Ejemplo 4.2. Variables ficticias en Gretl. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística)

Ejemplo 4.2 Variables ficticias en Gretl Pilar González y Susan Orbe Dpto. Economía Aplicada III (Econometría y Estadística) Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 1 / 40

Contenido 1 Ejemplo 4.1.1. Introducir las variables ficticias manualmente. 2 Ejemplo 4.2.2. Definir las variables ficticias desde una variable discreta. 3 Ejemplo 4.2.3. Definir las variables ficticias por rango de observaciones. 4 Ejemplo 4.2.4. Variables ficticias de Gretl. 5 Ejemplo 4.2.5. La variable tendencia. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 2 / 40

Ejemplo 4.2.1. Introducir manualmente las variables ficticias. Enunciado. Consumo de pollo. Se sabe que durante el periodo de estudio, 1990-2012, surgió una epidemia de gripe aviar que se extendió de 1999 a 2003 (ambos años incluidos). Añade manualmente al fichero pollo.gdt una nueva variable, la variable ficticia GRIPE, dando el valor 1 a los años con epidemia de gripe aviar y el valor 0 a los años sin epidemia. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 4 / 40

Ejemplo 4.2.1. Introducir manualmente las variables ficticias Para añadir una variable se selecciona una variable cualquiera y se pincha sobre ella con el botón derecho del ratón. En el menú que aparece se selecciona Editar valores. En la nueva ventana se pincha sobre el símbolo + y se selecciona Añadir variable. Dar un nombre a la variable Introducir los valores Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 5 / 40

Ejemplo 4.2.1. Introducir manualmente las variables ficticias En la pantalla principal de Gretl, aparece la nueva variable incluida. Si se quiere añadir una descripción de la misma, se utilizaría la instrucción Editar atributos. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 6 / 40

Ejemplo 4.2.2. Definir las variables ficticias desde una variable discreta. Enunciado. Consumo de pollo. Se sabe que durante el periodo de estudio, 1990-2012, surgió una epidemia de gripe aviar que se extendió de 1999 a 2003 (ambos años incluidos). Para recoger esta información de tipo cualitativo, cuentas en tu fichero pollo.gdt con la variable discreta X 6 que toma el valor 1 para los años sin epidemia de gripe aviar y el valor 2 para los años con epidemia. Genera a partir de esta variable discreta una variable ficticia que tome el valor 1 para los años con epidemia de gripe aviar y el valor 0 para los años sin epidemia. Cambia el nombre a la variable ficticia generada en este ejercicio por el de AV IAR. Elimina del fichero pollo.gdt la variable GRIP E generada en el Ejemplo 4.2.1. Especifica un modelo de regresión lineal para determinar el consumo de pollo e interpreta sus coeficientes. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 8 / 40

Ejemplo 4.2.2. Definir las variables ficticias desde una variable discreta. Para generar variables ficticias a partir de una variable discreta, en primer lugar, se selecciona en la pantalla principal de Gret la variable discreta, en este caso X 6. Después se pincha: Añadir Variables ficticias para las variables discretas seleccionadas Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 9 / 40

Ejemplo 4.2.2. Definir las variables ficticias desde una variable discreta. Esta instrucción genera tantas variables ficticias como valores tenga la variable discreta. Pero ofrece varias opciones. Supongamos una variable discreta V que tomara los valores 3, 4, 5 y 6. Codificar todos los valores. Se generan cuatro variables ficticias: DV 1 = { 1 V = 3 0 en otro caso { 1 V = 5 DV 3 = 0 en otro caso DV 2 = { 1 V = 4 0 en otro caso { 1 V = 6 DV 4 = 0 en otro caso Ignorar el menor valor. Se generan tres variables ficticias, DV 2, DV 3 y DV 4, ignorando la variable ficticia correspondiente a menor valor, V = 3. Ignorar el mayor valor. Se generan tres variables ficticias, DV 1, DV 2 y DV 3, ignorando la variable ficticia correspondiente a mayor valor, V = 6. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 10 / 40

Ejemplo 4.2.2. Definir las variables ficticias desde una variable discreta. En este ejemplo, la variable discreta X 6 tiene dos valores (1 y 2) por lo que se podrían generar como máximo dos variables ficticias. Se quiere generar una variable ficticia que tome el valor 1 para los años con epidemia de gripe aviar y el valor 0 para los años sin epidemia, lo que implica que interesa únicamente la variable ficticia asociada al valor X 6 = 2. Por lo tanto, se elige la opción Ignorar el menor valor. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 11 / 40

