instrucoes para o gretl

Prévia do material em texto

Instruções para o Gretl 
Prof. Julia de Medeiros Braga 
Econometria I e Econometria II 
Departamento de Economia 
Universidade Federal Fluminense 
 
 
 
 
O pacote econométrico chama-se: 
Gretl - Gnu Regression, Econometrics and Time-series Library 
 
Está disponível no laboratório em plataforma Linux e pode ser baixado no: 
http://gretl.sourceforge.net/ para plataforma Windows. Também disponível no: 
http://freestatistics.altervista.org/en/stat.php 
 
 
Instalar e abrir o programa. 
 
 
 
Dados 
 
Existe um grande conjunto de dados no programa dos livros de Ramanathan, Greene e de 
alguns artigos clássicos. Esses dados podem servir de exemplos para exercícios. 
 
Abrir em “File”, “open data”, “sample file”. 
 
Para utilizar um banco de dados próprio. Abrir: “File”, “open data”, “import”, “excel”. 
 
Coloque no excel os dados em uma coluna. Na primeira coluna coloque os nomes (caso 
dados de cross-section). Caso sejam dados de séries de tempo, selecione “sim” na janela 
que aparece perguntando se são dados de séries temporais, selecione a freqüência dos dados 
e a data de início. 
 
Uma vez importados minimize a janela dos dados. Vá em “variable” “Edit attributes” e 
nomeie esta variável. 
 
 
 
 
Gráficos e Estatística Descritiva 
 
Em seguida visualize seus dados em gráficos: 
 
- “variable”, “time series plot” se for uma série de tempo 
- “variable” “frequency plot” se for dados de cross section (repare que os dados são 
agrupados em intervalos). Para contrastar esse histograma com a distribuição normal 
utilize o “frequency plot against normal”. Em seguida visualize as estatísticas 
descritivas no link: “summary statistics”. 
 
 
 
 
Para um gráfico de dispersão: 
View 
Graph especified vars 
xy scarter 
X é a variável independente (ou explicativa) 
Y é a variável dependente (ou a ser explicada) 
 
Escolher a melhor forma funcional de acordo com a análise do gráfico de dispersão e/ou o 
que a teoria sugere. 
 
Transformar as variáveis, se for o caso, para então aplicar o modelo de regressão linear 
simples 
 
Por exemplo, a transformação logarítmica: 
Add: logs of selected variable 
 
Estimar o modelo 
 
Model: 
X é a variável independente (ou explicativa) 
Y é a variável dependente (ou a ser explicada) 
 
Exemplo: no exemplo do livro a renda é a variável explicativa dos gastos com alimentação. 
 
Modelos: MQO em Regressões Lineares, MQ ponderados, Máxima Verossimilhança,. 
Modelos de Séries Temporais, Equações Simultâneas, Modelos não lineares, entre outros. 
 
Observar: 
 
Os erros padrões dos estimadores de MQO 
O erro padrão dos resíduos 
Os graus de liberdade 
 
Se os coeficientes são significativos segundo o teste t (veja os valores p ou compare as 
estatísticas de teste com os valores críticos da distribuição t). 
 
Se o R2 ajustado é alto ou baixo 
 
Diagnóstico 
 
Observe o comportamento dos resíduos em Graphs: Residual Plot: Against Time ou By 
observation number. 
 
Observe o gráfico do Y estimado versus os dados de Y evoluindo no tempo em Graphs: 
Fitted, actual plot: Against Time ou By observation number 
 
Para obter os valores de Y, Y estimado e dos resíduos vá em Analysis: Display actual, 
fitted, residual 
 
Observe o gráfico da regressão estimada versus os dados de Y em relação aos dados da 
variável explicativa (X) em Graphs: Fitted, actual plot: Against X. 
 
Observe o intervalo de confiança para os coeficientes em Analysis: confidence intervals for 
coefficients 
 
Observe a variável predita e o intervalo de predição em Analysis: forecasts 
 
Para testar as hipóteses do modelo, vá em Tests. Lá irá encontrar Testes de restrições 
lineares, Teste da normalidade dos resíduos, Teste de Ramsey Reset, Teste para 
autocorrelação dos resíduos (Breusch-Godfrey, Ljung-Box e LM) e Teste para a 
Heterocedasticidade (White), Teste F para omissão de variável, Teste de Chow, entre 
outros.