/usr/share/gretl/gretl_gui

# add Tests

Argumento: 	<@var="listavariables"> 
Opcións: 	<@lit="--lm"> (Fai unha proba de ML; só con MCO)
		<@lit="--quiet"> (Presenta só os resultados básicos da proba)
		<@lit="--silent"> (Non presenta nada)
		<@lit="--vcv"> (Presenta a matriz de covarianzas do modelo ampliado)
		<@lit="--both"> (Só para estimación VI; mira abaixo)
Exemplos: 	<@lit="add 5 7 9">
		<@lit="add xx yy zz --quiet">

Debes de solicitar esta instrución despois de executar unha instrución de estimación. Realiza unha proba conxunta (cuxos resultados podes obter cos accesorios <@xrf="$test"> e <@xrf="$pvalue">) sobre a adición das variables indicadas no argumento, ao derradeiro modelo estimado. 

Por defecto, estímase unha versión “ampliada” do modelo orixinal, que resulta ao engadirlle a este as variables do argumento <@var="listavariables">, como regresores. Neste caso, a proba é de tipo Wald sobre o modelo ampliado, pasando a ser este o “modelo vixente” en troques do orixinal. Debes de ter isto en conta, por exemplo, para usar <@lit="$uhat"> porque este permite recuperar os erros do que sexa o modelo vixente en cada momento, ou para facer probas posteriores. 

Alternativamente, se indicas a opción <@opt="--⁠lm"> (que só está dispoñible para aqueles modelos estimados mediante MCO), realízase unha proba de Multiplicadores de Lagrange. Para iso, execútase unha regresión auxiliar na que o erro de estimación do derradeiro modelo tómase como variable dependente; e as variables independentes son as dese derradeiro modelo máis as de <@var="listavariables">. Baixo a hipótese nula de que as variables engadidas non teñen unha capacidade explicativa adicional, o estatístico formado multiplicando o tamaño da mostra polo R-cadrado desta regresión, ten a distribución dunha variable khi-cadrado con tantos graos de liberdade como o número de regresores engadidos. Neste caso, o modelo orixinal non se substitúe polo modelo da regresión auxiliar. 

A opción <@opt="--⁠both"> é específica do método de estimación de Mínimos Cadrados en 2 etapas. Indica que as novas variables deben de engadirse tanto á lista dos regresores como á lista dos instrumentos, posto que cando non se indica nada engádense por defecto só á de regresores. 

Ruta do menú: Fiestra de modelo: Probas/Engadir variables

# adf Tests

Argumentos: 	<@var="nivel"> <@var="listavariables"> 
Opcións: 	<@lit="--nc"> (Sen constante)
		<@lit="--c"> (Con constante)
		<@lit="--ct"> (Con constante máis tendencia)
		<@lit="--ctt"> (Con constante, máis tendencia linear e cadrada)
		<@lit="--seasonals"> (Inclúe variables ficticias estacionais)
		<@lit="--gls"> (Detrae a media ou a tendencia usando MCX)
		<@lit="--verbose"> (Amosa os resultados da regresión)
		<@lit="--quiet"> (Non presenta os resultados)
		<@lit="--difference"> (Usa as primeiras diferenzas da variable)
		<@lit="--test-down">[=<@var="criterio">] (Nivel de retardos automático)
		<@lit="--perron-qu"> (Mira abaixo)
Exemplos: 	<@lit="adf 0 y">
		<@lit="adf 2 y --nc --c --ct">
		<@lit="adf 12 y --c --test-down">
		Mira tamén <@inp="jgm-1996.inp">

As opcións que se amosan abaixo e a discusión que segue correspóndense co uso da instrución <@lit="adf"> con datos de series temporais típicos. Para utilizar esta instrución con datos de panel, mira máis abaixo. 

Calcula un conxunto de probas de Dickey–Fuller sobre cada unha das variables do argumento, sendo a hipótese nula a existencia dunha raíz unitaria. (Agora ben, cando escolles a opción <@opt="--⁠difference">, calcúlase a primeira diferenza da(s) variable(s) antes de facer a proba, e a discusión de abaixo debes de entendela como referida á(s) variable(s) transformada(s).) 

Por defecto, amósanse dúas variantes da proba: unha baseada nunha regresión que utiliza unha constante, e outra que utiliza unha constante máis unha tendencia linear. Podes controlar as variantes que se presentan especificando un ou máis dos indicadores de opción. 

Podes utilizar a opción <@opt="--⁠gls"> xuntamente con algunha das dúas opcións <@opt="--⁠c"> e <@opt="--⁠ct"> (o modelo con constante, ou o modelo con constante máis tendencia). O efecto desta opción é que a detracción da media ou da tendencia da variable que se quere probar, faise utilizando o procedemento de Mínimos Cadrados Xeneralizados suxerido por <@bib="Elliott, Rothenberg e Stock (1996);ERS96">, que proporciona unha proba de maior potencia que a aproximación estándar de Dickey–Fuller. Esta opción non é compatible con <@opt="--⁠nc">, <@opt="--⁠ctt"> nin <@opt="--⁠seasonals">. 

En tódolos casos, a variable dependente é a primeira diferenza da variable especificada (<@mth="y">) e a variable independente clave é o primeiro retardo de <@mth="y">. O modelo constrúese de xeito que o coeficiente da variable <@mth="y"> retardada, é igual á raíz en cuestión menos 1. Por exemplo, o modelo con constante pode escribirse como 

  <@fig="adf1">

. Baixo a hipótese nula de existencia dunha raíz unitaria, o coeficiente da variable <@mth="y"> retardada é igual a cero; e baixo a hipótese alternativa de que <@mth="y"> é estacionaria, este coeficiente é negativo. 

Se o argumento <@var="nivel"> (de aquí en diante chamarémoslle nivel ou orde <@mth="k">) é maior ca 0, entón inclúense <@mth="k"> retardos da variable dependente no lado dereito da regresión que se estima para calcular o estatístico de proba de cada caso. Cando indicas o nivel de retardos como –1, <@mth="k"> establécese seguindo o aconsellado por <@bib="Schwert (1989);schwert89">: concretamente tómase a parte enteira de calcular 12(<@mth="T">/100)<@sup="0.25">, onde <@mth="T"> indica o tamaño da mostra. Porén, en cada caso no que indicas a opción <@opt="--⁠test-down">, entón <@mth="k"> tómase como o retardo <@itl="máximo">, e o nivel de retardos concreto que se utilizará, obtense probando cara abaixo. Podes escoller o criterio para ir probando cara abaixo, utilizando un dos parámetros de opción que deberá ser <@lit="AIC"> (por defecto), <@lit="BIC"> ou <@lit="tstat">. 

Cando pides que se probe cara atrás mediante AIC ou BIC, o nivel de retardos final para a ecuación ADF é o que optimiza o criterio de información escollido (de Akaike ou Bayesiano de Schwarz). O procedemento exacto depende de se indicas ou non a opción <@opt="--⁠gls">: cando se especifica a detracción con MCX (GLS) da tendencia, os AIC e BIC son as versións “modificadas” descritas en <@bib="Ng e Perron (2001);ng-perron01">; noutro caso, son as versións estándar. No caso de MCX, dispós dun refinamento pois cando indicas a opción adicional <@opt="--⁠perron-qu">, calcúlanse estes criterios de información modificados de acordo co método revisado que recomendaron <@bib="Perron e Qu (2007);perron-qu07">. 

Cando pides que se probe cara atrás mediante o método do estatístico <@mth="t">, o procedemento é como se indica deseguido: 

<indent>
1. Estímase a regresión de Dickey–Fuller utilizando <@mth="k"> retardos da variable dependente. 
</indent>

<indent>
2. É significativo o último retardo? Se o é, execútase a proba cun nivel de retardos <@mth="k">. Se non o é, faise que <@mth="k"> = <@mth="k"> – 1, e vólvese ao paso 1 cun retardo menos. O proceso repítese ata que sexa significativo o último retardo dunha regresión, ou ata que <@mth="k"> sexa 0 (faríase a proba cun nivel de retardos igual a 0). 
</indent>

No contexto do paso 2 de arriba, “significativo” quere dicir que o estatístico <@mth="t"> do derradeiro retardo ten un valor <@itl="p"> asintótico de dúas colas igual ou menor a 0.10, fronte á distribución Normal. 

Os valores <@itl="P"> para as probas de Dickey–Fuller están baseadas en <@bib="MacKinnon (1996);mackinnon96">; e o código relevante inclúese co amable permiso do propio autor. No caso da proba coa tendencia linear utilizando MCX (GLS), estes valores <@itl="P"> non son aplicables; por iso, no seu lugar amósanse os puntos críticos da Táboa 1 que hai en <@bib="Elliott, Rothenberg e Stock (1996);ERS96">. 

<@itl="Datos de Panel"> 

Cando se utiliza a instrución <@lit="adf"> con datos de panel para facer unha proba de raíz unitaria de panel, as opcións aplicables e os resultados que se amosan son algo diferentes. 

Primeiro, mentres que podes indicar unha lista de variables para probar no caso de series temporais típicas, con datos de panel só podes probar unha variable por cada instrución. Segundo, as opcións que manexan a inclusión de termos determinísticos pasan a ser mutuamente excluíntes: debes de escoller unha entre sen constante, con constante, e con constante máis tendencia; por defecto é con constante. Ademais, a opción <@opt="--⁠seasonals"> non está dispoñible. Terceiro, a opción <@opt="--⁠verbose"> aquí ten un significado diferente: produce un breve informe da proba para cada serie temporal individual (sendo este por defecto unha presentación só do resultado global). 

Calcúlase a proba global (Hipótese nula: A serie en cuestión ten unha raíz unitaria para todas as unidades do panel) dunha ou as dúas formas seguintes: utilizando o método de <@bib="Im, Pesaran e Shin (Journal of Econometrics, 2003);IPS03"> ou a de <@bib="Choi (Journal of International Money and Finance, 2001);choi01"> A proba de Choi require que estean dispoñibles as probabilidades asociadas (valores <@itl="P">) para as probas individuais; se este non é o caso (dependendo das opcións escollidas), omítese. O estatístico concreto proporcionado para a proba de Im, Pesaran e Shin varía do xeito seguinte: se o nivel de retardo para a proba non é cero, amósase o seu estatístico <@mth="W">; por outra banda, se as longuras das series de tempo difiren dun individuo a outro, amósase o seu estatístico <@mth="Z">; noutro caso, amósase o seu estatístico <@mth="t">-barra. 

Ruta do menú: /Variable/Probas de raíz unitaria/Proba ampliada de Dickey-Fuller

# anova Statistics

Argumentos: 	<@var="resposta"> <@var="tratamento"> [ <@var="control"> ] 
Opción: 	<@lit="--quiet"> (Non presenta os resultados)

Análise da Varianza: O argumento <@var="resposta"> deberá de ser unha serie que mida algún efecto de interese, e <@var="tratamento"> deberá de ser unha variable discreta que codifique dous ou máis tipos de tratamento (ou non tratamento). Para un ANOVA de dous factores, a variable <@var="control"> (que tamén será discreta) deberá de codificar os valores dalgunha variable de control. 

Agás cando indicas a opción <@opt="--⁠quiet">, esta instrución presenta unha táboa amosando as sumas de cadrados e os cadrados da media xunto cunha proba <@mth="F">. Podes recuperar o estatístico dunha proba <@mth="F"> e a súa probabilidade asociada utilizando os accesorios <@xrf="$test"> e <@xrf="$pvalue">, respectivamente. 

A hipótese nula da proba <@mth="F"> é que a resposta media é invariante con respecto ao tipo de tratamento ou, noutras palabras, que o tratamento non ten efecto. Falando estritamente, a proba só é válida cando a varianza da resposta é a mesma para tódolos tipos de tratamento. 

Cae na conta de que os resultados que amosa esta instrución son de feito un subconxunto da información ofrecida polo seguinte procedemento, que podes preparar doadamente no Gretl. (1) Xera un conxunto de variables ficticias que codifiquen todos os tipos de tratamento agás un. Para un ANOVA de dous factores, xera ademais un conxunto de variables ficticias que codifiquen todos os bloques de “control” agás un. (2) Fai a regresión de <@var="resposta"> sobre unha constante e as variables ficticias utilizando <@ref="ols">. Cun só factor, preséntase a táboa ANOVA mediante a opción <@opt="--⁠anova"> nesa función <@lit="ols">. No caso de dous factores, a proba <@mth="F"> relevante atópala utilizando a instrución <@ref="omit"> logo da regresión. Por exemplo, (asumindo que <@var="resposta"> é <@lit="y">, que <@lit="xt"> codifica o tratamento, e que <@lit="xb"> codifica os bloques de “control”): 

<code>          
   # Un factor
   list Fict_xt = dummify(xt)
   ols y 0 Fict_xt --anova
   # Dous factores
   list Fict_xb = dummify(xb)
   ols y 0 Fict_xt Fict_xb
   # Proba de significación conxunta de Fict_xt
   omit Fict_xt --quiet
</code>

Ruta do menú: /Modelar/Outros Modelos Lineais/ANOVA

# append Dataset

Argumento: 	<@var="nomeficheiro"> 
Opcións: 	<@lit="--time-series"> (Mira abaixo)
		<@lit="--fixed-sample"> (Mira abaixo)
		<@lit="--update-overlap"> (Mira abaixo)
		Mira abaixo para opcións adicionais especiais

Abre un ficheiro de datos e agrega o contido ao conxunto vixente de datos, se os novos datos son compatibles. O programa tentará detectar o formato do ficheiro de datos (propio, texto plano, CSV, Gnumeric, Excel, etc.). 

Os datos engadidos poden ter ben o formato de observacións adicionais sobre series xa presentes no conxunto de datos, e/ou ben o formato de novas series. No caso de engadir series, a compatibilidade require (a) que o número de observacións dos novos datos sexa igual ao número de datos actuais, ou (b) que os novos datos carrexen clara información das observacións de xeito que Gretl poda deducir como colocar os valores. 

Un caso que non se admite é aquel no que os novos datos comezan antes e rematan despois ca os datos orixinais. Para engadir series nesa situación, podes utilizar a opción <@opt="--⁠fixed-sample">; isto ten como efecto que se suprime o engadido de observacións, polo que así restrínxese a operación unicamente a engadir series novas. 

Admítese unha característica especial cando se engaden datos a un conxunto de datos de panel. Se <@mth="n"> denota o número de unidades atemporais no panel, <@mth="T"> denota o número de períodos de tempo, e <@mth="m"> denota o número de observacións dos novos datos. Se <@mth="m = n">, os novos datos considéranse invariantes no tempo, e cópianse repetidos para cada período de tempo. Por outra banda, se <@mth="m = T"> os datos trátanse como invariantes entre as unidades atemporais, e cópianse repetidos para cada unidade atemporal. Se o panel é “cadrado”, e <@mth="m"> é igual tanto a <@mth="n"> como a <@mth="T">, aparece unha ambigüidade. Por defecto, neste caso trátanse os novos datos como invariantes no tempo, pero podes forzar a que Gretl trate os novos datos como series temporais coa a opción <@opt="--⁠time-series">. (Esta posibilidade ignórase en tódolos outros casos.) 

Cando se selecciona un ficheiro de datos para agregar, pode haber un area de solapamento co conxunto de datos existente; é dicir, unha ou máis series poden ter unha ou máis observacións en común entre as dúas orixes. Cando indicas a opción <@opt="--⁠update-overlap">, a instrución <@lit="append"> substitúe calquera observación solapada cos valores do ficheiro de datos escollido; noutro caso, os valores que nese momento xa están no seu sitio non se ven afectados. 

As opcións especiais adicionais <@opt="--⁠sheet">, <@opt="--⁠coloffset">, <@opt="--⁠rowoffset"> e <@opt="--⁠fixed-cols"> funcionan do mesmo xeito que con <@ref="open">; consulta esa instrución para obter máis explicacións. 

Consulta tamén <@ref="join"> para un manexo máis sofisticado de orixes de datos múltiples. 

Ruta do menú: /Ficheiro/Engadir datos

# ar Estimation

Argumentos: 	<@var="retardos"> ; <@var="depvar"> <@var="indepvars"> 
Opción: 	<@lit="--vcv"> (Presenta a matriz de covarianzas)
Exemplo: 	<@lit="ar 1 3 4 ; y 0 x1 x2 x3">

Calcula as estimacións dos parámetros utilizando o procedemento iterativo xeneralizado de Cochrane–Orcutt; consulta a Sección 9.5 de <@bib="Ramanathan (2002);ramanathan02">. As iteracións rematan cando a sucesión de sumas de erros cadrados non difire dun termo ao seguinte en máis do 0.005 por cento, ou despois de 20 iteracións. 

Con <@var="retardos"> tes que indicar unha lista de retardos do termo de perturbación, rematada por un punto e coma. No exemplo de arriba, o termo de perturbación especifícase como 

  <@fig="arlags">

Ruta do menú: /Modelar/Series temporais/Perturbacións AR (MCX)

# ar1 Estimation

Argumentos: 	<@var="depvar"> <@var="indepvars"> 
Opcións: 	<@lit="--hilu"> (Utiliza o procedemento de Hildreth–Lu)
		<@lit="--pwe"> (Utiliza o estimador de Prais–Winsten)
		<@lit="--vcv"> (Presenta a matriz de covarianzas)
		<@lit="--no-corc"> (Non afina os resultados con Cochrane-Orcutt)
		<@lit="--loose"> (Utiliza un criterio de converxencia menos preciso)
Exemplos: 	<@lit="ar1 1 0 2 4 6 7">
		<@lit="ar1 y 0 xlista --pwe">
		<@lit="ar1 y 0 xlista --hilu --no-corc">

Calcula estimacións MCX que sexan viables para un modelo no que o termo de perturbación asúmese que sigue un proceso autorregresivo de primeira orde. 

O método utilizado por defecto é o procedemento iterativo de Cochrane–Orcutt; por exemplo, consulta a sección 9.4 de <@bib="Ramanathan (2002);ramanathan02">. O criterio para acadar a converxencia é que as estimacións sucesivas do coeficiente de autocorrelación, non difiran en máis de 1e-6 ou, cando indicas a opción <@opt="--⁠loose">, en máis de 0.001. Se isto non se acada antes de que se fagan as 100 iteracións, amósase un fallo. 

Cando indicas a opción <@opt="--⁠pwe">, utilízase o estimador de Prais–Winsten. Isto implica unha iteración similar á de Cochrane–Orcutt; a diferenza está en que mentres que o método de Cochrane–Orcutt descarta a primeira observación, o método de Prais–Winsten fai uso dela. Para obter máis detalles consulta, por exemplo, o capítulo 13 de <@bib="Greene (2000);greene00">. 

Cando indicas a opción <@opt="--⁠hilu">, utilízase o procedemento de procura de Hildreth–Lu. Nese caso afínanse os resultados utilizando o método de Cochrane–Orcutt, agás que especifiques a opción <@opt="--⁠no-corc">. Esta opción <@opt="--⁠no-corc"> ignórase para estimadores diferentes ao do método de Hildreth–Lu. 

Ruta do menú: /Modelar/Series temporais/Perturbacións AR (MCX)

# arbond Estimation

Argumento: 	<@var="p"> [ <@var="q"> ] ; <@var="depvar"> <@var="indepvars"> [ ; <@var="instrumentos"> ] 
Opcións: 	<@lit="--quiet"> (Non amosa o modelo estimado)
		<@lit="--vcv"> (Presenta a matriz de covarianzas)
		<@lit="--two-step"> (Realiza a estimación MXM (GMM) en 2 etapas)
		<@lit="--time-dummies"> (Engade variables ficticias temporais)
		<@lit="--asymptotic"> (Desviacións padrón asintóticas sen corrixir)
Exemplos: 	<@lit="arbond 2 ; y Dx1 Dx2">
		<@lit="arbond 2 5 ; y Dx1 Dx2 ; Dx1">
		<@lit="arbond 1 ; y Dx1 Dx2 ; Dx1 GMM(x2,2,3)">
		Mira tamén <@inp="arbond91.inp">

Realiza a estimación de modelos dinámicos con datos de panel (é dicir, modelos de panel que inclúen un ou máis retardos da variable dependente) utilizando o método MXM-DIF establecido por <@bib="Arellano e Bond (1991);arellano-bond91">. Consulta <@ref="dpanel"> para ver os detalles dunha versión actualizada e máis flexible desta instrución que permite manexar tanto MXM-SIS coma MXM-DIF. 