Ejemplo 4.2.2. Definir las variables ficticias desde una variable discreta. Como resultado, aparece el símbolo + a la izquierda de la variable X 6. Pinchando en el símbolo + aparece la nueva variable ficticia generada. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 12 / 40

Ejemplo 4.2.2. Definir las variables ficticias desde una variable discreta. Para cambiar el nombre a la variable ficticia DX6 2 por el de AV IAR, se selecciona la variable, se pincha con el botón derecho del ratón y se elige la opción Editar atributos. Para eliminar la variable GRIP E, se selecciona la variable, se pincha con el botón derecho del ratón y se elige la opción Borrar. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 13 / 40

Ejemplo 4.2.2. Definir las variables ficticias desde una variable discreta. Modelo econométrico. Y t = β 1 + β 2 X 2t + β 3 X 3t + β 4 X 4t + β 5 X 5t + β 6 AV IAR t + u t Interpretación de coeficientes β 1 : valor esperado del consumo cuando la renta y los precios del pollo, el cerdo y la ternera toman valor cero y no hay epidemia de gripe aviar. β 2 : incremento esperado en el consumo de pollo cuando la renta aumenta en un euro y el resto de las variables explicativas (precios del pollo, el cerdo y la ternera y si hay o no gripe aviar) permanecen constantes. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 14 / 40

Ejemplo 4.2.2. Definir las variables ficticias desde una variable discreta. Interpretación de coeficientes β 3 : incremento esperado en el consumo de pollo cuando el precio del pollo aumenta en un euro/kilo y el resto de las variables explicativas (renta, precios del cerdo y la ternera y si hay o no gripe aviar) permanecen constantes. β 4 : incremento esperado en el consumo de pollo cuando el precio del cerdo aumenta en un euro/kilo y el resto de las variables explicativas (renta, precios del pollo y la ternera y si hay o no gripe aviar) permanecen constantes. β 5 : incremento esperado en el consumo de pollo cuando el precio de la ternera aumenta en un euro/kilo y el resto de las variables explicativas (renta, precios del pollo y el cerdo y si hay o no gripe aviar) permanecen constantes. β 6 : diferencia esperada en el consumo de pollo entre un año con epidemia de gripe aviar y un año sin epidemia cuando el resto de las variables explicativas (renta y los precios del pollo, el cerdo y la ternera) permanecen constantes. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 15 / 40

Ejemplo 4.2.3. Definir las variables ficticias por rango de observaciones. Enunciado. Uno de los objetivos de la apertura del museo Guggenheim en Bilbao fue el de intentar atraer nuevos turistas a Bilbao. Se quiere construir un modelo de regresión que permita medir si verdaderamente la apertura del museo en septiembre de 1997 ha tenido influencia sobre el turismo y en cuánto ha incrementado la llegada de turistas. Abre el fichero turismo.gdt y Construye una variable ficticia que tome el valor cero antes de octubre de 1997 y el valor 1 trás la apertura del Guggenheim. Especifica un modelo econométrico para determinar el consumo de pizza e interpreta sus coeficientes. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 17 / 40

Ejemplo 4.2.3. Definir las variables ficticias por rango de observaciones. Para generar variables ficticias por rango de observaciones pincha: Añadir Variable ficticia de rango de observación Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 18 / 40

Ejemplo 4.2.3. Definir las variables ficticias por rango de observaciones. En la ventana que se abre, se especifica el rango de observaciones (de septiembre de 1997 en adelantes) y el nombre para la nueva variable (guggenheim). Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 19 / 40

Ejemplo 4.2.4. Variables ficticias de Gretl. Enunciado. Como observamos en el Ejemplo 3.4.1, la variable de visitantes a Bilbao, presenta un comportamiento estacional, con un incremento notable de los turistas en los meses de verano, seguido de un fuerte decrecimiento en los meses de invierno. Abre el fichero turismo.gdt: Genera las variables ficticias necesarias para recoger la estacionalidad. Especifica un modelo econométrico para determinar el número de visitantes extranjeros a Bilbao en función del Índice de Precios de la Hostelería (variación mensual), del Índice de Producción Industrial de España (variación anual), el efecto Guggemheim y la estacionalidad. Interpreta los coeficientes del modelo propuesto. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 21 / 40

Ejemplo 4.2.4. Variables ficticias de Gretl. Si se quiere especificar un modelo de regresión para explicar la evolución de los visitantes a Bilbao es preciso incluir este efecto estacional mensual. Para ello, se han de construir 12 variables ficticias, una para cada mes, de la siguiente manera: D jt = { 1 t mes j-ésimo 0 en otro caso j = 1, 2,..., 12 NO es necesario introducir estas variables ficticias estacionales en el fichero porque Gretl las proporciona directamente. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 22 / 40

