Utilizamos el fichero importado

Transcripción

1 TEMA 5: Análisis estadísticoexploratorio de datos en Eviews Área de Comandos Menú Principal Ventana Workfile y de Objetos Línea de estado EVIEWS, Econometric Views, para la gestión econométrica de datos y predicciones 1 Utilizamos el fichero importado Dos caminos: Importar para practicar con la ayuda de la clase anterior y la guía que se recuerda a continuación. Camino A) Plan B) si no es posible o no se recuerda o no descargar el fichero ya importado (workfile) en Eviews para seguir la clase. Camino B)

2 Contenidos de la sesión 5.2 Estadísticos y Gráficos en Eviews. Estadísticos univariantes (se obtienen para una serie u objeto) ó multivariantes (con más de una serie). Single Graph ó Gráfico único (se obtiene con una o más series pero un solo gráfico) y Gráfico múltiple (incluye varios gráficos en la misma consulta). Camino A) La acción de importar (Import command in File Menu) que ahorra tiempo Preparamos el fichero de excel y creamos un fichero temporal.xls para importar Cuando tenemos listo el fichero de excel, creamos un workfile para recibirlo Recordatorio Import 4

3 La acción de importar (Import command in File Menu) que ahorra tiempo Preparamos el fichero de excel y creamos un fichero temporal.xls para importar Cuando tenemos listo el fichero de excel, creamos un workfile para recibirlo Import 5 La acción de importar (Import command in File Menu) que ahorra tiempo Import 6

4 La acción de importar (Import command in File Menu) que ahorra tiempo Import 7 La acción de importar (Import command in File Menu) que ahorra tiempo Import 8

5 La acción de importar (Import command in File Menu) que ahorra tiempo Import 9 La acción de importar (Import command in File Menu) que ahorra tiempo Import 10

6 La acción de importar (Import command in File Menu) que ahorra tiempo Import 11 Ya podemos trabajar, hacemos un grupo, sea que hemos llegado por Camino A) o por Camino B) ya están los datos disponibles. Verificamos que estén bien importados Camino A) / Camino B) Import 12

7 La acción de importar (Import command in File Menu) que ahorra tiempo ya están los datos disponibles. OK. Lo comprobamos con la consulta. 13 Guardamos el grupo (asignamos name ) 14

8 Aparecerá el Grupo con el nombre y el símbolo G dentro del workfile 15 Por supuesto, aplicar Save As antes de continuar cuando estemos trabajando nuestra práctica. Con un nombre corto. 16

9 Consultamos estadísticos descriptivos básicos multivariantes 17 Consultamos estadísticos descriptivos básicos multivariantes 18

10 Consultamos los coeficientes de correlación [intervalo de -1 a 1] 19 Consultamos los coeficientes de correlación [intervalo de -1 a 1] 20

11 Consultamos los coeficientes de correlación [intervalo de -1 a 1] 21 Explicación de Coef. Correlación [intervalo de -1 a 1] 22

12 Dated Data Table: 23 Dated Data Table: Tabla de datos 24

13 Dated Data Table: Tabla de datos 25 Gráficos: Single (1) 26

14 Gráficos: Single (1) 27 Gráficos: Multiple graphs (1) 28

15 Gráficos: Multiple Graphs (2) 29 Gráficos: Single (2) 30

16 Gráficos: Single (3) 31 Gráficos: Single (4) 32

17 Gráficos: Single (5) 33 Gráficos: Single (6) Plot 34

18 Gráficos: Single (7) 35 Gráficos: Single (8) Plot Podéis probar los otros tipos de gráficos: Spike, Area, Dot Plot, Distribution, 36

19 Gráficos: (9) Scat con dos series 37 Gráficos: (10) Scat 38

20 Gráficos: (11) Scat 39 Gráficos: (11) Scat 40

21 Gráficos: (12) Scat 41 Gráficos: (13) Scat 42

22 Gráficos: (14) Scat 43 Gráficos: (15) EJES 44

23 Gráficos: (16) EJES 45 Gráficos: (17) EJES 46

24 Gráficos: (18) EJES 47 Gráficos: (19) EJES 48

25 Gráficos: (20) EJES 49 Cambiar el SAMPLE se podrá ver en el eje horizontal del periodo 50

26 Cambiar el SAMPLE se podrá ver en el eje horizontal del periodo 51 Cambiar el SAMPLE se podrá ver en el eje horizontal del periodo 52

