Apresentação do Eviews 8

Transcrição

1 Apresentação do Eviews 8 Jorge Caiado ISEG/UTL e Cemapre jcaiado@iseg.utl.pt Lisboa, 7/03/2013 1

2 O que é o EViews? Programa de estatística e econometria, com ênfase na análise de dados macro e micro-econométricos (temporais, seccionais e de painel). Empresa: IHS Global Inc. (US). Contribuições: Robert Engle (Prémio Nobel da Economia 2003), Soren Johansen (Cointegração multivariada), entre outros. Aplicações úteis em: Macroeconomia (cointegração bivariada e multivariada, causalidade, VAR estrutural e não estrutural, VEC) Microeconomia (dados de painel) Finanças (risco, volatilidade, GARCH, efeitos assimétricos, rácios de variância) Gestão e Marketing (previsão de vendas, regressão, efeitos da sazonalidade, acontecimentos exógenos, deteção de outliers) Simulação e programação (interacção com o ambiente de trabalho) 2

3 Instalação e Utilização do EViews Instalação rápida em CD e/ou download Visualização em ambiente Windows Menus e comandos fáceis de utilização Compatibilidade com outros programas/bases de dados: SAS, SPSS, Microsoft Access, GAUSS, RATS, PcGive, ASCII, HTML, TSP, ODBC, XLS, XLSX, etc. 3

4 Análise de dados univariados Estatísticas descritivas e testes (paramétricos e não paramétricos) Classificação dos dados Gráficos Correlogramas Testes de raízes unitárias (ADF, DFGLS, PP, KPSS, ERS, NP) Testes de rácio de variâncias Testes de independência de BDS 4

5 Análise de dados univariados Transformação dos dados (interpolação, low to high frequency e high to low frequency ) Ajustamento de sazonalidade (US Census X13, US Census X12, X11, Tramo/Seats, médias móveis) Efeitos de calendário, detecção de outliers, observações ausentes, extracção de componentes, modelação ARIMA automática, gráficos espectrais Alisamento exponencial (AES, AED, HW, HWA, HWM) e ETS Smoothing (Erro, tendência e sazonalidade nula, aditiva, multiplicativa ou amortecida) Outros filtros de alisamento (Hodrick-Prescott, frequências) 5

6 Exemplo: Gráficos de linhas e histograma dos retornos do PSI20.12 POR

7 Exemplo: Estatísticas descritivas e histograma dos retornos do PSI20 1,600 1,400 1,200 1, Series: POR Sample 3/01/ /12/2009 Observations 3913 Mean Median Maximum Minimum Std. Dev Skewness Kurtosis Jarque-Bera Probability

8 Exemplo: Cronograma e teste ADF de raizes unitárias 8

9 Exemplo: Correlograma da série em níveis e em diferenças 9

10 Exemplo: Previsão com métodos de alisamento exponencial 10

11 Exemplo: Extração de componentes da série

12 Análise de dados multivariados Criação de tabelas de frequências com transformações dos dados (níveis, % s, diferenças) Covariâncias, medidas de associação e correlações Múltiplos gráficos Testes de hipóteses (igualdade de médias, medianas e variâncias) Análise de componentes principais (tabelas, gráficos de scores e loadings) Análise factorial (tabelas, gráficos de scores e loadings) Correlações cruzadas Testes de cointegração (EG, Phillips-Ouliaris, Johansen) Testes de causalidade à Granger 12

13 Exemplo: Estatísticas dos retornos de índices bolsistas 13

14 POR UK Exemplo: Gráficos dos retornos de índices bolsistas US MAL POR SPA

15 Exemplo: Significancia estatística das correlações entre os retornos 15

16 Exemplo: Causalidade à Granger entre REND, CONS e INVEST Pairwise Granger Causality Tests Date: 02/03/13 Time: 18:59 Sample: 1995Q1 2010Q4 Lags: 4 Null Hypothesis: Obs F-Statistic Prob. REND does not Granger Cause CONS CONS does not Granger Cause REND INVEST does not Granger Cause CONS CONS does not Granger Cause INVEST INVEST does not Granger Cause REND REND does not Granger Cause INVEST

17 Exemplo: Cointegração de EG entre CONS, REND e INVEST Date: 02/03/13 Time: 19:00 Series: CONS REND INVEST Sample: 1995Q1 2010Q4 Included observations: 64 Null hypothesis: Series are not cointegrated Cointegrating equation deterministics: C Automatic lags specification based on Schwarz criterion (maxlag=10) Dependent tau-statistic Prob.* z-statistic Prob.* CONS REND INVEST *MacKinnon (1996) p-values. Intermediate Results: CONS REND INVEST Rho Rho S.E Residual variance Long-run residual variance Number of lags Number of observations Number of stochastic trends** **Number of stochastic trends in asymptotic distribution 17

