Professional Documents
Culture Documents
C t = α 1 + α 2 Yt + α 3Yt −1 + u1t
M t = β 1 + β 2 C t + β 3 C t −1 + β 4 X t + u 2t
Yt ≡ C t + I t + X t − M t
donde obtenemos los datos de CONSUMO NACIONAL (consumo, Ct) que equivale a
la suma del consumo privado y el público; IMPORTACIONES de bienes y servicios
(import, Mt); EXPORTACIONES de bienes y servicios (export, Xt); INVERSIÓN
(inv, It) que equivale a la suma de las variaciones de existencias de bienes de inversión
y la formación bruta de capital fijo; y, por último, el PRODUCTO INTERIOR
BRUTO (Yt) que se obtiene de la identidad contable que aparece en la forma estructural
del modelo.
Con la infromación anterior, vamos a: (a) clasificar las variables del modelo
según su naturaleza; (b) sabiendo que el modelo está sobreidentificado, estimaremos
para el período 1970-1994 el modelo a través de los métodos MC2E conjunto, MC2E
ecuación a ecuación y MC3E; y (c) realizaremos predicciones de las variables
endógenas para el período 1995-1997, representando gráficamente las series observadas
y ajustadas por cada uno de esos métodos.
2
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
Dado que el período muestral no abarca todos los datos que disponemos,
debemos, en primer lugar, modificar dicho periodo a los efectos de que todos los
cálculos que se realicen de ahora en adelante se restrinjan a los años 1970-1994. Para
ello, seleccionamos la opción SAMPLE en la ventana de trabajo, escribiendo en la parte
superior del cuadro de diálogo resultante el período en cuestión (Figura 1).
Figura 1
Para la estimación del modelo se hace necesario primero establecer el diseño del
sistema de ecuaciones, así como las variables predeterminadas que se van a utilizar
como instrumentales en el proceso de estimación MC2E. De este modo, en la ventana
de trabajo se selecciona OBJECTS y, seguidamente, NEW OBJECTS, tal como aparece
en la Figura 2. Elegimos la opción SYSTEM y aprovechamos para nombrar el sistema
que a continuación vamos a resolver. Lo nombraremos SYS1. Después, en la ventana de
diálogo correspondiente que aparece en blanco escribiremos de la forma siguiente el
sistema de ecuaciones del problema en cuestión, tal como aparece en la Figura 3.
CONSUMO=C(1)+C(2)*Y+C(3)*Y(-1)
IMPORT=C(4)+C(5)*CONSUMO+C(6)*CONSUMO(-1)+C(7)*EXPORT
INST C Y(-1) CONSUMO(-1) EXPORT INV
3
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
Figura 2
Figura 3
4
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
System: SYS1
Estimation Method: Two-Stage Least Squares
Date: 02/15/01 Time: 18:45
Sample: 1971 1994
Included observations: 24
Total system (balanced) observations 48
Instruments: C Y(-1) CONSUMO(-1) EXPORT INV
Coefficient Std. Error t-Statistic Prob.
C(1) -2189948. 346685.8 -6.316810 0.0000
C(2) 0.492178 0.106252 4.632188 0.0000
C(3) 0.373769 0.104749 3.568224 0.0009
C(4) -7492511. 1419568. -5.278022 0.0000
C(5) 1.085421 0.302067 3.593313 0.0009
C(6) -0.601023 0.304638 -1.972907 0.0553
C(7) 0.225858 0.218370 1.034288 0.3071
Determinant residual covariance 2.15E+22
Equation: CONSUMO=C(1)+C(2)*Y+C(3)*Y(-1)
Observations: 24
R-squared 0.997131 Mean dependent var 24718307
Adjusted R- 0.996857 S.D. dependent var 4942801.
squared
S.E. of 277092.3 Sum squared resid 1.61E+12
regression
Durbin- 1.068351
Watson stat
Equation: IMPORT=C(4)+C(5)*CONSUMO+C(6)*CONSUMO(-1)
+C(7)*EXPORT
Observations: 24
R-squared 0.948631 Mean dependent var 6186789.
Adjusted R- 0.940926 S.D. dependent var 2969474.
squared
S.E. of 721737.0 Sum squared resid 1.04E+13
regression
Durbin- 0.209869
Watson stat
Cuadro 1
5
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
Figura 4
Figura 5
6
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
Figura 6
Puede ser interesante valorar en este punto que, según el Cuadro 1, sólo el
coeficiente asociado a las exportaciones en la ecuación de las importaciones de bienes y
servicios resulta no significativo con un nivel de confianza máximo de un 69,29%. En
otro orden de cosas, los ajustes lineales de ambas ecuaciones presentan un coeficiente
de determinación elevado, pudiendo existir no obstante, problemas de autocorrelación
dados los valores respectivos del estadístico Durbin-Watson.
7
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
Figura 7
Para ello, vamos a avanzar el concepto de CORRELOGRAMA, que nos será útil
para trabajar más adelante con series temporales. El correlograma es la representación
gráfica de la correlación existente entre las series en un período fijado t y otro t-k en el
eje de ordenadas (y) y el número de retardos k en el eje de abscisas (x). En el análisis de
series temporales según la metodología Box-Jenkins, los procesos estocásticos AR(1),
MA(1), etc. tienen correlogramas característicos que servirán de modelos base para
identificar si una realización histórica determinada se corresponde con uno u otro
proceso generador.
