Guía de Instrucciones de Gretl - Wake Forest University

Capítulo 1. Instrucciones de gretl 16
lmtest
Opciones: --logs (no linealidad, logaritmos)
--autocorr (correlación serial)
--squares (no linealidad, cuadrados)
--white (heterocedasticidad (Contraste de White))
Debe ejecutarse justo después de una instrucción mco. Realiza alguna combinación de lo siguiente:
contrastes de Multiplicador de Lagrange de no linealidad (logaritmos y cuadrados),
contraste de heterocedasticidad de White, y el contraste LMF de correlación serial hasta el orden
de la periodicidad (ver Kiviet, 1986). También se presentan los correspondientes coeficientes de
la regresión auxiliar. Ver Ramanathan, Capítulos 7, 8, y 9 para más detalles. En el,caso del contrastes
de White, sólo se usan los cuadrados de las variables independientes y no sus productos
cruzados. En el caso del contraste de autocorrelación, si el valor p del estadístico LMF es menor
que 0,05 (y el modelo no se había estimado originariamente con desviaciones típicas robustas)
entonces se calculan y se presentan las desviaciones típicas robustas ante correlación serial.
Para detalles sobre el cálculo de estas desviaciones típicas ver Wooldridge (2002, Capítulo 12).
Menú gráfico: Ventan de Modelo, /Contrastes
logistic
Argumentos: vardep varindeps [ ymax=valor ]
Opción: --vcv (mostrar la matriz de covarianzas)
Ejemplos: logistic y const x
logistic y const x ymax=50
Regresión logística: desarrolla una regresión MCO utilizando la transformación logística de la
variable dependiente,
y
log
y∗
− y
La variable dependiente debe ser estrictamente positiva. Si es una fracción decimal, entre 0 y
1, por defecto se usa un valor y ∗ (el máximo asintótico de la variable dependiente) of 1. Si
la variable dependiente es un porcentaje, entre 0 y 100, por defecto y ∗ es 100. Si Vd. desea
establecer otro valor máximo utilice el parámetro opcional ymax=valor después de la lista de
regresores. El valor proporcionado debe ser mayor que todos los valores observados de la variable
dependiente.
Los valores ajustados y los residuos de la regresión se transforman automáticamente usando
y = y∗
1 + e −x
donde x representa o un valor ajustado o un residuo de la regresión MCO usando la variable
dependiente transformada. Los valores que se presentan son así comparables con los valores
originales de la variable dependiente.
Nótese que si la variable dependiente es binaria, en lugar de esto se debería usar la instrucción
logit.
Menú gráfico: /Modelo/Logístico
logit
Argumentos: vardep varindeps
Opción: --vcv (mostrar la matriz de covarianzas)
Regresión binomial logit. La variable dependiente debería ser una variable binaria. Se obtienen
las estimaciones máximo-verosímiles de los coeficientes de las variables varindeps por medio
del método EM (Expectation–Maximization method, ver Ruud, 2000, Capítulo 27). Como el modelo
no es lineal las pendientes dependen de los valores de las variables independientes: las