Análisis de una variable con Eviews

Una vez que tenemos los datos de la variable dentro del objeto series podemos acceder al análisis de los mismos a través de las distintas vistas que nos ofrece. Usando el botón Views de la Barra de Herramientas accederemos a las distintas formas en la que el software nos ofrece información sobre la variable. Revisaremos las opciones comenzando por las dos primeras:

  • SpeadSheet
  • Graph

En la vista SpeadSheet podemos ver los datos en forma de hoja de calculo. Esta es la vista del objeto que tendremos por defecto.

La vista Graph nos permite ver el gráfico de la serie en numerosos formatos, como el gráfico de barras, el de áreas o  el histograma.

graficos

Estadísticos Descriptivos

La siguiente opción que tenemos en las vistas es “Descriptive Stadistics & Test“, (Views -> Descriptive Stadistics & Test). En esta opción el software nos ofrecerá el cálculo de una serie de estadísticos descriptivos para todos los datos seleccionados de la muestra y su histograma (Histogram and Stat), solo la tabla de estadísticos descriptivos para toda la muestra (Stats table) o bien para alguna agrupación de la misma (Stats by Classification).

Histogram and Stadistics

En Views -> Descriptive Stadistics & Test -> Histogram and Stadistics, tenemos el histogramas y una serie de estadísticos descriptivos calculados con todos los datos de la muestra:

Histograma_misventas

A la derecha vemos el histograma de la variable “misventas” y a la izquierda tenemos una serie de estadísticos básicos como son la media (mean) la mediana (median) los valores máximo y mínimo o la desviación típica.

Skewness (Asimetría)

El indicador de asimetría que incluye Eviews bajo el nombre de “Skewness” es en realidad el coeficiente de asimetría de fisher, que permite establecer el grado de simetría que presenta la distribución, sin necesidad de llevar a cabo la representación gráfica.

  • Si Skewness = 0 la distribución es simétrica
  • Si Skewness > 0 la distribución es asimétrica positiva o se alarga por la parte derecha.
  • Si Skewness < 0 la distribución es asimétrica negativa o se alarga por la parte izquierda.

Kurtosis

Como sabemos las medidas de curtosis se aplican a distribuciones campaniformes, es decir, unimodales simétricas o con ligera asimetría. Estas medidas tratan de estudiar la concentración de datos en la zona central de la distribución. En este sentido, una mayor o menor concentración de frecuencias alrededor de la media y en la zona central de la distribución, dará lugar a una distribución más o menos apuntada. Por este motivo a las medidas de curtosis se les llama también apuntamiento o concentración central.

Habitualmente se compara el apuntamiento de las distribuciones con el de la distribución normal, de manera que si nuestra distribución resulta ser más apuntada que la normal diremos que se trata de una distribución leptocúrtica, si es menos apuntada diremos que es platicúrtica y si tiene el mismo apuntamiento que la normal diremos que es mesocúrtica.

  • Si Kurtosis = 3 mesocúrtica
  • Si Kurtosis > 3 leptocúrtica
  • Si Kurtosis < 3 platicúrtica

Test Jarque-Bera

El contraste de hipótesis Jarque-Bera es uno de los denominados contrastes de normalidad, ya que se utiliza para contrastar la hipótesis de que los datos considerandos provengan de una distribución normal.

El estadístico de contraste se construye considerando las medidas de asimetría y curtosis de la muestra de datos haciendo uso de la siguiente expresión:

estadistico_JB

siendo:

n: nº observaciones de la serie.

S: coeficiente de asimetría.

K: coeficiente de curtosis.

El estadístico Jarque Bera es un resumen de las medidas de forma de la muestra y adoptará valores pequeños si la distribución observada es aproximadamente simétrica y mesocúrtica. Si se detectan asimetrías (positivas y negativas) o desviaciones en la curtosis (distribuciones platicúrticas o leptocúrticas) el estadístico Jarque Bera aumenta de valor.

Bajo la hipótesis nula de normalidad, este estadístico se distribuye siguiendo una distribución Chi-Cuadrado con 2 grados de libertad cuyo valor crítico de tablas se aproxima a 6 para una probabilidad del 95%. Esto quiere decir que si el estadístico de contraste toma un valor inferior a 6 no tendremos evidencias suficientes para rechazar la hipótesis nula de normalidad.

Bajo el valor del estadístico, el software nos muestra el p-valor del contraste y también podemos fijarnos en este para aceptar o rechazar la hipótesis nula. Como siempre, si el valor del p-valor es inferior al nivel de significación (habitualmente 0,05 o 0,01) rechazaremos la hipótesis nula y si es superior diremos que no tenemos evidencias suficientes para rechazarla.

Stats table

En Views -> Descriptive Stadistics & Test -> Stats table, el software muestra un listado con los estadísticos descriptivos más importantes de la muestra de datos:

stat_table

Como vemos incluye algunos de los que ya hemos comentado ya que también aparecían en la salida Histogram and Stadistics.

Stadistics by classification

Esta opción nos permitirá calcular los estadísticos descriptivos que sean de nuestro intereses, para una agrupación de la variable en función de otra. Puede resultar de especial interés realizar esa agrupación haciendo uso de una variable cualitativa. Podríamos estar interesados, por ejemplo en obtener la media de mis ventas para los años anteriores y posteriores a la crisis (situando el comienzo de esta en 2008) para observar si existen diferencias.

Accedemos a esta opción a través de Views -> Descriptive Stadistics & Test -> Stadistics by classification, y encontramos el siguiente cuadro de dialogo:

stat_by_class_cd

En primer lugar, debemos seleccionar los estadísticos que queremos calcular para cada subgrupo en la columna Stadistics. A continuación debemos seleccionar la variable sobre la que vamos a definir la agrupación  en Series / group by classification (en este caso crisis). Si la variable para el agrupamiento es cualitativa cada una de las distintas categorías marcará los grupos a realizar. Si la variable es cuantitativa, los intervalos o clases se crearán en función de los valores que tome y pueden definirse algunas reglas en el apartado Group into bins if. Finalmente, las opciones incluidas en Layout controlan el formato con el cual se presentan los resultados.

Se obtendrá en este caso la siguiente salida:

stat_by_class_salida

En la tabla podemos observar los estadísticos que le hemos solicitado calculados para cada agrupación. La ultima fila nos muestra los valores de estos estadísticos calculados para el total de los datos. En nuestro ejemplo hemos sacado los estadísticos de misventas para los periodos de antes y después de la crisis, fijando el comienzo de esta en 2008.

Bibliografía Recomendada