Видео

Enn general que una variable resulte no significativa en una regresión puede deberse a dos cuasas: 1. la variable no influye en la explicación delas variaciones de la variable dependiente y eso es información relevante, o 2. que la especificación de la ecuación no es la correta. Para analizar este segundo caso es que se reallizan las pruebas de diagnóstico. Por ejemplo se puede buscar cambiar la forma funcional, para ello se puede hacer la regresión con los logaritmos de las variables (en las que es posible calcularlos). O si puede haber una cambio estructural durante el periodo que se estima la ecuación se puede introoducir una variable binaria ( o y 1) para tratar de modelar el cambio estructural. O si los datos son de series de tiemmpo, se puede tratar de corregir la autocorrelació de los residuos, agregardo ar(1) a la ecuación. La habilidad para responder a tu pregunta sería el tema de una curso de econometría. Ojalá encuentres una respuesta satisfactoria.

Es difícil hacer que este supesto se cumpla. Lo que se puede hacer es buscar otra forma de la función, por ejemplo estimar con las variables transformadas por logaritmos.

La respuesta a la primera pregunta está en el video: Evaluar el supuesto de forma funcional en Eviews, en el mismo canal. El supuesto de fotma funcional de puede solicionar introduciendo una forma no lineal que sea linealizabke, lo que se logra si se hace la regresión con los logarítmos de lad variables, que es la mád usual aunque hay otras opciones.

Los videos los elaboré hace algunos años y las bases de datos ya no las conservo. Lo siento.

ls es un comando de eviews si te dice que no está definido puede ser que tengas un error en como escribes la instrucción y que ls por el lugar que ocupa, entonces lo busca como nombre de variable. Puedes intenter escribir la instrucción de nuevo en la línea de comandos: ls var_dependiente c var_ independiente

Gracias por la ayuda, en efecto había escrito mal el comando.

@@garciavelazquezjuaneliel1327 Es muy frecuente ese tipo de errores, lo importante es que te diste cuenta.

Hola Jesús, la base de datos es de corte transversal para el año de 2005 a nivel municipal, es decir, para el año 2005 se tienen más de 2,500 observaciones, para los más de 2,500 municipios que hay en México. La variable dependiente es la mortandad infantil (porcentaje de niño(a)s que fallecen durante el primer año de vida respecto al total de nacido(a)s con vida), y las variables independientes es el PIB per cápita (PIB/ poblacion) y la asistencia escolar (porcentaje de niño(a)s entre 7 y 14 años que asisten a la escuela).

La prueba tiene asociada una f-statistic y una likehood ratio. Para que la forma funcional pase la prueba a un 95% de confianza estos dos valores tienen que ser estadísticamente iguales a cero, para que eso se cumpla la Probability asociada a los estadísticos tienen que ser mayores a 0.05. Es decir, no nos fijamos en los valores de la F-statistic, solo vemos las probability, si son mayores de 0.05 la forma funcional es correcta, si son menores a 0.05 la forma funcional se puede mejorar. Por ejemplo en el cuadro que se muestra en el video en el minuto 0:51, la forma funcional es correcta porque la probabilidad de la F-statistic es 0.0593, mayor de 0.05, también la likehood ratio es estadísticamente cero porque su probabilidad (0.0526) es mayor a 0,05. Conclusión para esa prueba la forma funcional es correcta.

Sí puedes hacer un modelo AR(1), lo que significa que los errores de este año se ven afectados por los errores del año pasado. Otra solución es poner como variables explicativas variables rezagadas y ver si tienen el signo adecuado y son estadísticamente significativas.

Hola, sí puedes aplicar un modelo ARCH de orden 3, lo que significa es que la varianza de los residuos de este año se ven afectados por la varianza de los residuos de tres años atrás, el modelo ARCH(3) sería adecuado si tiene sentido esa relación.

Si el DW es igual . 2.1 y los dos siguientes números son los intervalos de las tablas entonces se concluye que el modelo cumple con el supuesto de no autocorrelación de primer orden.

Hola, cuando se corre una regresión normalmente se utiliza una relación lineal entre las variables independientes y la dependiente (reg y x1 x2 x3), en ese caso, si forma funcional es incorrecta significa que la relación lineal no es la más apropiada.

