UTILIZACIN DEL PROGRAMA LIMDEP 7.

0

Las notas que a continuacin se presentan han sido extradas del manual del programa con
el objetivo de que sirvan de introduccin a la utilizacin del mismo. En stas se describen
las caractersticas generales del LIMDEP y su contenido en relacin a los modelos que
pueden analizarse, as como, los aspectos generales para su utilizacin. Se aborda la
estructura bsica para la estimacin y contraste de los modelos, presentndose stas para
algunos modelos de inters.


RESUMEN DEL ESCRITORIO DEL LIMDEP


PARTES DEL ESCRITORIO:

1. CUATRO VENTANAS

2. MENS PRINCIPALES (Mostrados en la parte alta de la Pantalla)

3. BARRA DE HERRAMIENTAS (Bajo la barra del men)

4. VENTANA DE COMANDOS (Bajo la barra de herramientas)

1. LAS VENTANAS DEL LIMDEP

A. VENTANA DEL PROYECTO (Parte Izquierda)

Contiene un recuento completo de los datos, matrices, procedimiento, etc.., que se
crean durante una sesin.
Se puede ver en cada momento la informacin contenida en los diferentes tpicos.

B. COMANDOS

Usando la ventana de comandos
Usando una ventana de Edicin de comandos

C. VENTANA DEL OUTPUT

Los resultados de la sesin son acumulados en la ventana del output, junto a una
gua (trace) de los comandos y resultados tcnicos.

D. VENTANA DEL CALCULADOR

Es una ventana que permite una sesin interactiva con CALCULATE y/o MATRIX,
para resultados que se quieran obtener no como parte de un comando en un
procedimiento

2. MENS PRINCIPALES

Los nueve mens principales al principio del escritorio tienen las siguientes funciones:

1. File
2. Edit
3. Insert
4. Project
5. Model
6. Run
7. Tools
8. Window
9. Help

(Icono de la Izquierda, deplegable y Botn derecho del ratn)

3. BARRA DE HERRAMIENTAS

Hay catorce herramientas mostradas en esa barra:

1. File
2. Open
3. Save
4. Print
5. Cortar
6. Copiar
7. Pegar
8. Insertar Items en el Proyecto
9. Ejecutar una seleccin
10. Parar la ejecucin de un comandao
11. Pausa en la ejecucin de los comandos
12. Activar la ventana del Proyecto
13. Activar el editor de datos
14. Activar la ventana del output

4. VENTANA DE COMANDOS

Aparece bajo la barra de herramientas y puede usarse escribiendo el comando que desea
ejecutarse.

COMANDOS E ITEMS DEL MEN

Muchos comandos son equivalentes a los items que aparecen en los mens antes
citado

INTRODUCCIN AL LIMDEP


El LIMDEP es un programa para la estimacin y anlisis de modelos economtricos.
Principalmente, orientado para datos de corte transversal y panel, pero puede manejar
muchos problemas estndar de series temporales.


Uno de los aspectos por el que es ms conocido el LIMDEP es por el extenso conjunto
de programas para estimar los parmetros de modelos no lineales para Variables
Dependientes Limitadas y Cualitativas. (Pocos programas contienen una variedad tan
grande de modelos no lineales que puedan ejecutarse con un nico comando).


Al margen de los procedimientos estndar (Descriptivos, Regresin Clsica,...), el
LIMDEP cubre modelos avanzados como:

Modelos Logit Multinomiales, Anidados, y Condicionales.

Modelos Probit Univariantes y Bivariantes (con Observabilidad Parcial, Seleccin y
Efectos Aleatorios), y Multivariantes con Heterocedasticidad.

Modelos de Poisson y Binomial Negativa para datos de recuento (count data), con
efectos fijos y aleatorios.

Modelos Tobit para datos Censurados y Truncados

Modelos de Seleccin Muestral con uno o dos criterios de seleccin.

Modelos de Duracin Paramtricos, Semiparamtricos y No paramtricos.

Modelos de Frontera Estocstica.