18 Factor 4 Factor 5 Factor 2 Factor 3 Exemplo: Análise factorial Loadings e scores das classes do IPC Biplot of Factor Scores and Unrotated Loadings 4 IPC_LAZER IPC_VEST IPC_ALIM IPC_TRANSP IPC_SAUDE IPC_EDUCA IPC_BENSDIV IPC_HOTEIS IPC_HABIT IPC_BEBALCTAB IPC_LAR 2 0 IPC_COMUN IPC_LAZER 2012M M M M M M11 IPC_TRANSP IPC_HABIT IPC_ALIM IPC_SAUDE IPC_BEBALCTAB IPC_EDUCA IPC_BENSDIV IPC_HOTEIS IPC_LAR -2 IPC_COMUN 2003M08-2 IPC_VEST 2010M M M M M M Factor Factor M M07 IPC_VEST IPC_ALIM IPC_SAUDE 2 1 IPC_VEST 0 IPC_COMUN IPC_LAZER IPC_BENSDIV IPC_BEBALCTAB IPC_TRANSP IPC_EDUCA IPC_HOTEIS IPC_HABIT IPC_LAR 0 IPC_COMUN IPC_LAZER IPC_TRANSP IPC_EDUCA IPC_SAUDE IPC_BENSDIV IPC_HOTEIS IPC_HABIT IPC_ALIM IPC_BEBALCTAB IPC_LAR M M M Factor Factor 1 18

19 Regressão Métodos dos mínimos quadrados (OLS) Método dos mínimos quadrados ponderados (WLS) Método dos mínimos quadrados a duas etapas (TSLS) Método dos mínimos quadrados não linear (NLLS) Método dos momentos generalizados (GMM) Mínimos quadrados robusto Mínimos quadrados com quebras de estrutura Regressões de cointegração Switching regression 19

20 Exemplo: Regressão do CONS sobre o REND e o INVEST Dependent Variable: CONS Method: Least Squares Date: 02/03/13 Time: 19:06 Sample: 1995Q1 2010Q4 Included observations: 64 Variable Coefficient Std. Error t-statistic Prob. REND INVEST C R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic)

21 Exemplo: Resíduos da regressão, teste BG e intervalos de confiança Breusch-Godfrey Serial Correlation LM Test: F-statistic Prob. F(4,57) Obs*R-squared Prob. Chi-Square(4) Test Equation: Dependent Variable: RESID Method: Least Squares Date: 02/03/13 Time: 19:11 Sample: 1995Q1 2010Q4 Included observations: 64 Presample missing value lagged residuals set to zero. Variable Coefficient Std. Error t-statistic Prob REND INVEST C RESID(-1) RESID(-2) RESID(-3) RESID(-4) R-squared Mean dependent var 2.84E-14 Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Residual Actual Fitted 40,000 35,000 30,000 25,000 20,000 15,000 Coefficient Confidence Intervals Date: 02/03/13 Time: 19:12 Sample: 1995Q1 2010Q4 Included observations: 64 90% CI 95% CI 99% CI Variable Coefficient Low High Low High Low High REND INVEST C

22 Modelação e previsão de séries temporais Modelos ARMA (Modelos sazonais, não sazonais e mistos; estimação com backasting; estimação de TSLS, NLLS e WLS com erros ARIMA; testes de avaliação do diagnóstico; condições de estacionaridade e invertibilidade; autocorrelações e autocorrelações parciais dos resíduos Testes de raízes unitárias Teste ADF; Teste DFGLS; Teste Phillips-Perron; Teste KPSS; Teste ERS; Teste Ng-Perron Previsão Previsão dinâmica; previsão estática; previsão estrutural (sem a componente ARMA); previsão por intervalos; REQM, EAM; EPAM; enviesamentos da previsão em média e em variância. 22

23 Partial autocorrelation Autocorrelation Exemplo: Dependent Variable: D(HOUSE,1,12) Method: Least Squares Date: 03/05/13 Time: 10:01 Sample (adjusted): 1988M M11 Included observations: 80 after adjustments Convergence achieved after 8 iterations MA Backcast: 1986M M03 Variable Coefficient Std. Error t-statistic Prob. AR(2) MA(4) SMA(12) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter Durbin-Watson stat Inverted MA Roots i i i i i Inverse Roots of AR/MA Polynomial(s) Actual Theoretical AR roots MA roots Actual Theoretical

24 Testes de especificação e diagnóstico Testes aos coeficientes Teste de Wald; teste de rácio de verosimilhanças para a omissão de variáveis; teste de RV para variáveis redundantes; teste de quebra de estrutura Testes aos resíduos Correlogramas (níveis e quadrados); Estatística-Q; histograma e teste de normalidade; teste LM; teste ARCH; testes de heteroscedasticidade (White, Harvey, BPG, Glejser, ARCH) Testes de estabilidade Teste de Chow (quebra de estrutura e previsão); teste RESET de Ramsey; Estatísticas influentes; Leverage plot 24

