e$ m6imo!ue pue&a)



• Las #an&a esta &e$corre$ograma estanrepresenta&a por +

• U ;.G'$os*a$ores !ue sean

igua$es o ma@or aeste *a$or nosin&icara e$ or&en &eN=(r).

• Otra gu3a parai&enticar $aautocorre$ación es*er en e$corre$ograma

cu6ntas #arrassa$en &e $a $3nea &e

"#

22 ±=±T



Correcci$n de la

(utocorrelaci$nIntro&uciremos e$

componente autoregresi*o a$mo&e$o estima&o.

0oman&o + e!uation0agan.LS $ogm $ogp#i inter

N=() N=(G)



4eteroscedasticidad?a heteroscedasticidad si-nifica "ue la !arian4a de laserturbaciones no es constante a lo lar-o de las

obser!aciones, !iolando un suuesto básico del modelo #)

Consecuencias

Nna erdida de eficiencia de los estimadores mínimos

cuadrados.?a !arian4a del estimador or M* no es mínima.

Soluci*n

5earamAtri4ar el modelo ara encontrar la ley deformación de la !arian4a ara cada eriodo.

O *omo !eremos a continuación E!ies tiene incororado!arias ruebas ara detectar la heteroscedasticidad delos errores

22 )( i E σ ε ≠



Supuesto 5ormal

"etecci$n de 4

Este an6$isis se #asa en $os resi&uos

i) =epresentación gr6ca &e resi&uos estima&os *ersus$a *aria#$e &epen&iente pro@ecta&a o tras *aria#$esconoci&as- para ep$icar e$ comportamiento &e $a*arian2a @ po&er etraer su [email protected]) Prue#a genera$ &e (o$&1e$& @ Quant- BreuscC @ Pagan

- HCite)A Si representamos gr6camente $os resi&ua$ e$e*a&os a$cua&ra&o con $a *aria#$e &epen&iente pronostica&a (ocon ca&a uno &e $os regresores or&ena&os )

A Si en e$ cua&ro &e coman&o &igitamos+ genrW


==

2

2

2

2

1

$

)%()(

T

t t t E Var

σ

σ

σ

ε ε ε

A&e$ cua&ro &e resu$ta&o acti*amos Xorecastok



A&e$ cua&ro &e resu$ta&o acti*amos XorecastokCemos genera&os $os *a$ores estima&os &e $a*aria#$e &epen&iente Logm1.

Se$eccionan&o =esi&G @ Logm1 @ Ca#rimos e$

cua&ro &e 0tr$ @ &o#$e 0$ick a#rimos open roupen ViewrapCSe$eccionamos ScatterSimp$eScatter

A De$ gr6co se

&espren&e !ue $are$ación entre $as*aria#$es es $inea$- $o!ue nos $$e*a a pensar!ue errores a$ cua&ra&o

&e $as pertur#acionescrece $inea$mentee$astici&a& &eman&a &e&inero.

Si o#ser*amos #ien esta

re$ación es eponencia$or $o ue nos animamos

22 !)( ii Y Var σ ε =

P # & $&1 $& Q



Prue#a &e o$&1e$& / Quant:; + o eiste :eterosce&astici&a& (igua$&a& &e *arian2as)

:1 + Eiste :eterosce&astici&a& &on&e C(.) es

1unción monotona.A Omitir r o#ser*aciones interme&ia (r Y 4')

A Los &os grupos tiene tamaZo (4/r)G

En nuestro caso tenemos 7' o#ser*aciones- &espu%s &e or&enar$as o#ser*aciones &e$ mo&e$o (se or&ena $as o#ser*aciones &eto&as $a *aria#$es me&iante $a *entana &e Hor$e [ acti*amosProcsSort 0urrent Page en e$ nue*o cua&ro &e &ia$ogointro&ucimos $a *aria#$e Logm1 @ or&enamos Nscen&entemente)-se e$iminan $as G (r Y 7'') centra$es 1orman&o &os grupo&on&e e$ primer grupo tiene &e Casta G @ e$ segun&o grupo \

Casta 7'.