@@kwirabakwiraba ummm de acuerdo, muchísimas gracias!

@@Andre141795 ampliando el tema, cuando estimas un modelo con reg y x1 x2, estás suponiendo implícitamente que cuando se incrementa en una unidad x, siempre se incrementa en beta unidades a y, sin importar el valor de x o y, este supuesto a veces no es adecuado, por ejemplo si el producto depende del empleo, y tienes que producto = 500 + 3.4 empleo, significa que cada incremento de una unidad en el empleo siempre incrementa en 3.4 el producto, sin importar cual es el nivel de empleo, pero puede ser que en niveles bajos de empleo si se incrementa el empleo se incremente mucho el producto y a niveles alto de empleo un incremento de una unidad en el empleo no incremente tanto el producto como en los niveles bajos, entonces la relación lineal no es la más adecuada. Tu modelo parece estar bien dado que pasa los otros supuestos, que no pase la forma funcional te da información que te señala que la regresión podría mejorar con una relación no lineal, normalmente una relación que ajusta bien es la logarítmica, para ello generas el logaritmo de las variables (gen ly= log(y), lx1=log(x1),...) y corres la relación entre los logaritmos (reg ly lx1 lx2 lx3)

La prueba de Ramsey Reset se puede hacer al nivel de significancia que tu elijas. Es frecuente hacerlo al 95% de confianza con lo que para no rechazar (aceptar) la Ho la probabilidad del estadístico debe ser mayor a 0.05, si la probabilidad es menor a 0.05 se rechaza la hipótesis nula y la forma funcional no es correcta.

@@kwirabakwiraba en este caso si prob > F= 0.3605 y F(3,34)= 1.11 hay variables omitidas o no. Y la hipotedis nula =0

@@kwirabakwiraba estoy con esa duda. He buscado y no se el resuktado

​@@jessicayapu26 Según lo que reportas la prueba tiene una F de 1.11 y una probabilidad de 0.3605, por lo que no se rechaza la hipótesis nula y la forma funcional es correcta, si quieres ver la prueba Reset para probar variables omitidas puedes concluir que no omitiste variables.

@@kwirabakwiraba entonces el modelo no tiene variables omitodas ? Posdata nuchas gracias

Como mencionas con datos de individuos (corte transversal) no tiene sentido evaluar autocorrelación, ya que no hay un orden preestablecido en las observaciones, Se podría cambiar el orden de los datos, los resultados de los estimadores, su significancia , el R cuadrado serían los mismos, y cambiaría el resultado de la autocorrelación. En las series de tiempo si tiene sentido la autocorrelación debido a que hay una estructura de orden en las observaciones.

@@jonathansancheznabor4425 Me refiero solamente a sección cruzada (corte transversal). Con datos de series de tiempo o panel sí tiene sentido evaluar el supuesto de no autocorrelación. Ahora bien con datos de sección cruzada se puede evaluar la autocorrellación espacial pero para ello se tiene que introducir alguna estructura que normalmente es una matriz de vecindad.

Si el Durbin Watson es cercano a dos (entre Du y 4-Dl) la prueba concluye que se cumple el supuesto de no autocorrelación. Respecto a la probabilidad requiero que menciones a cuál te refieres, ya que la versión 9 del Eviews no reporta la probabilidad del Durbin Watson.

Es posible que en el año 2019 tenga en el canal nuevos videos.

Sí, el valor del índide de condicionalidad muestra que hay problema de multicolinealidad

algun video que me recomeindes donde me pueda guiar para corregir multicolinealidad? te lo agradeceria :D

No conozco un video que aborde el problema, las soluciones van por el lado de imponer alguna restricción en los parámetros (lo que depende de cada caso) o la estimación cordillera.

Buenas tardes. Para realizar la prueba se realizan tres regresiones: la primera con todo el periodo, la segunda de la fecha inicial al periodo que indicas (en este caso el año) y la tercera del periodo indicado a la fecha final. Cuando el paquete no muestra la prueba se debe a que no puede realizar una de las regresiones, esto se puede deber a que se coloca una fecha muy próxima al periodo final o al periodo inicial y en la segunda o tercera regresión se tienen más parámetros que observaciones y no puede realizar la regresión y por tanto tampoco la prueba. Otra causa puede ser que en las regresiones dos o tres se tenga una variable que no cambie en ese subperiodo.