Modelos Probit y Logit Ordenados, censurados y seleccin muestral.

Modelos de cambio de rgimen (Switching Regression Models).


(Y otras muchas especificaciones).


Ofrece herramientas de programacin, incluyendo un paquete completo de lgebra
matricial y rutinas de optimizacin, de tal modo que pueden especificarse las funciones
de verosimilitud necesarias para obtener las estimaciones de los parmetros.



Genera Nmeros Aleatorios de distribuciones discretas y continuas.



Se hace referencia, para aquellas personas que no tienen experiencia en econometra
emprica, a los siguientes manuales:


Greene, W., Econometric Analysis, 3rd ed., Prentice-Hall, 1997.


Davidson, R., and MacKinnon, J ., Estimation and Inference in Econometrics,
Oxford University Press, 1993.


J udge, G. et. al., The Theory and Practice of Econometrics and Introduction to the
Theory and Practice of Econometrics, J ohn Wiley and Sons, 1985.


Fomby, T., et. al., Advanced Econometric Methods, Springer Verlag, 1984.


Berndt, E., The Practice of Econometrics, Addison Wesley, 1991.


Y sobre variables dependientes limitadas y cualitativas a


Maddala, G. S., Limited Dependent and Qualitative Variables in Econometrics,
Cambridge University Press, 1983.


Captulos 19 y 20 de Greene (1997).


Artculos de Revisin del J ournal of Econometrics.



COMENZANDO CON EL LIMDEP


El LIMDEP es un programa dirigido por COMANDOS



Si nuestro problema consiste en estimar un modelo especfico teniendo un conjunto de
datos convenientemente estructurado, muchas de las utilidades del LIMDEP se
movern alrededor de los siguientes comandos:



READ;.........$ Para Leer el Conjunto de Datos

OPEN; OUTPUT= Nombre del Fichero$ Para Crear un Fichero Output

CREATE; ....$ Para Transformar Variables

COMANDO DEL MODELO;.....$ Para Estimar los Parmetros


Todos los comandos del modelo son parecidos y consisten en el nombre del modelo,
p.e. REGRESS, PROBIT, LOGIT, TOBIT,..., y una especificacin de la variable
dependiente (en Lhs= ) y de las variables independientes (en Rhs= ).



Salvar los Resultados


Project Window

Editing Window

Output Window


Fichero Trace: (Aparecer en la parte alta del fichero output cuando est abierto)
Es un fichero que documenta la sesin; lista de comandos, mensajes de diagnstico
y errores, notas tiles sobre la estimacin,...





OPERACIONES BSICAS



1. CARGAR UN PROYECTO


La sesin se puede comenzar arrancando un nuevo Proyecto o cargando uno ya
existente. (Por defecto, aparece en la pantalla una ventana de Proyecto sin ttulo).

Para comenzar a introducir los comando: File-New-Text/Command Document

Ejemplo (en la ventana de edicin de texto):

SAMPLE; 1-100$
CREATE; X=RNN(0,1)
; E=RNN(0,1)
; Y=10+0.5*X+E$
REGRESS; LHS=Y; RHS=ONE,X$



2. COMANDOS DE LIMDEP


Sintaxis

Los comandos son usualmente de la siguiente forma:

COMANDO; Especificacin; Especificacin;....$

COMANDO es una serie de cuatro caracteres que identifica la funcin que
queremos realizar o el modelo que deseamos ajustar.
Si el comando requiere de informacin adicional, esta se dar en uno o ms campos
separados por ;
Los comandos, (casi)siempre finalizan con el smbolo $
Pueden usarse maysculas o minsculas en cualquier parte del comando, as como,
espacios y tabulaciones.
Cada comando debe comenzar en una lnea nueva.
En cualquier comando, las especificaciones pueden siempre darse en cualquier
orden. (Ejemplo.- READ; Nobs=100; File=----$ =READ; File=----; Nobs=100$).
Pueden usarse tantas lneas como se deseen para entrar un comando.
Muchos de los comandos se ajustarn a una lnea, si es muy largo puede romperse
donde se desee.
