)(2

iji xh=σ



eneramos e$ Sca$ar en e$ cua&ro &e coman&os+ Sca$ar sesepara e$ primer grupo @ $a &es*iación &e$ error para e$ segun&o grupoSca$ar seGse .oteamos cua$ &e $as &os &es*iaciones es $a ma@or por !ue

&i*i&iremos $a ma@or &es*iación entre $a menor en e$ cua&ro &ecoman&os- en nuestro caso es SeG (;.G;) es ma@or aSe(;.;;;G). En e$ cua&ro &e coman&o generamos e$ esta&3stico +Sca$ar 1(seGse)WG - !ue si re*isamos e$ *a$or &e$ o#eto 1 nos&a '.G7R



Para re2ar o no $a Cipótesis nu$a necesitamos &e$esta&3stico X- por $o !ue crearemos este esta&3stico ene$ cua&ro &e coman&os.

Sca$ar pro#(/c1&ist(1- G- G))

E$ resu$ta&o nos &a una pro#a#i$i&a& mu@ #aa &e;.GRG'\F (menor &e$ F). Por $o !ue serecCa2a $a Cipotesis nu$a &e :omoce&astici&a& &e$a *arian2a.

A 5na so$ución Ca#itua$ en este tipo &e pro#$emases consi&erar e$ es!uema &e $a *arian2a como+

o

9,7Q,7Q imlica los -rados de libertad, "ue se deben ajustar ara cada modelo.

( )2$)(&2$)(&)$( 212 r T r T s s

F −−

)()( 2

iji xVar σ ε = 22)( jii xVar σ ε =



Prueba de ,.ite

Este contraste es e$ m6s genera$ por !ue no especicaconcretamente $a Ceterosce&astici&a&.

o eiste :eterosce&astici&a&

1

22

:

:

H verifica seno H

H i σ σ =



(plicando la 4eteroscedasticidad enE6ie7sView !ue se encuentra en e$ o#eto &e ecuación 0agan(es e$

nom#re &e nuestra ecuación) pu$samos View=esi&ua$ 4estSpecication HCite (no cross terms)



5ormas de Corre#ir la4eteroscedasticidad

5n manera es rea$i2ar M3nimos 0ua&ra&osPon&era&os - &on&e $a pon&eración sepue&e e$egir me&iante HCite o e$ an6$isis&e resi&uos.

Correcci$n

A 0orrección HCite (:eteroske&astic@

0onsiste 0o*ariances)A 0orreción &e ewe@ 9 Hest (:N00onsistent 0o*ariances)



0orrección &e :eterosce&astici&a&0orrección &e HCite+ 0orrige $a matri2 &e Var 9

0o* por Ceterosce&astici&a&.

0orrección &e ew@ 9 Hest (:N0 0onsistente0o*ariances)+ 0orrige $a matri2 &e Var 9 0o* &e

$os par6metros estima&os por Ceterosce&astici&a&@ autocorre$ación

!+ =epresenta un nKmero entero

[ ] 1

1

21)(! −

=

− ′

′′

−=∑ ∑ X X X X X X

k T

T T

t

t W ε

[ ] [ ] 11)(!! −− ′Ω′

−=∑ X X X X

k T

T W

[ ]

′′+′′

−−+′

−=Ω ∑ ∑

= =−−−

T

t

q

v

t vt vt vt t t t X X X X qv X X

k T T

1 1

2

11! ε ε ε ε ε

'$2)1$( T q =



Estimación en E*iews

En $a *entana &e resu$ta&os Cacemos c$ick en

estimate @ $uego en options

4am#i%n po&emos acti*ar e$ tipo(t@pe) &epon&eración- como por eemp$o $a *arian2a @ $ain*ersa &e$ $ogPBI (pon&eración se o#tiene &e $a

prue#a &e HCeti) como se muestra en $a siguinteCo a



• :a@ !ue mencionar !ue $os

resu$ta&os !ue no cam#ian concua$!uiera &e $as &os prue#as so$ocam#ia $os errores est6n&ar !ue secorregir6n.



=esu$ta&os &e 0orrección &eHCite



=esu$ta&os &e 0orrección &e ewe@/ Hest



SE=IES 4EMPO=NLES

Prue#a NDX =a32 5nitaria



*omo referencia se usará un modelo cuyas !ariables serán el tio de

cambio de 8 economías del mundo. ?as monedas a ele-ir son&

?E& moneda de n-laterra #libra esterlina)E0& moneda de El 0al!ador #dólar)

@& moneda de @uatemala #Ruet4al)

Sntes de estimar un Vector Sutore-resi!o, se debe !erificar "ue todas son

!ariables estacionarias.

0e rocede !ariable or !ariable se-6n VieGNnit 5oot ;est...