O parámetro <@var="p"> representa a orde da autorregresión da variable dependente. O parámetro <@var="q"> (opcional) indica o retardo máximo no nivel da variable dependente que se vai utilizar como instrumento. Cando omites este argumento ou indicas que é 0, utilízanse todos os retardos dispoñibles. 

Debes de indicar a variable dependente no seu nivel pois xa se vai calcular automaticamente a súa diferenza (posto que este estimador utiliza a diferenciación para eliminar os efectos individuais). As diferenzas das variables independentes non se van calcular automaticamente; se queres utilizar estas diferenzas (o que xeralmente será o caso para variables cuantitativas habituais, aínda que quizais non para variables ficticias temporais) debes de xerar primeiro as diferenzas e logo indicar que estas son regresores. 

O último campo (opcional) da instrución é para especificar os instrumentos. Se non indicas instrumentos, asúmese que todas as variables independentes son estritamente esóxenas. E se especificas algún instrumento, debes de incluír na lista algunha variable independente estritamente esóxena. Con regresores predeterminados, podes utilizar a función <@lit="GMM"> para incluír un rango indicado de retardos en disposición diagonal por bloques; como se ilustra no terceiro exemplo de arriba. Así, o primeiro argumento de <@lit="GMM"> é o nome da variable en cuestión, o segundo é o retardo mínimo que se utiliza como instrumento, e o terceiro é o retardo máximo. Cando indicas o terceiro argumento cun 0, utilízanse todos os retardos dispoñibles. 

Por defecto, preséntanse os resultados da estimación nunha etapa (coas desviacións padrón robustas), pero podes escoller a estimación en 2 etapas como opción. En ambos casos, proporciónanse as probas de autocorrelación de orde 1 e 2, así como tamén a proba de sobreidentificación de Sargan e o estatístico de proba de Wald para a significación conxunta dos regresores. Cae na conta de que neste modelo diferenciado, a autocorrelación de primeira orde non é unha ameaza para a validez do modelo, pero a autocorrelación de segunda orde viola os supostos estatísticos que o sosteñen. 

No caso da estimación en 2 etapas, as desviacións padrón calcúlanse por defecto utilizando a corrección de mostra finita suxerida por <@bib="Windmeijer (2005);windmeijer05">. As desviacións padrón asintóticas estándar asociadas ao estimador do método en 2 etapas xeralmente considérase que son unha guía pouco fiable para a inferencia, pero se queres velas por algunha razón podes utilizar a opción <@opt="--⁠asymptotic"> para inhabilitar así a corrección de Windmeijer. 

Cando indicas a opción <@opt="--⁠time-dummies">, engádese un conxunto de variables ficticias temporais aos regresores especificados. O número de variables ficticias é igual ao número máximo de períodos utilizados na estimación menos un, para evitar multicolinearidade perfecta coa constante. As variables ficticias introdúcense en niveis; se queres utilizar variables ficticias temporais en forma de primeiras diferenzas, tes que definir e engadir estas variables manualmente. 

# arch Estimation

Argumentos: 	<@var="nivel"> <@var="depvar"> <@var="indepvars"> 
Exemplo: 	<@lit="arch 4 y 0 x1 x2 x3">

Neste momento, esta instrución mantense por compatibilidade con versións anteriores, pero saes gañando se utilizas o estimador máximo verosímil que ofrece a instrución <@ref="garch">. Se queres estimar un modelo ARCH sinxelo, podes usar o GARCH facendo que o seu primeiro parámetro sexa 0. 

Estima a especificación indicada do modelo permitindo ARCH (Heterocedasticidade Condicional Autorregresiva). Primeiro, estímase o modelo mediante MCO, e logo execútase unha regresión auxiliar, na que se regresa o erro cadrado da primeira sobre os seus propios valores retardados. O paso final é a estimación por mínimos cadrados ponderados, utilizando como ponderacións as inversas das varianzas dos erros axustados coa regresión auxiliar. (Se varianza que se predí para algunha observación coa regresión auxiliar non é positiva, entón utilízase no seu lugar o erro cadrado correspondente). 

Os valores <@lit="alpha"> presentados debaixo dos coeficientes son os parámetros estimados do proceso ARCH coa regresión auxiliar. 

Consulta tamén <@ref="garch"> e <@ref="modtest"> (opción <@opt="--⁠arch">). 

# arima Estimation

Argumentos: 	<@var="p"> <@var="d"> <@var="q"> [ ; <@var="P"> <@var="D"> <@var="Q"> ] ; <@var="depvar"> [ <@var="indepvars"> ] 
Opcións: 	<@lit="--verbose"> (Presenta os detalles das iteracións)
		<@lit="--vcv"> (Presenta a matriz de covarianzas)
		<@lit="--hessian"> (Mira abaixo)
		<@lit="--opg"> (Mira abaixo)
		<@lit="--nc"> (Sen constante)
		<@lit="--conditional"> (Utiliza Máxima Verosimilitude condicional)
		<@lit="--x-12-arima"> (Utiliza ARIMA X-12 na estimación)
		<@lit="--lbfgs"> (Utiliza o maximizador L-BFGS-B)
		<@lit="--y-diff-only"> (ARIMAX especial; mira abaixo)
		<@lit="--save-ehat"> (Mira abaixo)
Exemplos: 	<@lit="arima 1 0 2 ; y">
		<@lit="arima 2 0 2 ; y 0 x1 x2 --verbose">
		<@lit="arima 0 1 1 ; 0 1 1 ; y --nc">

Advertencia: <@lit="arma"> é un alcume aceptable para esta instrución. 

Cando non indicas a lista <@var="indepvars">, estímase un modelo univariante ARIMA (Autorregresivo, Integrado, de Medias móbiles). Os valores <@var="p">, <@var="d"> e <@var="q"> representan a orde autorregresiva (AR), a orde de diferenciación e a orde de medias móbiles (MA), respectivamente. Podes indicar estes valores en formato numérico, ou como nomes de variables escalares xa existentes. Por exemplo, un valor de 1 para <@var="d"> significa que, antes de estimar os parámetros do ARMA, debe de tomarse a primeira diferenza da variable dependente. 

Se queres incluír no modelo só retardos AR ou MA específicos (en contraposición a todos os retardos ata un nivel indicado) podes substituír por <@var="p"> e/ou <@var="q"> ben (a) o nome dunha matriz definida previamente que contén un conxunto de valores enteiros, ou ben (b) unha expresión tal como <@lit="{1,4}">; é dicir, un conxunto de retardos separados con comas e contornados entre chaves. 

Os valores enteiros <@var="P">, <@var="D"> e <@var="Q"> (opcionais) representan a orde AR estacional, a orde de diferenciación estacional e a orde MA estacional, respectivamente. Estas ordes só as podes aplicar cando os datos teñen unha frecuencia maior ca 1 (por exemplo, con datos trimestrais ou mensuais); e podes indicalas en formato numérico ou como variables escalares. 

No caso univariante, por defecto inclúese unha ordenada na orixe no modelo pero podes eliminar isto por medio da opción <@opt="--⁠nc">. Cando engades <@var="indepvars">, o modelo vólvese un ARMAX; neste caso, debes de incluír a constante explicitamente se queres ter a ordenada na orixe (como no segundo exemplo de arriba). 

Dispós dunha forma alternativa de sintaxe para esta instrución: se non queres aplicar diferenzas (nin estacionais nin non estacionais), podes omitir os dous campos <@var="d"> e <@var="D"> á vez, mellor que introducir explicitamente 0. Ademais, <@lit="arma"> é un alias ou sinónimo de <@lit="arima"> e así, por exemplo, a seguinte instrución é un xeito válido de especificar un modelo ARMA(2, 1): 

<code>          
   arma 2 1 ; y
</code>

Por defecto, utilízase a funcionalidade ARMA “propia” de Gretl, coa estimación Máximo Verosímil (MV) exacta utilizando o filtro de Kalman; pero dispós da opción de facer a estimación mediante MV condicional. (Se o programa ARIMA X-12 está instalado no ordenador, tes a posibilidade de utilizalo en vez do código propio.) Para outros detalles relacionados con estas opcións, consulta o <@pdf="Guía de usuario de Gretl#chap:timeseries"> (Capítulo 27). 

Cando se utiliza o código propio de MV exacta, as desviacións padrón estimadas baséanse por defecto nunha aproximación numérica á (inversa negativa da) matriz Hessiana, cun último recurso ao Produto Externo do vector Gradiente (PEG) se o cálculo da matriz Hessiana numérica puidera fallar. Podes utilizar dous indicadores de opción (mutuamente excluíntes) para forzar esta cuestión: mentres que a opción <@opt="--⁠opg"> forza a utilización do método PEG, sen intentar calcular a matriz Hessiana, a opción <@opt="--⁠hessian"> inhabilita o último recurso a PEG. Ten en conta que un fallo no cálculo da matriz Hessiana numérica é xeralmente un indicador de que un modelo está mal especificado. 

A opción <@opt="--⁠lbfgs"> é específica da estimación que utiliza código ARMA propio e Máxima Verosimilitude exacta, e solicita que se utilice o algoritmo de “memoria limitada” L-BFGS-B en vez do maximizador BFGS habitual. Isto pode ser de axuda nalgúns casos nos que a converxencia é difícil de acadar. 

A opción <@opt="--⁠y-diff-only"> é específica da estimación de modelos ARIMAX (modelos cunha orde de integración non nula, nos que se inclúen regresores esóxenos) e aplícase só cando se utiliza a Máxima Verosimilitude exacta propia de Gretl. Para eses modelos, o comportamento por defecto consiste en calcular as primeiras diferenzas tanto da variable dependente como dos regresores, pero cando indicas esta opción, só se calcula para a variable dependente, quedando os regresores en niveis. 

A opción <@opt="--⁠save-ehat"> só pode aplicarse cando se utiliza a estimación Máximo Verosímil exacta propia de Gretl. O seu efecto consiste en que te permite dispoñer dun vector que contén a estimación óptima ata o período <@mth="t"> da perturbación ou innovación de data <@mth="t">, e que podes recuperar co accesorio <@lit="$ehat">. Estes valores difiren das series cos erros (<@lit="$uhat">) que conteñen os erros das predicións adiantadas un paso. 

O valor do AIC de Akaike indicado en conexión con modelos ARIMA, calcúlase de acordo coa definición que utiliza o ARIMA X-12, concretamente 

  <@fig="aic">

onde <@fig="ell"> é o logaritmo da verosimilitude e <@mth="k"> é o número total de parámetros estimados. Observa que o ARIMA X-12 non produce criterios de información tales como AIC cando a estimación é por Máxima Verosimilitude condicional. 

As raíces AR e MA amosadas en conexión coa estimación ARMA baséanse na seguinte representación dun proceso ARMA(p, q): 

<mono>          
      	(1 - a_1*L - a_2*L^2 - ... - a_p*L^p)Y =
        c + (1 + b_1*L + b_2*L^2 + ... + b_q*L^q) e_t
</mono>

Polo tanto, as raíces AR son as solucións a 

<mono>          
       1 - a_1*z - a_2*z^2 - ... - a_p*L^p = 0
</mono>

e a estabilidade require que estas raíces se atopen fóra do círculo de radio unitario. 

A cantidade “Frecuencia” presentada en conexión coas raíces AR e MA é o valor λ que soluciona <@mth="z"> = <@mth="r"> * exp(i*2*π*λ) onde <@mth="z"> é a raíz en cuestión e <@mth="r"> é o seu módulo. 

Ruta do menú: /Modelar/Series temporais/ARIMA

# arma Estimation

Consulta <@ref="arima">; <@lit="arma"> é un alcume. 

# biprobit Estimation

Argumentos: 	<@var="depvar1"> <@var="depvar2"> <@var="indepvars1"> [ ; <@var="indepvars2"> ] 
Opcións: 	<@lit="--vcv"> (Presenta a matriz de covarianzas)
		<@lit="--robust"> (Desviacións padrón robustas)
		<@lit="--cluster">=<@var="clustvar"> (Consulta <@ref="logit"> para aclaración)
		<@lit="--opg"> (Mira abaixo)
		<@lit="--save-xbeta"> (Mira abaixo)
		<@lit="--verbose"> (Presenta información adicional)
Exemplos: 	<@lit="biprobit y1 y2 0 x1 x2">
		<@lit="biprobit y1 y2 0 x11 x12 ; 0 x21 x22">
		Mira tamén <@inp="biprobit.inp">

Estima un modelo probit bivariante utilizando o método de Newton–Raphson para maximizar a verosimilitude. 

A lista de argumentos comeza coas dúas variables (binarias) dependentes, seguidas dunha lista de regresores. Cando indicas unha segunda lista, separada por un punto e coma, esta se entende como un grupo de regresores específicos da segunda ecuación, sendo <@var="indepvars1"> específica da primeira ecuación; noutro caso, <@var="indepvars1"> considérase que representa un conxunto de regresores común. 

Por defecto, as desviacións padrón calcúlanse utilizando unha aproximación numérica á matriz Hessiana ao converxer. Pero se indicas a opción <@opt="--⁠opg">, a matriz de covarianzas baséase no Produto Externo do vector Gradiente (PEG ou OPG); ou se indicas a opción <@opt="--⁠robust">, calcúlanse as desviacións padrón case que máximo verosímiles (QML), utilizando un “emparedado” entre a inversa da matriz Hessiana e o PEG. 

Logo dunha estimación correcta, o accesorio <@lit="$uhat"> permite recuperar unha matriz con 2 columnas que contén os erros xeneralizados das dúas ecuacións; é dicir, os valores agardados das perturbacións condicionadas aos resultados observados e ás variables covariantes. Por defecto, <@lit="$yhat"> permite recuperar unha matriz con 4 columnas que contén as probabilidades estimadas dos 4 posibles resultados conxuntos para (<@mth="y"><@sub="1">, <@mth="y"><@sub="2">), na orde (1,1), (1,0), (0,1), (0,0). Alternativamente, cando indicas a opción <@opt="--⁠save-xbeta">, entón <@lit="$yhat"> ten 2 columnas e contén os valores das funcións índice das ecuacións respectivas. 

O resultado inclúe unha proba de Razón de Verosimilitudes respecto á hipótese nula de que as perturbacións das dúas ecuacións non están correlacionadas. 

# boxplot Graphs

Argumento: 	<@var="listavariables"> 
Opcións: 	<@lit="--notches"> (Amosa o intervalo do 90 por cento para a mediana)
		<@lit="--factorized"> (Mira abaixo)
		<@lit="--panel"> (Mira abaixo)
		<@lit="--matrix">=<@var="nome"> (Representa as columnas da matriz indicada)
		<@lit="--output">=<@var="nomeficheiro"> (Envía o resultado ao ficheiro especificado)

Estas gráficas amosan a distribución dunha variable. Unha caixa central encerra o 50 por cento central dos datos; i.e. está deslindado polo primeiro e terceiro cuartís. Un “bigote” esténdese desde cada límite da caixa cun rango igual a 1.5 veces o rango intercuartil. As observacións que están fóra dese rango considéranse valores atípicos e represéntanse mediante puntos. Debúxase unha liña ao largo da caixa na mediana. O signo “+” utilízase para indicar a media. Se escolles a opción de amosar un intervalo de confianza para a mediana, este calcúlase mediante o método bootstrap e amósase con formato de liñas con raias horizontais por arriba e/ou abaixo da mediana. 

A opción <@opt="--⁠factorized"> te permite examinar a distribución da variable elixida condicionada ao valor de algún factor discreto. Por exemplo, se un conxunto de datos contén unha variable cos salarios e unha variable ficticia co xénero, podes escoller a dos salarios como obxectivo e a do xénero como o factor, para ver así as gráficas de caixas de salarios de homes e mulleres unha a carón da outra, como en 

<code>          
   boxplot salario xenero --factorized
</code>

Ten en conta que neste caso debes de especificar exactamente só dúas variables, co factor indicado en segundo lugar. 

Cando tes un conxunto vixente de datos de panel e especificas só unha variable, a opción <@opt="--⁠panel"> produce unha serie de gráficas de caixas (unha a carón da outra) na que cada unha se corresponde cun grupo ou “unidade” do panel. 

Xeralmente requírese o argumento <@var="listavariables"> que se refire a unha ou máis series do conxunto vixente de datos (indicadas ben polo nome ou ben polo número ID). Pero se indicas mediante a opción <@opt="--⁠matrix"> unha matriz xa definida, este argumento convértese en opcional pois, por defecto, debúxase unha gráfica para cada columna da matriz especificada. 

As gráficas de caixas en Gretl xéranse utilizando a instrución gnuplot, e resulta posible especificar con maior detalle a gráfica engadindo instrucións adicionais de Gnuplot, contornadas entre chaves. Para obter máis detalles, consulta a axuda para a instrución <@ref="gnuplot">. 

En modo interactivo, o resultado amósase inmediatamente. En modo de procesamento por lotes, o proceder por defecto é que se escribe un ficheiro de instrucións de Gnuplot no cartafol de traballo do usuario, cun nome co padrón <@lit="gpttmpN.plt">, comezando con N = <@lit="01">. Podes xerar as gráficas máis tarde utilizando o gnuplot (ou ben wgnuplot baixo MS Windows). Podes modificar este comportamento mediante o uso da opción <@opt="--⁠output="><@var="nomeficheiro">. Se queres obter máis detalles, consulta a instrución <@ref="gnuplot">. 

Ruta do menú: /Ver/Gráfica de variables indicadas/Gráficas de caixa

# break Programming

Fuxida dun bucle. Podes utilizar esta instrución só dentro dun bucle; iso provoca que a execución de instrucións fuxa do bucle actual (do máis interior, se hai varios aniñados). Consulta tamén <@ref="loop">. 

# catch Programming

Sintaxe: 	<@lit="catch "><@var="command">

Esta non é unha instrución por si mesma pero podes utilizala como prefixo na maioría das instrucións habituais: o seu efecto é o de previr que remate dun guión de instrucións se ocorre un fallo ao executar unha delas. Se aparece un fallo, isto rexístrase cun código de fallo interno ao que podes acceder con <@lit="$error"> (un valor de 0 indica éxito). Inmediatamente despois de utilizar <@lit="catch"> debería de verificarse sempre cal é o valor de <@lit="$error">, e tomarse unha acción axeitada se fallou unha das instrucións. 

Non podes utilizar a palabra chave <@lit="catch"> antes de <@lit="if">, <@lit="elif"> ou <@lit="endif">. Ademais, non debe de utilizarse en peticións a funcións definidas polo usuario pois preténdese utilizar só coas instrucións de Gretl e coas peticións aos operadores ou funcións “internos”. 

# chow Tests

Variantes: 	<@lit="chow"> <@var="obs">
		<@lit="chow"> <@var="dummyvar"> <@lit="--dummy">
Opcións: 	<@lit="--dummy"> (Utiliza unha variable ficticia xa existente)
		<@lit="--quiet"> (Non presenta as estimacións do modelo ampliado)
		<@lit="--limit-to">=<@var="lista"> (Limita a proba a un subconxunto de regresores)
Exemplos: 	<@lit="chow 25">
		<@lit="chow 1988:1">
		<@lit="chow muller --dummy">

Debe de ir a continuación dunha regresión MCO (OLS). Se indicas un número de observación ou unha data, proporciona unha proba respecto á hipótese nula de que non existe cambio estrutural no punto de corte indicado. O procedemento consiste en crear unha variable ficticia que toma o valor 1 desde o punto de corte especificado por <@var="obs"> ata o final da mostra, e 0 noutro caso, así como xerar termos de interacción entre esa ficticia e os regresores orixinais. Se indicas unha ficticia, próbase esa hipótese nula de homoxeneidade estrutural respecto desa variable ficticia e tamén engádense termos de interacción. En cada caso execútase unha regresión ampliada incluíndo os termos adicionais. 