Convenciones de Nombres y palabras reservadas



Muchos comandos hacen referencia mediante Nombres a variables, grupos de
variables, matrices, procedimientos y escalares. Los requerimientos para todos los
nombres en el LIMDEP son:



Deben comenzar con una letra.

No deben usarse smbolos distintos a las 26 letras y los 10 dgitos. Otros smbolos
pueden causar problemas.

No pueden tener ms de ocho caracteres.


Hay algunas palabras reservadas que no pueden usarse como nombres de variables,
matrices, escalares, grupos de variables o procedimientos. Esas son:



ONE Usada como nombre de variable. Trmino constante en un modelo.

B, VARB Usadas como matrices para guardar los resultados de todos los
modelos.

SIGMA Frecuentemente usada como matriz despus de la estimacin.

N Siempre es el tamao muestral activo.

PI El nmero .

S, SY, YBAR, DEGFRDM, KREG, LMDA, LOGL, NREG, RHO, RSQRD,
SSQRD, SUMSQDEV. Escalares almacenados despus de estimar regresiones.

THETHA Escalar usado en muchos comandos de estimacin.

EXITCODE Usado para indicar si un procedimiento de estimacin fue exitoso.




3. EDITOR DE COMANDOS Y FICHEROS INPUTS


Editor para ejecutar comandos.

Ventana de comandos (desactivada).

Ficheros de comandos:
Para introducir comentarios en una lnea usar ?
Para introducir bloques de comentarios usar /* (para abrirlo) y */ (para cerrarlo).


4. OUTPUT

El LIMDEP crea automticamente una ventana de output y la utiliza para mostrar
los resultados producidos por los comandos.(Estructura: Eco de los comandos y
trace).

Tiene posibilidades limitadas de edicin.

El output puede exportarse a otros programas (Ej. Matrices).


5. REA DE TRABAJ O Y VENTANA DEL PROYECTO


Habitualmente, cuando se trabaja con el LIMDEP el objetivo principal ser analizar un
conjunto de datos. El LIMDEP ofrece un nmero determinado de reas de trabajo en
memoria. De forma resumida, las distintas entidades que se acumulan y usan cuando se
opera con el LIMDEP incluyen:

Raw Data: rea de Datos.

Matrices: rea de Matrices. Los modelos guardan los resultados en
matrices.

Scalars: Conjunto de escalares creados por las estimaciones o por el
usuario.

Namelist: Nombres que se pueden usar para representar hasta 100
nombres.

Procedures: Grupos de comandos que pueden ejecutarse de una vez.

Tables Los resultados de modelos previos que se han estimado.





rea de Trabajo



rea de Datos: El tamao es variable. El conjunto inicial es de 200.000 celdas (con
200 variables, lo que permite 1000 observaciones). Este es el conjunto global que
puede modificarse si es necesario (Project-Setting-Data Area). El tamao total del
rea es denominado NKMAX.

Filas y Observaciones: El nmero de filas en el rea de datos es el entero
NKMAX/200 (Por defecto). Si se necesita ms, el ajuste se realiza, en el mismo
momento en que se leen los datos (READ). El nmero de columnas que pueden
acomodarse es ahora fijado por NKMAX, que puede tambin ajustarse.

Tipos de Datos: Est pensado para datos de corte transversal, pero puede
especificarse para meses, trimestres y aos. ( Dos formas: con el comando DATA o
seleccionando Project-Setting-Data Type).

Variables: Puede contener hasta 199 variables (Reservada ONE).

Namelist: Pueden definirse hasta 10, cada uno de 100 nombres.

Matrices: Pueden almacenarse hasta 100 matrices en el rea de trabajo que contiene
100.000 celdas. El LIMDEP reserva tres de ellas y 26.650 celdas para los resultados
del modelo.

Escalares: Pueden definirse hasta 50 escalares. (Reserva 14).