27 Paréntesis para ir a Excel para entender Ajuste Tendencial y Media Móvil. Lo vemos en Excel y posteriormente lo aplicamos dentro del Software. Tendencia paramétrica Lineal Concepto de los Errores Error (e) = Y y^ Medias Móviles (MM orden 3) Concepto de los Errores Modelo 1) Modelo 2) El objetivo es minimizar los Errores (en las desviaciones de los datos) y trabajar con la técnica más fiable. Predicción de la tendencia 53 En Excel Ajuste Tendencial consultamos el Fichero de Excel Asociado, hoja tendencia Modelo 1) 54

28 Modelo 1) En Excel Ajuste Tendencial Revisamos que es Y 55 Modelo 1) En Excel Ajuste Tendencial Realizamos gráfico y su ajuste Lineal con los datos de Options (R2 y Ecuación). 56

29 Modelo 1) En Excel Ajuste Tendencial Explicamos que es R2 de manera sencilla como recordamos en su momento el término Correlación. 57 Modelo 1) En Excel Ajuste Tendencial Revisamos la columna de y^, la cual se obtiene aplicando la ecuación del ajuste Lineal. 58

30 Modelo 1) En Excel Ajuste Tendencial Explicamos el Término Error. Error (e) = Y y^ Importancia del término Error. 59 Error (e) = Y y^ En Excel Tipos de Errores Se manejan varias expresiones y revisamos sus fórmulas en Excel. Error de cada Observación Error Medio (EM) Error Cuadrático Medio (ECM) Raíz del ECM (RECM) Error Absoluto Medio (EAM) Porcentaje del error Porcentaje del Error Absoluto Medio (PEAM) La predicción más correcta es aquella que realizamos minimizando los Errores. 60

31 Modelo 1) En Excel Tipos de Errores La importancia del error y su explicación gráfica. Desarrollado en la pestaña de excel que se llama errores-graph El concepto de -+ 2 SD tal y como veremos también en el gráfico de Resids de Eviews. 61 En Excel Medias Móviles Revisamos fórmulas de MM3 y entendemos su objetivo. Modelo 2) 62

32 En Excel Medias Móviles Revisamos fórmulas de errores, columnas RECM y PEAM. Modelo 2) 63 En Excel Medias Móviles Revisamos fórmulas de errores, columnas RECM y PEAM. Modelo 2) 64

33 En Excel Medias Móviles Revisamos el gráfico de cada caso y su comparativa. Modelo 2) 65 En Excel Medias Móviles Revisamos el término error para el concepto PEAM Modelo 2) 66

34 En Excel resultados de Fiabilidad de los Modelos / Ajustes Comparamos Errores de Tendencia (1) y Medias Móviles (2) en sus dos variantes. 67 Modelo 1) En Excel Predicción de la Tendencia se actúa en Excel en la pestaña de tendencia, celda color rosado. La predicción más correcta es aquella que realizamos minimizando los Errores. 68

35 Retorno a Eviews para continuar con el Ajuste / Regresión Lineal en función del Tiempo (t). Realizamos: Para la 3ª Sesión de Eviews Caso simple Modelo uniecuacional en función del tiempo (t) Modelo 1) Gráfico de Residuos (+-2Desv. Típicas) Smoothing como técnica automática de alisado / suavizamiento y predicción Modelo 2) Forecast del Modelo 1 Previamente ampliamos el Rango / Sample Comparativa de Resultados 69 Modelo (Ajuste / Regresión) en función del Tiempo (t). También se puede hacer en función de otras variables Modelo 1) 70

36 Modelo (Ajuste / Regresión) en función del Tiempo (t). También se puede hacer en función de otras variables Modelo 1) 71 Modelo (Ajuste / Regresión) en función del Tiempo (t). También se puede hacer en función de otras variables Modelo 1) Una sugerencia, sería realizar un eq. ESTIMATE Numero Empleados c Ingr_ 72

37 Modelo (Ajuste / Regresión) en función del Tiempo (t). También se puede hacer en función de otras variables Modelo 1) 73 Modelo (Ajuste / Regresión) en función del Tiempo (t). También se puede hacer en función de otras variables Modelo 1) 74