25 Modelação ARCH e GARCH Testes de rácios de variância ARCH e GARCH com regressores na equação da variância, distribuição condicional dos erros (normal, t- student, distribuição do erro generalizada-ged) Threshold ARCH (TARCH) Exponential GARCH (EGARCH) GARCH em média (GARCH-M) Power ARCH (PARCH) Component GARCH (CGARCH) Previsão dos preços, retornos e variância condicional 25

26 Exemplo: Dependent Variable: DLOG(POR) Method: ML - ARCH (Marquardt) - Normal distribution Date: 03/05/13 Time: 10:24 Sample (adjusted): 1/04/ /31/2009 Included observations: 3912 after adjustments Convergence achieved after 16 iterations Presample variance: backcast (parameter = 0.7) GARCH = C(3) + C(4)*RESID(-1)^2 + C(5)*RESID(-1)^2*(RESID(-1)<0) + C(6)*GARCH(-1) Variable Coefficient Std. Error z-statistic Prob. C AR(1) Variance Equation C 8.28E E RESID(-1)^ RESID(-1)^2*(RESID(-1)< GARCH(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter Durbin-Watson stat POR R_POR Inverted AR Roots GARCH PORF ± 2 S.E Forecast of Variance m m1 26

27 Modelos de variável dependente limitada e discreta Modelos de variável dependente binária (probit, logit e valor extremo) Modelos de variável dependente ordinal (tabela de frequências, tabela de probabilidades, previsão) Regressão com dados censorados (tobit) Regressão com dados truncados Modelos de contagem (Poisson, Binomial Negativa, Exponencial, Normal) 27

28 Modelos macroeconométricos Modelos vectoriais autoregressivos (VAR) Modelo de correcção do erro (VEC) Modelo VAR estrutural (SVAR) Funções de resposta a impulsos Decomposição da variância Teste de Cointegração de Johansen Restrições de curto prazo e de longo prazo Modelo VAR Bayesiano (BVAR) 28

29 Exemplo: Response of DLRGDP to Generalized One S.D. Innovations Vector Error Correction Estimates Date: 03/05/13 Time: 10:57 Sample (adjusted): 1962Q3 2001Q1 Included observations: 155 after adjustments Standard errors in ( ) & t-statistics in [ ] Cointegrating Eq: CointEq DLRGDP(-1) DLRGDP DLRM2 DRS DLRM2(-1) ( ) [ ] DLRGDP.008 Response of DLRM2 to Generalized One S.D. Innovations DRS(-1) ( ) [ ] C Error Correction: D(DLRGDP) D(DLRM2) D(DRS) CointEq ( ) ( ) ( ) [ ] [ ] [ ] DLRGDP DLRM2 DRS DLRM2.8 Response of DRS to Generalized One S.D. Innovations DLRGDP DLRM2 DRS Cointegrating relation DRS 29

30 DLRGDP ± 2 S.E. Exemplo: Date: 03/05/13 Time: 11:00 Sample (adjusted): 1962Q3 2001Q1 Included observations: 155 after adjustments Trend assumption: Linear deterministic trend Series: DLRGDP DLRM2 DRS Lags interval (in first differences): 1 to 12 VEC Granger Causality/Block Exogeneity Wald Tests Date: 03/05/13 Time: 11:10 Sample: 1959Q1 2001Q1 Included observations: Unrestricted Cointegration Rank Test (Trace) Dependent variable: D(DLRGDP) Hypothesized Trace 0.05 No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * At most 1 * At most 2 * Trace test indicates 3 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values Excluded Chi-sq df Prob. D(DLRM2) D(DRS) All Dependent variable: D(DLRM2) Actual DLRGDP (Baseline Mean) DLRM2 ± 2 S.E. Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Excluded Chi-sq df Prob..02 Hypothesized Max-Eigen 0.05 No. of CE(s) Eigenvalue Statistic Critical Value Prob.** D(DLRGDP) D(DRS) None At most 1 * At most 2 * Max-eigenvalue test indicates no cointegration at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values All Dependent variable: D(DRS) Excluded Chi-sq df Prob. D(DLRGDP) D(DLRM2) Actual DLRM2 (Baseline Mean) DRS ± 2 S.E. All Actual DRS (Baseline Mean) 30