Procedimientos: Pueden definirse hasta 11 procedimientos. 10 en una librera y
uno como 'procedimiento activo'.

Tablas: Pueden almacenarse para el ltimo output los resultados de diez modelos.
Pueden ser examinados utilizando el comando REVIEW.



Ventana del Proyecto


En la ventana del proyecto puede encontrarse un inventario de todo lo anterior.
Pudiendo accederse a cada una de las rea e items.
























ALGUNOS COMANDOS

Leer ficheros de datos.

READ; NVAR= Nmero de Variables
; NOBS= Nmero de Observaciones
; NAMES= Nombre de las Variables
; FILE= Nombre del Fichero de Datos$
(Esta forma asume que el fichero es ASCII. Pueden introducirse otros formatos)

Aadir observaciones.

APPEND; FILE= Nombre del Fichero de Datos
; NVAR= Nmero de Variables
; NOBS= Nmero de Observaciones$


Listar variables.

LIST; Lista de Variables Separadas por comas$


Transformacin de Variables

CREATE; Nombre=Expresin; Nombre= Expresin;...$

Algunas Funciones:

Log(X)=Ln(X) Exp(X)=e
X

Abs(X)=Valor Absoluto Sqr(X)= X
PHI(X)=Funcin de Distribucin N(0,1) N01(X)=Densidad N(0,1)
LGP(X)=Distribucin Logstica LGD(X)=Densidad Logstica
TRN(x1,x2)=Tendencia (x1+(i-1) x2) IND(i1,i2)=1 si i1n de obsi2
DMY(p,i1)=1 para cada p-sima observacin comenzando en i1

Generadores de Nmeros Aleatorios:

RNN(,)=Normal ,
RNU(a,b)=Uniforme a,b
RNG(,)=Lognormal ,
RNT(n)=t con n grados de libertad
RNX(d)=
2
con d grados de libertad
RNE()=Exponencial de media
RNW(0)=Weibull
RNL(0)=Logstica
RNC(0)=Cauchy
RNP()=Poisson de media .
RND(n)=Uniforma Discreta, x=1,...,n.
RNB(N,)=Binomial N, Probabilidad .
RNR(Lmite Inferior)=Normal Estndar Trucada a la izquierda.
RNR(Lmite Inferior, Lmite Superior)=Normal Estndar Truncada en ambas colas.

(Debe incluirse el 0 en la Weibull, Logstica y Cauchy).


Otros Comandos Adicionales relacionados con el manejo de datos:

RECODE Para recodificar variables.
SORT Para ordenar valores de las variables
RENAME Para cambiar el nombre a las variables
DELETE Para eliminar variables


El comando NAMELIST: para definir un nico nombre que ser sinnimo de un
conjunto de variables

NAMELIST; Nombre= Lista de Nombres$

Para definir el periodo muestral activo

SAMPLE; Rango, Rango,...,Rango$

Para datos temporales

DATES; Fecha inicial de la muestra$
(AAAA, AAAA.T, AAAA.MM)

PERIOD; Inicial - Final

Extraer una muestra aleatoria de la muestra activa


DRAW; N= Nmero$
DRAW; N= Nmero; REP$ (Con reemplazamiento)

Otros comandos: REJECT, INCLUDE y SKIP

Comandos MATRIX y CALC




COMADOS PARA LA ESTIMACIN DE MODELOS


Una vez que los datos han sido localizados, muchos de los comandos utilizados
sern para la estimacin del modelo o para la manipulacin de los datos
(CREATE, MATRIX, CALC).


1. COMANDOS DEL MODELO

La mayora de los comandos de modelos son variantes de la siguiente estructura
bsica:

COMANDO DEL MODELO; LHS= Variable Dependiente
; RHS= Lista de Variables Independientes
; ... Otras Especificaciones...;...$


En general, puede usarse NAMELIST en cualquier punto donde se requiera una
lista de variables.

A excepcin de dos modelos, todos requieren la inclusin del trmino constante por
el usuario cuando sea necesario.

