Manual de uso de EViews

1. Cómo estimar ecuaciones simultáneas en EViews.

Suponga el modelo de oferta y demanda:

Tu interés es calcular la oferta, pero sabes que las variables precio y cantidad de ambas

ecuaciones son endógenas. En EViews, la manera de corregir esto es a través de del

método 2SLS, y los pasos son:

A. Hacer clic en quick/estimate equation y elegir en el método el TSLS:

B. En el primer recuadro escribir la ecuación de la oferta, y en el segundo las variables

instrumentales. Para este caso, se usaron la tecnología (t) y los precios de artículos

sustitutos (s).

C. Das clic en ok y aparece el resultado de la ecuación de oferta sin efecto reciproco entre la

cantidad y el precio.

2. Prueba de ADF.

Como referencia se usará un modelo cuyas variables serán el tipo de cambio de 3

economías del mundo. Las monedas a elegir son:

LE: moneda de Inglaterra (libra esterlina)

ES: moneda de El Salvador (dólar)

G: moneda de Guatemala (Quetzal)

A. Antes de estimar un VAR (con esas tres variables), se debe verificar que todas las variables

a utilizar sean estacionarias. Para verificar eso en EViews, se debe de seleccionar cada

variable (dándole doble clic) para que te aparezca la lista de los datos (usaremos como

ejemplo la moneda LE):

B. Para hacer la prueba ADF, das clic en View/Unit Root Test, y aquí te aparecerá la siguiente

ventana.

C. A esta ventana, lo único que le vas a cambiar es si le incluyes un intercepto, una tendencia

e intercepto o nada a la prueba. Para verificar si tiene intercepto, tendencia o ambas;

tienes que graficar la variable. La grafica de LE es la siguiente:

De esta gráfica, se puede hacer el supuesto que LE tiene intercepto y tendencia. Por ello se

selecciona en la ventana de EViews Trend and intercept.

D. Al dar click en ok, aparece la siguiente ventana:

12

14

16

18

20

22

24

2002 2003 2004 2005 2006 2007 2008 2009 2010

libra esterlina

La hipótesis nula es que LE tiene raíz unitaria y lo que buscas es que no tenga, por lo que

según estos resultados la variable LE sí tiene raíz y en niveles no es estacionaria.

E. El siguiente paso es volver a la ventana de Unit Root Test y seleccionar primera diferencia:

Das clic en OK y aparecerá nuevamente está ventana con la nueva prueba:

Según esta prueba, en primeras diferencias la variable LE es estacionaria, por lo que la variable

que se usará para estimar el VAR es la primera diferencia de LE. Este proceso se debe hacer

con todas las variables que se usarán para el VAR.

3. Cómo estimar VAR en Eviews.

Como referencia se usará un modelo cuyas variables serán el tipo de cambio de 3 economías

del mundo. Las monedas a elegir son:

LE: moneda de Inglaterra (libra esterlina)

ES: moneda de El Salvador (dólar)

G: moneda de Guatemala (Quetzal)

Los pasos a seguir son los siguientes (una vez que todas las variables son estacionarias).

A. Dar clic en quick/estimate VAR/ y luego en el recuadro de arriba poner las 3 variables por

orden de mayor importancia a menor importancia. En este caso: LE ES G. Todo lo demás se

deja como está. Das clic en OK.

B. Te aparecerá una ventana con el VAR calculado, sin embargo este todavía no es el

correcto.

C. El siguiente paso es verificar por medio de los criterios de información Akaike, Schwarz o

Hannan-Quinn, cuántos rezagos debe tener el VAR. Para hacer esto, le das clic en View/ Lag

Structure/Lag lenght Criteria. Posterior a eso te aparecerá una ventana preguntándote el número de

rezagos incluidos y ahí le pones 12. Te aparecerá una tabla como la siguiente. Lo que tienes que

hacer es identificar en que número de rezagos aparece un asterisco, pues este indica el número de

rezagos sugerido por cada criterio de información. Para este caso (no siempre es así), según los tres

criterios, el número de rezagos es igual a 1. Si en tu trabajo te aparece que el número de rezagos

correcto es 0, es un indicio de que tus variables no son endógenas y debes buscar otras.

D. El siguiente paso es correr el VAR con un rezago, ese cambio se realiza dando clic en

estimate y luego en el recuadro de “Lag Intervals for Endogenous” escribes 1 1, indicando

que solo será un rezago (Si le pones 1 3, EViews lee que serán 3 rezagos. Si por otra parte

escribes 1 1,3 3, EViews lee que son 3 rezagos, sin incluir el segundo).

E. El siguiente paso es verificar por pruebas de máxima verosimilitud si cada rezago por

separado es significativo (recuerden que con criterios de información únicamente te dicen

el total de rezagos que debe tener el modelo, más no si cada uno de manera individual es

significativo). En este caso como se obtuvo un VAR de 1 solo rezago no tiene tanta

importancia hacer esta prueba, sin embargo, si nos hubiera salido un VAR con 5 rezagos,

por ejemplo, sería conveniente verificar si cada rezago 1, 2, 3, 4 o 5, por separado, es

significativo. Para hacer esta prueba se debe dar clic en View/Lag Structure/Lag Exclusion

Test. Te aparecerá una ventana como la siguiente (lo que debes verificar es que el P-value

(está entre corchetes) de la Joint Test es menor a 0.1 (nivel de significancia)):

Según esta prueba,

el rezago uno si es significativo.

