Análisis econométrico del modelo lineal general con Gretl

En el presente ejercicio estimamos por MCO un modelo que pretende explicar el Consumo en función del PIB. Tras introducir los datos, en primer lugar representamos el gráfico de dispersión del Consumo frente al PIB (que además nos ofrece en su parte superior la estimación del modelo). Observamos que la relación lineal es idónea para el modelo considerado. Tras esta representación gráfica, estimamos el modelo por MCO, obteniéndose los siguientes resultados:

Consumo(t) = 2'1864 + 0'0796 * PIB(t),      t=1989,...,1994,

siendo ambos coeficientes significativos y con un R cuadrado de 0'9923. Por tanto, parece que estamos ante un buen ajuste.

Sin embargo, consideramos la opción de estudiar la existencia de autocorrelación en el modelo. Con tal objetivo, vemos que en la pantalla de resultamos tenemos también el estadístico de Durbin-Watson (3'05). Además también se nos facilita el número de observaciones consideradas (6) y es evidente que el número de regreseros excluidos la constante es uno. Por tanto, con esta información recurrimos a las tablas de Durbin-Watson, de forma que obtenemos los límites: du = 0'6102 y dl=1'4002. Entonces, obtenemos que el contraste de Durbin-Watson es inconcluyente.

A continuación recurrimos a los métodos gráficos. De forma que en la pantalla donde tenemos la estimación del modelo podemos representar el gráfico temporal de los residuos, observando una alternancia en el signo de los mismos. Lo cual nos hace pensar en la posible existencia de autocorrelación negativa. Otra representación posible es el gráfico de dispersión de los residuos frente a alguno de sus retardos. Con tal objetivo guardo los residuos, obtengo la serie retardada una vez y los represento, observando una tendencia decreciente lo cual me vuelve a hacer considerar la posibilidad de existencia de autocorrelación negativa.

Luego, a partir de los métodos gráficos parece ser que el modelo presenta autocorrelación negativa, si bien el contraste de Durbin-Watson es inconcluyente. En este caso habría que recurrir a otros métodos para estudiar la posibilidad de autocorrelación en el modelo, aunque en cualquier caso sería muy interesante aumentar el número de observaciones del modelo.