Adicionalmente a la especificacin de las variables, hay aproximadamente 120
especificaciones (Obligatorias, Generales, Especficas).


2. OUTPUT DE LOS PROGRAMAS DE ESTIMACIN

Los resultados producidos por los comandos de estimacin varan de un modelo a
otro

En algunas ocasiones, por lo voluminoso de los resultados, algunos son omitidos
por defecto, pero pueden requerirse mediante alguna especificacin.

El output del modelo va siempre a la pantalla, pero tambin se puede tener un
fichero output abierto. Para abrir un fichero output, el comando es:

OPEN; OUTPUT= Nombre del Fichero de Resultados$

Si se quiere que aparezca un ttulo en cada pgina, la sentencia es:

TITLE; Etiqueta de 72 Caracteres$ (No se convierte en maysculas y guarda los
espacios)

3. OPTIMIZACIN NUMRICA

Muchos modelos del LIMDEP son no lineales y requieren procedimientos iterativos
para estimar los parmetros

Cdigos de Salida: Todos los procedimientos de estimacin producen un escalar
llamado EXITCODE. Los cdigos de salida son:

0. Salida Normal.
1. Nmero Mximo de Iteraciones excedido.
2. Fallo, Hessiano Singular.
3. Fallo, No puede Minimizar la Funcin.
4. No puede Calcular el Valor de la Funcin.
5. Fallo general, no durante la estimacin.
-1. Abortado por el usuario, muestra los resultados actuales.
-2. Abortado por el usuario, abandona la estimacin.

Control de Iteraciones: Pueden controlarse algunos aspectos de las iteraciones con
ciertas opciones que aparecen en los comandos.

Mximo Nmero de Iteraciones

;MAXIT= Nmero de Iteraciones (Por defecto, 50 para DFP y 25 para
NEWTON).

Algoritmo

;ALG= Nombre del Algoritmo (DFP, BFGS, NEWTON, BHHH, SteDes).

Reglas de Convergencia (Por Defecto 10
-6
)

;TLF= Valor Criterio de la Funcin
;TLB= Valor Criterio de los Parmetros
;TLG= Valor Criterio del Gradiente

Output Tcnico: Control del output intermedio

;OUTPUT= Nmero (0, 1, 2, 3, 4)

Valores Iniciales

;START= Lista de Valores (Si no se suministran, el programa utilizar el MCO,
alguna variante o cero. En cada modelo se especifica qu se requiere si se desean
dar valores iniciales).


ANLISIS Y CONTRASTES DE HIPTESIS DE LOS MODELOS


1. OUTPUT ESTNDAR

Una vez especificados los componentes principales del modelo mediante en
comando del modelo, se genera un output estndar sobre la estimacin de los
parmetros y algunos resultados adicionales.


2. EFECTOS MARGINALES


Muchos modelos del LIMDEP son no lineales y en casi ningn caso los coeficientes
obtenidos coinciden con los efectos marginales.

Pueden obtenerse los efectos marginales en muchos modelos en el punto medio de
las variables y opcionalmente para un grupo de valores medios para una variable de
estratificacin (hasta 10 estratos).

En el punto medio de las variables la especificacin es:

;MARGIN

En submuestras definidas por una variable de estratificacin es:

;MARGIN= Variable (Codificada de 0,...,9. Pueden incluirse Etiquetas).

Los efectos marginales pueden obtenerse para los siguientes modelos:

LOGIT (binomial y multinomial)
NLOGIT
PROBIT (En todas sus variantes)
ORDERED PROBIT
TOBIT
TRUNCATED REGRESSION
POISSON (Incluyendo Binomial Negativa, Heterogeneidad y modelos ZIP)
BOXCOX
SELECT (Con un criterio de seleccin)

Hay ciertas diferencias para los modelos POISSON y BINOMIAL NEGATIVA
respecto al resto de modelos en el clculo de los efectos marginales.




3. RECUPERAR RESULTADOS

Cada modelo produce un conjunto de resultados que son salvados automticamente
y pueden ser usados en procedimientos y comandos siguientes.