Ejemplo 4.2.4. Variables ficticias de Gretl. Para generar variables ficticias estacionales se pincha: Añadir Variables ficticias periódicas Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 23 / 40

Ejemplo 4.2.4. Variables ficticias de Gretl. Se generan doce variables ficticias, 1 para cada mes: dmj, j = 1, 2,..., 12 Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 24 / 40

Ejemplo 4.2.4. Variables ficticias de Gretl. Modelo econométrico. V BIF t = β 1 + β 2 IP CHV M t + β 3 IP ISP V A t + β 4 guggenheim t + + β 5 dm1 t + β 6 dm2 t + β 7 dm3 t + β 8 dm4 t + β 9 dm5 t + + β 10 dm6 t + β 11 dm7 t + β 12 dm8 t + β 13 dm9 t + + β 14 dm10 t + β 15 dm11 t + u t Efecto guggenheim: no se ha incluido la categoría no apertura del guggenheim. Estacionalidad: no se ha incluido la variable ficitica dm12 correspondiente al mes de diciembre. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 25 / 40

Ejemplo 4.2.4. Variables ficticias de Gretl. Interpretación de los coeficientes β 1: número esperado de visitantes extranjeros cuando la variación mensual del Índice de Precios de la hostelería y la variación anual del IPI de España son cero, el museo Guggenheim no está abierto y es el mes de diciembre. β 2: variación esperada en el número de visitantes extranjeros cuando la tasa de variación mensual del Índice de Precios de la hostelería aumenta en un punto manteniendo la variación anual del IPI de España constante e independientemente de si el museo Guggenheim está abierto o no o de en qué mes nos encontremos. β 3: variación esperada en el número de visitantes extranjeros cuando la tasa de variación anual del IPI de España aumenta en un punto manteniendo la variación mensual del Índice de Precios de la hostelería constante e independientemente de si el museo Guggenheim está abierto o no o de en qué mes nos encontremos. β 4: diferencia esperada en el número de visitantes extranjeros entre un año con el Guggenheim abierto y un año sin el Guggenheim manteniendo la variación mensual del Índice de Precios de la hostelería y la variación anual del IPI de España constantes e independientemente del mes en qué nos encontremos. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 26 / 40

Ejemplo 4.2.4. Variables ficticias de Gretl. Interpretación de los coeficientes. β 5: diferencia esperada en el número de visitantes extranjeros entre el mes de enero y el mes de diciembre manteniendo la variación mensual del Índice de Precios de la hostelería y la variación anual del IPI de España constantes e independientemente de si el Guggenheim está abierto o no. β 6: diferencia esperada en el número de visitantes extranjeros entre el mes de febrero y el mes de diciembre manteniendo la variación mensual del Índice de Precios de la hostelería y la variación anual del IPI de España constantes e independientemente de si el Guggenheim está abierto o no. β 7: diferencia esperada en el número de visitantes extranjeros entre el mes de marzo y el mes de diciembre manteniendo la variación mensual del Índice de Precios de la hostelería y la variación anual del IPI de España constantes e independientemente de si el Guggenheim está abierto o no. β 8: diferencia esperada en el número de visitantes extranjeros entre el mes de abril y el mes de diciembre manteniendo la variación mensual del Índice de Precios de la hostelería y la variación anual del IPI de España constantes e independientemente de si el Guggenheim está abierto o no. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 27 / 40

Ejemplo 4.2.4. Variables ficticias de Gretl Interpretación de los coeficientes β 9: diferencia esperada en el número de visitantes extranjeros entre el mes de mayo y el mes de diciembre manteniendo la variación mensual del Índice de Precios de la hostelería y la variación anual del IPI de España constantes e independientemente de si el Guggenheim está abierto o no. β 10: diferencia esperada en el número de visitantes extranjeros entre el mes de junio y el mes de diciembre manteniendo la variación mensual del Índice de Precios de la hostelería y la variación anual del IPI de España constantes e independientemente de si el Guggenheim está abierto o no. β 11: diferencia esperada en el número de visitantes extranjeros entre el mes de julio y el mes de diciembre manteniendo la variación mensual del Índice de Precios de la hostelería y la variación anual del IPI de España constantes e independientemente de si el Guggenheim está abierto o no. β 12: diferencia esperada en el número de visitantes extranjeros entre el mes de agosto y el mes de diciembre manteniendo la variación mensual del Índice de Precios de la hostelería y la variación anual del IPI de España constantes e independientemente de si el Guggenheim está abierto o no. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 28 / 40

