Devo creare un modello in STATA

[Nonsodachepartevoltarmi]

Spero possiate aiutrami....
Devo cercare di creare un modello che generi il prezzo dell'energia in funzione delle commodities legate all'energia stessa, grazie al programma STATA.
Conosco il prezzo dell'energia mensile dal 2006 al 2008 e conosco il prezzo mensile delle commodities dal 2006 al 2008.
Posso semplicemente impostare una regressione multipla?
Se si, come faccio in STATA a verificare che le assunzioni iniziali siano rispettate?
Se no, cosa devo fare?
Aiutatemi per favore.

[olaxgabry]

Dato che vuoi impostare una regressione con serie storiche, devi stare attento perché queste possono essere (come credo) non stazionarie. Questa regressione ha senso solo se le variabili sono cointegrate, altrimenti ci possono essere seri problemi.
Se le serie sono I(1) e non cointegrate, allora potresti differenziarle e costruire qui un modellino di regressione (considerando magari anche i ritardi delle variabili prezzo e commodies).
Comunque cercherei anche di avere più osservazioni che non guasta mai.
Al limite posta i grafici delle serie perché così è difficile darti dei consigli.
p.s: quante serie storiche hai?

[Nonsodachepartevoltarmi]

Ho la serie storica del prezzo dell'energia, quella di due brent, un coal, BTZ e ATZ. E conosco il cambio euro/dollaro.
Io, inizialmente, avevo fatto delle regressioni semplici in STATA mettendo in relazione il prezzo del'energia con le singole commodities. Avevo ripetuto la procedura apportando degli sfasamenti temporali tra i dati del prezzo dell'energia e le commodities stesse. Alla fine avevo scelto lo scostamento temporale che meglio approssimava la relazione tra x e y.
Poi con gli scostamenti ottimali volevo creami il modello finale. Solo che ora ho il dubbio che non vengano rispettate le assunzioni iniziali e che il lavoro sia completamente sbagliato
Ho i dati delle serie dal 2005 al 2008, 48 osservazioni.

Non riesco con i grafici, però questa è la serie storica del prezzo dell'energia in euro/MWh:

61,0274
59,7730
56,5848
48,7946
47,3196
54,8089
65,2499
56,2261
63,2559
61,5896
62,7999
65,5913
72,2997
81,9815
78,9899
67,4081
67,4083
72,2727
84,4888
74,3916
76,6232
71,3406
74,0131
76,2788
76,3355
69,6864
61,4574
55,3350
63,0303
67,1600
83,8294
63,0100
69,8427
69,8703
90,8187
81,0800
86,2350
81,3200
74,5500
80,6200
80,0900
83,4900
97,3165
90,9500
95,7700
99,0980
87,6500
84,8700

Questa è la serie del Brent IPE in euro/barile:
33,9050
35,2467
40,3530
41,2042
39,1287
45,5569
48,1432
51,9037
52,0561
49,5214
47,7091
48,6083
52,7621
51,2163
52,5865
57,4843
55,5857
55,1613
58,5462
57,6864
50,0039
47,4498
46,4723
47,1407
42,0217
44,9778
47,1643
50,0135
50,2257
52,5665
55,2656
52,2978
55,3828
57,9702
62,7894
62,6712
62,4473
64,1850
66,2066
70,1095
79,7706
85,8358
85,1124
76,7456
69,9495
55,3138
43,1742
32,1763

Non so potranno esserti d'aiuto, comunque lo spero. Grazie[/img][/list]

[olaxgabry]

Per darti un giudizio sulla natura delle serie occorrerebbero più dati. Comunque la prima senza stazionaria introno ad un trend lineare, la seconda ha un andamento che non mi sembra proprio stazionario (ma i dati sono pochi per dirlo).
Comunque, supponendo che le tue serie siano tutte stazionarie e che tu abbia impostato il modello di regressione: io controllerei la correlazioni tra i regressori in quanto se queste sono elevate si hanno problemi di multicollinearità, quindi sulle varianze dei coefficienti stimati.
Se non hai di questi problemi, una volta impostato il modello controlla i residui: questi devono essere incorrelati (osserva la funzione di autocorrelazione ed il test di Ljung-Box per averne una conferma); poi sui residui dovresti fare anche il test di normalità.
Poi se le alcune serie non sono stazionarie, allora potresti avere problemi nel modello.
Per curiosità: di che esame si tratta?
Ciao

