Post on 13-Mar-2016
description
EVIEWS
APLICACIONES APLICACIONES ECONOMÉTRICASECONOMÉTRICASLIC. EN ECONOMIALIC. EN ECONOMIAPRÁCTICA 14/3/03PRÁCTICA 14/3/03
EVIEWS
MODELIZACIÓN DE MODELIZACIÓN DE DISTRIBUCIONES DISTRIBUCIONES
EVIEWS
3.3. MODELIZACIÓN DE MODELIZACIÓN DE DISTRIBUCIONES DISTRIBUCIONES
USANDOUSANDO EviewsEviews v4.0 v4.0
EVIEWS
• HISTOGRAMA: Eviews muestra el histograma junto con estadísticos descriptivos (no tiene la opción de guardar la serie de los datos obtenidos).– Comando HIST(opciones) nombre_serie– Objeto nombre_serie.HIST(opciones)– Opciones:
» P Imprime el Histograma junto con los estadísticos
3.1 FUNCIONES DE DISTRIBUCIÓN EMPÍRICAS NO PARAMÉTRICAS:
EVIEWS
• FUNCIONES KERNEL: Eviews v4.0 muestra el gráfico de la función de densidad no paramétrica generada según 7 tipos diferentes de núcleos o Kernels y tiene la opción de guardar la serie de los datos obtenidos.– Series nombre_serie.KDENSITY(Opciones)– Opciones:
» K= Tipo de Núcleo: [E] (Epanechnikov), R (Triangular), U (Uniforme), N (Normal-Gaussiano), B (Cuadrático), T (Cúbico), C (Coseno).
» B= Tamaño de la ventana, por defecto es la de Silveman [S]
» B Intervalo de Tamaño de ventana. Calcula tres FD con tres tamaños de ventana: 0.5 h, h, 1.5h .
» O= Nombre de la matriz dónde se guardará el output
» p Imprime el Gráfico
EVIEWS
3.1 Normal estándar: zN(0,1) normstd.prg
'Crea el espacio de trabajo, reserva la memoria:CREATE DISTRIBZ U 1 1000
'Genera la variable aleatoria N(0,1):SERIES Z=@NRNDGRAPH NORMAL.LINE Z
'Hace el histograma:HIST ZFREEZE(HISTOGRAMA_Z) Z.HIST
'Para calcular y mostrar su Función de Densidad Empírica 'mediante núcleo o Kernel de EpanechnikovFREEZE(F_DENSIDAD_KERNEL_Z) Z.KDENSITY(O=Z_KDENSITY_SERIES)
EVIEWS
'Para guardar las series resultantesSMPL 1 100MTOS(Z_KDENSITY_SERIES)SERIES GRADE=SER01SERIES ZKDF=SER02DELETE SER01 SER02
'Bucle para acumular la función de densidad y obtener'la Función de Distribución mediante núcleo o Kernel de EpanechnikovSERIES ZCDFSCALAR AC=0
FOR !I=1 TO 100SCALAR AC=ZKDF(!I)+ACZCDF.FILL(O=!I) AC
NEXT
EVIEWS
'Grafico de la Función de Distribución mediante núcleo 'o Kernel de Epanechnikov SMPL 1 100GRAPH NORMAL_ADF.LINE ZCDF
‘Para ver todos los gráficos juntosGRAPH GNORMAL.MERGE NORMAL F_DENSIDAD_KERNEL_Z
NORMAL_ADF‘Para guardarSAVE C:/DATA/DISTRIBZ
EVIEWS
Normal estándar: zN(0,1)
0
20
40
60
80
100
120
-3 -2 -1 0 1 2 3
Series: ZSample 1 1000Observations 1000
Mean -0.036869Median -0.027586Maximum 3.042242Minimum -3.742488Std. Dev. 0.995404Skewness -0.027964Kurtosis 3.161511
Jarque-Bera 1.217245Probability 0.544100
EVIEWS
Normal estándar: zN(0,1)
-4
-3
-2
-1
0
1
2
3
4
250 500 750 1000
Z
.0
.1
.2
.3
.4
.5
-3 -2 -1 0 1 2 3
Z
Kernel Density (Epanechnikov, h = 0.5073)
0
2
4
6
8
10
12
14
25 50 75 100
ZCDF
EVIEWS
3.2 Chi-cuadrado: x X2(3) xi2.prg
'Crea el espacio de trabajo, reserva la memoria:CREATE DISTRIBX U 1 1000
'Genera la variable aleatoria x2(3) con 3 grados de libertadSERIES X=@RCHISQ(3)GRAPH XI2.LINE X
'Hace el histograma:HIST XFREEZE(HISTOGRAMA_X) X.HIST
'Para calcular y mostrar su Función de Densidad Empírica 'mediante núcleo o Kernel de EpanechnikovFREEZE(F_DENSIDAD_KERNEL_X) X.KDENSITY(O=X_KDENSITY_SERIES)
EVIEWS
'Para guardar las series resultantesSMPL 1 100MTOS(X_KDENSITY_SERIES)SERIES GRADE=SER01SERIES XKDF=SER02DELETE SER01 SER02
'Bucle para acumular la función de densidad y obtener'la Función de Distribución mediante núcleo o Kernel de EpanechnikovSERIES XCDFSCALAR AC=0
FOR !I=1 TO 100SCALAR AC=XKDF(!I)+ACXCDF.FILL(O=!I) AC
NEXT
EVIEWS
'Grafico de la Función de Distribución mediante núcleo 'o Kernel de Epanechnikov SMPL 1 100GRAPH XI2_CDF.LINE XCDF