Por defecto, calcúlase un estatístico <@mth="F">, considerando a regresión ampliada como o modelo sen restricións e o modelo orixinal como o restrinxido. Pero se o modelo orixinal utilizou un estimador robusto para a matriz de covarianzas, o estatístico de proba é un de Wald con distribución khi-cadrado e co seu valor baseado nun estimador robusto da matriz de covarianzas da regresión ampliada. 

Podes utilizar a opción <@opt="--⁠limit-to"> para limitar o conxunto de termos de interacción coa variable ficticia de corte a un subconxunto dos regresores orixinais. O argumento para esta opción debe de ser unha lista xa definida na que todos os seus elementos estean entre os regresores orixinais e non debe de incluír a constante. 

Ruta do menú: Fiestra de modelo: Probas/Proba de Chow

# clear Programming

Opción: 	<@lit="--dataset"> (Libra só o conxunto de datos)

Sen ningunha opción, quita da memoria todos os obxectos gardados, incluíndo o conxunto de datos (se hai algún). Ten en conta que tamén tes este efecto ao abrir un novo conxunto de datos ou ao utilizar a instrución <@lit="nulldata"> para crear un conxunto de datos baleiro; por iso normalmente non necesitas utilizar <@lit="clear">. 

Cando indicas a opción <@opt="--⁠dataset">, entón só se limpa o conxunto de datos (máis calquera lista de series definida); outros obxectos gardados como matrices e escalares xa definidos vanse conservar. 

# coeffsum Tests

Argumento: 	<@var="listavariables"> 
Exemplos: 	<@lit="coeffsum xt xt_1 xr_2">
		Mira tamén <@inp="restrict.inp">

Debe de ir despois dunha regresión. Calcula a suma dos coeficientes das variables do argumento <@var="listavariables">. Presenta esta suma xunto coa súa desviación padrón e a probabilidade asociada ao estatístico para probar a hipótese nula de que a suma é cero. 

Ten en conta a diferenza entre isto e a instrución <@ref="omit">, pois esta última te permite probar a hipótese nula de que os coeficientes dun subconxunto especificado de variables independentes son <@itl="todos"> nulos. 

Ruta do menú: Fiestra de modelo: Probas/Suma dos coeficientes

# coint Tests

Argumentos: 	<@var="nivel"> <@var="depvar"> <@var="indepvars"> 
Opcións: 	<@lit="--nc"> (Sen constante)
		<@lit="--ct"> (Con constante e tendencia)
		<@lit="--ctt"> (Con constante máis tendencia linear e cadrada)
		<@lit="--skip-df"> (Sen probas DF sobre as variables individuais)
		<@lit="--test-down">[=<@var="criterio">] (Nivel de retardos automático)
		<@lit="--verbose"> (Presenta detalles adicionais das regresións)
		<@lit="--silent"> (Non presenta nada)
Exemplos: 	<@lit="coint 4 y x1 x2">
		<@lit="coint 0 y x1 x2 --ct --skip-df">

Proba de cointegración de <@bib="Engle–Granger (1987);engle-granger87">. O proceso por defecto consiste en: (1) realizar as probas de Dickey–Fuller respecto á hipótese nula de que cada unha das variables enumeradas ten unha raíz unitaria; (2) estimar a regresión de cointegración; e (3) facer unha proba DF respecto aos erros que comete a regresión de cointegración. Cando se indica a opción <@opt="--⁠skip-df">, omítese o paso (1). 

Se o nivel especificado de retardos é positivo, todas as probas de Dickey–Fuller usan ese nivel pero con este requisito: cando se indica a opción <@opt="--⁠test-down">, o valor indicado tómase como un máximo, e o nivel de retardos concreto que se utilizará en cada caso obtense probando cara abaixo. Consulta a instrución <@ref="adf"> para obter máis detalles sobre este procedemento. 

Por defecto, a regresión de cointegración contén unha constante pero, se queres eliminar a constante, engade a opción <@opt="--⁠nc">. Se queres ampliar a lista de termos determinísticos na regresión de cointegración con tendencia linear (ou linear e cadrada), engade a opción <@opt="--⁠ct"> (ou <@opt="--⁠ctt">). Estes indicadores de opción son mutuamente excluíntes. 

Os valores <@itl="P"> (probabilidades asociadas) desta proba baséanse en <@bib="MacKinnon (1996);mackinnon96">. O código relevante inclúese co amable permiso do propio autor. 

Ruta do menú: /Modelar/Series temporais/Multivariante

# coint2 Tests

Argumentos: 	<@var="nivel"> <@var="ylista"> [ ; <@var="xlista"> ] [ ; <@var="rxlista"> ] 
Opcións: 	<@lit="--nc"> (Sen constante)
		<@lit="--rc"> (Constante restrinxida)
		<@lit="--uc"> (Constante non restrinxida)
		<@lit="--crt"> (Constante e tendencia restrinxida)
		<@lit="--ct"> (Constante e tendencia non restrinxida)
		<@lit="--seasonals"> (Inclúe variables ficticias estacionais centradas)
		<@lit="--asy"> (Garda os valores p asintóticos)
		<@lit="--quiet"> (Presenta só as probas)
		<@lit="--silent"> (Non presenta nada)
		<@lit="--verbose"> (Presenta detalles das regresións auxiliares)
Exemplos: 	<@lit="coint2 2 y x">
		<@lit="coint2 4 y x1 x2 --verbose">
		<@lit="coint2 3 y x1 x2 --rc">

Leva a cabo a proba de cointegración de Johansen entre as variables de <@var="ylista"> para o nivel de retardos seleccionado. Para obter máis detalles sobre esta proba, consulta o <@pdf="Guía de usuario de Gretl#chap:vecm"> (Capítulo 29) ou o capítulo 20 de <@bib="Hamilton (1994);hamilton94">. As probabilidades asociadas (valores p) calcúlanse mediante a aproximación Gamma de Doornik <@bib="(Doornik, 1998);doornik98">. Amósanse dous conxuntos de valores p para a proba da traza: valores asintóticos directos e valores axustados polo tamaño da mostra. Por defecto, o accesorio <@xrf="$pvalue"> xera a variante axustada, pero podes utilizar a opción <@opt="--⁠asy"> para obter no seu lugar os valores asintóticos. 

A inclusión de termos determinísticos no modelo contrólase mediante os indicadores de opción. Por defecto, se non especificas ningunha opción, inclúese unha “constante non restrinxida”, que permite a presenza dunha ordenada na orixe non nula nas relacións de cointegración, así como unha tendencia nos niveis das variables endóxenas. Na literatura xerada a partir do traballo de Johansen (por exemplo, consulta o seu libro de 1995) refírese esta situación como o “caso 3”. As 4 primeiras opcións indicadas arriba, que son mutuamente excluíntes, producen respectivamente os casos 1, 2, 4 e 5. Tanto o significado destes casos como o criterio para seleccionar un caso explícanse no <@pdf="Guía de usuario de Gretl#chap:vecm"> (Capítulo 29). 

As listas <@var="xlista"> e <@var="rxlista"> (opcionais) te permiten controlar as variables esóxenas especificadas, e así estas entran no sistema ben sen restricións (<@var="xlista">) ou ben restrinxidas ao espazo de cointegración (<@var="rxlista">). Estas listas sepáranse de <@var="ylista"> e unhas das outras mediante un punto e coma. 

A opción <@opt="--⁠seasonals">, que podes combinar con calquera das outras opcións, especifica a inclusión dun conxunto de variables ficticias estacionais centradas. Esta opción está dispoñible só para datos trimestrais ou mensuais. 

A seguinte táboa ofrécese como guía para a interpretación dos resultados da proba que se amosan, para o caso con 3 variables. <@lit="H0"> denota a hipótese nula, <@lit="H1"> a hipótese alternativa, e <@lit="c"> o número de relacións de cointegración. 

<mono>          
         Rango    Proba traza        Proba Lmáx
                  H0     H1          H0     H1
         ---------------------------------------
          0      c = 0  c = 3       c = 0  c = 1
          1      c = 1  c = 3       c = 1  c = 2
          2      c = 2  c = 3       c = 2  c = 3
         ---------------------------------------
</mono>

Consulta tamén a instrución <@ref="vecm">. 

Ruta do menú: /Modelar/Series temporais/Multivariante

# corr Statistics

Variantes: 	<@lit="corr ["> <@var="listavariables"> ]
		<@lit="corr --matrix="><@var="nomematr">
Opcións: 	<@lit="--uniform"> (Garante unha mostra uniforme)
		<@lit="--spearman"> (Rho de Spearman)
		<@lit="--kendall"> (Tau de Kendall)
		<@lit="--verbose"> (Presenta xerarquías)
		<@lit="--plot">=<@var="modo-ou-nomeficheiro"> (Mira abaixo)
Exemplos: 	<@lit="corr y x1 x2 x3">
		<@lit="corr ylista --uniform">
		<@lit="corr x y --spearman">
		<@lit="corr --matrix=X --plot=display">

Por defecto, presenta os coeficientes de correlación (correlación produto-momento de Pearson) por pares das variables de <@var="listavariables">, ou de tódalas variables do conxunto de datos se non indicas <@var="listavariables">. O comportamento típico desta instrución consiste en utilizar todas as observacións dispoñibles para calcular cada coeficiente por parellas de variables, pero cando indicas a opción <@lit="--uniform">, a mostra limítase (se é necesario) de xeito que se utiliza o mesmo conxunto de observacións para todos os coeficientes. Esta opción é adecuada só cando hai un número diferente de valores ausentes nas variables utilizadas. 

As opcións <@opt="--⁠spearman"> e <@opt="--⁠kendall"> (que son mutuamente excluíntes) permiten calcular, respectivamente, o coeficiente rho de correlación por rangos de Spearman e o coeficiente tau de correlación por rangos de Kendall en troques do coeficiente de Pearson (por defecto). Cando indicas algunha destas opcións, <@var="listavariables"> debe de conter só dúas variables. 

Cando se calcula unha correlación por rangos, podes utilizar a opción <@opt="--⁠verbose"> para presentar os datos orixinais e a súa xerarquía (noutro caso, esta alternativa ignórase). 

Se <@var="listavariables"> contén máis de dúas series e o programa non está en modo de procesamento por lotes, amósase unha gráfica de “mapa de calor” da matriz de correlacións. Podes axustar isto mediante a opción <@opt="--⁠plot">, na que os parámetros que se admiten son: <@lit="none"> (para non amosar a gráfica), <@lit="display"> (para presentar a gráfica mesmo cando se estea en modo de procesamento por lotes), ou un nome de ficheiro. O efecto de indicar un nome de ficheiro é como o descrito para a opción <@opt="--⁠output"> da instrución <@ref="gnuplot">. Cando activas a representación da gráfica, podes utilizar a opción adicional <@opt="--⁠triangle"> para amosar só o mapa de calor do triángulo inferior da matriz. 

Cando indicas unha forma alternativa, utilizando unha matriz xa definida en lugar dunha lista de series, as opcións <@opt="--⁠spearman"> e <@opt="--⁠kendall"> non están dispoñibles (pero consulta a función <@xrf="npcorr">). 

Ruta do menú: /Ver/Matriz de correlacións
Outro acceso: Fiestra principal: Menú emerxente (selección múltiple)

# corrgm Statistics

Argumentos: 	<@var="serie"> [ <@var="nivel"> ] 
Opcións: 	<@lit="--bartlett"> (Utiliza as desviacións padrón de Bartlett)
		<@lit="--plot">=<@var="modo-ou-nomeficheiro"> (Mira abaixo)
Exemplo: 	<@lit="corrgm x 12">

Presenta os valores da función de autocorrelación (FAC ou ACF) do argumento <@var="serie">, que pode especificarse polo seu nome ou número. Os valores defínense como ρ(<@mth="u"><@sub="t">, <@mth="u"><@sub="t-s">) onde <@mth="u"><@sub="t"> é a <@mth="t">-ésima observación da variable <@mth="u"> e <@mth="s"> denota o número de retardos. 

Tamén se presentan as autocorrelacións parciais (FACP ou PACF, que se calculan utilizando o algoritmo de Durbin–Levinson), e que están libres dos efectos dos retardos intermedios. Ademais, preséntase o estatístico <@mth="Q"> de Ljung–Box que podes utilizar para probar a hipótese nula de que a serie é un “ruído branco”, e que se distribúe asintoticamente como unha khi-cadrado con tantos graos de liberdade como o número de retardos utilizados. 

Utilízanse asteriscos para indicar a significación estatística das autocorrelacións individuais. Por defecto, isto avalíase utilizando unha desviación padrón igual ao cociente entre 1 e a raíz cadrada do tamaño da mostra; pero cando indicas a opción <@opt="--⁠bartlett">, entón utilízanse as desviacións padrón de Bartlett para a FAC. Se resulta aplicable, esta opción tamén determina a banda de confianza que se debuxa na gráfica da FAC. 

Se especificas un valor para <@var="nivel">, a lonxitude do correlograma limítase ata ese número de retardos como máximo; noutro caso, a longura determínase automaticamente como unha función da frecuencia dos datos e do número de observacións. 

Por defecto, xérase unha gráfica do correlograma: unha gráfica de Gnuplot en modo interactivo ou unha gráfica ASCII en modo de procesamento por lotes. Isto podes axustalo mediante a opción <@opt="--⁠plot"> na que os parámetros que se admiten son: <@lit="none"> (para non amosar a gráfica), <@lit="ascii"> (para presentar unha gráfica de texto mesmo en modo interactivo), <@lit="display"> (para presentar unha gráfica de Gnuplot mesmo en modo de procesamento por lotes); ou un nome de ficheiro. O efecto de indicar un nome de ficheiro é como o descrito para a opción <@opt="--⁠output"> da instrución <@ref="gnuplot">. 

Cando se completa con éxito esta instrución, os accesorios <@xrf="$test"> e <@xrf="$pvalue"> conteñen os dous valores respectivos da proba de Ljung–Box para o máximo nivel de retardo presentado. Se unicamente queres calcular o estatístico <@mth="Q">, ten en conta que probablemente será preferible que utilices en troques a función <@xrf="ljungbox">. 

Ruta do menú: /Variable/Correlograma
Outro acceso: Fiestra principal: Menú emerxente (selección única)

# cusum Tests

Opcións: 	<@lit="--squares"> (Realiza a proba CUSUMSQ)
		<@lit="--quiet"> (Só presenta a proba de Harvey–Collier)

Debe de ir despois da estimación dun modelo mediante MCO. Te permite levar adiante a proba CUSUM de estabilidade dos parámetros (ou a proba CUSUMSQ se indicas a opción <@opt="--⁠squares">). Vas obter unha serie cos erros de predición adiantados un paso, executando unha serie de regresións: na primeira regresión se utilizan as primeiras <@mth="k"> observacións e permíteche xerar a predición da variable dependente na observación <@mth="k"> + 1; na segunda se utilizan as primeiras <@mth="k"> + 1 observacións e xera unha predición para a observación <@mth="k"> + 2, e así sucesivamente (onde <@mth="k"> é o número de parámetros do modelo orixinal). 

Preséntase e debúxase a suma acumulada dos erros de predición escalados (ou os cadrados destes erros). A hipótese nula de estabilidade dos parámetros rexéitase cun nivel de significación do 5 por cento cando a suma acumulada se afasta da banda de confianza do 95 por cento. 

No caso da proba CUSUM, tamén se presenta o estatístico <@mth="t"> de Harvey–Collier para probar a hipótese nula de estabilidade dos parámetros. Consulta o libro <@itl="Econometric Analysis"> de Greene para obter máis detalles. Para a proba CUSUMSQ, calcúlase a banda de confianza do 95 por cento utilizando o algoritmo indicado en <@bib="Edgerton e Wells (1994);edgerton94">. 

Ruta do menú: Fiestra de modelo: Probas/Proba CUSUM(SQ)

# data Dataset

Argumento: 	<@var="listavariables"> 
Opcións: 	<@lit="--compact">=<@var="metodo"> (Especifica o método para compactar)
		<@lit="--interpolate"> (Fai a interpolación para datos de baixa frecuencia)
		<@lit="--quiet"> (Non amosa os resultados agás no caso de fallo)

Le as variables de <@var="listavariables"> dun banco de datos (Gretl, RATS 4.0 ou PcGive) que debe de abrirse previamente utilizando a instrución <@ref="open">. Podes establecer a frecuencia dos datos e o rango da mostra mediante as instrucións <@ref="setobs"> e <@ref="smpl"> antes de utilizar esta instrución. Este é un exemplo completo: 

<code>          
   open macrodat.rat
   setobs 4 1959:1
   smpl ; 1999:4
   data GDP_JP GDP_UK
</code>

As instrucións de arriba abren un banco de datos chamado <@lit="macrodat.rat">, determinan que os datos son de tipo trimestral, que comezan no primeiro trimestre de 1959, que a mostra finaliza no cuarto trimestre de 1999, e logo importan as series denominadas <@lit="GDP_JP"> e <@lit="GDP_UK">. 

Se non especificas <@lit="setobs"> e <@lit="smpl"> deste xeito, a frecuencia dos datos e o rango da mostra establécense utilizando a primeira variable que se le do banco de datos. 

Se as series que se van ler son de frecuencia maior que o conxunto de datos de traballo, podes especificar un método para compactar como aquí debaixo: 

<code>          
   data LHUR PUNEW --compact=average
</code>

Os cinco métodos que permiten compactar dos que dispós son estes: “average” (toma a media das observacións de alta frecuencia), “last” (utiliza a última observación), “first”, “sum” e “spread”, pero se non especificas ningún método, por defecto utilízase a media. O método “spread” é especial pois con el non se perde ningunha información, senón que máis ben esta espállase entre varias series, unha por cada subperíodo. Así con ela cando engades, por exemplo, unha serie mensual a un conxunto de datos trimestrais, xéranse 3 series (unha por cada mes do trimestre) cuxos nomes conteñen os sufixos <@lit="m01">, <@lit="m02"> e <@lit="m03">. 

Cando as series que se len son de frecuencia menor que a do conxunto de datos de traballo, por defecto repítense os valores dos datos engadidos segundo se necesite. Pero podes utilizar a opción <@opt="--⁠interpolate"> para solicitar que se faga a interpolación utilizando o método de <@bib="Chow e Lin (1971);chowlin71"> no que os regresores son unha constante máis unha tendencia linear e cadrada, e asúmese que a perturbación segue un AR(1). Porén, ten en conta que dispós desta opción só para converter datos trimestrais en mensuais, ou datos anuais en trimestrais. 

No caso de bancos de datos propios (unicamente) de Gretl, podes utilizar os caracteres “xenéricos”, <@lit="*"> e <@lit="?"> en <@var="listavariables"> para importar series que coincidan co padrón indicado. Por exemplo, a seguinte expresión vai importar todas as series do banco de datos cuxos nomes comecen por <@lit="cpi">: 

<code>          
   data cpi*
</code>

Ruta do menú: /Ficheiro/Bancos de datos

# dataset Dataset

Argumentos: 	<@var="chave"> <@var="parametros"> 
Exemplos: 	<@lit="dataset addobs 24">
		<@lit="dataset insobs 10">
		<@lit="dataset compact 1">
		<@lit="dataset compact 4 last">
		<@lit="dataset expand interp">
		<@lit="dataset transpose">
		<@lit="dataset sortby x1">
		<@lit="dataset resample 500">
		<@lit="dataset renumber x 4">
		<@lit="dataset pad-daily 7">
		<@lit="dataset clear">

Realiza diversas operacións no conxunto de datos como un todo, dependendo da <@var="chave"> indicada, que debe de ser: <@lit="addobs">, <@lit="insobs">, <@lit="clear">, <@lit="compact">, <@lit="expand">, <@lit="transpose">, <@lit="sortby">, <@lit="dsortby">, <@lit="resample">, <@lit="renumber"> ou <@lit="pad-daily">. Advertencia: Coa excepción da opción <@lit="clear">, estas accións non están dispoñibles mentres teñas unha submostra do conxunto de datos escollida por selección dos casos segundo algún criterio booleano. 