Prue#a NDX 9 =a32 5nitaria



?a hiótesis nula es "ue ?E tiene

5aí4 Nnitaria, or lo "ue se-6n los

resultados la !ariable ?E si tiene

5aí4 Nnitaria.

El si-uiente aso es alicar SD9 en

rimera diferencia, se-6n se

resenta en la -ráfica de abajo.

To hay 5.N.



?a estimación del VS5, se utili4ará 8 !ariables "ue son estacionarias.

0e-uir la si-uiente estructura&

Ruic G Estimate VS5

En el cuadro de !ariables endó-enas, incluir las !ariables en orden de

imortancia #or teoría o or hiótesis) de i4"uierda a derecha.

Este es el resultado, ero solo es

reliminar.

El i i id ifi l 6 d d l VS5 #S i



El si-uiente aso es identificar el n6mero de re4a-os del VS5. #Saie,

0char4, $annan)

El comando en E!ies es VieG?a- structureG?a- len-ht criteria

0e debe seleccionar los !alores "ue tienen asterisco, "ue indica el n6mero de la-.

0i sale el !alor %, entonces es un indicio de "ue las !ariables no son endó-enas y

"ui4ás se debe buscar otras.

E$ resu$ta&oes re2ago.



*omo el resultado anterior es 1 re4a-o,

entonces se estima el VS5 con 1 re4a-o

El si-uiente aso es !erificar si los re4a-os son si-nificati!os. Para esto sedebe dar clic en VieG?a- structureGla- e/clusion test.

0e debe !arificar el +!alue #arAntesis) "ue debe ser menor a 2 o 1%2

se-6n se haya ele-ido.

Por el +!alue "ue en

todos los casos es cero,

entonces el re4a-o NT

es si-nificati!o.

9NT*T MP?N0 5E0PNE0;S



9NT*T MP?N0+5E0PNE0;S

?ue-o del cálculo del VS5 se debe se-uir VieGmulse resonse

?a rimera filamuestra la resuesta

al imulso de la

moneda ?E, lue-o a

E0 y finalmente a @.

El resultado es "ue?E si resonde a su

riio shoc, ero no

resonde a los

cambios en E0 y en

@.

*SN0S?DSD DE @5ST@E5



*SN0S?DSD DE @5ST@E5

?ue-o de estimar el VS5 la

causalidad de @ran-er se obtiene

con VieG?a- structureG@ran-er

causality

?o "ue se esera "ue es cada

!ariable sea causada or otra

!ariable o cause a al-una !ariable.

0i esto no sucede, la !ariable se

considera como e/ó-ena.

En el ejemlo solo ?E y @ causan a

E0 #indicio de endo-eneidad), ero

no las otras.

*T;E@5S*T



*T;E@5S*T

Para !erificar cointe-ración se usa Uohansen.

En E!ies se abre como -ruo a todas las !ariables, y lue-o se alica&

VieGcointe-ration test y se utili4a la oción 0NMMS5E S??

Por las ruebas ;5S*E o MS+

E@ se debe buscar la aarición

de los !ectores de cointe-ración

en ambas ruebas.

En el ejemlo no aarece nin-6n

VE*.

tro aso es !erificar las tablas inferiores de Uohansen ara conocer cuántos



tro aso es !erificar las tablas inferiores de Uohansen, ara conocer cuántos

re4a-os se tiene se-6n Saie y 0char4. En el ejemlo se muestra "ue ara

un modelo sin tendencia y con interceto el n6mero de re4a-os se-6n Saie

es 1.

9inalmente, con esta elección se uede correr el modelo, utili4ando 1 la-.

VE*



*uando las !ariables cointe-ran, se

recomienda el VE*.

Sl abrir el -ruo de !ariables se

hace clic en&VieG*ointe-ratin ;est, y a ni!el

-eneral se eli-e la oción W.

*omo resultado se obtiene la

rueba de Uohansen, "ue indica el

n6mero de re4a-os "ue el VE*

debería tener, se-6n cada criterio,

ara cada tio de modelo.

En el ejemlo se uede esco-er

se-6n Saie, un modelo sin

interceto ni tendencia con un la-.

9inalmente se uede alicar dos asos el



9inalmente se uede alicar dos asos, el

rimero es se-uir en el -ruo y resionar

ProcGmae !ector autore-ression o abrir

RuicGestimate VS5

0e incluye adecuadamente las !ariables y eln6mero de re4a-os y lie-o se resiona B.

El modelo final es el VE* ara las tres

!ariables

compilacion econometria con eviews tutorial

Documents