Un ejemplo del uso de gretl y eviews

domingo, 10 de noviembre de 2013
Un ejemplo del uso de gretl y eviews
La construcción y estimación de modelos econométricos ha tenido avances significativos en las últimas décadas. El uso del software adecuado es indudablemente uno de los elementos que facilitan en gran manera la labor de estimación de estos modelos.
En el mercado existen variedad de productos cuyo propósito es facilitar a los investigadores la estimación de modelos y la realización de diferentes tipos de contrastes, dejando de lado la preocupación por realizar en la mayoría de los casos calculos extensos y tediosos. 
Entre los productos a los que se hace referencia están gretl y eviews, el último posiblemente el más conocido. Básicamente, tienen las mismas funcionalidades para la estimación de modelos econométricos y a continuación se muestra una pequeña comparativa de los resultados obtenidos a un ejercicio usando ambos programas:
El enunciado del ejercicio es el siguiente:
En el archivo datos hay datos de salario hora, educación, experiencia laboral, referidos a una muestra de 200 individuos.
a) Estimar la regresión entre el logaritmo del salario y los años de educación del trabajador. 
b) Incluir como variables explicativas adicionales la experiencia y el cuadrado de la experiencia. Volver a estimar la regresión.
c) Obtener la serie de los residuos estimados y representarla gráficamente.

Los resultados se muestran a continuación:


a)

Con Gretl:

Modelo 1: MCO, usando las observaciones 1-200
Variable dependiente: l_Salario___hora

Coeficiente
Desv. Típica
Estadístico t
Valor p


const
0.359117
0.100056
3.5892
0.00042
***
Educacion__anos_
0.02744
0.00790223
3.4724
0.00063
***

Media de la vble. dep.
0.703214

D.T. de la vble. dep.
0.201124
Suma de cuad. residuos
7.587627

D.T. de la regresión
0.195758
R-cuadrado
0.057402

R-cuadrado corregido
0.052642
F(1, 198)
12.05779

Valor p (de F)
0.000633
Log-verosimilitud
43.39214

Criterio de Akaike
-82.78429
Criterio de Schwarz
-76.18765

Crit. de Hannan-Quinn
-80.11473

Con Eviews:


Dependent Variable: LOG_SAL


Method: LeastSquares


Date: 11/10/13   Time: 20:02


Sample: 1 200



Includedobservations: 200












Variable
Coefficient
Std. Error
t-Statistic
Prob.  










C
0.359117
0.100056
3.589163
0.0004
EDUCACION
0.027440
0.007902
3.472433
0.0006










R-squared
0.057402
    Mean dependentvar
0.703214
Adjusted R-squared
0.052642
    S.D. dependentvar
0.201124
S.E. of regression
0.195758
    Akaikeinfocriterion
-0.413921
Sum squaredresid
7.587627
    Schwarzcriterion
-0.380938
Log likelihood
43.39214
    Hannan-Quinncriter.
-0.400574
F-statistic
12.05779
    Durbin-Watson stat
2.037284
Prob(F-statistic)
0.000633















b)

Con Gretl:

Modelo 2: MCO, usando las observaciones 1-200
Variable dependiente: l_Salario___hora

Coeficiente
Desv. Típica
Estadístico t
Valor p


const
0.224364
0.102435
2.1903
0.02968
**
Educacion__anos_
0.0257952
0.00770311
3.3487
0.00097
***
Experiencia_en_la_empresa
0.0775683
0.0183192
4.2343
0.00004
***
experiencia_2
-0.00631136
0.00172565
-3.6574
0.00033
***

Media de la vble. dep.
0.703214

D.T. de la vble. dep.
0.201124
Suma de cuad. residuos
6.924588

D.T. de la regresión
0.187962
R-cuadrado
0.139770

R-cuadrado corregido
0.126604
F(3, 196)
10.61538

Valor p (de F)
1.69e-06
Log-verosimilitud
52.53617

Criterio de Akaike
-97.07235
Criterio de Schwarz
-83.87908

Crit. de Hannan-Quinn
-91.73323

Con Eviews:

Dependent Variable: LOG_SAL


Method: LeastSquares


Date: 11/10/13   Time: 20:12


Sample: 1 200



Includedobservations: 200












Variable
Coefficient
Std. Error
t-Statistic
Prob.  










C
0.224364
0.102435
2.190314
0.0297
EDUCACION
0.025795
0.007703
3.348678
0.0010
EXPERIENCIA
0.077568
0.018319
4.234267
0.0000
EXPERIENCIA_2
-0.006311
0.001726
-3.657390
0.0003










R-squared
0.139770
    Mean dependentvar
0.703214
Adjusted R-squared
0.126604
    S.D. dependentvar
0.201124
S.E. of regression
0.187962
    Akaikeinfocriterion
-0.485362
Sum squaredresid
6.924588
    Schwarzcriterion
-0.419395
Log likelihood
52.53617
    Hannan-Quinncriter.
-0.458666
F-statistic
10.61538
    Durbin-Watson stat
2.070622
Prob(F-statistic)
0.000002















c)

Con Gretl:


Con Eviews:



Como puede observarse, la salida de datos y los resultados encontrados por ambos programas son muy similares.