<@lit="addobs">: Debe de estar seguido dun enteiro positivo. Engade o número especificado de observacións adicionais ao final do conxunto de datos de traballo. Isto está pensado principalmente co propósito de facer predicións. Os valores da maioría das variables ao longo do rango engadido vanse estipular como ausentes, pero certas variables determinísticas se recoñecen e o seu contido esténdese ao rango engadido, en concreto, as variables con tendencia linear simple e as variables ficticias periódicas. 

<@lit="insobs">: Debe de estar seguido dun enteiro positivo non maior ca o número vixente de observacións, que especifica a posición na que se insire unha única observación. Todos os datos posteriores desprázanse un lugar e o conxunto de datos amplíase nunha observación. Agás á constante, dánselle valores ausentes a todas as variables na nova observación. Esta acción non está dispoñible para conxuntos de datos de panel. 

<@lit="clear">: Non necesita ningún parámetro. Libra todos os datos vixentes, devolvendo o Gretl a o seu estado “baleiro” inicial. 

<@lit="compact">: Debe de estar seguido dun enteiro positivo que represente a nova frecuencia dos datos, e que debe de ser menor que a frecuencia vixente (por exemplo, indicar un valor de 4 cando a frecuencia vixente é 12, indica que se van compactar os datos de mensuais a trimestrais). Esta instrución só está dispoñible para datos de series temporais e compacta todas as series do conxunto de datos a unha nova frecuencia. Tamén podes indicar un segundo parámetro, en concreto un de entre <@lit="sum">, <@lit="first">, <@lit="last"> ou <@lit="spread">. Estes permiten especificar que se vai compactar, respectivamente: utilizando a suma dos valores de frecuencia maior, o valor de inicio-de-período, o valor de fin-de-período, ou espallando os valores de frecuencia maior entre varias series (unha por cada subperíodo), pois por defecto faise usando a media. 

<@lit="expand">: Esta instrución só está dispoñible para datos de series temporais anuais ou trimestrais, pois os datos anuais pódense estender a trimestrais e os datos trimestrais a frecuencia mensual. Por defecto, todas as series do conxunto de datos énchense coa nova frecuencia repetindo os valores existentes, pero se engades o parámetro <@lit="interp">, entón a serie esténdese utilizando a interpolación de Chow–Lin (para os detalles, consulta <@bib="Chow e Lin, 1971;chowlin71">) na que os regresores son unha constante máis unha tendencia linear e cadrada, e asúmese que a perturbación segue un AR(1). 

<@lit="transpose">: Non necesita ningún parámetro adicional. Traspón o conxunto vixente de datos, é dicir, cada observación (fila) do conxunto vixente de datos vaise tratar como unha variable (columna), e cada variable como unha observación. Esta instrución pode serte útil se os datos se leron dalgunha orixe externa na que as filas da táboa de datos representan variables. 

<@lit="sortby">: Requírese o nome dunha única serie ou lista. Cando indicas unha serie, as observacións de todas as variables do conxunto de datos vólvense ordenar segundo os valores ascendentes da serie especificada. Cando indicas unha lista, a reordenación faise xerarquicamente: se hai observacións empatadas ao reordenarse segundo a primeira variable chave, entón a segunda chave utilízase para rachar o empate, e así sucesivamente ata que se rache o empate ou se esgoten as chaves. Cae na conta de que esta instrución está dispoñible só para datos sen data. 

<@lit="dsortby">: Funciona como <@lit="sortby"> agás que a reordenación faise segundo os valores descendentes da serie chave. 

<@lit="resample">: Constrúe un novo conxunto de datos mediante mostraxe aleatoria (con substitución) das filas do conxunto vixente de datos, e require que indiques como argumento o número concreto de filas que queres incluír. Este pode ser menor, igual ou maior ca o número de observacións dos datos orixinais. Podes recuperar o conxunto orixinal de datos mediante a instrución <@lit="smpl full">. 

<@lit="renumber">: Require o nome dunha serie xa existente seguida dun número enteiro entre 1 e o número de series do conxunto de datos menos 1. Move a serie especificada á posición indicada do conxunto de datos, volvendo numerar as demais series conforme a isto. (A posición 0 ocúpase coa constante, que non pode moverse.) 

<@lit="pad-daily">: Válido só cando o conxunto vixente de datos contén datos con datas diarias cun calendario incompleto. Ten como efecto encher os datos nun calendario completo inserindo filas en branco (é dicir, filas que non conteñen nada agás <@lit="NA">s). Esta opción require un número enteiro como parámetro, concretamente o número de días por semana (5, 6 ou 7) e que debe de ser maior ou igual que a frecuencia vixente dos datos. Cando se completa con éxito, o calendario de datos vai estar “completo” en relación a este valor. Por exemplo, se días-por-semana é igual a 5, entón represéntanse tódolos días laborables, haxa ou non algún dato dispoñible para eses días. 

Ruta do menú: /Datos

# debug Programming

Argumento: 	<@var="función"> 

Depurador experimental para funcións definidas polo usuario, que está dispoñible no programa Gretlcli de liñas de instrucións e na consola de Interface Gráfica de Usuario (GUI). Debes de invocar esta instrución <@lit="debug"> despois de que estea definida a función en cuestión, pero antes de chamar por ela. O efecto desta instrución consiste en que a execución detense cando se chama pola función e amósase un indicador especial. 

Ante o indicador de depuración podes teclear <@lit="next"> para executar a seguinte instrución da función, ou <@lit="continue"> para permitir que a execución da función continúe sen trabas; e podes acurtar estas instrucións mediante <@lit="n"> e <@lit="c">, respectivamente. Tamén podes intercalar unha instrución ao aparecer este indicador; por exemplo, a instrución <@lit="print"> para revelar o valor actual dalgunha variable de interese. 

# delete Dataset

Variantes: 	<@lit="delete"> <@var="listavariables">
		<@lit="delete"> <@var="nomevar">
		<@lit="delete --type="><@var="tipo">
		<@lit="delete"><@var="nomepaquete">
Opción: 	<@lit="--db"> (Elimina series do banco de datos)

Esta instrución é un destrutor. Deberías de utilizala con precaución pois non se pide confirmación. 

Na primeira variante de arriba, <@var="listavariables"> é unha lista de series, indicada polo seu nome ou número ID. Ten en conta que cando eliminas series, vólvese a numerar calquera serie cuxo número ID sexa maior que os das series da lista que se elimina. Se indicas a opción <@opt="--⁠db">, as series da lista non se eliminan con esta instrución do conxunto vixente de datos, pero si do banco de datos de Gretl (supoñendo que se abriu un deles e que o usuario ten permisos para escribir no ficheiro en cuestión). Consulta tamén a instrución <@ref="open">. 

Na segunda variante, podes indicar o nome dun escalar, dunha matriz, dunha cadea de texto ou dun feixe para que se elimine. A opción <@opt="--⁠db"> non pode aplicarse neste caso. Ten en conta que non debes de mesturar series e variables de diferentes tipos nunha mesma chamada a <@lit="delete">. 

Na terceira variante, a opción <@opt="--⁠type"> debes de acompañala por algún dos seguintes nomes de tipos: <@lit="matrix">, <@lit="bundle">, <@lit="string">, <@lit="list">, <@lit="scalar"> ou <@lit="array">; e o seu efecto consiste en eliminar tódalas variables do tipo indicado. Neste caso non debes de indicar ningún argumento que non sexa a opción. 

Podes usar a cuarta variante para descargar un paquete de función. Neste caso, debes de proporcionar o sufixo <@lit=".gfn"> como en 

<code>          
   delete somepkg.gfn
</code>

Cae na conta de que isto non elimina o ficheiro de paquete; unicamente descarga o paquete da memoria. 

Ruta do menú: Fiestra principal: Menú emerxente (selección única)

# diff Transformations

Argumento: 	<@var="listavariables"> 

Con esta instrución obtés a primeira diferenza de cada variable de <@var="listavariables">, e o resultado gárdase nunha nova variable co prefixo <@lit="d_">. Así <@lit="diff x y"> xera as novas variables 

<mono>          
   d_x = x(t) - x(t-1)
   d_y = y(t) - y(t-1)
</mono>

Ruta do menú: /Engadir/Primeiras diferenzas das variables seleccionadas

# difftest Tests

Argumentos: 	<@var="serie1"> <@var="serie2"> 
Opcións: 	<@lit="--sign"> (Proba dos signos, por defecto)
		<@lit="--rank-sum"> (Proba da suma de rangos de Wilcoxon)
		<@lit="--signed-rank"> (Proba dos rangos con signo de Wilcoxon)
		<@lit="--verbose"> (Presenta resultados adicionais)

Leva a cabo unha proba non paramétrica sobre a diferenza entre dúas poboacións ou grupos, na que a proba concreta depende da opción seleccionada. 

Coa opción <@opt="--⁠sign">, realízase a proba dos signos. Esta proba baséase no feito de que, cando se extraen dúas mostras, <@mth="x"> e <@mth="y">, de forma aleatoria dunha mesma distribución, a probabilidade de que <@mth="x"><@sub="i"> > <@mth="y"><@sub="i">, para cada observación <@mth="i">, deberá de ser igual a 0.5. O estatístico de proba é <@mth="w">, é dicir, o número de observacións para as que se cumpre que <@mth="x"><@sub="i"> > <@mth="y"><@sub="i">. Baixo a hipótese nula, este estatístico segue unha distribución de probabilidade Binomial con parámetros (<@mth="n">, 0.5), onde <@mth="n"> indica o número de observacións. 

Coa opción <@opt="--⁠rank-sum">, realízase a proba da suma de rangos de Wilcoxon. Esta proba desenvólvese determinando o rango en xerarquía das observacións de ambas mostras xuntas, desde a de menor valor ata a de maior, e logo calculando a suma dos rangos das observacións dunha calquera das dúas mostras. Non é necesario que as dúas mostras teñan o mesmo tamaño e, se son diferentes, utilízase a mostra máis pequena para calcular a suma dos rangos. Baixo a hipótese nula de que as mostras proceden de poboacións coa mesma mediana, a distribución de probabilidade da suma de rangos pode calcularse para calquera tamaño de mostra que se indique; e para mostras razoablemente longas, existe unha estreita aproximación Normal. 

Coa opción <@opt="--⁠signed-rank">, realízase a proba dos rangos con signo de Wilcoxon, que está ideada para pares de datos emparellados como, por exemplo, os pares de valores dunha mesma variable nunha mostra de individuos, antes e despois dalgún tratamento. A proba desenvólvese calculando as diferenzas entre as observacións emparelladas <@mth="x"><@sub="i"> – <@mth="y"><@sub="i">, e determinando o rango destas diferenzas segundo o seu valor absoluto, ademais de asignándolle a cada par un rango cun signo que coincide co signo da diferenza. A continuación calcúlase a suma dos rangos con signo positivo (<@mth="W"><@sub="+">). De igual xeito que na proba da suma de rangos, baixo a hipótese nula de que a diferenza das medianas é cero, este estatístico segue unha distribución de probabilidade ben definida, que converxe á Normal para mostras de tamaño razoable. 

Para as probas de Wilcoxon, cando indicas a opción <@opt="--⁠verbose">, entón preséntase a ordenación. (Esta opción non ten efecto cando se selecciona a proba dos signos.) 

# discrete Transformations

Argumento: 	<@var="listavariables"> 
Opción: 	<@lit="--reverse"> (Marca as variables como continuas)

Marca cada variable de <@var="listavariables"> como discreta pois, por defecto, todas as variables trátanse como continuas. Ao facer que unha variable sexa discreta, iso afecta ao xeito no que se manexa esa variable nas gráficas de frecuencia, e tamén te permite escoller a variable para a instrución <@ref="dummify">. 

Cando especificas a opción <@opt="--⁠reverse">, a operación invértese, é dicir, as variables contidas en <@var="listavariables"> márcanse como continuas. 

Ruta do menú: /Variable/Editar atributos

# dpanel Estimation

Argumento: 	<@var="p"> ; <@var="depvar"> <@var="indepvars"> [ ; <@var="instrumentos"> ] 
Opcións: 	<@lit="--quiet"> (Non amosa o modelo estimado)
		<@lit="--vcv"> (Presenta a matriz de covarianzas)
		<@lit="--two-step"> (Realiza a estimación MXM (GMM) en 2 etapas)
		<@lit="--system"> (Engade ecuacións en niveis)
		<@lit="--time-dummies"> (Engade variables ficticias temporais)
		<@lit="--dpdstyle"> (Imita o paquete DPD para Ox)
		<@lit="--asymptotic"> (Desviacións padrón asintóticas sen corrixir)
Exemplos: 	<@lit="dpanel 2 ; y x1 x2">
		<@lit="dpanel 2 ; y x1 x2 --system">
		<@lit="dpanel {2 3} ; y x1 x2 ; x1">
		<@lit="dpanel 1 ; y x1 x2 ; x1 GMM(x2,2,3)">
		Mira tamén <@inp="bbond98.inp">

Realiza a estimación de modelos dinámicos con datos de panel (é dicir, modelos de panel que inclúen un ou máis retardos da variable dependente) utilizando ben o método MXM-DIF ou ben MXM-SYS. 

O parámetro <@var="p"> representa o nivel de autorregresión para a variable dependente. No caso máis sinxelo, este parámetro é un valor escalar, pero tamén podes indicar unha matriz definida previamente para este argumento, para especificar con elo un conxunto de retardos (posiblemente non consecutivos) a utilizar. 

Debes de indicar a variable dependente e os regresores cos seus valores en niveis, pois xa se van diferenciar automaticamente (dado que este estimador utiliza a diferenciación para eliminar os efectos individuais). 

O último campo (opcional) da instrución é para especificar os instrumentos. Se non indicas ningún instrumento, asúmese que tódalas variables independentes son estritamente esóxenas. Se especificas calquera instrumento, debes de incluír na lista calquera variable independente estritamente esóxena. Para os regresores predeterminados podes utilizar a función <@lit="GMM"> para incluír un rango específico de retardos co estilo diagonal por bloques, como se ilustra no terceiro exemplo de arriba. O primeiro argumento de <@lit="GMM"> é o nome da variable en cuestión, o segundo é o retardo mínimo que se utiliza como instrumento, e o terceiro é o retardo máximo. Podes utilizar a mesma sintaxe coa función <@lit="GMMlevel"> para especificar instrumentos de tipo MXM para as ecuacións en niveis. 

Por defecto, preséntanse os resultados da estimación en 1 etapa (coas desviacións padrón robustas) pero tes a opción de escoller a estimación en 2 etapas. En ambos casos, preséntanse as probas de autocorrelación de orde 1 e 2 , así como a proba de sobreidentificación de Sargan e o estatístico da proba de Wald para a significación conxunta dos regresores. Ten en conta que neste modelo en diferenzas, a autocorrelación de primeira orde non é unha ameaza para a validez do modelo, pero a autocorrelación de segunda orde infrinxe os supostos estatísticos vixentes. 

No caso da estimación en 2 etapas, as desviacións padrón calcúlanse por defecto utilizando a corrección de mostra finita suxerida por <@bib="Windmeijer (2005);windmeijer05">. Xeralmente considérase que as desviacións padrón asintóticas estándar asociadas ao estimador do método en 2 etapas son unha guía pouco fiable para a inferencia, pero se por algunha razón queres velas, podes utilizar a opción <@opt="--⁠asymptotic"> para desactivar a corrección de Windmeijer. 

Se indicas a opción <@opt="--⁠time-dummies">, engádese un conxunto de variables ficticias temporais aos regresores especificados. O número destas variables ficticias é unha menos que o número máximo de períodos usados na estimación, para evitar que haxa multicolinearidade perfecta coa constante. As variables ficticias introdúcense en forma de diferenzas agás que se indique a opción <@opt="--⁠dpdstyle">, en cuxo caso introdúcense en niveis. 

Para obter outros detalles e exemplos, consulta o <@pdf="Guía de usuario de Gretl#chap:dpanel"> (Capítulo 20). 

Ruta do menú: /Modelar/Panel/Modelo de Panel Dinámico

# dummify Transformations

Argumento: 	<@var="listavariables"> 
Opcións: 	<@lit="--drop-first"> (Exclúe da codificación ao valor máis baixo)
		<@lit="--drop-last"> (Exclúe da codificación ao valor máis alto)

Para calquera variable adecuada de <@var="listavariables">, xera un conxunto de variables ficticias que codifican os distintos valores desa variable. As variables adecuadas son aquelas que se marcan explicitamente como discretas ou aquelas que teñen un número claramente pequeno de valores, dos que todos eles estean “claramente arredondados” (múltiplos de 0.25). 

Por defecto, engádese unha variable ficticia por cada valor diferente da variable en cuestión. Por exemplo, se unha variable discreta <@lit="x"> ten 5 valores diferentes, engádense 5 variables ficticias ao conxunto de datos, cos nomes <@lit="Dx_1">, <@lit="Dx_2">, etcétera. A primeira variable ficticia vai ter o valor 1 nas observacións onde <@lit="x"> toma o seu valor máis pequeno e 0 noutro caso; a seguinte variable ficticia vai ter o valor 1 nas observacións onde <@lit="x"> toma o seu segundo valor máis pequeno, etcétera. Se engades un dos indicadores de opción <@opt="--⁠drop-first"> ou <@opt="--⁠drop-last">, entón omítese do proceso de codificación ben o valor máis baixo ou ben o valor máis alto de cada variable, respectivamente (o que pode serte útil para evitar a “trampa das variables ficticias”). 

Tamén podes inserir esta instrución no contexto da especificación dunha regresión. Por exemplo, a seguinte liña especifica un modelo onde <@lit="y"> se regresa sobre o conxunto de variables ficticias que se codifican para <@lit="x">. (Non podes aplicar os indicadores de opción a <@lit="dummify"> neste contexto.) 

<code>          
   ols y dummify(x)
</code>

Outro acceso: Fiestra principal: Menú emerxente (selección única)

# duration Estimation

Argumentos: 	<@var="depvar"> <@var="indepvars"> [ ; <@var="censuravar"> ] 
Opcións: 	<@lit="--exponential"> (Utiliza a distribución exponential)
		<@lit="--loglogistic"> (Utiliza a distribución log-loxística)
		<@lit="--lognormal"> (Utiliza a distribución log-normal)
		<@lit="--medians"> (Os valores axustados son as medianas)
		<@lit="--robust"> (Desviacións padrón robustas: CMV (QML))
		<@lit="--cluster">=<@var="clustervar"> (Consulta <@ref="logit"> para explicación)
		<@lit="--vcv"> (Presenta a matriz de covarianzas)
		<@lit="--verbose"> (Presenta os detalles das iteracións)
Exemplos: 	<@lit="duration y 0 x1 x2">
		<@lit="duration y 0 x1 x2 ; cens">

Estima un modelo de duración no que a variable dependente (que debe de ser positiva) representa a duración dalgún estado dun asunto; por exemplo, a duración do período de desemprego para unha sección cruzada de enquisados. Por defecto, utilízase a distribución de Weibull pero tamén están dispoñibles as distribucións exponencial, log-loxística e log-normal. 

Se algunhas das medidas de duración están censuradas pola dereita (e.g. o período do desemprego dun individuo aínda non rematou dentro do período de observación), entón debes de indicar no argumento posterior <@var="censuravar">, unha serie na que os valores non nulos indiquen os casos censurados pola dereita. 