38 Modelo (Ajuste / Regresión) en función del Tiempo (t). También se puede hacer en función de otras variables Modelo 1) 75 Modelo (Ajuste / Regresión) en función del Tiempo (t). También se puede hacer en función de otras variables Modelo 1) 76

39 Modelo (Ajuste / Regresión) en función del Tiempo (t). También se puede hacer en función de otras variables Modelo 1) Error (e) = Y y^ 77 Modelo (Ajuste / Regresión) en función del Tiempo (t). También se puede hacer en función de otras variables Modelo 1) Error (e) = Y y^ 78

40 Modelo de Smoothing (Holt Winters Triple) univariante Modelo 2) 79 Modelo de Smoothing (Holt Winters Triple) univariante Modelo 2) 80

41 Modelo de Smoothing (Holt Winters Triple) univariante Modelo 2) 81 Modelo de Smoothing (Holt Winters Triple) univariante Modelo 2) 82

42 Modelo de Smoothing (Holt Winters Triple) univariante Modelo 2) Root Mean Squared Error (RECM es español) = ,1 83 Modelo de Smoothing (Holt Winters Triple) univariante Modelo 2) 84

43 Modelo de Smoothing (Holt Winters Triple) univariante Modelo 2) 85 Modelo de Smoothing (Holt Winters Triple) univariante Modelo 2) 86

44 Modelo de Smoothing (Holt Winters Triple) univariante Modelo 2) 87 Modelo de Smoothing (Holt Winters Triple) univariante Modelo 2) Para poder tener datos a futuro necesitamos ampliar RANGE y SAMPLE. 88

45 Modelo de Smoothing (Holt Winters Triple) univariante Modelo 2) Para poder tener datos a futuro necesitamos ampliar RANGE y SAMPLE. 89 Ampliamos RANGE y SAMPLE para poder tener datos a Futuro Modelo 2) Para poder tener datos a futuro necesitamos ampliar RANGE y SAMPLE. 90

46 Ya está activado el Nuevo RANGE, ahora repetir proceso de Smoothing Modelo 2) Ya tenemos horizonte Ahora repetir Comando Smoothing 91 Modelo de Smoothing (Holt Winters Triple) univariante Modelo 2) Ya tenemos horizonte Ahora repetir Comando Smoothing 92

47 Modelo de Smoothing (Holt Winters Triple) univariante Modelo 2) Ya tenemos horizonte Ahora repetir Comando Smoothing 93 Modelo de Smoothing (Holt Winters Triple) univariante Modelo 2) 94

48 Modelo de Smoothing (Holt Winters Triple) univariante Modelo 2) Realmente la predicción solo aplicaría a la parte de Futuro, incorporada a partir del último dato observado. 95 Forecast del Modelo 1 cuya serie independiente o explicativa es t. Modelo 1) 96

49 Forecast del Modelo 1 cuya serie independiente o explicativa es t. Necesitamos alimentar datos en Variable t. Modelo 1) 97 Forecast del Modelo 1 cuya serie independiente o explicativa es t. Necesitamos alimentar datos en Variable t. Modelo 1) 98

50 Forecast del Modelo 1 cuya serie independiente o explicativa es t. Resolvemos otra vez el ESTIMATE. Modelo 1) 99 Forecast del Modelo 1 cuya serie independiente o explicativa es t. Ahora aplicamos FORECAST. Modelo 1) 100

51 Forecast del Modelo 1 cuya serie independiente o explicativa es t. Ahora aplicamos FORECAST. Modelo 1) 101 Forecast del Modelo 1 cuya serie independiente o explicativa es t. Modelo 1) Root Mean Squared Error (RECM es español) = ,5 102

52 Revisamos datos observados y datos de Forecast Modelo 1) 103 Revisamos datos observados y datos de Forecast mediante un gráfico. Modelo 1) Realmente la predicción solo aplicaría a la parte de Futuro, incorporada a partir del último dato observado. 104

53 Comparativa) Comparativa del Forecast del Modelo 1 y de la proyección del Smoothing Modelo 2. Root Mean Squared Error (RECM es español) = ,1 en Modelo 2 Root Mean Squared Error (RECM es español) = ,5 en Modelo 1 La predicción más correcta es aquella que realizamos minimizando los Errores. 105