Notas de Econometria en Matlab (Introducción)

%% ESTADÍSTICOS BÁSICOS DE UNA REGRESIÓN LINEAR SIMPLE

X1 = [ones(size(data,1),1) data(:,1:5)];
 y = data(:,6);
[b,bint,r,rint,stats] = regress(y,X1)

% la parte del comando (ones(size(data,1),1)), crea un vector de 1 que permite que el modelo cuente % con una constante, en caso contrario el modelo no tendría constante. Es decir para estimar un         % modelo de regresión a través del origen, eliminamos esa parte del comando.

stats = regstats(returns(:,1),returns(:,2))
    t = stats.tstat;

CoeffTable = dataset({t.beta,'Coef'},{t.se,'StdErr'}, ...
                     {t.t,'tStat'},{t.pval,'pVal'})

disp('----------------------------------------------')
disp(['R-Cuadra: ' num2str(stats.rsquare)   ' R-adjrsquare: ' num2str(stats.adjrsquare)])
disp(['R-dwstat: ' num2str(stats.dwstat.dw) '    pval-dwstat : ' num2str(stats.dwstat.pval)])
disp(['f_stat  : ' num2str(stats.fstat.f)   '     pval_fstat  : ' num2str(stats.fstat.pval)])

disp('----------------------------------------------')
disp(['Obs: ' num2str(stats.fstat.dfe)])
disp(['mse: '         num2str(stats.mse)])

CoeffTable =

    Coef           StdErr         tStat         pVal  
    0.018291    0.015393    1.1882     0.23481
    0.048474    0.019286    2.5134     0.011987

----------------------------------------------
R-Cuadra: 0.0011546 R-adjrsquare: 0.00097179
R-dwstat: 2.2151        pval-dwstat : 1.9984e-015
f_stat  : 6.317             pval_fstat  : 0.011987
----------------------------------------------
Obs: 5465
mse: 1.2953

%% Análisis de residuos
%    La expresión anterior permite analizar los residuos y la estimación de la variable dependiente

 yestimada = yhat
  residuos = r;

test de normalidad de los residuos:
1. qqplot: [qqplot(residuos)]