Por defecto, os valores axustados que obtés mediante o accesorio <@lit="$yhat"> son as medias condicionadas das duracións, pero cando indicas a opción <@opt="--⁠medians"> entón <@lit="$yhat"> te proporciona as medianas condicionadas no seu lugar. 

Consulta o <@pdf="Guía de usuario de Gretl#chap:probit"> (Capítulo 34) para obter máis detalles. 

Ruta do menú: /Modelar/Variable Dependente Limitada/Datos de Duración

# elif Programming

Consulta <@ref="if">. 

# else Programming

Consulta <@ref="if">. Ten en conta que a instrución <@lit="else"> necesita unha liña para ela mesma, antes da seguinte instrución condicional. Podes engadirlle un comentario, como en 

<code>          
   else # Correcto, fai algo distinto
</code>

Pero non podes engadirlle unha instrución, como en 

<code>          
   else x = 5 # Incorrecto!
</code>

# end Programming

Termina un bloque de instrucións dalgunha clase. Por exemplo, <@lit="end system"> termina un sistema de ecuacións (<@ref="system">). 

# endif Programming

Consulta <@ref="if">. 

# endloop Programming

Marca a fin dun bucle de instrucións. Consulta <@ref="loop">. 

# eqnprint Printing

Opcións: 	<@lit="--complete"> (Xera un documento completo)
		<@lit="--output">=<@var="nomeficheiro"> (Envía o resultado ao ficheiro especificado)

Debe de ir despois da estimación dun modelo e presenta o modelo estimado en formato dunha ecuación LaTeX. Se especificas o nome dun ficheiro utilizando a opción <@opt="--⁠output">, o resultado diríxese a ese ficheiro; noutro caso, diríxese a un ficheiro cun nome co estilo <@lit="equation_N.tex">, onde <@lit="N"> é o número de modelos estimados ata ese momento na sesión vixente. Consulta tamén <@ref="tabprint">. 

O ficheiro resultante vai escribirse no cartafol de traballo (<@ref="workdir">) establecido nese momento, agás que a cadea <@var="nomeficheiro"> conteña unha especificación completa da ruta. 

Cando especificas a opción <@opt="--⁠complete">, o ficheiro LaTeX é un documento completo (listo para procesar); noutro caso, debes de incluílo nun documento. 

Ruta do menú: Fiestra de modelo: LaTeX

# equation Estimation

Argumentos: 	<@var="depvar"> <@var="indepvars"> 
Exemplo: 	<@lit="equation y x1 x2 x3 const">

Te permite especificar unha das ecuacións dun sistema delas (consulta <@ref="system">). A sintaxe para especificar unha ecuación dun sistema SUR é o mesmo que para, e.g., <@ref="ols">. Pero para unha das ecuacións dun sistema a estimar con Mínimos Cadrados en 3 etapas, podes: (a) indicar unha especificación dunha ecuación como se estima con MCO e proporcionar unha lista normal de instrumentos utilizando a palabra chave <@lit="instr"> (de novo, consulta <@ref="system">), ou (b) utilizar a mesma sintaxe de ecuacións que para <@ref="tsls">. 

# estimate Estimation

Argumentos: 	[ <@var="nomesistema"> ] [ <@var="estimador"> ] 
Opcións: 	<@lit="--iterate"> (Reitera ata a converxencia)
		<@lit="--no-df-corr"> (Sen corrección dos graos de liberdade)
		<@lit="--geomean"> (Mira abaixo)
		<@lit="--quiet"> (Non presenta os resultados)
		<@lit="--verbose"> (Presenta os detalles das iteracións)
Exemplos: 	<@lit="estimate "Klein Model 1" method=fiml">
		<@lit="estimate Sys1 method=sur">
		<@lit="estimate Sys1 method=sur --iterate">

Solicita a estimación dun sistema de ecuacións que debes de definir previamente usando a instrución <@ref="system">. Debes de indicar primeiro o nome do sistema, contornado entre comiñas se o nome contén espazos. O estimador debe de ser un dos seguintes: <@lit="ols">, <@lit="tsls">, <@lit="sur">, <@lit="3sls">, <@lit="fiml"> ou <@lit="liml">; e debes de poñerlle antes a cadea de texto <@lit="method=">. Estes argumentos son optativos se o sistema en cuestión xa se estimou e ocupa o lugar do “último modelo”; nese caso, o estimador que se toma por defecto será o utilizado previamente. 

Se o sistema en cuestión tivo aplicadas un conxunto de restricións (consulta a instrución <@ref="restrict">), a estimación estará suxeita ás restricións especificadas. 

Se o método de estimación é <@lit="sur"> ou <@lit="3sls"> e especificas a opción <@opt="--⁠iterate">, vaise calcular o estimador iterativamente. No caso de SUR, se o procedemento converxe, os resultados son as estimacións máximo verosímiles. A iteración de Mínimos Cadrados en 3 Etapas (3sls), porén, en xeral non converxe aos resultados da máxima verosimilitude con información completa (fiml). A opción <@opt="--⁠iterate"> ignórase para outros métodos de estimación. 

Se elixes os estimadores de ecuación a ecuación <@lit="ols"> ou <@lit="tsls">, por defecto aplícase unha corrección dos graos de liberdade cando se calculan as desviacións padrón, mais podes eliminar isto utilizando a opción <@opt="--⁠no-df-corr">. Esta opción non ten efecto cos outros estimadores e así non se aplica a corrección dos graos de liberdade en ningún caso. 

Por defecto, a fórmula utilizada para calcular os elementos da matriz de covarianzas das ecuacións cruzadas é 

  <@fig="syssigma1">

Cando indicas a opción <@opt="--⁠geomean">, aplícase unha corrección dos graos de liberdade co que a fórmula nese caso é 

  <@fig="syssigma2">

onde as <@mth="k">s denotan o número de parámetros independentes en cada ecuación. 

Cando indicas a opción <@opt="--⁠verbose"> e especificas un método iterativo, preséntanse detalles das iteracións. 

# eval Utilities

Argumento: 	<@var="Expresión"> 
Exemplos: 	<@lit="eval x">
		<@lit="eval inv(X'X)">
		<@lit="eval sqrt($pi)">

Esta instrución fai que Gretl funcione como unha sofisticada calculadora. O programa avalía <@var="Expresión"> e presenta o seu valor. O argumento pode ser o nome dunha variable, ou algo máis complicado. En calquera caso, debe de ser unha expresión que podas poñer correctamente como o lado dereito dun enunciado de asignación (igualdade). 

Cae na conta de que unha instrución tal como 

<code>          
   print x^2
</code>

non funcionará en Gretl posto que <@lit="x^2"> non é (non pode ser) o nome dunha variable, pero (dada unha variable escalar denominada <@lit="x">) 

<code>          
   eval x^2
</code>

funcionará correctamente, amosando o cadrado de <@lit="x">. 

Consulta tamén <@ref="printf">, no caso de que queiras combinar resultados numéricos e de texto. 

# fcast Prediction

Variantes: 	<@lit="fcast ["><@var="obsinicio obsfin"><@lit="] ["><@var="nomev"><@lit="]">
		<@lit="fcast ["><@var="obsinicio obsfin"><@lit="]"> <@var="pasosadiante"> <@lit="["><@var="nomev"><@lit="] --recursive">
Opcións: 	<@lit="--dynamic"> (Xera a predición dinámica)
		<@lit="--static"> (Xera a predición estática)
		<@lit="--out-of-sample"> (Xera a predición postmostral)
		<@lit="--no-stats"> (Non presenta as estatísticas de predición)
		<@lit="--stats-only"> (Presenta só as estatísticas de predición)
		<@lit="--quiet"> (Non presenta nada)
		<@lit="--recursive"> (Mira abaixo)
		<@lit="--plot">=<@var="nomeficheiro"> (Mira abaixo)
Exemplos: 	<@lit="fcast 1997:1 2001:4 f1">
		<@lit="fcast fit2">
		<@lit="fcast 2004:1 2008:3 4 rfcast --recursive">

Debe de ir despois dunha instrución de estimación. As predicións xéranse para certo rango de observacións que será, ben o definido cando indicas <@var="obsinicio"> e <@var="obsfin"> (de ser posible), ben o definido polas observacións que van a continuación do rango sobre o que se estimou o modelo cando indicas a opción <@opt="--⁠out-of-sample">, ou ben, noutro caso, o rango da mostra definido nese momento. Cando solicitas unha predición 'out-of-sample' pero non hai dispoñibles observacións relevantes, amósase un fallo. Dependendo da natureza do modelo, tamén poden xerarse as desviacións padrón (mira abaixo). Tamén mira abaixo para indagar sobre o efecto especial da opción <@opt="--⁠recursive">. 

Se o derradeiro modelo estimado ten unha única ecuación, entón o argumento <@var="nomev"> (opcional) ten o seguinte efecto: non se presentan os valores da predición, senón que se gardan no conxunto de datos co nome indicado. Se o último modelo é un sistema de ecuacións, <@var="nomev"> ten un efecto distinto xa que concretamente escolle unha variable endóxena en particular para facer a predición (pois por defecto xéranse as predicións para todas as variables endóxenas). No caso dun sistema ou se non indicas <@var="nomev">, podes recuperar os valores de predición utilizando o accesorio <@lit="$fcast"> e, se están dispoñibles, as desviacións padrón mediante <@lit="$fcse">. 

A elección entre unha predición estática ou dinámica aplícase unicamente no caso de modelos dinámicos, cunha perturbación cun proceso autorregresivo e/ou que inclúan un ou máis valores retardados da variable dependente como regresores. As predicións estáticas son un paso adiantadas (baseadas nos valores acadados no período previo), mentres que as predicións dinámicas empregan a regra da cadea de predición. Por exemplo, se unha predición para <@mth="y"> en 2008 require como entrada un valor de <@mth="y"> en 2007, unha predición estática é imposible sen datos actualizados para 2007, pero unha predición dinámica para 2008 é posible se podes substituír unha predición previa para <@mth="y"> en 2007. 

Por defecto proporciónase: (a) unha predición estática para algunha porción do rango de predición que cae dentro do rango da mostra sobre o que se estima o modelo, e (b) unha predición dinámica (se é relevante) fóra da mostra. A opción <@opt="--⁠dynamic"> solicita unha predición dinámica a partir da data o máis temperá posible, e a opción <@opt="--⁠static"> solicita unha predición estática aínda fóra da mostra. 

A opción <@opt="--⁠recursive"> está actualmente dispoñible só para modelos dunha soa ecuación, estimados mediante MCO. Cando indicas esta opción as predicións son recursivas; é dicir, cada predición xérase a partir dunha estimación do modelo indicado, utilizando os datos a partir dun punto de inicio fixado (en concreto, o inicio do rango da mostra para a estimación orixinal) ata a data de predición menos <@mth="k">, o número de pasos adiantados que debes de indicar no argumento <@var="pasosadiante">. As predicións sempre son dinámicas se iso é pertinente. Cae na conta de que debes de indicar o argumento <@var="pasosadiante"> unicamente xunto coa opción <@opt="--⁠recursive">. 

A opción <@opt="--⁠plot"> (dispoñible só no caso da estimación dunha única ecuación) solicita que se produza un ficheiro gráfico, que contén unha representación gráfica da predición. O sufixo do argumento <@var="nomeficheiro"> desta opción controla o formato da gráfica: <@lit=".eps"> para EPS, <@lit=".pdf"> para PDF, <@lit=".png"> para PNG, e <@lit=".plt"> para un ficheiro de instrucións Gnuplot. Podes utilizar o título <@lit="display"> en substitución do nome de ficheiro para forzar a representación da gráfica nunha xanela. Por exemplo, 

<code>          
   fcast --plot=fc.pdf
</code>

vai xerar unha gráfica con formato PDF. Respéctanse os nomes de rutas que non ofrezan dúbidas; noutro caso, os ficheiros escríbense no cartafol de traballo de Gretl. 

A natureza das desviacións padrón das predicións (se están dispoñibles) depende da natureza do modelo e da predición. En modelos lineais estáticos, as desviacións padrón calcúlanse utilizando o método bosquexado por <@bib="Davidson e MacKinnon (2004);davidson-mackinnon04">; eles incorporan tanto a incerteza debida ao proceso da perturbación como a incerteza nos parámetros (resumida na matriz de covarianzas dos estimadores dos parámetros). En modelos dinámicos, as desviacións padrón das predicións calcúlanse unicamente no caso dunha predición dinámica, e non incorporan a incerteza nos parámetros. Para modelos non lineais, as desviacións padrón das predicións non están dispoñibles actualmente. 

Ruta do menú: Xanela de modelo: Análise/Predicións

# flush Programming

Esta sinxela instrución (sen argumentos, sen opcións) está ideada para usarse en guións que levan algo de tempo e que deben de executarse coa Interface Gráfica de Usuario (GUI) de Gretl (o programa de liñas de instrución o ignora), para darlle ao usuario un indicio visual de que as cousas estanse movendo e Gretl non está “parado”. 

Xeralmente, se lanzas un guión na Interface Gráfica de Usuario (GUI), non se amosa o resultado ata que se complete a súa execución, pero o efecto de invocar <@lit="flush"> é como se indica deseguido: 

<indent>
• Na primeira chamada, Gretl abre unha xanela, amosa os resultados ata o presente e engade a mensaxe “Procesando...”. 
</indent>

<indent>
• Tras invocacións posteriores, actualízase o texto que se amosa na xanela de resultados, e engádese unha nova mensaxe “procesando”. 
</indent>

Cando se completa a execución do guión, calquera resultado que quede pendente descárgase automaticamente na xanela de texto. 

Ten en conta que non ten senso que utilices <@lit="flush"> en guións que tarden menos de (digamos) 5 segundos en executarse. Tamén cae na conta de que non deberías utilizar esta instrución nun lugar do guión onde non hai resultados posteriores que presentar, xa que a mensaxe “procesando” será entón enganosa para o usuario. 

O seguinte código ilustra o uso que se pretende con <@lit="flush">: 

<code>          
       set echo off
       scalar n = 10
       loop i=1..n
           # Facer unha operación que leve algo de tempo
           loop 100 --quiet
               a = mnormal(200,200)
               b = inv(a)
           endloop
           # Presentar algúns resultados
           printf "Iteración %2d feita\n", i
           if i < n
               flush
           endif
       endloop
</code>

# foreign Programming

Sintaxe: 	<@lit="foreign language="><@var="ling">
Opcións: 	<@lit="--send-data">[=<@var="lista">] (Carga previamente os datos; mira abaixo)
		<@lit="--quiet"> (Elimina os resultados do programa externo)

Esta instrución abre un modo especial no que se admiten instrucións que van executarse con outro programa. Podes saír deste modo con <@lit="end foreign"> e nese punto execútanse as instrucións amoreadas. 

Actualmente os programas “externos” aos que se lles dá sostén deste xeito son GNU R (<@lit="language=R">), Python, Julia, GNU Octave (<@lit="language=Octave">), Ox de Jurgen Doornik e Stata. Os nomes das linguaxes recoñécense en termos que non distinguen maiúsculas e minúsculas. 

En conxunto con R, Octave e Stata, a opción <@opt="--⁠send-data"> ten como efecto o de facer accesibles os datos do espazo de traballo do Gretl dentro do programa sinalado. Por defecto, se envía o conxunto completo de datos, pero ti podes limitar os datos que se van enviar indicando o nome dunha lista de series definida previamente. Por exemplo: 

<code>          
   list Rlist = x1 x2 x3
   foreign language=R --send-data=Rlist
</code>

Consulta o <@pdf="Guía de usuario de Gretl#chap:gretlR"> (Capítulo 38) para obter máis detalles e exemplos. 

# fractint Statistics

Argumentos: 	<@var="serie"> [ <@var="nivel"> ] 
Opcións: 	<@lit="--gph"> (Fai a proba de Geweke e Porter-Hudak)
		<@lit="--all"> (Fai ambas probas)
		<@lit="--quiet"> (Non presenta os resultados)

Comproba a integración fraccional (“memoria longa”) das series especificadas probando a hipótese nula de que a orde de integración da serie é cero. Por defecto, utilízase o estimador local de Whittle <@bib="(Robinson, 1995);robinson95">, pero cando indicas a opción <@opt="--⁠gph">, realízase a proba GPH <@bib="(Geweke e Porter-Hudak, 1983);GPH83"> en troques. Cando decidas indicar a opción <@opt="--⁠all">, entón vanse presentar os resultados de ámbalas dúas probas. 

Para obter máis detalles sobre esta clase de proba, consulta <@bib="Phillips e Shimotsu (2004);phillips04">. 

Cando non indicas o argumento <@var="nivel"> (opcional), o nivel para a(s) probas(s) establécese automaticamente como o número menor entre <@mth="T">/2 e <@mth="T"><@sup="0.6">. 

Podes recuperar os resultados utilizando os accesorios <@xrf="$test"> e <@xrf="$pvalue">. Estes valores baséanse no Estimador Local de Whittle agás cando indicas a opción <@opt="--⁠gph">. 

Ruta do menú: /Variable/Probas de raíz unitaria/Integración fraccional

# freq Statistics

Argumento: 	<@var="Variable"> 
Opcións: 	<@lit="--nbins">=<@var="n"> (Especifica o número de intervalos)
		<@lit="--min">=<@var="valormin"> (Especifica o mínimo, mira abaixo)
		<@lit="--binwidth">=<@var="ancho"> (Especifica o ancho do intervalo, mira abaixo)
		<@lit="--normal"> (Proba a distribución Normal)
		<@lit="--gamma"> (Proba a distribución Gamma)
		<@lit="--silent"> (Non presenta nada)
		<@lit="--matrix">=<@var="nomematr"> (Utiliza unha columna da matriz indicada)
		<@lit="--plot">=<@var="modo-ou-nomeficheiro"> (Mira abaixo)
Exemplos: 	<@lit="freq x">
		<@lit="freq x --normal">
		<@lit="freq x --nbins=5">
		<@lit="freq x --min=0 --binwidth=0.10">

Se non indicas opcións, amosa a distribución de frecuencias da serie <@var="Variable"> (indicada polo seu nome ou número), co número de intervalos e os seus tamaños elixidos automaticamente. 

Cando indicas a opción <@opt="--⁠matrix">, entón <@var="Variable"> debe de ser un número enteiro e interprétase neste caso como un índice que escolle unha columna da matriz indicada. Se a matriz en cuestión é realmente un vector columna, podes omitir este argumento <@var="Variable">. 

Para controlar a presentación da distribución podes especificar, ou ben o número de intervalos, ou ben o valor mínimo xunto co ancho dos intervalos, como se amosou nos dous últimos exemplos de arriba. A opción <@opt="--⁠min"> establece o límite inferior do intervalo situado máis á esquerda. 

Cando indicas a opción <@opt="--⁠normal">, calcúlase o estatístico khi-cadrado de Doornik–Hansen para probar a normalidade. Cando indicas a opción <@opt="--⁠gamma">, a proba de normalidade substitúese pola proba non paramétrica de Locke respecto á hipótese nula de que unha variable segue unha distribución Gamma; consulta <@bib="Locke (1976);locke76"> e <@bib="Shapiro e Chen (2001);shapiro-chen01">. Cae na conta de que a forma na que se indican en Gretl os parámetros da distribución Gamma utilizada é (forma, escala). 

Por defecto, se o programa non está en modo de procesamento por lotes, amósase unha gráfica da distribución, pero podes axustar isto mediante a opción <@opt="--⁠plot">. Os parámetros admisibles para esta opción son: <@lit="none"> (para suprimir a gráfica), <@lit="display"> (para amosar unha gráfica mesmo cando esteas en modo de procesamento por lotes), ou un nome de ficheiro. O efecto de indicar un nome de ficheiro é como se describe para a opción <@opt="--⁠output"> da instrución <@ref="gnuplot">. 