Gracias por tu respuesta. Estoy realizando también la prueba de heteroscedasticidad estuve buscando si has preparado un vídeo y no lo encontré, seria de mucha importancia si lo preparas . Saludos

Te envío dos ligas para le heteroscedasticidad, espero te sirvan. Video de evaluación del supuesto: ruclips.net/video/-C1RrWWo4MU/видео.html Presentación con un resumen del supuesto y algunas pruebas: www.slideboom.com/presentations/1687544/Kwiraba-Econometr%C3%ADa-Cap.-17-de-27.

Significa que intenta calcular la raíz(elevar a la potencia no entera) de un número negativo y no la puede calcular. Me parece raro que tengas un autovalor negativo. He hecho algunos ejemplos con coeficientes de correlación extremos (negativos, cercanos a 1, cercanos a 0) y siempre se obtienen autovalores positivos.

Muchas gracias por responder, al final me había equivocado yo porque cuando abrí el grupo, lo abrí también con la variable dependiente, después volví a ver el vídeo y vi que vos solo lo abrías con las variables independientes, está bien?

Sí, la prueba se hace solo con las variables independientes. Que bien que supiste en dónde estaba la equivocación.

Hola: la opción de Stability diagnostic solo de despliega cunado se corre una regresión, por lo que puedes realizar una regresión solo con la ordenada al origen, es decir, si la serie tiene como nombre x, se ejecuta la instrucción: ls x c. y ya sale la opción Stability diagnostic.

gracias ya pude hacerlo, ahora te queria preguntar en que cambia el test de quiebre estructural de CHOW con un test de raiz unitaria como el DFA (Dick Fuller Aumentado)? a caso no nos dice lo mismo? gracias

Tu duda es válida no queda claro cuál es el valor con el que hay que comparar, se mencionan los dos valores ya que en las simulaciones se detecta que un VIF entre 10 y 30 indica la presencia de multicolinealidad y un valor mayor a 30 es indicativo de un problema severo de multicolinealidad. Por lo que si el VIF es mayor a 10 significa que en el modelo presenta multicolinealidad.

Hola, es una buena pregunta dado que las simulaciones de la prueba de multicolinealidad están hechas para el modelo de regresión lineal. Sin embargo Menard, en su libro "Applied logistic regression analysis" (2002) señala que en la medida que la multicolinealidad es una elevada correlación entre las variables independientes, no es relevante la forma funcional, por lo que la prueba vif, sí se puede aplicar en una estimación probit. Adicionalmente, hay simulaciones que muestran que la alta correlación entre las variables independientes genera estimadores no significativos en los modelos logit o probit, lo que refuerza la idea de que puede ser importante realizar pruebas de multicolinealidad en estos modelos.

kwirabakwiraba muchisimas gracias!! me ayudaste mucho con esta duda que tenia. Saludos desde Bolivia 😁

Hay varias forma de buscar solucionar el problema de multicolinealidad y todas están ligadas a introducir información adicional en el modelo, ya que la información (datos) no permite diferenciar el efecto de cada variable. Las soluciones pueden ser muchas y depende del modelo que se estime, en algunos casos se puede agregar restricciones entre los parámetros, por ejemplo obteniendo el promedio de dos variable, o dividiendo dos variables. El caso más extremo es eliminar una de las variables.

Gracias!

Para que se cumpla en supuesto de no autocorrelación , con este número de observaciones (85) y parámetros en la ecuación (2), el DW debe de estar entre du= 1.55 y 4-.du= 4 -1.55 = 2.45, por eso si el DW= 0.89 hay autocorrelación positiva porque es menor que dl= 1.46.

Muchas gracias! Excelentes videos.

@@kwirabakwiraba buenas noches me puede ayudar con una practica

@@anitzafarronanchaponan8781 buenos días, sí respondo dudas generales pero trabajos específicos no realizo.

