Un objetivo fundamental a tener en cuenta en la construcción de un modelo econométrico es la valoración de la capacidad predictiva como opción para comprobar la validez del modelo. Dicha validación debe realizarse con datos diferentes a los que se utilizaron para la estimación y/o diagnosis del modelo.
Habitualmente, se trabaja con datos de series temporales y es frecuente que dichos datos pertenezcan a períodos posteriores a la muestra, por ello a la estimación de estos valores externos se le denomina predicción. No obstante, cuando los datos son transversales, también puede resultar interesante obtener estimaciones con datos externos a la muestra, que por comodidad se seguirá denominando predicción.
En este epígrafe se analizará la predicción óptima en el ámbito de un MRLNC bajo la hipótesis de estabilidad postmuestral.
Existen varias alternativas para realizar las predicciones:
Utilizando el menú Análisis y seleccionando Predicciones se accede al cuadro de diálogo predicción (véase Ilustración 3‑7) donde se debe elegir:
Para que el comando fcast se ejecute correctamente debe ir precedido de un comando de estimación. El formato del comando fcast es:
fcast observación inicial observación final --opciones
Si se desean guardar los resultados de la predicción es necesario incluir en el comando fcast el nombre de la variable en la que se quieren guardar dichos resultados. En este caso, Gretl ejecuta el comando omitiendo la salida, por lo que para visualizar la serie de valores predichos será necesario utilizar un comando print.
fcast observación inicial observación final nombre variable --opciones
La mayor parte de la salida del comando fcast se utiliza para realizar un análisis de la capacidad predictiva del modelo, por lo que no será analizada en este capítulo.
En el Cuadro 3‑3 se recogen algunas de las opciones disponibles con este comando.
Cuadro 3‑3. Algunas opciones del comando fcast.
En la Tabla 3‑5 se recoge la salida estándar del comando fcast.
Tabla 3‑5. Salida asociada al submenú Predicciones del menú Análisis de la Ventana Modelo. |
|||||||
|
|
|
|
|
|
||
Para intervalos de confianza 95%, t(T-K-1, 0.025) |
|
||||||
|
|
||||||
Observaciones |
Y |
Predicción |
Desv. Tipica |
Intervalo de 95% |
|||
1 |
|
|
|
|
|||
2 |
|
|
|
|
|||
… |
… |
… |
… |
… |
|||
|
|
|
|
|
|||
|
|
||||||
Estadísticos de evaluación de la predicción |
|
||||||
Error medio |
EM |
|
|||||
Error cuadrático medio |
ECM |
|
|||||
Raíz del Error cuadrático medio |
RECM |
|
|||||
Error absoluto medio |
EAM |
|
|||||
Porcentaje de error medio |
PEM |
|
|||||
Porcentaje de error absoluto medio |
PEAM |
|
|||||
U de Theil |
U |
|
|||||
Proporción de sesgo |
UM |
|
|||||
Proporción de regresión |
UR |
|
|||||
Proporción de perturbación |
UD |
|
|||||
|
|
|
|
|
|
Tal y como puede verse en la Tabla 3‑5, Gretl además de proporcionar el valor predicho, la desviación estándar del error predicho y el intervalo de predicción, proporciona estadísticos para evaluar la capacidad predictiva del modelo.