31 Dados de painel Criação e estruturação de um ficheiro de Pooled data Estatísticas descritivas e análise gráfica Estimação de modelos Efeitos fixos e efeitos aleatórios GLS weights (cross-section weights, cross-section SUR, period weights, period SUR) Estimação das covarâncias dos coeficientes (White cross-section, White period, White diagonal, Cross-section SUR, Cross-section weights, Period SUR, Period Weights) Variáveis instrumentais (two-stage least squares) Testes de diagnóstico (autocorrelação, histograma, efeitos fixos, efeitos aleatórios, Wald, omissão de variáveis, variáveis irrelevantes) Testes de raizes unitárias (Levin, Lin e Chu; Breitung; Im, Pesaran e Shin; Kao; ADF; PP) Testes de cointegração: Pedroni (ou EG-based) ; Kao; Johansen Teste de causalidade de Dumitrescu-Hurlin 31

32 Exemplo: Arsenal Football Club Aston Villa Chelsea , , , ,000 60,000 40, , , , ,000 20,000 50, Ev erton Liv erpool Manchester United ,000 60,000 40,000 20, , ,000 80,000 40, , , , Tottenham Hotspur , ,000 80,000 40, TOSCO TURNOVER WAGES OOC

33 Exemplo: Panel unit root test: Summary Series: TURNOVER Date: 03/05/13 Time: 17:11 Sample: Exogenous variables: Individual effects Automatic selection of maximum lags Automatic lag length selection based on SIC: 0 to 2 Newey-West automatic bandwidth selection and Bartlett kernel Cross- Method Statistic Prob.** sections Obs Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* Null: Unit root (assumes individual unit root process) Im, Pesaran and Shin W-stat ADF - Fisher Chi-square PP - Fisher Chi-square ** Probabilities for Fisher tests are computed using an asymptotic Chi-square distribution. All other tests assume asymptotic normality. Pairwise Dumitrescu Hurlin Panel Causality Tests Date: 03/05/13 Time: 17:17 Sample: Lags: 3 Null Hypothesis: Unit root (individual unit root process) Series: TURNOVER Date: 03/05/13 Time: 17:13 Sample: Exogenous variables: Individual effects Automatic selection of maximum lags Automatic lag length selection based on SIC: 0 to 2 Total number of observations: 115 Cross-sections included: 7 Method Statistic Prob.** ADF - Fisher Chi-square ADF - Choi Z-stat ** Probabilities for Fisher tests are computed using an asymptotic Chi -square distribution. All other tests assume asymptotic normality. Intermediate ADF test results TURNOVER Cross section Prob. Lag Max Lag Obs Arsenal Football Aston Villa Chelsea Everton Liverpool Manchester Unite Tottenham Hotsp Null Hypothesis: W-Stat... Zbar-Stat. Prob. DTURNOVER does not homogeneously cause DTO DTOSCO does not homogeneously cause DTURNO DWAGES does not homogeneously cause DTOSCO DTOSCO does not homogeneously cause DWAGES DOOC does not homogeneously cause DTOSCO DTOSCO does not homogeneously cause DOOC

34 Exemplo: Pedroni Residual Cointegration Test Series: DTOSCO DTURNOVER DWAGES DOOC Date: 03/05/13 Time: 17:14 Sample: Included observations: 126 Cross-sections included: 7 Null Hypothesis: No cointegration Trend assumption: No deterministic trend Automatic lag length selection based on SIC with a max lag of 2 Newey-West automatic bandwidth selection and Bartlett kernel Alternative hypothesis: common AR coefs. (within-dimension) Weighted Statistic Prob. Statistic Prob. Panel v-statistic Panel rho-statistic Panel PP-Statistic Panel ADF-Statistic Alternative hypothesis: individual AR coefs. (between-dimension) Statistic Prob. Group rho-statistic Group PP-Statistic Group ADF-Statistic Johansen Fisher Panel Cointegration Test Series: DTOSCO DTURNOVER DWAGES DOOC Date: 03/05/13 Time: 17:16 Sample: Included observations: 126 Trend assumption: Linear deterministic trend Lags interval (in first differences): 1 1 Unrestricted Cointegration Rank Test (Trace and Maximum Eigenvalue) Hypothesized Fisher Stat.* Fisher Stat.* No. of CE(s) (from trace test) Prob. (from max-eigen tes... Prob. None At most At most At most * Probabilities are computed using asymptotic Chi-square distribution. Individual cross section results Trace Test Max-Eign Test Cross Section Statistics Prob.** Statistics Prob.** Hypothesis of no cointegration Arsenal Footb Aston Villa Chelsea Everton Liverpool Manchester Un Tottenham Hot Hypothesis of at most 1 cointegration relationship Arsenal Footb Aston Villa Chelsea Everton Liverpool Manchester Un Tottenham Hot

35 Modelos, programação e simulação Modelos de espaço de estados Filtro de Kalman Construção de modelos (equações econométricas, relações de identidade, simulação de cenários com variáveis exógenas, previsão) Programação (em ambiente de Windows através de uma janela de comandos ou em modo de programação encriptado e não encriptado) 35