Caso Ventas:

Caso Ventas:
Este ejemplo sirve para profundizar el uso de variables dummies. En este caso se
las utilizó para desestacionalizar la serie.
La regresión propuesta es la siguiente:
Ventas = C + T * tendencia + B1 * D1 + B2*D2 + B3*D3 + B4*D4 + B5*D5 + B6*D6 +
B7*D7 + B8*D8 + B9*D9 + B10*D10 + B11 * D11
Notar que sólo se incluyen 11 variables Dummies, pues la n° 12 es una
combinación lineal de las primeras 11 dummies.
El resultado de esta estimación se presenta en el siguiente gráfico:
Como puede verse, la regresión es muy buena, la tendencia explica gran parte de
la variabilidad de las ventas. Algunas Dummies son más significativas que otras, esto
quiere decir que algunos meses difieren de diciembre más que otros. Si hubiesemos
puesto una variable dummy para todos los mese, excepto enero, entonces las variables
que hubiesen sido significativas serían otras, pero el resultado sería exactamente el
mismo.
Incluir algunas variables no significativas podría implicar la pérdida de
eficiencia, pues estas variables no agregan información adicional y sin embargo hacen
perder grados de libertad. Eviews nos permite realizar con gran facilidad el test de
Wald, con el cual se puede establecer si el coeficiente de una o más variables difiere de
un determinado valor. En este ejemplo vamos a probar la hipótesis de que B1 = B4 = B5
= B10 = 0 y B2=B6 . Para hacer esto se debe presionar view / coefficient tests / wald –
coefficient Restrictions. y llenar la ventana que aparece a continuación de la siguiente
forma:
El resultado de este test nos dice que la hipótesis nula es bastante probable y por
lo tanto a continuación puede realizarse la regresión excluyendo las variables
correspondientes a los coeficientes nulos y uniendo los coeficientes que tienen igual
valor, tal como se muestra en el siguiente gráfico:
Como puede verse el R2 no cambia significativamente y los coeficientes son casi iguales
a los obtenidos al incluir la totalidad de las variables. La ventaja de este procedimiento
es que se eliminaron variables que no aportaban información, ganando grados de
libertad. Esto último se ve reflejado en el incremento en el R2 ajustado.
El test de Wald también puede ser utilizado para probar hipótesis del tipo B2=1.
Esto sería de importancia en el caso de estar probando la Paridad del Poder Aquisitivo
(PPP).