Hola, es un tema que requiere un desarrollo difícil de escribir en unas líneas, pero te recomiendo este documento, espero que te sea útil: www.uam.es/personal_pdi/economicas/rarce/pdf/heterocedasticidad.pdf

vale muchas gracias, una pregunta que pena molestar, conoces algun modelo econometrico que funcione bien, como inflacion en funcion del desempleo y asi?. De verdad ojala me pudieras ayudar que no encuentro casi datos para un trabajo.

Por ahora no.

El valor de 10 no se obtiene de un estadístico, por lo que no hay nivel de confianza. Los valores se aproximan por métodos númericos, se hacen simulaciones y se obtiene que ese valor discrimina los casos de no multicolinealidad.

es como una regla de la estadística.?

Pues sí, sería como una regla estadística pero que no se obtiene de un desarrolla matemático de funciones de distribución. Si no que se crean miles de modelos que tienen multicolinealidad y otros miles que no la tienen y se busca qué valores son los convenientes.

Gracias, logre mi modelo econometrico gracias a ti, por lo menos no me presento los tres errores comunes.

Para evaluar el supuesto de homoscedasticidad con las formas funcionales con logaritmos o cuadráticas se realizan las mismas pruebas. Gracias por los cometarios.

Gracias a tí por responder mis dudas.....=)

En la prueba Breusch Pagan Godfrey es la misma interpretación, si la probabilidad es mayor a 0.05 hay homoscedasticidad.

+kwirabakwiraba muito gentil responder, muito obrigado!

Si se rechaza la hipótesis nula se concluye que la relación lineal no es correcta. ¿qué modelo alternativo estimar? , la respuesta no tiene relación con el grado de la prueba RESET, la prueba sólo señala que hay elementos no lineales que no se están modelando adecuadamente con la relación lineal. La solución no es introducir variables independientes elevadas al cuadrado , al cubo o al cuarta, ya que sería muy difícil interpretar económicamente los resultados, normalmente se intenta corregir la forma funcional introduciendo logaritmos en las variables, la inversa de una variable o alguna variable al cuadrado, pero revisando que los resultados tengan sentido económico.

Ok, es que Gujarati plantea el ejemplo de la función de costo total, donde claro la forma correcta es un polinomio grado 3, pero corre un modelo lineal y se aplica esta prueba para confirmar que hay un error, que la relación no es lineal y la solución es incluir dentro del modelo, X^2 y X^3, por eso me quedaba la duda de que hacer cuando tengo más de una variable independiente.

Cuando hay una justificación teórica para estimar una ecuación de polinomio 3 me parece adecuado, pero la prueba RESET no señala de que grado tiene que ser el polinomio.

¿Me podría decir de donde sacó los datos que utiliza en el ejemplo?

+agrolight con gusto. el empleo son los asegurados en el Imss, sería una proxy del empleo formal. el salario son las remuneraciones promedio también del imss. y el pib del inegi.

el Jarque Bera se distribuye como una chi-cuadrada con 2 grados de libertad, por lo que el valor de tablas al 95% de confianza es 5.99. si el JB es mayor de 5.99 los errores no se distribuyen de manera normal.

+kwirabakwiraba y como corrijo esto en el modelo si el JB es mayor de 5.99. para volverlo una distribución normal y como calculo los residuos. gracias

No hay una manera alternativa para calcular los errores o una transformación que garantice que los errores se distribuyan de manera normal. Las soluciones podrían ser dos: solucionar otros supuestos o si se tiene un número de observaciones grande ( + de 200) recurrir a las pruebas asintóticas.

+kwirabakwiraba si existe valores atípicos y la muestra es pequeña cual seria la mejor alternativa de solucionar la falta de normalidad de los residuos haciendo que jarque bera sea menor que 5.99 -chicuadrado y en el programa eviews existe esta alternativa de solucion. gracias

+Gonzalo saavedra Hasta donde conozco no hay una opción de solución al problema que planteas

+luis marin Si p<0.05 entonces los estimadores de las variables Fitted2, Fitted3... son estadísticamente significativos y por tanto hay elementos no lineales que explican el comportamiento de la variable dependiente y por tanto la forma funcional estimada no es adecuada.

+Оксана Sun ls export ar(1) ar(2) ar(12)