[Nonsodachepartevoltarmi]

Purtroppo ho solo quelli di dati e non ne posso avere altri.
Come si fa il test per valutare se sono stazionarie o meno in STATA?
Si presenta un fenomeno di collinearità ma il manuale di stata che ho a disposizione mi dice di applicare un procedimento stepwise per risolverla.
L'eteroschedasticità non è presente, ho appena fatto il test.
Ora devo scoprire come si effettua il test di per valutare l'autocorrelazione.
Purtroppo non è un esame, è parte della mia tesi.
Grazie

[olaxgabry]

STATA non lo so, io uso gretl. Comunque devi applicare la procedura stepwise, però ti consiglio di non mettere tutti i regressori e poi eliminare quello meno significativo ad ogni passo perché con la multicollinearità aumentato le varianze di alcuni coefficienti con conseguente modifica della statistica t. Inizia a mettere quel regressore con correlazione più elevata rispetto alla variabile dipendente e poi metti uno alla volta gli altri, stando però attento alle correlazioni.
Purtroppo con tanti regressori questo è un problema frequente: ci sono tecniche molto avanzate che risolvono il problema tramite la costruzione di nuovi regressori che sono combinazione lineare delle variabili di partenza e non sono correlati.
Per il test di autocorrelazione dei residui, solitamente viene messo automaticamente quando costruisci la funzione di autocorrelazione (con gretl, spss,Jmulti è così).

[Nonsodachepartevoltarmi]

Il procedimento stepwise, sia forward che backward, STATA lo fa automaticamente con un comando, e arrivo ad un modello in cui i coeffiecienti sono sognificativi.
Comunque, anche applicandolo manualmente, avevo già riscontrato il problema e quelle con correlazione molto alta non erano presenti insieme nel modello.
Ma poi se trovo che c'è autocorrelazione tra i resuidi, cosa posso fare per risolvere il problema?

[olaxgabry]

Se non hai multicollinearità nel modello, allora benissimo.
Comunque bisogna vedere come fa la procedura STATA: supponi di mettere 10 regressori esterni e di fare la procedura stepwise eliminando ogni volta il meno significativo. Se c'è multicollinearità, allora alcuni regressori presenteranno dei coefficienti con varianza "modificata" per tale motivo e magari li elimini dal modello commettendo un errore. Purtroppo la multicollinearità è un problema serio che non trova il giusto spazio nei libri di statistica: io ho trovato cose molto interessanti nel libro di Johnston, "Econometrica".
Il controllo della funzione di autocorrelazione dei residui serve per controllare se le ipotesi iniziali siano rispettate (incorrelazione e normalità del processo white noise, che nella pratica equivale al controllo della funzione di autocorrelazione dei residui e dei test di normalità sui di essi).
Se trovi autocorrelazione nei residui può darsi che tu abbia tralasciato qualche importante variabile, oppure spesso si introducono i ritardi dei regressori (e anche della variabile dipendente): se avessi più osservazioni ti consiglierei prima un ARIMA sulla serie dell'energia e poi magari la costruzione di un modello con i ritardi dei vari regressori (io eviterei anche di metterli al tempo t perché per le previsioni dovresti avere le osservazioni al tempo dei regressori, il che spesso è difficile da avere).
Di soluzioni ce ne sono molte: magari dimmi le tue conoscenze e vediamo che si può fare.
Se mi dai più informazioni sulle serie vedo di vedere se riesco a reperire più osservazioni.
Ciao

[Nonsodachepartevoltarmi]

Premesso che le serie mi sono state fornite dal docente e purtroppo sono quelle, ripartiamo da zero. Tu che diresti di fare? Ho le serie storiche dei prezzi dell'energia e di alcune commodities sempre legate all'energia elettrica e devo sviluppare un modello.
Inoltre, tieni presente che ho fatto un corso di econometria molto base e che i modelli ARIMA praticamente non so che siano.
Grazie

[olaxgabry]

Ciao e scusa l'attesa. potresti provare a costruire un modello di regressione mettendo prima la variabili più correlata con quella dipendente ed aggiungendo mano a mano le altre, facendo però attenzione al test di multicollinearità (VIF). Fammi sapere a che modello arrivi postandoimi magari la serie dei residui.