Conjunto de escalares obtenidos en los modelos (RSQRD, NREG, KREG,...).

El vector de parmetros y la matriz de varianzas-covarianzas estimada (B, VARB)

Una tercera matriz cuyo contenido depende del modelo estimado.

En el caso de escalares no salvados, el valor que aparece es cero.

Cada vez que se estima un modelo, el contenido de B, VARB y los escalares son
reemplazados. Si no se desean perder los resultados, deben copiarse en una matriz o
escalar diferente.


4. EL LTIMO MODELO Y LAS FUNCIONES DE LOS PARMETROS

Para analizar coeficientes especficos y contrastar hiptesis hay otra forma de
acceder a los parmetros estimados del modelo. Cuando el modelo es ajustado el
LIMDEP crea un conjunto de etiquetas que son utilizables slo por el comando
WALD.

El last model es un conjunto de nombres acompaados de los coeficientes
estimados. Las etiquetas para el last model son construidas juntando el nombre de
la variable y un smbolo que describe el parmetro (p.e. B_ONE, B_X1,..). El
smbolo variar con el modelo y ser especificado en cada uno.

Esta construccin es utilizada en el comando WALD para obtener funciones de los
parmetros, estimar las desviaciones tpicas de esas funciones y contrastar hiptesis.

Para utilizar esta opcin, puede seguirse al comando del modelo, cualquier nmero
de comandos de la forma:

WALD; FN1= funcin del ltimo modelo
; FN2= funcin del ltimo modelo
;...hasta 20 funciones$

El comando slo necesita contener la funcin deseada.

Cada comando WALD puede contener hasta 20 funciones, pero pueden
especificarse tantos como se deseen. La construccin de las funciones es invariante
al orden de las variables ya que estn perfectamente identificadas.



5. OBTENER PREDICCIONES Y RESIDUOS


Hay diferentes opciones para calcular y salvar los valores ajustados y los residuos
de los modelos estimados, aunque casi todos los modelos incluyen una
especificacin para ello.

Para guardar los valores ajustados debe aadirse al comando del modelo la
especificacin:

;KEEP= Nombre de la variable donde se quiere guardar

Y para los residuos:

;RES= Nombre de la variable donde se quiere guardar


En cada momento, el comando sobreescribir la variable si ya existe o crear una
nueva.

En cualquier comando del modelo puede solicitarse la lista de residuos y algunas
otras variables aadiendo la especificacin:

;LIST

En general, esta especificacin producir lo siguiente:

1. Un indicador de si las observaciones fueron utilizadas en la estimacin del
modelo (Si no, aparece un *).
2. El nmero de las observaciones o fecha si son datos temporales.
3. La variable dependiente observada.
4. Los valores ajustados (variable retenida en ;KEEP=).
5. Los residuos (variable retenida en ;RES=).
6. 'Variable 1', una funcin adicional del modelo que no guarda.
7. 'Variable 2', otra variable adicional.

Si la muestra activa no es el conjunto completo de las observaciones, y el conjunto
de datos contiene informacin sobre los regresores pero no sobre la variable
dependiente, pueden obtenerse los valores predichos de esas observaciones
aadiendo la especificacin:

;FILL

6. RESTRICCIONES DE IGUALDAD Y VALORES FIJ OS DE LOS PARMETROS


Todos los modelos pueden ser estimados sujetos a restricciones de igualdad y /o
valores fijos de los parmetros. La estructura del comando es la siguiente:

MODELO; ... ; RST= Especificacin

Las restricciones son especificadas dando una lista de etiquetas a los parmetros.
Las repeticiones de etiquetas implican restricciones de igualdad o a un valor, si es lo
que se da. Hay algunas abreviaturas que pueden se tiles.