A opción <@opt="--⁠silent"> elimina o resultado de texto habitual. Podes utilizar isto xunto con unha ou outra das opcións para probas de distribución; entón rexístranse o estatístico de proba máis a súa probabilidade asociada, e podes recuperalos utilizando os accesorios <@xrf="$test"> e <@xrf="$pvalue">. Tamén podes usar isto xunto coa opción <@opt="--⁠plot"> se unicamente queres un histograma e non te interesa mirar o texto que o acompaña. 

Ten en conta que Gretl non ten unha función que se corresponda con esta instrución, pero resulta posible utilizar a función <@xrf="aggregate"> para acadar o mesmo obxectivo. 

Ruta do menú: /Variable/Distribución de frecuencias

# function Programming

Argumento: 	<@var="nomefuncion"> 

Abre un bloque de expresións nas que se define unha función. Este bloque debe de estar rematado con <@lit="end function">. Consulta o <@pdf="Guía de usuario de Gretl#chap:functions"> (Capítulo 13) para obter máis detalles. 

# garch Estimation

Argumentos: 	<@var="p"> <@var="q"> ; <@var="depvar"> [ <@var="indepvars"> ] 
Opcións: 	<@lit="--robust"> (Desviacións padrón robustas)
		<@lit="--verbose"> (Presenta os detalles das iteracións)
		<@lit="--vcv"> (Presenta a matriz de covarianzas)
		<@lit="--nc"> (Sen constante)
		<@lit="--stdresid"> (Tipifica os erros)
		<@lit="--fcp"> (Utiliza o algoritmo de Fiorentini, Calzolari e Panattoni)
		<@lit="--arma-init"> (Parámetros iniciais da varianza partindo de ARMA)
Exemplos: 	<@lit="garch 1 1 ; y">
		<@lit="garch 1 1 ; y 0 x1 x2 --robust">

Estima un modelo GARCH (GARCH, Heterocedasticidade Condicional Autorregresiva Xeneralizada), ben nun modelo univariante ou ben incluíndo as variables esóxenas indicadas se especificas <@var="indepvars">. Os valores enteiros <@var="p"> e <@var="q"> (que podes indicar en formato numérico ou con nomes de variables escalares xa existentes) representan os niveis de retardo na ecuación de varianza condicional: 

  <@fig="garch_h">

Así, o parámetro <@var="p"> representa o nivel Xeneralizado (ou “AR”), mentres que <@var="q"> representa o nivel normal ARCH (ou “MA”). Cando <@var="p"> é non nulo, <@var="q"> tamén debe ser non nulo; noutro caso, o modelo non está identificado. Con todo, podes estimar un modelo ARCH normal establecendo que <@var="q"> é un valor positivo e que <@var="p"> é cero. A suma de <@var="p"> e <@var="q"> non debe de ser maior ca 5. Ten en conta que se inclúe automaticamente unha constante na ecuación media agás que indiques a opción <@opt="--⁠nc">. 

Por defecto, utilízase o propio código de Gretl para estimar os modelos GARCH, pero tamén tes a opción de usar o algoritmo de <@bib="Fiorentini, Calzolari e Panattoni (1996);fiorentini96">. O primeiro utiliza o maximizador BFGS mentres que o último usa a matriz de información para maximizar a verosimilitude, cunha posta a punto mediante a matriz Hessiana. 

Dispós de diversas variantes da matriz estimada das covarianzas dos estimadores con esta instrución. Por defecto, utilízase a matriz Hessiana agás que indiques a opción <@opt="--⁠robust">, en cuxo caso vaise usar a matriz de covarianzas CMV (QML de White). Tamén podes especificar outras posibilidades (e.g. a matriz de información ou o estimador de Bollerslev–Wooldridge) utilizando a instrución <@ref="set">. 

Por defecto, as estimacións dos parámetros da varianza inícianse usando a varianza da perturbación non condicionada dunha estimación inicial por MCO (para a constante) e valores positivos pequenos (para os coeficientes que acompañan aos valores pasados tanto das perturbacións cadradas como da varianza da perturbación). A opción <@opt="--⁠arma-init"> solicita que, para establecer os valores iniciais destes parámetros, se utilice un modelo inicial ARMA, explotando a relación entre GARCH e ARMA exposta no capítulo 21 do libro <@itl="Time Series Analysis"> de Hamilton. Nalgúns casos, isto pode mellorar as posibilidades de converxencia. 

Podes recuperar os erros GARCH e a varianza condicionada estimada con <@lit="$uhat"> e <@lit="$h">, respectivamente. Por exemplo, para conseguir a varianza condicional: 

<code>          
   series ht = $h
</code>

Cando indicas a opción <@opt="--⁠stdresid">, divídense os valores de <@lit="$uhat"> pola raíz cadrada de <@mth="h"><@sub="t">. 

Ruta do menú: /Modelar/Series temporais/GARCH

# genr Dataset

Argumentos: 	<@var="novavariable"> <@var="= fórmula"> 

NOTA: Esta instrución experimentou numerosos cambios e melloras desde que se escribiu o seguinte texto de axuda, por iso para comprender e actualizar a información sobre esta instrución, deberás de seguir a referencia do <@pdf="Guía de usuario de Gretl#chap:genr"> (Capítulo 9). Por outra banda, esta axuda non contén nada actualmente incorrecto, polo que interpreta o que sigue como “tes isto, e máis”. 

Para esta instrución e no contexto apropiado, as expresións <@lit="series">, <@lit="scalar">, <@lit="matrix">, <@lit="string"> e <@lit="bundle"> son sinónimos. 

Xera novas variables, habitualmente mediante transformacións das variables xa existentes. Consulta tamén <@ref="diff">, <@ref="logs">, <@ref="lags">, <@ref="ldiff">, <@ref="sdiff"> e <@ref="square"> como atallos. No contexto dunha fórmula <@lit="genr">, debes facer referencia ás variables xa existentes mediante o seu nome, non co número ID. A fórmula debe de ser unha combinación ben feita de nomes de variables, constantes, operadores e funcións (descrito máis abaixo). Ten en conta que podes atopar máis detalles sobre algúns aspectos desta instrución no <@pdf="Guía de usuario de Gretl#chap:genr"> (Capítulo 9). 

Unha instrución <@lit="genr"> pode producir un resultado escalar ou unha serie. Por exemplo, a fórmula <@lit="x2 = x * 2"> naturalmente produce unha serie cando a variable <@lit="x"> é unha serie, e un escalar cando <@lit="x"> é un escalar. As fórmulas <@lit="x = 0"> e <@lit="mx = mean(x)"> naturalmente devolven escalares. Baixo certas circunstancias, podes querer ter un resultado escalar ampliado a unha serie ou vector; isto podes facelo utilizando <@lit="series"> coma un “alcume” para a instrución <@lit="genr">. Por exemplo, <@lit="series x = 0"> produce unha serie na que todos os seus valores póñense a 0. Tamén podes utilizar <@lit="scalar"> coma alcume de <@lit="genr">. Non é posible forzar a un resultado en forma de vector que sexa un escalar, pero a utilización desta palabra chave indica que o resultado <@itl="debera ser"> un escalar: se non o é, xorde un fallo. 

Cando unha fórmula produce un resultado en forma de serie, o rango sobre o que se escribe ese resultado na variable obxectivo depende da configuración vixente da mostra. Polo tanto, podes definir unha serie feita a cachos utilizando a instrución <@lit="smpl"> xunto con <@lit="genr">. 

Se admiten os <@itl="operadores aritméticos">, en orde de prioridade: <@lit="^"> (elevar á potencia); <@lit="*">, <@lit="/"> e <@lit="%"> (módulo ou resto); <@lit="+"> e <@lit="-">. 

Os <@itl="operadores booleanos "> dispoñibles son (de novo, en orde de prioridade): <@lit="!"> (negación), <@lit="&&"> (E lóxico), <@lit="||"> (OU lóxico), <@lit=">">, <@lit="<">, <@lit="=="> (igual a), <@lit=">="> (maior ou igual que), <@lit="<="> (menor ou igual que) e <@lit="!="> (non igual). Tamén podes utilizar os operadores booleanos na construción de variables ficticias: por exemplo, <@lit="(x > 10)"> devolve 1 no caso de que <@lit="x"> > 10, e 0 noutro caso. 

As constantes integradas son <@lit="pi"> e <@lit="NA">. A última é o código de valor ausente: podes iniciar unha variable co valor ausente mediante <@lit="scalar x = NA">. 

A instrución <@lit="genr"> admite un amplo rango de funcións matemáticas e estatísticas, incluíndo todas as habituais máis varias que son especiais de Econometría. Ademais, ofrece acceso a moitas variables internas que se definen durante a execución das regresións, a realización de probas de hipóteses, etcétera. Para ver unha listaxe de funcións e accesorios, consulta o <@gfr="Referencia ás funcións de Gretl">. 

Ademais dos operadores e das funcións indicados arriba, hai algúns usos especiais de <@lit="genr">: 

<indent>
• <@lit="genr time"> xera unha variable de tendencia temporal (1,2,3,…) chamada <@lit="time">. E <@lit="genr index"> ten o mesmo efecto salvo que a variable chámase <@lit="index">. 
</indent>

<indent>
• <@lit="genr dummy"> xera tantas variables ficticias como a periodicidade dos datos. No caso de ter datos trimestrais (periodicidade 4), o programa xera <@lit="dq1"> = 1 para o primeiro trimestre e 0 para os outros trimestres, <@lit="dq2"> = 1 para o segundo trimestre e 0 para os outros trimestres, etcétera. Con datos mensuais, as variables ficticias noméanse <@lit="dm1">, <@lit="dm2">, etcétera. Con outras frecuencias, os nomes son <@lit="dummy_1">, <@lit="dummy_2">, etc. 
</indent>

<indent>
• <@lit="genr unitdum"> e <@lit="genr timedum"> xeran conxuntos de variables ficticias especiais para utilizar con datos de panel, codificando a primeira as unidades de sección cruzada e a segunda o período de tempo das observacións. 
</indent>

<@itl="Advertencia">: Co programa en liñas de instrución, as instrucións <@lit="genr"> que recuperan datos relacionados cun modelo, sempre se refiren ao modelo que se estimou máis recentemente. Isto tamén é certo no programa de Interface Gráfica de Usuario (GUI), cando se utiliza <@lit="genr"> na “consola de Gretl”ou se introduce unha fórmula usando a opción “Definir nova variable” baixo o menú Engadir na xanela principal. Coa GUI, porén, tes a opción de recuperar datos de calquera dos modelos que se amosan nese momento nunha xanela (sexa ou non sexa o modelo estimado máis recentemente). Podes facer isto baixo o menú “Gardar” da xanela do modelo. 

A variable especial <@lit="obs"> serve como índice para as observacións. Por exemplo, <@lit="series dum = (obs==15)"> xera unha variable ficticia que ten valor 1 para a observación 15, e o valor 0 noutro caso. Tamén podes usar esta variable para escoller observacións concretas por data ou nome. Por exemplo, <@lit="series d = (obs>1986:4)">, <@lit="series d = (obs>"2008-04-01")">, ou <@lit="series d = (obs=="CA")">. Cando utilizas datas diarias ou marcadores de observación neste contexto, debes de contornalas entre comiñas, pero podes usar as datas trimestrais e mensuais (cos dous puntos) sen comiñas. Ten en conta que, no caso de datos de series temporais anuais, o ano non se distingue sintacticamente dun sinxelo número enteiro. Polo tanto, se queres comparar observacións fronte a <@lit="obs"> por ano, debes de usar a función <@lit="obsnum"> para converter así o ano nun valor índice en base 1, como se fai en <@lit="series d = (obs>obsnum(1986))">. 

Podes sacar os valores escalares dunha serie no contexto dunha fórmula <@lit="genr">, utilizando a sintaxe <@var="varname"><@lit="["><@var="obs"><@lit="]"> na que podes indicar o valor <@var="obs"> por número ou data. Exemplos: <@lit="x[5]">, <@lit="CPI[1996:01]">. Para datos diarios, debes de usar a forma <@var="YYYY-MM-DD">; e.g. <@lit="ibm[1970-01-23]">. 

Podes modificar unha observación individual dunha serie mediante <@lit="genr">. Para facer isto, debes de engadir un número de observación ou de data válidos, entre corchetes, ao nome da variable no lado esquerdo da fórmula. Por exemplo, <@lit="genr x[3] = 30"> ou <@lit="genr x[1950:04] = 303.7">. 

Ruta do menú: /Engadir/Definir nova variable
Outro acceso: Xanela principal: Menú emerxente

# gmm Estimation

Opcións: 	<@lit="--two-step"> (Estimación en 2 etapas)
		<@lit="--iterate"> (MXM (GMM) reiterados)
		<@lit="--vcv"> (Presenta a matriz de covarianzas)
		<@lit="--verbose"> (Presenta os detalles das iteracións)
		<@lit="--lbfgs"> (Utiliza L-BFGS-B en lugar do BFGS normal)

Realiza a estimación co Método Xeneralizado dos Momentos (MXM ou GMM) utilizando o algoritmo BFGS (Broyden, Fletcher, Goldfarb, Shanno). Debes de especificar: (a) unha ou máis instrucións para actualizar as cantidades relevantes (tipicamente erros MXM), (b) un ou máis conxuntos de condicións de ortogonalidade, (c) unha matriz inicial de ponderacións, e (d) unha listaxe cos parámetros a estimar, todo contornado entre as etiquetas <@lit="gmm"> e <@lit="end gmm">. Calquera opción deberá de engadirse á liña <@lit="end gmm">. 

Consulta o <@pdf="Guía de usuario de Gretl#chap:gmm"> (Capítulo 23) para obter máis detalles sobre esta instrución. Aquí simplemente o ilustramos cun exemplo sinxelo. 

<code>          
   gmm e = y - X*b
     orthog e ; W
     weights V
     params b
   end gmm
</code>

No exemplo de arriba, asumimos que <@lit="y"> e <@lit="X"> son matrices de datos, <@lit="b"> é un vector de valores dos parámetros coa dimensión adecuada, <@lit="W"> é unha matriz de instrumentos, e <@lit="V"> é unha matriz axeitada de ponderacións. A expresión 

<code>          
   orthog e ; W
</code>

indica que o vector de erros (<@lit="e">) é ortogonal en principio a cada un dos instrumentos que constitúen as columnas de <@lit="W">. 

<@itl="Nomes dos parámetros"> 

Ao estimar un modelo non linear, frecuentemente resulta conveniente que nomees os parámetros de xeito conciso. Ao presentar os resultados, porén, pode que desexes utilizar etiquetas máis informativas. Podes acadar isto mediante a palabra chave adicional <@lit="param_names"> dentro do bloque de instrución. Para un modelo con <@mth="k"> parámetros, o argumento que sigue a esta palabra chave debe de ser ben unha cadea de texto literal entre comiñas que conteña <@mth="k"> nomes separados por espazos ou ben o nome dunha variable de cadea que conteña <@mth="k"> deses nomes. 

Ruta do menú: /Modelar/Método Xeneralizado Momentos

# gnuplot Graphs

Argumentos: 	<@var="yvars"> <@var="xvar"> [ <@var="varficticia"> ] 
Opcións: 	<@lit="--with-lines">[=<@var="varspec">] (Utiliza liñas, non puntos)
		<@lit="--with-lp">[=<@var="varspec">] (Utiliza liñas e puntos)
		<@lit="--with-impulses">[=<@var="varspec">] (Utiliza barras finas verticais)
		<@lit="--with-steps">[=<@var="varspec">] (Utiliza segmentos de liñas perpendiculares (pasos))
		<@lit="--time-series"> (Representa fronte ao tempo)
		<@lit="--single-yaxis"> (Forza o uso dun único eixe de ordenadas)
		<@lit="--dummy"> (Mira abaixo)
		<@lit="--fit">=<@var="espaxuste"> (Mira abaixo)
		<@lit="--font">=<@var="espfonte"> (Mira abaixo)
		<@lit="--band">=<@var="espfranxa"> (Mira abaixo)
		<@lit="--band-style">=<@var="estilofranxa"> (Mira abaixo)
		<@lit="--matrix">=<@var="nomematr"> (Representa as columnas da matriz indicada)
		<@lit="--output">=<@var="nomeficheiro"> (Envía o resultado ao ficheiro especificado)
		<@lit="--input">=<@var="nomeficheiro"> (Colle a entrada de datos desde un ficheiro especificado)
Exemplos: 	<@lit="gnuplot y1 y2 x">
		<@lit="gnuplot x --time-series --with-lines">
		<@lit="gnuplot wages educ gender --dummy">
		<@lit="gnuplot y x --fit=quadratic">
		<@lit="gnuplot y1 y2 x --with-lines=y2">

As variables da lista <@var="yvars"> debúxanse fronte a <@var="xvar">. Para unha gráfica dunha serie temporal podes ben propoñer <@lit="time"> en lugar de <@var="xvar">, ou ben utilizar o indicador de opción <@opt="--⁠time-series">. 

Por defecto, os sitios dos datos amósanse con símbolos, pero podes anular isto indicando unha das seguintes opcións: <@opt="--⁠with-lines">, <@opt="--⁠with-lp">, <@opt="--⁠with-impulses"> ou <@opt="--⁠with-steps">. Cando vas representar máis dunha variable no eixe da <@mth="y">, podes limitar o efecto destas opcións a un subconxunto das variables utilizando o parámetro <@var="varspec">. Este deberá de ter o formato dunha listaxe cos nomes ou números (ambos separados por comas) das variables que se van representar de xeito alternativo. Poñamos por caso, no último exemplo de arriba se amosa como representar <@lit="y1"> e <@lit="y2"> fronte a <@lit="x">, de tal xeito que <@lit="y2"> represéntase cunha liña pero <@lit="y1"> con símbolos. 

Cando selecciones a opción <@opt="--⁠dummy">, debes de indicar exactamente tres variables: unha variable <@mth="y"> simple, unha variable <@mth="x"> e <@var="dvar">, unha variable discreta. O efecto disto consiste en representar <@var="yvar"> fronte a <@var="xvar"> cos puntos amosados con cores diferentes dependendo do valor de <@var="varficticia"> na observación indicada. 

<@itl="Collendo datos dunha matriz"> 

Xeralmente requírense os argumentos <@var="yvars"> e <@var="xvar"> que se refiren a series do conxunto vixente de datos (indicados ben polo nome ou ben polo número ID). Pero se mediante a opción <@opt="--⁠matrix">, indicas unha matriz xa definida, estes argumentos convértense en opcionais: se a matriz especificada ten <@mth="k"> columnas, por defecto trátanse as primeiras <@mth="k"> – 1 columnas como as <@var="yvars"> e as últimas columnas trátanse como <@var="xvar">. Porén, cando indicas a opción <@opt="--⁠time-series">, todas as <@mth="k"> columnas represéntanse fronte ao tempo. Se queres representar columnas escollidas da matriz, debes de especificar <@var="yvars"> e <@var="xvar"> co formato de números de columna enteiros positivos. Por exemplo, se queres unha gráfica de dispersión da columna 2 da matriz <@lit="M"> fronte á columna 1, podes facer: 

<code>          
   gnuplot 2 1 --matrix=M
</code>

<@itl="Amosar a liña do mellor axuste"> 

A opción <@opt="--⁠fit"> é só aplicable en gráficas de dispersión de dúas variables e en gráficas de series temporais individuais. Por defecto, o proceder nunha gráfica de dispersión consiste en amosar o axuste MCO se o coeficiente da pendente é significativo a un nivel do 10 por cento, mentres que o proceder para as series temporais é non amosar ningunha liña de axuste. Podes solicitar un comportamento diferente utilizando esta opción xunto con algún dos seguintes valores dos parámetros <@var="espaxuste">. Ten en conta que se a gráfica é para unha serie temporal individual, o lugar de <@mth="x"> o ocupa o tempo. 

