Guía de Instrucciones de Gretl - Wake Forest University
Guía de Instrucciones de Gretl - Wake Forest University
Guía de Instrucciones de Gretl - Wake Forest University
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Capítulo 1. <strong>Instrucciones</strong> <strong>de</strong> gretl 16<br />
lmtest<br />
Opciones: --logs (no linealidad, logaritmos)<br />
--autocorr (correlación serial)<br />
--squares (no linealidad, cuadrados)<br />
--white (heterocedasticidad (Contraste <strong>de</strong> White))<br />
Debe ejecutarse justo <strong>de</strong>spués <strong>de</strong> una instrucción mco. Realiza alguna combinación <strong>de</strong> lo siguiente:<br />
contrastes <strong>de</strong> Multiplicador <strong>de</strong> Lagrange <strong>de</strong> no linealidad (logaritmos y cuadrados),<br />
contraste <strong>de</strong> heterocedasticidad <strong>de</strong> White, y el contraste LMF <strong>de</strong> correlación serial hasta el or<strong>de</strong>n<br />
<strong>de</strong> la periodicidad (ver Kiviet, 1986). También se presentan los correspondientes coeficientes <strong>de</strong><br />
la regresión auxiliar. Ver Ramanathan, Capítulos 7, 8, y 9 para más <strong>de</strong>talles. En el,caso <strong>de</strong>l contrastes<br />
<strong>de</strong> White, sólo se usan los cuadrados <strong>de</strong> las variables in<strong>de</strong>pendientes y no sus productos<br />
cruzados. En el caso <strong>de</strong>l contraste <strong>de</strong> autocorrelación, si el valor p <strong>de</strong>l estadístico LMF es menor<br />
que 0,05 (y el mo<strong>de</strong>lo no se había estimado originariamente con <strong>de</strong>sviaciones típicas robustas)<br />
entonces se calculan y se presentan las <strong>de</strong>sviaciones típicas robustas ante correlación serial.<br />
Para <strong>de</strong>talles sobre el cálculo <strong>de</strong> estas <strong>de</strong>sviaciones típicas ver Wooldridge (2002, Capítulo 12).<br />
Menú gráfico: Ventan <strong>de</strong> Mo<strong>de</strong>lo, /Contrastes<br />
logistic<br />
Argumentos: var<strong>de</strong>p varin<strong>de</strong>ps [ ymax=valor ]<br />
Opción: --vcv (mostrar la matriz <strong>de</strong> covarianzas)<br />
Ejemplos: logistic y const x<br />
logistic y const x ymax=50<br />
Regresión logística: <strong>de</strong>sarrolla una regresión MCO utilizando la transformación logística <strong>de</strong> la<br />
variable <strong>de</strong>pendiente,<br />
<br />
y<br />
log<br />
y∗ <br />
− y<br />
La variable <strong>de</strong>pendiente <strong>de</strong>be ser estrictamente positiva. Si es una fracción <strong>de</strong>cimal, entre 0 y<br />
1, por <strong>de</strong>fecto se usa un valor y ∗ (el máximo asintótico <strong>de</strong> la variable <strong>de</strong>pendiente) of 1. Si<br />
la variable <strong>de</strong>pendiente es un porcentaje, entre 0 y 100, por <strong>de</strong>fecto y ∗ es 100. Si Vd. <strong>de</strong>sea<br />
establecer otro valor máximo utilice el parámetro opcional ymax=valor <strong>de</strong>spués <strong>de</strong> la lista <strong>de</strong><br />
regresores. El valor proporcionado <strong>de</strong>be ser mayor que todos los valores observados <strong>de</strong> la variable<br />
<strong>de</strong>pendiente.<br />
Los valores ajustados y los residuos <strong>de</strong> la regresión se transforman automáticamente usando<br />
y = y∗<br />
1 + e −x<br />
don<strong>de</strong> x representa o un valor ajustado o un residuo <strong>de</strong> la regresión MCO usando la variable<br />
<strong>de</strong>pendiente transformada. Los valores que se presentan son así comparables con los valores<br />
originales <strong>de</strong> la variable <strong>de</strong>pendiente.<br />
Nótese que si la variable <strong>de</strong>pendiente es binaria, en lugar <strong>de</strong> esto se <strong>de</strong>bería usar la instrucción<br />
logit.<br />
Menú gráfico: /Mo<strong>de</strong>lo/Logístico<br />
logit<br />
Argumentos: var<strong>de</strong>p varin<strong>de</strong>ps<br />
Opción: --vcv (mostrar la matriz <strong>de</strong> covarianzas)<br />
Regresión binomial logit. La variable <strong>de</strong>pendiente <strong>de</strong>bería ser una variable binaria. Se obtienen<br />
las estimaciones máximo-verosímiles <strong>de</strong> los coeficientes <strong>de</strong> las variables varin<strong>de</strong>ps por medio<br />
<strong>de</strong>l método EM (Expectation–Maximization method, ver Ruud, 2000, Capítulo 27). Como el mo<strong>de</strong>lo<br />
no es lineal las pendientes <strong>de</strong>pen<strong>de</strong>n <strong>de</strong> los valores <strong>de</strong> las variables in<strong>de</strong>pendientes: las