7. FUNCIONES LINEALES DE LOS PARMETROS DEL MODELO


La forma habitual de representar los contrastes de hiptesis lineales sobre los
parmetros del modelo viene dada por:

H
0
: R-q=0

En el LIMDEP se tienen diferentes alternativas para calcular funciones lineales de
los parmetros con las desviaciones tpicas asociadas y poder obtener contrastes
estadsticos sobre esas restricciones.


Obtener funciones lineales de los parmetros


El comando WALD puede utilizarse para obtener funciones lineales y no lineales de
los parmetros. Sin embargo, hay otras formas de realizarlo utilizando el comando
MATRIX y el lgebra matricial.

Una forma general de proceder para funciones lineales sera como sigue:

Consideremos un vector de parmetros estimados c y la matriz de varianzas y
covarianzas V. Sea la funcin lineal D=Rc-q, donde q es un vector de constantes.
Podra estimarse la matriz de varianzas y covarianzas mediante F=RVR'.


Contraste F de restricciones en modelos lineales


Para los modelos lineales descritos en REGRESS, 2SLS, SURE y 3SLS, puede
estimarse un modelo restringido y contrastar las restricciones aadiendo al comando
del modelo la siguiente especificacin:

;CLS: funcin lineal=valor, funcin lineal=valor, ... ,

EJ EMPLO: Para 5 parmetros y las restricciones, b2+2b3-b4=0.5 y b4-b5=0

REGRESS;LHS=Y;RHS=X1,...,X5; CLS:B(2)+2B(3)-B(4)=0.5, B(4)-B(5)=0$

Las restricciones se escriben como habitualmente se hacen en la teora. Deben
escribirse de la forma "funcin lineal=valor" y separadas por comas (no por ;).

Esta especificacin produce un output completo de la estimacin restringida, no
restringida y del contraste estadstico apropiado. (NOTA: Los resultados salvados
en, p.e.B y VARB son los de la estimacin restringida).

No debe especificarse ;CLS:....;CLS:...., slo enteder la ltima. Para analizar
mtiples conjuntos de restricciones debe usarse el comando WALD.


Test de Wald en modelos no lineales


Para todos los modelos estimados con LIMDEP pueden contrastarse un conjunto de
restricciones lineales usando la especificacin:

;TEST: Relacin lineal como en CLS

Esto produce en el output el estadstico de Wald y el nivel de significacin.

8. RESTICCIONES NO LINEALES. EL COMANDO WALD

El comando WALD se utiliza de forma general para analizar funciones no lineales
de los parmetros.

El comando requerido para el estadstico de Wald tiene la siguiente estructura:

WALD; LABELS= Lista de etiquetas para los parmetros
; START= Valores iniciales
; VAR= Matriz de varianzas-covarianzas
; FN1= Primera funcin
; FN2= Segunda funcin; ... ; Hasta 20 funciones$

NOTA: Debe observarse que para el anlisis del ltimo modelo slo se requera las
funciones ya que las etiquetas son las del ltimo modelo estimado, los valores iniciales son
B y la matriz es VARB.

LABELS=... es opcional. En caso de que no se den, los parmetros se identifican
con b1, b2,...,bk, donde k es el nmero de valores que deben suministrarse en
START=... Si no se definen las etiquetas, las funciones deben especificarse con b1,
b2, ... (Ofreciendo las etiquetas hay menos confusin).

START=..., define los valores para los parmetros que sern utilizados en el clculo
de las funciones. Estos pueden darse numricamente como

;START=2.8,-1, 0.3

o simblicamente utilizando escalares existentes y/o estimaciones de un modelo
previo, por ejemplo:

;START=B(1),B(2), RHO

VAR=... especifica la matriz de varianzas utilizada. Esta debe corresponderse en su
dimensin con los valores en START. Se puede dar de tres formas:

Nombre de una matriz, como VAR=VARB

Seleccionando filas y columnas de una matriz, como en VAR=VARB[1,2,3,8]

Valores numricos ofrecidos mediante alguna forma matricial.