<indent>
• <@lit="linear">: Amosa o axuste MCO independentemente do nivel de significación estatística. 
</indent>

<indent>
• <@lit="none">: Non amosa ningunha liña de axuste. 
</indent>

<indent>
• <@lit="inverse">, <@lit="quadratic">, <@lit="cubic">, <@lit="semilog"> ou <@lit="linlog">: Amosan unha liña de axuste baseada na regresión do tipo especificado. Con <@lit="semilog"> queremos dicir unha regresión do logaritmo de <@mth="y"> sobre <@mth="x">; entón a liña axustada representa a esperanza condicionada de <@mth="y">, obtida mediante a función exponencial. Con <@lit="linlog"> quérese dicir unha regresión de <@mth="y"> sobre o logaritmo de <@mth="x">. 
</indent>

<indent>
• <@lit="loess">: Amosa o axuste dunha regresión robusta localmente ponderada (que tamén coñécese ás veces como “lowess”). 
</indent>

<@itl="Representando unha franxa"> 

Podes utilizar a opción <@opt="--⁠band"> para representar cero ou máis series acompañadas dunha “franxa” dalgún tipo (tipicamente representa un intervalo de confianza). Esta opción require dous parámetros separados cunha coma: o nome ou o número ID dunha serie que represente o centro da franxa, e o nome ou ID dunha serie que indique o largo da franxa: o efecto disto consiste en debuxar unha franxa con ordenadas <@mth="y"> iguais ao centro máis/menos o largo. Podes utilizar un terceiro parámetro opcional (de novo separado cunha coma) co formato dunha constante numérica ou o nome dunha variable escalar, para indicar un múltiplo da dimensión de largura. Así, por exemplo, o seguinte caso permite representar <@lit="y"> xunto cunha franxa de máis/menos 1.96 veces <@lit="se_y">: 

<code>          
   gnuplot y --time-series --band=y,se_y,1.96 --with-lines
</code>

Cando indicas a opción <@opt="--⁠band">, podes usar a opción compañeira <@opt="--⁠band-style"> para controlar a representación da franxa. Por defecto, os límites superior e inferior amósanse con liñas sólidas, pero os parámetros <@lit="fill">, <@lit="dash">, <@lit="bars"> ou <@lit="step"> provocan que a franxa se debuxe como unha área sombreada, utilizando liñas con raias, utilizando barras de erro ou utilizando pasos, respectivamente. Ademais, podes engadir (despois dunha coma) ou substituír unha especificación da cor. Aquí tes algúns exemplos de estilo: 

<code>          
   gnuplot ... --band-style=fill
   gnuplot ... --band-style=dash,0xbbddff
   gnuplot ... --band-style=,black
   gnuplot ... --band-style=bars,blue
</code>

O primeiro exemplo produce unha área sombreada na cor establecida por defecto, o segundo cambia a liñas con raias cunha cor específica gris azulada, o terceiro utiliza liñas negras sólidas, e o derradeiro amosa barras azuis. Ten en conta que podes indicar as cores ben como valores RGB hexadecimais ou ben polo nome; e podes acceder á lista de nomes de cores recoñecidas por Gnuplot dando a instrución “<@lit="show colornames">” no propio Gnuplot ou, na propia consola de Gretl, facendo 

<code>          
   eval readfile("@gretldir/data/gnuplot/gpcolors.txt")
</code>

<@itl="Controlando o resultado"> 

En modo interactivo, a gráfica amósase inmediatamente, mais en modo de procesamento por lotes, o modo de proceder por defecto consiste en escribir un ficheiro de instrucións Gnuplot no cartafol de traballo do usuario, cun nome co padrón <@lit="gpttmpN.plt">, comezando con N = <@lit="01">. Podes xerar as gráficas reais máis tarde utilizando gnuplot (baixo MS Windows, wgnuplot). E podes modificar este proceder utilizando a opción <@opt="--⁠output="><@var="nomeficheiro">. Esta opción controla o nome de ficheiro utilizado, e ao mesmo tempo te permite especificar un formato concreto para o resultado mediante a extensión de tres letras do nome do ficheiro, do seguinte xeito: <@lit=".eps"> da como resultado a xénese dun ficheiro Encapsulated PostScript (EPS); <@lit=".pdf"> produce un PDF; <@lit=".png"> xera un con formato PNG, <@lit=".emf"> solicita que sexa EMF (Enhanced MetaFile), <@lit=".fig"> pide que sexa un ficheiro Xfig, e <@lit=".svg"> que sexa un SVG (Scalable Vector Graphics). Cando indicas o nome ficticio de ficheiro “<@lit="display">”, entón a gráfica amósase na pantalla, como no modo interactivo. E cando indicas un nome de ficheiro con calquera extensión diferente ás que acaban de mencionarse, escríbese un ficheiro de instrucións Gnuplot. 

<@itl="Especificando unha fonte"> 

Podes utilizar a opción <@opt="--⁠font"> para especificar unha fonte concreta para a gráfica. O parámetro <@var="espfonte"> debe de ter a forma do nome dunha fonte, seguida opcionalmente por un número que indique o tamaño en puntos, separado do nome por unha coma ou espazo, todo elo contornado entre comiñas, como en 

<code>          
   --font="serif,12"
</code>

Ten en conta que as fontes dispoñibles para Gnuplot varían dependendo da plataforma, e se estás escribindo unha instrución de gráfica que pretendes que sexa transportable, é mellor restrinxir o nome da fonte ás xenéricas <@lit="sans"> ou <@lit="serif">. 

<@itl="Engadindo instrucións Gnuplot"> 

Dispós dunha opción engadida desta instrución pois a continuación da especificación das variables que se van debuxar e do indicador de opción (se hai algún), podes engadir instrucións literais de Gnuplot para controlar a aparencia da gráfica (por exemplo, establecendo o título da gráfica e/ou rangos dos eixes). Estas instrucións deben de estar contornadas entre chaves, e debes de rematar cada instrución Gnuplot cun punto e coma. Podes utilizar unha barra inversa para continuar un conxunto de instrucións Gnuplot ao longo de máis dunha liña. Aquí tes un exemplo da sintaxe: 

<code>          
   { set title 'Meu Título'; set yrange [0:1000]; }
</code>

Ruta do menú: /Ver/Gráfica de variables indicadas
Outro acceso: Fiestra principal: Menú emerxente, botón de gráficas na barra de ferramentas

# graphpg Graphs

Variantes: 	<@lit="graphpg add">
		<@lit="graphpg fontscale "><@var="escala">
		<@lit="graphpg show">
		<@lit="graphpg free">
		<@lit="graphpg --output="><@var="nomeficheiro">

A sesión “Paxina de gráficas” vai funcionar só cando teñas instalado o sistema de composición tipográfica LaTeX, e podas xerar e ver un resultado PDF ou PostScript. 

Na xanela de iconas da sesión, podes arrastrar ata 8 gráficas sobre a icona de páxina de gráficas. Cando premas un dobre clic sobre a páxina de gráficas (ou premas o botón dereito e elixas “Amosar”), vaise compoñer unha páxina que contén as gráficas seleccionadas e vaise abrir cun visor adecuado. Dende aí deberías de poder imprimir a páxina. 

Para limpar a páxina de gráficas, preme o botón dereito do rato sobre a súa icona e selecciona “Limpar”. 

Ten en conta que en sistemas diferentes a MS Windows, poderías ter que axustar a configuración do programa utilizado para ver ficheiros PDF ou PostScript. Atópao baixo a lapela “Programas” na caixa de diálogo das Preferencias xerais de Gretl (baixo o menú Ferramentas da xanela principal). 

Tamén é posible traballar na páxina de gráficas mediante guión, ou utilizando a consola (no programa de Interface Gráfica de Usuario, GUI). Dáselle apoio ás seguintes instrucións e opcións: 

Para engadir unha gráfica á páxina de gráficas, podes indicar a instrución <@lit="graphpg add"> logo de gardar unha gráfica definida, como en 

<code>          
   grf1 <- gnuplot Y X
   graphpg add
</code>

Para amosar a páxina de gráficas: <@lit="graphpg show">. 

Para limpar a páxina de gráficas: <@lit="graphpg free">. 

Para axustar a escala da fonte utilizada na páxina de gráficas, usa <@lit="graphpg fontscale"> <@var="escala">, onde <@var="escala"> é un múltiplo (por defecto igual a 1.0). Deste xeito, para facer que o tamaño da fonte sexa un 50 por cento maior ca o tamaño por defecto, podes facer 

<code>          
   graphpg fontscale 1.5
</code>

Para solicitar a impresión da páxina da gráfica nun ficheiro, usa a opción <@opt="--⁠output="> máis un nome de ficheiro; este nome debería de ter a extensión “<@lit=".pdf">”, “<@lit=".ps">” ou “<@lit=".eps">”. Por exemplo: 

<code>          
   graphpg --output="myfile.pdf"
</code>

O ficheiro resultante vai escribirse no cartafol establecido nese momento (<@ref="workdir">), agás que a cadea <@var="nomeficheiro"> conteña unha especificación completa da ruta. 

Neste contexto, para o resultado se utilizan liñas de cores por defecto; para utilizar padróns punto/raia en vez de cores podes engadir a opción <@opt="--⁠monochrome">. 

# hausman Tests

Opcións: 	<@lit="--nerlove"> (Utiliza o método de Nerlove para efectos aleatorios)
		<@lit="--matrix_diff"> (Utiliza o método da matriz-diferenza para a proba de Hausman)

Esta proba está dispoñible unicamente despois de estimar un modelo con datos de panel utilizando MCO (consulta tamén <@lit="setobs">). Comproba o modelo combinado simple fronte ás principais alternativas, os modelos de efectos fixos e de efectos aleatorios. 

O modelo de efectos fixos permite que a ordenada na orixe da regresión varíe dunha unidade de sección cruzada a outra. Preséntase unha proba <@mth="F"> para a hipótese nula de que as ordenadas na orixe non difiren. O modelo de efectos aleatorios descompón a varianza de cada perturbación en dúas partes, unha parte específica da unidade de sección cruzada e outra parte específica de cada observación concreta. (Pódese calcular este estimador só cando o número de unidades de sección cruzada no conxunto de datos supera ao número de parámetros a estimar.) O estatístico de Multiplicadores de Lagrange de Breusch–Pagan comproba a hipótese nula de que o estimador combinado de MCO é axeitado fronte á alternativa de efecto aleatorios. 

O modelo combinado de MCO pode rexeitarse fronte a ambas as dúas alternativas, a de efectos fixos e a de efectos aleatorios. En tanto que a perturbación específica por unidade ou grupo non estea correlacionada coas variables independentes, o estimador de efectos aleatorios será máis eficiente que o estimador de efectos fixos; noutro caso, o estimador de efectos aleatorios será inconsistente polo que prefírese o estimador de efectos fixos. A hipótese nula da proba de Hausman indica que a perturbación específica de grupo non está así correlacionada (e por iso prefírese o modelo de efectos aleatorios). Un valor baixo da probabilidade asociada (valor p) ao estatístico desta proba vai en contra do modelo de efectos aleatorios e a favor do modelo de efectos fixos. 

As dúas opcións desta instrución pertencen ao modelo de efectos aleatorios. Por defecto, utilízase o método de Swamy e Arora, e calcúlase o estatístico de proba de Hausman utilizando o método de regresión. As opcións permiten utilizar o estimador alternativo da varianza de Nerlove, e /ou a aproximación da matriz-diferenza ao estatístico de Hausman. 

Ruta do menú: Xanela de modelo: Probas/Diagnósticos de panel

# heckit Estimation

Argumentos: 	<@var="depvar"> <@var="indepvars"> ; <@var="ecuaciondeseleccion"> 
Opcións: 	<@lit="--quiet"> (Non presenta os resultados)
		<@lit="--two-step"> (Realiza a estimación en 2 etapas)
		<@lit="--vcv"> (Presenta a matriz de covarianzas)
		<@lit="--opg"> (Desviacións padrón PEG (OPG))
		<@lit="--robust"> (Desviacións padrón CMV (QML))
		<@lit="--cluster">=<@var="clustvar"> (Consulta <@ref="logit"> para máis explicacións)
		<@lit="--verbose"> (Presenta resultados adicionais)
Exemplos: 	<@lit="heckit y 0 x1 x2 ; ys 0 x3 x4">
		Mira tamén <@inp="heckit.inp">

Modelo de selección de tipo Heckman. Ao especificar esta instrución, a lista antes do punto e coma representa as variables da ecuación resultante, e a segunda lista representa as variables da ecuación de selección. A variable dependente da ecuación de selección (<@lit="ys"> no exemplo de arriba) debe de ser unha variable binaria. 

Por defecto, os parámetros estímanse polo método de máxima verosimilitude. A matriz de covarianzas dos estimadores dos parámetros calcúlase utilizando a inversa negativa da matriz Hessiana. Se queres facer a estimación en 2 etapas, utiliza a opción <@opt="--⁠two-step">. Neste caso, a matriz de covarianzas dos estimadores dos parámetros da ecuación resultante axústase de modo adecuado segundo <@bib="Heckman (1979);heckman79">. 

Ruta do menú: /Modelar/Variable Dependente Limitada/Heckit

# help Utilities

Variantes: 	<@lit="help">
		<@lit="help functions">
		<@lit="help"> <@var="instrución">
		<@lit="help"> <@var="función">
Opción: 	<@lit="--func"> (Escolle a axuda sobre as funcións)

Se non indicas ningún argumento, presenta a lista de instrucións dispoñibles. Se indicas o argumento simple <@lit="functions">, presenta a lista de funcións dispoñibles (consulta <@ref="genr">). 

A expresión <@lit="help"> <@var="instrución"> describe cada instrución indicada (e.g. <@lit="help smpl">). A expresión <@lit="help"> <@var="función"> describe cada función indicada (e.g. <@lit="help ldet">). Algunhas funcións teñen os mesmos nomes que as instrucións relacionadas (e.g. <@lit="diff">); nese caso, por defecto preséntase a axuda para a instrución, pero podes obter axuda para a función utilizando a opción <@opt="--⁠func">. 

Ruta do menú: /Axuda

# hfplot Graphs

Argumentos: 	<@var="listaaltafrec"> [ ; <@var="listabaixafrec"> ] 
Opcións: 	<@lit="--with-lines"> (Gráfica con liñas)
		<@lit="--time-series"> (Pon o tempo no eixe de abscisas)
		<@lit="--output">=<@var="nomeficheiro"> (Envía o resultado ao ficheiro especificado)

Proporciona un medio de debuxar unha serie de alta frecuencia, tal vez xunto a unha ou máis series observadas coa frecuencia base do conxunto de datos. O primeiro argumento debe de ser unha <@ref="MIDAS_list">; e os termos adicionais <@var="listabaixafrec"> (opcionais) deberán de ser series habituais (“de baixa frecuencia”), despois dun punto e coma. 

Para obter máis detalles sobre o efecto da opción <@opt="--⁠output">, consulta a instrución <@ref="gnuplot">. 

# hsk Estimation

Argumentos: 	<@var="depvar"> <@var="indepvars"> 
Opcións: 	<@lit="--no-squares"> (Mira abaixo)
		<@lit="--vcv"> (Presenta a matriz de covarianzas)

Esta instrución é aplicable cando existe heterocedasticidade en forma dunha función descoñecida dos regresores que pode aproximarse por medio dunha relación cuadrática. Nese contexto, ofrece a posibilidade de obter desviacións padrón consistentes e estimacións máis eficientes dos parámetros en comparación con MCO. 

O procedemento implica (a) a estimación MCO do modelo de interese, seguido de (b) unha regresión auxiliar para xerar unha estimación da varianza da perturbación, e finalmente (c) mínimos cadrados ponderados, utilizando como ponderación a inversa da varianza estimada. 

Na regresión auxiliar de (b), se regresa o logaritmo dos erros cadrados da primeira estimación MCO sobre os regresores orixinais e os seus cadrados (por defecto), ou só sobre os regresores orixinais (se indicas a opción <@opt="--⁠no-squares">). A transformación logarítmica realízase para asegurar que as varianzas estimadas son todas non negativas. Denominando <@mth="u"><@sup="*"> aos valores axustados por esta regresión, a serie coas ponderacións para a estimación MCO (WLS) final fórmase entón como 1/exp(<@mth="u"><@sup="*">). 

Ruta do menú: /Modelar/Outros Modelos Lineais/Corrección de Heterocedasticidade

# hurst Statistics

Argumento: 	<@var="serie"> 
Opción: 	<@lit="--plot">=<@var="modo-ou-nomeficheiro"> (Mira abaixo)

Calcula o expoñente de Hurst (unha medida de persistencia ou longa memoria) para unha variable de tipo serie temporal que teña polo menos 128 observacións. 

<@bib="Mandelbrot (1983);mandelbrot83"> discute sobre o expoñente de Hurst. En termos teóricos, este é o expoñente (<@mth="H">) da relación 

  <@fig="hurst">

onde RS expresa o “rango que se volve a escalar” da variable <@mth="x"> en mostras de tamaño <@mth="n"> e <@mth="a"> é unha constante. O rango reescalado é o rango (valor máximo menos mínimo) do valor acumulado ou suma parcial de <@mth="x"> (logo da subtracción da súa media mostral) no período da mostra, dividida pola desviación padrón mostral. 

Como punto de referencia, se <@mth="x"> é unha variable ruído branco (con media e persistencia nulas) entón o rango do seu “paseo” (forma un paseo aleatorio) acumulado e escalado pola súa desviación típica, ten un crecemento igual á raíz cadrada do tamaño da mostra, proporcionando un expoñente de Hurst agardado de 0.5. Os valores do expoñente que estean significativamente por encima de 0.5 indican persistencia, e os menores ca 0.5 indican “antipersistencia” (autocorrelación negativa). En principio, o expoñente está acoutado entre 0 e 1, aínda que en mostras finitas é posible obter un expoñente estimado maior ca 1. 

En Gretl, o expoñente estímase utilizando submostraxe binaria: comézase co rango completo de datos, despois coas dúas metades do rango, despois cos 4 cuartos, etcétera. Para tamaños da mostra menores que o rango de datos, o valor RS é a media entre as mostras dispoñibles. O expoñente estímase así como o coeficiente da pendente nunha regresión do logaritmo de RS sobre o logaritmo do tamaño da mostra. 

Por defecto, se o programa non está en modo de procesamento por lotes, amósase unha gráfica do rango reescalado pero podes axustar isto mediante a opción <@opt="--⁠plot">. Os parámetros que se admiten para esta opción son <@lit="none"> (para suprimir a gráfica); <@lit="display"> (para presentar unha gráfica mesmo en caso de procesar por lotes); ou un nome de ficheiro. O efecto de indicar un nome de ficheiro é como o descrito para a opción <@opt="--⁠output"> da instrución <@ref="gnuplot">. 

Ruta do menú: /Variable/Expoñente de Hurst

# if Programming

Control de fluxo para a execución de instrucións. Admítense 3 tipos de construción, como as indicadas deseguido. 

<code>          
   # Forma simple
   if (poñer a condición)
       instrucións
   endif

   # Dúas ramas
   if (poñer a condición)
       instrucións 1
   else
       instrucións 2
        endif

   # Tres ou máis ramas
   if (poñer a condición 1)
       instrucións 1
   elif (poñer a condición 2)
       instrucións 2
   else
       instrucións 3
   endif
</code>

A condición (<@var="condition">) debe de ser unha expresión booleana; para a súa sintaxe consulta <@ref="genr">. Podes incluír máis dun bloque <@lit="elif">. Ademais, podes aniñar os bloques <@lit="if"> … <@lit="endif">. 

# include Programming

Argumento: 	<@var="nomeficheiro"> 
Opción: 	<@lit="--force"> (Forza a volver ler desde o ficheiro)
Exemplos: 	<@lit="include myfile.inp">
		<@lit="include sols.gfn">

Ideado para utilizar nun guión de instrucións, principalmente para incluír definicións de funcións. O nome do ficheiro (<@var="nomeficheiro">) debería de ter a extensión <@lit="inp"> (un guión de texto plano) ou <@lit="gfn"> (un paquete de función de Gretl). As instrucións de <@var="nomeficheiro"> execútanse e logo o control devólvese ao guión principal. 