F. Después de estas pruebas, se ha verificado que tu VAR con un rezago es el correcto.

4. Cómo obtener las respuestas a impulso en Eviews.

A. Habiendo calculado el VAR, las respuesta a impulso se pueden obtener dando clic en

view/impulse response, aparece una ventana y le das clic en OK. Te aparece las siguiente

gráfica.

Las primeras 3 gráficas del primer renglón, muestran la respuesta a impulso de la moneda de

Inglaterra a un shock a su propia moneda (primera gráficas), a un shock en la moneda de El

Salvador (segunda gráfica) y a un shock en la moneda de Guatemala (tercera gráfica). Según

estás tres gráficas, la moneda Le sí responde a un shock en su propia moneda, pero no

responde a un shock en la moneda ES y G, cómo era de esperarse.

5. Cómo obtener la causalidad de Granger.

Habiendo calculado el VAR, la causalidad de Granger se puede obtener dando clic en

view/Lag Structure/Granger Causality, aparece la siguiente ventana:

Los que buscas es que mínimo cada variable (por separado) sea causada por otra variable o cause

a otra variable. Si esto no pasa, dicha variable se considerará como exógena. En este caso, ni la

moneda de EL y G causan LE en el sentido de Granger. Sin embargo, la moneda ES si es causada

por las monedas de LE y G (indicio de endogeneidad entre variables).

6. Verificar cointegración entre variables.

A. Siguiendo con la variables usadas, ahora en niveles, para verificar cointegración se usa la

prueba de Johansen (la restricción es que todas las variables sean no estacionarias en

niveles). En EViews, abres como grupo todas las variables, se da clic en View/cointegration

test y aparece una ventana. En ésta dejas los rezagos como están y das clic en la opción 6

(Summarize all 5 sets of assumptions). Después de dar clic en OK, aparecerá la siguiente

ventana:

Se hacen dos pruebas, una Trace y otra Max-Eig. Lo que ustedes deben de verificar es que

según el modelo que seleccionen (con tendencia o no, con intercepto o no), aparezca por

lo menos 1 vector de cointegración para ambas pruebas. En este caso, para la prueba

Max-Eig no aparece ningún vector de cointegración para ninguno de los modelos, indicio

de que no hay cointegración.

Otro paso final es verificar en las tablas que aparecen debajo de la prueba de Johansen,

cuántos rezagos debe tener, según los criterios de Akaike y Schwarz. En este caso, como se

muestra en la tabla siguiente, para el modelo sin tendencia y con intercepto, el número de

rezagos según Akaike es de 1 (en circulo).

Suponiendo que ese modelo fuera el correcto, se puede hacer una prueba de Johansen

para ese único modelo y con 1 rezago. Para hacer esto, se da clic en View/cointegration

test, se selecciona el modelo 2 y rezagos 1 1, y das clic en OK.

Esta última ventana te muestran los resultados específicos para la prueba de Trace y Max-

Eigen. Según la prueba de Trace, existen por lo menos 2 vectores de cointegración.

Mientras que la prueba Trace indica que no hay ningún vector de cointegración.

7. Calculo de VEC en Eviews.

Si las variables están cointegradas, es recomendable obtener el VEC, para hacer esto en EViews se

pueden seguir dos guías.

A) Usando las monedas de Chile, Colombia y Argentina (suponiendo que todas son no

estacionarias en niveles), se abren como grupo. Se hace la prueba de cointegración dando

clic en View/cointegration test, ahí seleccionas la opción 6 das clic en ok.

En esta ventana (arriba), aparece una tabla, debajo de la prueba de Johansen, que muestra

el número de rezagos que un VEC debería de tener según los criterios de información de Akaike o

Schwarz, para cada uno de los 5 posibles modelos que la prueba de Johansen considera.

Suponiendo que el modelo que se escogió es el lineal con intercepto y sin tendencia, según el

Akaike el número de rezagos a usar en el VEC es de 1 (donde está el asterisco circulado).

Reconociendo que se necesita 1 rezago, el siguiente paso es estimar el VEC (una vez que ya se

hizo todo el procedimiento para verificar la cointegración, ver inciso 7). Para hacer esto, se da clic

en Proc/Make Vector Autoregressión y aparecerá la siguiente ventana:

En esta ventana cambias los rezagos de 1 2 a 1 1, seleccionas la opción de Vector Error Correction

y das clic en OK.

La ventana anterior sería tu VEC estimado. Aquí también puedes hacer pruebas de razón de

verosimilitud para ver si rezago por rezago, cada uno es significativo.

B) La otra opción para estimar un VEC es que una vez que se haya verificado la cointegración

y los rezagos según los criterios de Akaike o Schwarz, cierras esa ventana. Posteriormente,

das clic en Quick/estimate VAR y les aparecerá la siguiente ventana, donde escribirán las

variables, el número de rezagos y la opción de VEC.

Al dar clic en OK, te saldrá la misma ventana que con la opción A.