Académique Documents
Professionnel Documents
Culture Documents
TUTORIAL DE E-VIEWS
1. COMANDOS BÁSICOS
• El primer paso es crear un área de trabajo (WORKFILE) o abrir un archivo que se ha guardado
anteriormente. Al guardar ese archivo (FILE - SAVE AS “nombre”) se almacenan las series con
las que se está trabajando y todos los objetos que se hayan creado (ecuaciones, gráficos, tablas,
etc.) a los que se les haya dado un nombre (NAME).
• FILE – NEW - WORKFILE o escribir comando “create”. Ofrece opciones:
- (U): No fechado
- (A): Anual
- (Q): Trimestral
- (M): Mensual
- (D): Diario
- La elección dependerá de la periodicidad con la que vamos a trabajar.
- Además hay que establecer el rango máximo de tiempo en que podemos movernos, por
ejemplo 1929 1970
- Siempre es posible extender el rango (EXPAND 1929 1972)
- Si queremos trabajar con una muestra menor debemos escribir “smpl 1959 1965”. Esto
establece el período de estimación. Aun cuando el rango en que nos moveremos es 1929-
1970, el período de estimación será 1959-1965.
• GUARDAR el Archivo
- SAVE “nombre del archivo”
- Si se tienen series en Excel, ponemos en la primera fila de esta planilla los nombres que tendrán
las series en E-Views (por ejemplo Y, CP, etc.). Se GUARDA el archivo con extensión de hoja para
Excel 4.0, con el fin de que sólo tenga una hoja en el archivo. Se debe recordar el número de series
que queremos trasladar y la ubicación de la celda en que comienzan los datos (ej. B2). Se cierra el
archivo.
- En E-Views se utiliza la opción FILE – IMPORT - READ TEXT – LOTUS - EXCEL, y se indica
el nombre del archivo Excel, la ubicación del primer dato en la planilla y la cantidad de series a
importar.
• GENERAR una función de la variable original (por ejemplo, logaritmo natural, etc.)
- GENR LY = LOG(Y)
Otras funciones: EXP (exponente)
ABS (valor absoluto)
CP PIB
Mean 1498.357 1651.762
Median 1480.000 1651.500
Maximum 2323.000 2579.000
Minimum 897.0000 893.0000
Std. Dev. 403.8455 452.4153
Skewness 0.405690 0.218354
Kurtosis 2.224518 2.375168
Observations 42 42
Profesor: Viviana Fernández 3
3. ECONOMETRÍA BÁSICA
- Por ejemplo LS CP C Y
- Estamos estimando una regresion que tiene como variable dependiente a CP (consumo
privado) y como variable explicativas C (constante) e Y (ingreso).
- Otra forma es formar un Grupo de series y luego pedir que con ellas haga una ecuación.
Dependent Variable: CP
Method: Least Squares
Sample: 1929 1970
Included observations: 42
STD-ERROR: Valor estimado para la desviación estándar de β (raíz cuadrada de la varianza de β).
H0: βi = 0
R-squared: R2
n −1
Adjusted R-squared: R2 corregido por grados de libertad e igual a R 2 = 1 − (1 − R 2 )
n−k
H0: β2 = β3 = ......... = βk = 0
En este ejemplo, se observa que los coeficientes son significativamente distintos de cero, individual
y conjuntamente. La evolución del PIB logra explicar el 97.7% de la variabilidad del consumo
privado.
2000
1500
1000
100
500
0
-100
-200
-300
30 35 40 45 50 55 60 65 70
Una forma de solucionar este problema de autocorrelación es incluir nuevas variables que pueden
estar omitidas de la regresión. En el caso del consumo, bajo la teoría del ingreso permanente, es
razonable pensar que el consumo del período anterior influya en la cantidad consumida en el
período actual.
En este caso lo haremos con las variables en logaritmos para obtener elasticidades.
Esto se escribe:
Sería necesario chequear el valor de D-W y/o realizar otros tests para asegurarnos de que el
problema está solucionado.