Ejemplo 4.2.4. Variables ficticias de Gretl Interpretación de los coeficientes. β 13: diferencia esperada en el número de visitantes extranjeros entre el mes de septiembre y el mes de diciembre manteniendo la variación mensual del Índice de Precios de la hostelería y la variación anual del IPI de España constantes e independientemente de si el Guggenheim está abierto o no. β 14: diferencia esperada en el número de visitantes extranjeros entre el mes de octubre y el mes de diciembre manteniendo la variación mensual del Índice de Precios de la hostelería y la variación anual del IPI de España constantes e independientemente de si el Guggenheim está abierto o no. β 15: diferencia esperada en el número de visitantes extranjeros entre el mes de noviembre y el mes de diciembre manteniendo la variación mensual del Índice de Precios de la hostelería y la variación anual del IPI de España constantes e independientemente de si el Guggenheim está abierto o no. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 29 / 40

Ejemplo 4.2.4. Variables ficticias de Gretl. Enunciado. En el fichero pizza.gdt hay tres tipos de variables explicativas. Variables continuas: la renta y la edad. Variables ficticias: M, B, U, P. Variables generadas: ln pizza, renta 2, edad 2, M R, R E, pizzam. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 30 / 40

Ejemplo 4.2.4. Variables ficticias de Gretl. La variable ficticia M que toma el valor 1 cuando el individuo es mujer y 0 en otro caso, representa a la variable explicativa Género. Como la variable explicativa Género tiene dos categorías (Hombre y Mujer) basta con introducir una sola variable ficticia. Las variables ficticias B, U y P representan a la variable explicativa Nivel de estudios. Esta variable tiene cuatro categorías: estudios básicos, bachillerato, grado, post-grado. Como en el modelo econométrico basta con introducir tantas variables ficticias como número de categorías menos 1, no aparece la variable ficticia correspondiente a los individuos con estudios básicos. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 31 / 40

Ejemplo 4.2.4. Variables ficticias de Gretl. Si se muestran los valores para las variables ficticias B, U y P, se puede observar que hay individuos que tienen el valor 0 para las tres variables a la vez. Son aquellos individuos que tienen un nivel de estudios básico. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 32 / 40

Ejemplo 4.2.5. Variable tendencia. Enunciado. Abre de nuevo el fichero pollo.gdt. En el Ejemplo 3.4.1. se observó que la variable de consumo de pollo presenta un crecimiento anual. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 34 / 40

Ejemplo 4.2.5. Variable tendencia. Enunciado. Este tipo de comportamiento se suele recoger en un modelo de regresión lineal mediante la inclusión de una tendencia lineal. La variable t que se utiliza para introducir la tendencia temporal es una variable que toma los valores: t = 1, 2, 3,... a. Genera la variable de tendencia. b. Especifica un modelo econométrico de determinación del consumo de pollo incluyendo una tendencia lineal además de las variables explicativas ya consideradas en el Ejemplo 4.2.2. c. Interpreta el coeficiente que acompaña a la variable t. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 35 / 40

Ejemplo 4.2.5. Variable tendencia. NO es necesario introducir manualmente la variable de tendencia en el fichero porque Gretl la proporciona directamente pinchando, Añadir Tendencia temporal Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 36 / 40

Ejemplo 4.2.5. Variable tendencia. Se puede comprobar que los valores de la variable de tendencia son t = 1, 2, 3,..., 23. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 37 / 40

Ejemplo 4.2.5. Variable tendencia. Modelo econométrico. Y t = β 1 + β 2 X 2t + β 3 X 3t + β 4 X 4t + β 5 X 5t + β 6 AV IAR t + β 7 time t + u t Interpretación del coeficiente β 7 β 7 : incremento anual esperado en el consumo del pollo, manteniendo constantes el resto de las variables explicativas (renta, precios del pollo, el cerdo y la ternera, y si hay o no gripe aviar). Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 38 / 40

Ejemplo 4.2.5. Variable tendencia. Enunciado. Abre el fichero turismo.gdt. En el Ejemplo 3.4.1. se observó que la serie de visitantes a Bilbao, presenta no sólo comportamiento estacional sino también una evolución creciente a lo largo del tiempo. Añade también una variable de tendencia en este fichero. Guarda todos los cambios realizados en el fichero turismog.gdt. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 39 / 40

Ejemplo 4.2.5. Variable tendencia Se puede comprobar que los valores de la variable de tendencia son t = 1, 2, 3,..., 238 y no el año/mes al que corresponden. Pilar González y Susan Orbe OCW 2013 Ejemplo 4.2 Variables ficticias 40 / 40