Estimacin de un modelo no lineal en Eviews Por: Jeferson Ruiz (nicaeda@gmail.

com) Con los datos de la Tabla 1, se pide estimar el siguiente modelo: ecuacin (1) dap 8.57 13.45 18.21 26.45 26.27 32.37 37.56 36.9 Tabla 1 Donde: DAP = Dimetro a la altura del pecho de rbol de nogal en centmetros. Y t = Tiempo en aos. Este modelo, a diferencia de la funcin de produccin Coob-Douglas, no se puede linealizar. Se debe de estimar de la manera en que se encuentra especificado. El software que utilizaremos para estimar este modelo es Eviews versin 6. Una vez que ya tengamos los datos de la tabla creados en el workfile de Eviews, estimamos la ecuacin a travs del comando: dap=c(1)*(1-exp(c(2)*t)) Que es, prcticamente la frmula de la ecuacin 1. Para ello nos vamos a: Quick/Estime Equation equation t 2 3 6 9 11 12 14 15

El resultado final debe de ser, la siguiente salida de regresin:

Como podemos observar, nuestro modelo parece ser significativo. Pero, no nos podemos confiar, por tanto, realizamos un Intervalo de Confianza (IC) para ambos coeficientes. Para generar los IC en Eviews, primeramente creamos una matriz que contenga los coeficientes betas. Para ello escribimos en el rea de comandos: matrix coeficientes=@coefs
Donde @coefs, es el comando que nos generar la matriz que contiene los coeficientes. El nuevo objeto creado se muestra en nuestro workfile:

Confirmamos los valores de nuestros coeficientes. El siguiente paso es crear una matriz que contenga las desviaciones tpicas (estndar): matrix sd=@stderrs Donde sd significa desviacin estndar y el comando @stderrs es el vector de errores normales para los coeficientes.

Calculamos el valor exacto de la distribucin t-Student, al 95% de confianza. Lo hacemos a travs de un escalar:
scalar t_student=@qtdist(0.95,6)

Donde scalar el es el vector que vamos a generar para el valor t, @qtdist, es el comando para calcular el estadstico exacto de t, (a los distintos niveles de significancia). En nuestro caso, lo hacemos a un nivel de confianza del 95%, para lo cual escribimos 0.95 y, por frmula (n-k), recordemos que al tamao de la muestra le restamos dos grados de libertad. El resultado lo obtenemos como un producto Scalar en la barra de directorio (rea 4)

Con estos valores obtenidos, ya podemos realizar el intervalo de confianza, primeramente calculamos el lmite inferior y luego el superior. Escribimos en el rea de comandos, para calcular el lmite inferior: matrix li=coeficientes-t_student*sd Lmite superior: matrix ls=coeficientes+t_student*sd

Concluimos a un nivel de 95% de confianza que nuestros coeficientes se encuentran dentro de este intervalo. Pero como nuestro profesor Carlos Narvez es muy escptico, realizamos un test de hiptesis para nuestro modelo, tanto de manera individual como de manera conjunta. Utilizamos el estadstico de Wald para ello.

Nos ubicamos en: View/Coeffcient Diagnostic/Wald test-Coefficient Restrictions

Concluimos que, con una probabilidad del 5% y un nivel de confianza del 95% que, nuestro coeficiente no es cero, por tanto, es significativo en nuestro modelo. Procedemos a realizar el test de hiptesis de manera conjunta: Ho: 1=2=0 Contra la alternativa: Hi: No todas las son 0 En Eviews, las instrucciones son las mismas que como lo hicimos anteriormente:

Con un alto valor del estadstico F y una muy baja probabilidad, prcticamente de cero, concluimos que nuestro modelo es globalmente significativo. Por tanto, rechazamos la hiptesis nula de que todos los coeficientes de regresin son cero.