‘Para ver todos los gráficos juntosGRAPH GXI2.MERGE XI2 F_DENSIDAD_KERNEL_X XI2_CDF‘Para guardarSAVE C:/DATA/DISTRIBX
EVIEWS
Chi-cuadrado: x X2(3)
0
20
40
60
80
100
120
140
0 2 4 6 8 10 12 14 16
Series: XSample 1 1000Observations 1000
Mean 3.019218Median 2.381825Maximum 15.56981Minimum 0.005800Std. Dev. 2.404647Skewness 1.623250Kurtosis 6.493023
Jarque-Bera 947.5403Probability 0.000000
EVIEWS
Chi-cuadrado: x X2(3)
0
4
8
12
16
250 500 750 1000
X
.00
.04
.08
.12
.16
.20
.24
0 2 4 6 8 10 12 14 16
X
Kernel Density (Epanechnikov, h = 1.0249)
0
1
2
3
4
5
6
25 50 75 100
XCDF
EVIEWS
3.3 F-snedecor: f F(3 ,2) fsned.prg
'Crea el espacio de trabajo, reserva la memoria:CREATE DISTRIBF U 1 1000
'Genera la variable aleatoria F(3,2), con 3 y 2 grados de libertad:SERIES F=@RFDIST(3,2)GRAPH FSNED.LINE F
'Hace el histograma:HIST FFREEZE(HISTOGRAMA_F) F.HIST
'Para calcular y mostrar su Función de Densidad Empírica 'mediante núcleo o Kernel de EpanechnikovFREEZE(F_DENSIDAD_KERNEL_F) F.KDENSITY(O=F_KDENSITY_SERIES)
EVIEWS
'Para guardar las series resultantesSMPL 1 100MTOS(F_KDENSITY_SERIES)SERIES GRADE=SER01SERIES FKDF=SER02DELETE SER01 SER02
'Bucle para acumular la función de densidad y obtener'la Función de Distribución mediante núcleo o Kernel de EpanechnikovSERIES FCDFSCALAR AC=0
FOR !I=1 TO 100SCALAR AC=FKDF(!I)+ACFCDF.FILL(O=!I) AC
NEXT
EVIEWS
'Grafico de la Función de Distribución mediante núcleo 'o Kernel de Epanechnikov SMPL 1 100GRAPH F_CDF.LINE FCDF
‘Para ver todos los gráficos juntosGRAPH GFSNED.MERGE FSNED F_DENSIDAD_KERNEL_F F_CDF‘Para guardarSAVE C:/DATA/DISTRIBF
EVIEWS
F-snedecor: f F(3 ,2)
0
200
400
600
800
1000
0 50 100 150 200 250 300 350 400 450 500
Series: FSample 1 1000Observations 1000
Mean 5.133064Median 1.141752Maximum 478.8316Minimum 0.002403Std. Dev. 21.14482Skewness 14.47325Kurtosis 282.8478
Jarque-Bera 3298029.Probability 0.000000
EVIEWS
F-snedecor: f F(3 ,2)
0
200
400
600
800
1000
250 500 750 1000
F
.00
.01
.02
.03
.04
.05
.06
.07
0 100 200 300 400 500 600 700 800 900
F
Kernel Density (Epanechnikov, h = 0.8723)
.065
.070
.075
.080
.085
.090
.095
.100
.105
25 50 75 100
FCDF
EVIEWS
3.4 t-student: t t(3) tstud.prg
'Crea el espacio de trabajo, reserva la memoria:CREATE DISTRIBT U 1 1000
'Genera la variable aleatoria t (3), con 3 grados de libertad:SERIES TS=@RTDIST(3)GRAPH TSTUD.LINE TS
'Hace el histograma:HIST TSFREEZE(HISTOGRAMA_TS) TS.HIST
'Para calcular y mostrar su Función de Densidad Empírica 'mediante núcleo o Kernel de EpanechnikovFREEZE(F_DENSIDAD_KERNEL_TS) TS.KDENSITY(O=TS_KDENSITY_SERIES)
EVIEWS
'Para guardar las series resultantesSMPL 1 100MTOS(TS_KDENSITY_SERIES)SERIES GRADE=SER01SERIES TSKDF=SER02DELETE SER01 SER02
'Bucle para acumular la función de densidad y obtener'la Función de Distribución mediante núcleo o Kernel de EpanechnikovSERIES TSCDFSCALAR AC=0
FOR !I=1 TO 100SCALAR AC=TSKDF(!I)+ACTSCDF.FILL(O=!I) AC
NEXT
EVIEWS
'Grafico de la Función de Distribución mediante núcleo 'o Kernel de Epanechnikov SMPL 1 100GRAPH TS_CDF.LINE TSCDF
‘Para ver todos los gráficos juntosGRAPH GTSTUD.MERGE TSTUD F_DENSIDAD_KERNEL_TS TS_CDF‘Para guardarSAVE C:/DATA/DISTRIBT
EVIEWS
t-student: t t(3)
0
50
100
150
200
250
300
350
-15 -10 -5 0 5 10
Series: TSSample 1 1000Observations 1000
Mean -0.005561Median 0.018198Maximum 12.89521Minimum -14.58128Std. Dev. 1.654712Skewness 0.055945Kurtosis 15.18597
Jarque-Bera 6187.931Probability 0.000000
EVIEWS
t-student: t t(3)
-8
-4
0
4
8
12
250 500 750 1000
TS
.0
.1
.2
.3
.4
-8 -6 -4 -2 0 2 4 6 8
TS
Kernel Density (Epanechnikov, h = 0.5512)
0
1
2
3
4
5
6
25 50 75 100
TSCDF