FNj=... Especifica qu funcin se desea analizar (hasta 20 funciones). En este
comando, pueden usarse funciones obtenidas previamente.
En algunas aplicaciones, en lugar de presentar el estadstico de Wald, da un
diagnstico 'singular VC matrix could not compute W'. Esto ocurre cuando las
funciones son dependientes. (Si slo interesa las funciones, esto puede ignorarse).
El comando WALD guarda algunos resultados recuperables como las matrices
WALDFNS y VARWALD, que sern el vector de funciones y la matriz de
varianzas covarianzas y el escalar WALD que contiene el estadstico de Wald.

EJ EMPLO 1. El comando WALD puede utilizarse para obtener los efectos marginales
y contrastar su significacin en un modelo probit de la siguiente forma:

NAMELIST;X=....$

PROBIT;LHS=....; RHS= X$

MATRIX;MX=Mean(X)$ (Construye un vector columna con las medias de las
variables definidas en X)

WALD;LABELS= b1,b2,...
;START= B
;VAR=VARB
;FN1=N01(B'MX)*b1
;FN2= N01(B'MX)*b2
;... (las que sean necesarias)

NOTA: Puede comprobarse que en este caso la matriz de varianzas y covarianzas
completa para los efectos marginales es singular, ya que hay dependencia entre las
funciones. En cualquier caso, se obtendrn las estimaciones de las funciones y de las
desviaciones tpicas para los componentes individuales.

EJ EMPLO. Supongamos que se ajusta un modelo probit utilizando como variable
dependiente Y sobre un conjunto de regresores que incluyen una constante y se desea
contrastar las hiptesis:

4
1 ) e /(
3 2
5 2 4 1
11
= +
= + +



El procedimiento sera el siguiente:

PROBIT; LHS=Y; RHS= X1, X2,....,ONE$
WALD; LABELS= b1,b2,b3,b4,b5,b11
; START= B(1),B(2),B(3),B(4),B(5),B(11)
;VAR=VARB[1,2,3,4,5,11]
;FN1=b1*b4/(b2+b5+exp(b11))-1
;FN2=b2+b3-4$

Puede observarse que la constante de cada restriccin se pasa al lado izquierdo (forma
habitual r
j
()=0). El procedimiento puede usarse tambin para restricciones lineales.



COMADOS DE ALGUNOS MODELOS

1. MODELO DE REGRESIN LINEAL

REGRESS;LHS= Variable Dependiente
;RHS= Regresores
;RH2= Otras Variables
;RES= Nombre para los residuos
;KEEP= Nombre para los valores ajustados
;PLOT (Nombre de la Variable)
;FILL
;LIST
;CLS: Funcin lineal=valor, Funcin lineal=valor,...
;CUSUM
;ALG=Stepwise

2. MODELOS PROBIT Y LOGIT

PROBIT ;LHS= Variable Dependiente
;RHS= Regresores
;RES= Nombre para los residuos
;KEEP= Nombre para los valores ajustados
;LIST
;ALG= Nombre del Algoritmo elegido
;TLF= Valor, TLB= Valor, TLG= Valor
;MAXIT= Valor
;START= Lista de valores iniciales
;MARGIN (= Variable(etiqueta0,...,etiqueta9))
;TEST: Funcin lineal=valor, Funcin lineal=valor,...
(Para el modelo logit basta con sustituir PROBIT por LOGIT)

3. MODELO DE POISSON Y BINOMIAL NEGATIVO

POISSON;LHS= Variable Dependiente
;RHS= Regresores
;RES= Nombre para los residuos
;KEEP= Nombre para los valores ajustados
;LIST
;ALG= Nombre del Algoritmo elegido
;TLF= Valor, TLB= Valor, TLG= Valor
;MAXIT= Valor
;START= Lista de valores iniciales
;MARGIN (= Variable(etiqueta0,...,etiqueta9))
;TEST: Funcin lineal=valor, Funcin lineal=valor,...
;RST= Lista de restricciones
(Para el B. N, basta con aadir ;Model=N , o bien sustituir POISSON por NEGBIN, tiene
algunas especificaciones adicionales sobre )