ELASTICIDAD
Sabemos que cuando las variables están en logaritmos, el coeficiente de la pendiente nos
indica la elasticidad de la variable dependiente respecto de la explicativa. Cuando tenemos una
estructura de ajuste parcial (es decir, tenemos una variable dependiente rezagada, como en este
caso), podemos calcular una elasticidad de corto y una de largo plazo. La elasticidad ingreso de
corto plazo del consumo privado es el coeficiente de la variable ingreso (0.270), pero la elasticidad
de largo plazo se calcula suponiendo que en el largo plazo CP=CP(1), por lo que agrupando
términos:
LS LCP C LY
Luego, la restricción se impone sustituyendo C(1) o C(2) por el valor predeterminado que se desea
y se vuelve a correr la regresión.
LS CP = C(1) + 1*PIB
Y se obtendrá la salida habitual. A partir de los valores de la SCR o del R2 de la regresión libre y de
la restringida, se podrá testear si la hipótesis es aceptada o rechazada.
Para validar una regresión se deben realizar tests sobre el comportamiento de los residuos.
- Normalidad
- Estabilidad
- Autocorrelación
- Heterocedasticidad
• Test de normalidad
12
Series: Residuals
Sample 1930 1970
10
Observations 41
8 Mean 1.07e-16
Median 0.000678
6 Maximum 0.064823
Minimum -0.086768
Std. Dev. 0.031259
4 Skewness -0.566705
Kurtosis 3.595351
2
Jarque-Bera 2.800058
Probability 0.246590
0
-0.05 0.00 0.05
• Test de estabilidad
1.6 20
1.2
10
0.8
0
0.4
-10
0.0
-0.4 -20
35 40 45 50 55 60 65 70 35 40 45 50 55 60 65 70
Las bandas representan los valores críticos para un nivel de significancia de 5%. Es decir, si
los estadísticos se mantienen dentro de las bandas no se rechaza la hipótesis nula (ausencia de
cambio estructural).
Ambos tests deben ser complementados con un análisis de la estabilidad individual de los
parámetros. Los gráficos siguientes muestran la evolución de cada parámetro (y su desviación
estándar) a partir de la estimación recursiva para cada observación adicional.
1. 5 0. 8 1. 4
1. 0 1. 2
0. 6
1. 0
0. 5
0. 4
0. 8
0. 0
0. 2 0. 6
-0. 5
0. 4
0. 0
-1. 0 0. 2
-1. 5 -0. 2 0. 0
40 45 50 55 60 65 70 40 45 50 55 60 65 70 40 45 50 55 60 65 70
Para aceptar que los parámetros son estables se exigen las siguientes condiciones:
Profesor: Viviana Fernández 8
a) Que el último valor estimado para el parámetro (el que utilizaríamos para predecir) se encuentre
al interior de toda la banda.
b) Que la evolución de los valores estimados del parámetro y su desviación estándar no presente
una tendencia definida en el tiempo. Por ejemplo, según este criterio, un síntoma de
inestabilidad del parámetro viene dado por la existencia de una tendencia sistemática
decreciente o creciente en su valor estimado.
c) Que la desviación estándar del parámetro estimado se reduzca a lo largo del tiempo, lo que
significa que las bandas se van estrechando.
• Test de autocorrelación
• En el segundo bloque se reporta la regresión que permite realizar el test, donde el residuo de
la regresión original se explica por las variables explicativas del modelo y los residuos
rezagados.
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Variable Coefficient Std. Error t-Statistic Prob.
• Test de heterocedasticidad1
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Sample: 1930 1970
Included observations: 41
5. PREDICCIÓN
Una vez que contamos con una ecuación bien comportada (es decir, que es teóricamente
plausible y que cumple con los supuestos del modelo de regresión), puede interesarnos realizar una
predicción. Si contamos con una proyección el PIB a futuro, podemos utilizar el botón FORECAST
de la salida de E-Views para pronosticar el consumo.
Donde dice forecast name se escribe el nombre de la serie que se desea predecir, y se elige si la
predicción es estática o dinámica. Estas dos formas coinciden cuando no tenemos variable
dependiente rezagada.
1
Este test es apropiado para series de corte transversal. Lo reportamos aquí sólo para efectos ilustrativos.
Profesor: Viviana Fernández 10
2400
2000
1600
1200
800
30 35 40 45 50 55 60 65 70
CP CPDIN CPEST