8
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
Figura 8
9
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
Figura 9
Figura 10
10
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
Figura 11
Por último, vamos a crear el modelo formado por las dos estimaciones realizadas
de esta forma con objeto de poder comparar posteriormente las predicciones. Así, en la
ventana de trabajo seleccionaremos OBJECTS y NEW OBJECTS, para a continuación
elegir el tipo de objeto MODEL, al que nombraremos MODEL2. En el cuadro de
diálogo resultante escribiremos:
ASSIGN @ALL 2E
:EQ01
:EQ02
tal como aparece en la Figura 15.
11
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
Figura 12
Figura 13
12
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
Figura 14
Figura 15
13
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
El sistema de ecuaciones ajustado por MC3E se obtiene a partir del objeto SYS1
de la ventana de trabajo. Una vez abierta, pulsamos en PROCS y, a continuación, en
ESTIMATE para volver a tener en pantalla el cuadro de Estimación de Sistemas
(System Estimation) que aparecía en la Figura 4. Elegiremos entonces la opción
THREE-STAGE LEAST SQUARES (MC3E), obteniendo los siguientes resultados:
System: SYS1
Estimation Method: Three-Stage Least Squares
Date: 05/17/01 Time: 10:18
Sample: 1971 1994
Included observations: 24
Total system (balanced) observations 48
Instruments: C Y(-1) CONSUMO(-1) EXPORT INV
Coefficient Std. Error t-Statistic Prob.
C(1) -2171485. 324227.7 -6.697406 0.0000
C(2) 0.463256 0.098850 4.686455 0.0000
C(3) 0.402878 0.097430 4.135062 0.0002
C(4) -6864174. 1168695. -5.873366 0.0000
C(5) 1.060813 0.267623 3.963835 0.0003
C(6) -0.628004 0.276037 -2.275071 0.0282
C(7) 0.337004 0.174157 1.935057 0.0599
Determinant residual covariance 2.14E+22
Equation: CONSUMO=C(1)+C(2)*Y+C(3)*Y(-1)
Observations: 24
R-squared 0.997095 Mean dependent var 24718307
Adjusted R-squared 0.996818 S.D. dependent var 4942801.
S.E. of regression 278822.9 Sum squared resid 1.63E+12
Durbin-Watson stat 1.105770
Equation: IMPORT=C(4)+C(5)*CONSUMO+C(6)*CONSUMO(-1)
+C(7)*EXPORT
Observations: 24
R-squared 0.948360 Mean dependent var 6186789.
Adjusted R-squared 0.940614 S.D. dependent var 2969474.
S.E. of regression 723636.2 Sum squared resid 1.05E+13
Durbin-Watson stat 0.206487
Cuadro 2
Por último, crearemos un modelo que plantee este último ajuste seleccionando
en la ventana de SYS1 la opción PROCS y, seguidamente, MAKE MODEL. De la
ventana de salida obtenida sólo modificaremos la terminación del nombre que Eviews
dará a nuestras predicciones: escribiremos F3 en lugar de F (ver Figura 16). Así, la
resolución del modelo nos permitirá calcular las estimaciones de las variables
endógenas con los nombres CONSUMOF3 e IMPORTF3.
14
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
Figura 16
1.4. PREDICCIÓN.
Una vez que se han obtenido diferentes estimaciones de las variables endógenas
del sistema de ecuaciones planteado, se puede establecer la comparación gráfica del
ajuste en el período de estudio (1970-1994) y las predicciones futuras para los años
1995-97.
15
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
Figura 17
16
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
Figura 18
Figura 19
17
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
Figura 20
18
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
Figura 21
Figura 22
19
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
Figura 23
D1D12Y = D(Y,1,12)
20
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
Figura 24
Figura 25
21
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
Figura 26
22
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
Figura 27
Figura 28
23
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
Figura 29
24
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
Figura 30
25
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
Figura 31
Figura 32
26
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
Este contraste permite establecer unas bandas de confianza por encima de las
cuales los coeficientes resultan significativos con una determinada probabilidad. Se
puede demostrar que la varianza de los coeficientes de autocorrelación estimados puede
aproximarse, como primera referencia, por 1/N, siendo N el número de datos de la serie.
Por tanto, admitida una distribución normal, un coeficiente no significativamente
distinto de cero deberá estar en un 95% de los casos comprendido entre las bandas:
−2 1 ≤ rk ≤ +2 1 .
N N
Como reglas prácticas podrían emplearse las siguientes (Pulido y Díaz, 1999):
a) Un coeficiente significativo para un retardo que no corresponda a los
primeros valores de retardos o múltiplos de estacionalidad, no deberá
tenerse, en principio, en cuenta.
b) Coeficientes significativos cercanos a los retardos de estacionalidad pueden
ser asimilados como un posible “contagio” de los coeficientes limítrofes.
c) Generalmente, los coeficientes pequeños a partir del orden 4 en una FAC
decreciente no es fácil detectarlos como significativamente distintos de cero.
27
Cuarta práctica de Econometric Views v.3.1 - Econometría - Universidad Pablo de Olavide
m
Q = n(n + 2)∑ (rk2 / n − m) .
k =1
28