A opción <@opt="--⁠force"> é específica dos ficheiros <@lit="gfn"> e o seu efecto consiste en forzar a Gretl a que volva ler o paquete de función desde o ficheiro mesmo aínda que xa estea cargado na memoria. (Os ficheiros de texto plano <@lit="inp"> sempre lense e procésanse en resposta a esta instrución.) 

Consulta tamén <@ref="run">. 

# info Dataset

Presenta calquera información complementaria gardada co ficheiro vixente de datos. 

Ruta do menú: /Datos/Información do conxunto de datos
Outro acceso: Fiestras do procurador de datos

# install Utilities

Argumento: 	<@var="nomepaquete"> 
Opcións: 	<@lit="--local"> (Instala desde un ficheiro local)
		<@lit="--remove"> (Mira abaixo)
		<@lit="--purge"> (Mira abaixo)
Exemplos: 	<@lit="install armax">
		<@lit="install felogit.gfn">
		<@lit="install /path/to/myfile.gfn --local">
		<@lit="install http://foo.bar.net/gretl/myfile.gfn">

Instalador de paquetes de funcións de Gretl (ficheiros <@lit="gfn"> ou <@lit="zip">). 

Cando indicas esta instrución co nome “plano” dun paquete de funcións de Gretl (como nos dous primeiros exemplos), o efecto da instrución consiste en descargar o paquete que se especifica do servidor de Gretl, e instalalo na máquina local. Neste caso, non é necesario ofrecer unha extensión no nome de ficheiro. 

Cando indicas a opción <@opt="--⁠local">, o argumento <@var="nomepaquete"> debe de ser a ruta a un ficheiro de paquete con extensión correcta, que aínda non estea instalado na máquina local. O efecto da instrución consiste en copiar o ficheiro no lugar (<@lit="gfn">), ou descomprimilo no lugar (<@lit="zip">), querendo dicir con “no lugar” onde o atopará a instrución <@ref="include">. 

Cando non indicas ningunha opción, se <@var="nomepaquete"> comeza con <@lit="http://">, o efecto da instrución consiste en descargar un ficheiro de paquete do servidor especificado e instalalo localmente. 

Coa opción <@opt="--⁠remove"> ou <@opt="--⁠purge">, realízase a operación inversa; é dicir, quítase un paquete xa instalado. Cando só indicas <@opt="--⁠remove">, o paquete especificado bótase da memoria e elimínase do menú da Interface Gráfica de Usuario (GUI) á que está anexado, de existir. Cando indicas a opción <@opt="--⁠purge">, entón ademais das accións que se acaban de mencionar, elimínase o ficheiro de paquete. (Se o paquete está instalado no seu propio subcartafol, elimínase o subcartafol enteiro.) 

Ruta do menú: /Ficheiro/Paquetes de funcións/No servidor

# intreg Estimation

Argumentos: 	<@var="minvar"> <@var="maxvar"> <@var="indepvars"> 
Opcións: 	<@lit="--quiet"> (Non presenta os resultados)
		<@lit="--verbose"> (Presenta os detalles das iteracións)
		<@lit="--robust"> (Desviacións padrón robustas)
		<@lit="--cluster">=<@var="clustvar"> (Consulta <@ref="logit"> para máis explicacións)
Exemplos: 	<@lit="intreg lo hi const x1 x2">
		Mira tamén <@inp="wtp.inp">

Estima un modelo de regresión por intervalos. Este modelo xurde cando a variable dependente está imperfectamente observada para algunhas observacións (posiblemente todas). Noutras palabras, asúmese que o proceso xerador de datos é 

  <@mth="y* = x b + u">

pero só observamos <@mth="m <= y* <= M"> (o intervalo pode non ter límite pola esquerda ou pola dereita). Cae na conta de que para algunhas observacións <@mth="m"> pode ser igual a <@mth="M">. As variables <@var="minvar"> e <@var="maxvar"> deben de conter <@lit="NA">s para as observacións sen límite pola esquerda ou pola dereita, respectivamente. 

O modelo estímase mediante Máxima Verosimilitude, asumindo a distribución Normal do termo de perturbación aleatoria. 

Por defecto, as desviacións padrón calcúlanse utilizando a inversa negativa da matriz Hessiana. Cando especificas a opción <@opt="--⁠robust">, entón calcúlanse no seu lugar as desviacións padrón CMV (QML) ou de Huber–White. Neste caso, a matriz de covarianzas estimada é un “emparedado” entre a inversa da matriz Hessiana estimada e o produto externo do vector gradiente. 

Ruta do menú: /Modelar/Variable Dependente Limitada/Regresión por intervalos

# join Dataset

Argumentos: 	<@var="nomeficheiro"> <@var="nomevar"> 
Opcións: 	<@lit="--data">=<@var="nomecolumna"> (Mira abaixo)
		<@lit="--filter">=<@var="expresión"> (Mira abaixo)
		<@lit="--ikey">=<@var="claveinterna"> (Mira abaixo)
		<@lit="--okey">=<@var="claveexterna"> (Mira abaixo)
		<@lit="--aggr">=<@var="metodo"> (Mira abaixo)
		<@lit="--tkey">=<@var="nomecoluma,cadeaformato"> (Mira abaixo)
		<@lit="--verbose"> (Informe en marcha)

Esta instrución importa unha serie co nome <@var="nomevar"> con datos, desde a orixe <@var="nomeficheiro"> (que debe de ser ben un ficheiro de datos co texto delimitado, ou ben un ficheiro de datos “propio” de Gretl). Para obter máis detalles, consulta o <@pdf="Guía de usuario de Gretl#chap:join"> (Capítulo 7) pois aquí damos só un breve resumo das opcións dispoñibles. 

Podes utilizar a opción <@opt="--⁠data"> para especificar o encabezamento dos datos do ficheiro de orixe, se difire do nome polo que os datos deberan de coñecerse no Gretl. 

Podes usar a opción <@opt="--⁠filter"> para especificar un criterio para filtrar os datos de orixe (é dicir, para escoller un subconxunto das observacións). 

Podes utilizar as opcións <@opt="--⁠ikey"> e <@opt="--⁠okey"> para especificar unha equivalencia entre as observacións do conxunto vixente de datos e as observacións da fonte de datos (por exemplo, os individuos poden compararse co fogar ao que pertencen). 

A opción <@opt="--⁠aggr"> utilízase cando a equivalencia entre as observacións do conxunto vixente de datos e as da orixe non é de unha a unha. 

A opción <@opt="--⁠tkey"> aplícase só cando o conxunto vixente de datos ten unha estrutura de serie temporal. Podes usala para especificar ben o nome dunha columna que conteña datas que van ser emparelladas co conxunto de datos e/ou ben o formato no que as datas se representan nesa columna. 

Consulta tamén <@ref="append"> para as operacións máis sinxelas de anexión. 

# kpss Tests

Argumentos: 	<@var="nivel"> <@var="listavariables"> 
Opcións: 	<@lit="--trend"> (Inclúe unha tendencia)
		<@lit="--seasonals"> (Inclúe variables ficticias estacionais)
		<@lit="--verbose"> (Presenta os resultados da regresión)
		<@lit="--quiet"> (Non presenta os resultados)
		<@lit="--difference"> (Utiliza a primeira diferenza da variable)
Exemplos: 	<@lit="kpss 8 y">
		<@lit="kpss 4 x1 --trend">

Para utilizar esta instrución con datos de panel, consulta a sección final desta anotación. 

Calcula a proba de estacionariedade KPSS <@bib="(Kwiatkowski et al, Journal of Econometrics, 1992);KPSS92"> para cada unha das variables indicadas (ou para as súas primeiras diferenzas, se escolles a opción <@opt="--⁠difference">). A hipótese nula é que a variable en cuestión é estacionaria, ben arredor dun nivel ou, se marcas a opción <@opt="--⁠trend">, arredor dunha tendencia linear determinística. 

O argumento <@var="nivel"> determina o tamaño da xanela utilizada para o suavizado de Bartlett. Cando indicas un valor negativo, iso tómase como sinal para que se utilice unha xanela automática de tamaño 4(<@mth="T">/100)<@sup="0.25">, onde <@mth="T"> é o tamaño da mostra. 

Se escolles a opción <@opt="--⁠verbose">, preséntanse os resultados da regresión auxiliar xunto coa varianza estimada da compoñente de paseo aleatorio da variable. 

Os puntos críticos amosados para o estatístico de proba baséanse en superficies de resposta estimadas do xeito establecido por <@bib="Sephton (Economics Letters, 1995);sephton95">, que son máis fiables para mostras pequenas ca os valores indicados no artigo orixinal de KPSS. Cando o estatístico de proba cae entre os puntos críticos do 1 e do 10 por cento, amósase unha probabilidade asociada (valor p) que se obtén mediante interpolación linear e non debe de tomarse demasiado literalmente. Consulta a función <@xrf="kpsscrit"> para ver un medio de obter eses puntos críticos coa axuda do programa. 

<@itl="Panel data"> 

Cando se utiliza a instrución <@lit="kpss"> con datos de panel, para realizar unha proba de raíz unitaria de panel, as opcións aplicables e os resultados amosados son algo diferentes. Mentres que no caso habitual de series temporais, podes indicar unha lista de variables para comprobar, con datos de panel só podes comprobar unha variable por cada instrución. E a opción <@opt="--⁠verbose"> ten un significado diferente pois xera unha breve presentación da proba para cada serie temporal individual (pois por defecto só se amosa o resultado global). 

Cando é posible, calcúlase a proba global (Hipótese nula: A serie en cuestión é estacionaria para todas unidades do panel) utilizando para elo o método de <@bib="Choi (Journal of International Money and Finance, 2001);choi01">. Isto non sempre é sinxelo pois a dificultade está en que mentres que a proba de Choi se basea nas probabilidades asociadas das probas sobre as series individuais, non temos actualmente un xeito de calcular as probabilidades asociadas para o estatístico de proba KPSS; debemos de apoiarnos nuns poucos puntos críticos. 

Se o estatístico de proba para unha determinada serie, cae entre os puntos críticos do 1 e do 10 por cento, podemos interpolar unha probabilidade asociada. Pero se o valor do estatístico da proba cae por debaixo do correspondente ao 10 por cento ou excede ao do 1 por cento, non se pode interpolar e como moito pódese establecer un límite sobre a proba de Choi global. Se o valor do estatístico de proba individual cae por debaixo do correspondente ao 10 por cento para unhas unidades e excede ao do 1 por cento para outras, nin sequera se pode calcular un límite para a proba global. 

Ruta do menú: /Variable/Probas de raíz unitaria/Proba KPSS

# labels Dataset

Variantes: 	<@lit="labels ["> <@var="listavariables"> <@lit="]">
		<@lit="labels --to-file="><@var="nomeficheiro">
		<@lit="labels --from-file="><@var="nomeficheiro">
		<@lit="labels --delete">

Coa primeira forma, se presentan as etiquetas informativas (se existen) das series de <@var="listavariables">, ou de todas as series do conxunto de datos cando non especificas <@var="listavariables">. 

Coa opción <@opt="--⁠to-file"> se escriben no ficheiro indicado, as etiquetas de todas as series do conxunto de datos, unha etiqueta por cada liña. Se non hai ningunha etiqueta, amósase un fallo; e se algunhas series teñen etiqueta e outras non, preséntase unha liña en branco para as series sen etiqueta. O ficheiro resultante vaise escribir no cartafol <@ref="workdir"> vixente nese momento, agás que a cadea <@var="nomeficheiro"> conteña unha especificación completa da ruta. 

Coa opción <@opt="--⁠from-file">, lese o ficheiro especificado (que debe de ser de texto plano) e asígnanse etiquetas ás series do conxunto de datos, léndose unha etiqueta por liña e usando liñas en branco para indicar etiquetas en branco. 

A opción <@opt="--⁠delete"> fai o que cabería agardar pois elimina todas as etiquetas das series do conxunto de datos. 

Ruta do menú: /Datos/Etiquetas de variables

# lad Estimation

Argumentos: 	<@var="depvar"> <@var="indepvars"> 
Opción: 	<@lit="--vcv"> (Presenta a matriz de covarianzas)

Calcula unha regresión que minimiza a suma das desviacións absolutas dos valores axustados respecto aos valores observados da variable dependente. As estimacións dos coeficientes derívanse utilizando o algoritmo do simplex de Barrodale–Roberts; e preséntase unha advertencia se a solución non é única. 

As desviacións padrón dedúcense utilizando o procedemento 'bootstrap' con 500 extraccións. A matriz de covarianzas dos estimadores dos parámetros, que se presenta cando indicas <@opt="--⁠vcv">, baséase no mesmo 'bootstrap'. 

Ruta do menú: /Modelar/Estimación Robusta/Mínima Desviación Absoluta

# lags Transformations

Argumentos: 	[ <@var="nivel"> ; ] <@var="listaretardos"> 
Opción: 	<@lit="--bylag"> (Ordena os termos por retardo)
Exemplos: 	<@lit="lags x y">
		<@lit="lags 12 ; x y">
		<@lit="lags 4 ; x1 x2 x3 --bylag">

Xera novas series que conteñen os valores retardados de cada unha das series de <@var="listavariables">. Por defecto, o número de retardos que se crean é igual á periodicidade dos datos. Por exemplo, se a periodicidade é 4 (trimestral), a instrución <@lit="lags x"> xera 

<mono>          
   x_1 = x(t-1)
   x_2 = x(t-2)
   x_3 = x(t-3)
   x_4 = x(t-4)
</mono>

Podes controlar o número de retardos xerados mediante o primeiro parámetro opcional (que, se existe, debe de estar seguido dun punto e coma). 

A opción <@opt="--⁠bylag"> ten sentido só cando <@var="listavariables"> contén máis dunha serie e o nivel máximo de retardos é maior ca 1. Por defecto, engádense os termos retardados ao conxunto de datos por variable: primeiro todos os retardos da primeira serie da lista, despois todos os retardos da segunda serie, etcétera. Pero cando indicas <@opt="--⁠bylag">, a ordenación faise por retardos: primeiro o retardo 1 de todas as series da lista, despois o retardo 2 de todas as series da lista, etcétera. 

Ruta do menú: /Engadir/Retardos das variables seleccionadas

# ldiff Transformations

Argumento: 	<@var="listavariables"> 

Obtense a primeira diferenza do logaritmo natural de cada unha das series de <@var="listavariables">, e o resultado gárdase nunha nova serie co prefixo <@lit="ld_">. Así <@lit="ldiff x y"> xera as novas variables 

<mono>          
   ld_x = log(x) - log(x(-1))
   ld_y = log(y) - log(y(-1))
</mono>

Ruta do menú: /Engadir/Diferenzas de logaritmos das variables seleccionadas

# leverage Tests

Opcións: 	<@lit="--save"> (Garda as series resultantes)
		<@lit="--quiet"> (Non presenta os resultados)
		<@lit="--plot">=<@var="modo-ou-nomeficheiro"> (Mira abaixo)

Debe de ir despois dunha instrución de MCO (<@lit="ols">). Calcula o pancamento (<@mth="h">, que debe de caer no rango entre 0 e 1) para cada punto de datos da mostra sobre a que se estimou o modelo previo. Amosa o erro (<@mth="u">) para cada observación xunto co seu pancamento e unha medida da súa influencia nas estimacións, <@mth="uh">/(1 – <@mth="h">). Os “puntos de Leverage” para os que o valor de <@mth="h"> supera 2<@mth="k">/<@mth="n"> (onde <@mth="k"> é o número de parámetros que se estiman e <@mth="n"> é o tamaño da mostra) destácanse mediante un asterisco. Para obter máis detalles sobre os conceptos de pancamento e influencia, consulta o capítulo 2 do libro de <@bib="Davidson e MacKinnon (1993);davidson-mackinnon93">. 

Tamén se calculan os valores DFFITS: estes son iguais aos “erros tipificados” (erros de predición divididos polas súas desviacións padrón) multiplicados por <@fig="dffit">. Para unha discusión sobre erros tipificados e DFFITS consulta o capítulo 12 do libro de Maddala <@bib="Introduction to Econometrics;maddala92"> ou <@bib="Belsley, Kuh e Welsch (1980);belsley-etal80">. 

Abreviadamente, un “erro de predición” é a diferenza entre o valor observado da variable dependente na observación <@mth="t">, e o valor axustado para esa observación <@mth="t"> que se obtén da regresión na que se omite esa observación (ou na que se engade unha variable ficticia cun valor 1 só na observación <@mth="t">); o erro tipificado obtense dividindo o erro de predición pola súa desviación padrón. 

Cando especificas a opción <@opt="--⁠save"> con esta instrución, os valores de pancamento, influencia e DFFITS engádense ao conxunto vixente de datos; neste contexto, podes utilizar a opción <@opt="--⁠quiet"> para eliminar a presentación dos resultados. Os nomes por defecto das series gardadas son <@lit="lever">, <@lit="influ"> e <@lit="dffits">, respectivamente. Porén, se xa existen series con eses nomes, os das series gardadas recentemente axústanse para garantir a unicidade; en calquera caso, estas serán as 3 series con números ID máis grandes do conxunto de datos. 

Logo da execución, o accesorio <@xrf="$test"> devolve o criterio de validación cruzada, que se define como a suma das desviacións cadradas da variable dependente con relación aos seus valores de predición, estando a predición para cada observación baseada nunha mostra da que se exclúe esa observación. (Este é o coñecido como estimador <@itl="deixar-un-fóra">). Para unha discusión máis ampla sobre o criterio de validación cruzada, consulta o libro de Davidson e MacKinnon <@itl="Econometric Theory and Methods">, páxinas 685–686, e as referencias que contén. 

Por defecto, se o programa non está en modo de procesamento por lotes, amósase unha gráfica cos valores de pancamento e influencia. Podes axustar isto mediante a opción <@opt="--⁠plot">. Os parámetros que se admiten para esta opción son <@lit="none"> (para suprimir a gráfica), <@lit="display"> (para amosar unha gráfica mesmo ao estar en modo de procesamento por lotes), ou un nome de ficheiro. O efecto de indicar un nome de ficheiro é como o descrito para a opción <@opt="--⁠output"> da instrución <@ref="gnuplot">. 

Ruta do menú: Xanela de modelo: Análise/Observacións influentes

# levinlin Tests

Argumentos: 	<@var="nivel"> <@var="serie"> 
Opcións: 	<@lit="--nc"> (Sen constante)
		<@lit="--ct"> (Con constante e tendencia)
		<@lit="--quiet"> (Non presenta os resultados)
Exemplos: 	<@lit="levinlin 0 y">
		<@lit="levinlin 2 y --ct">
		<@lit="levinlin {2,2,3,3,4,4} y">

Realiza a proba de raíz unitaria para panel descrita por <@bib="Levin, Lin e Chu (2002);LLC2002">. A hipótese nula é que todas as series temporais individuais presentan unha raíz unitaria, e a alternativa é que ningunha das series ten unha raíz unitaria. (É dicir, asúmese un mesmo coeficiente común de AR(1), aínda que noutros aspectos se permite que as propiedades estatísticas das series varíen duns individuos a outros.) 

Por defecto, as regresións da proba ADF inclúen unha constante. Para eliminar a constante utiliza a opción <@opt="--⁠nc"> e para incluíla xunto cunha tendencia linear utiliza a opción <@opt="--⁠ct">. (Consulta a instrución <@ref="adf"> para unha explicación das regresións do ADF.) 

Podes indicar o nivel de retardo con <@var="nivel"> (non negativo) para facer a proba (controlando así o número de retardos da variable dependente a incluír nas regresións do ADF) cunha forma de dúas. Cando indicas un valor escalar, isto aplícase a tódolos individuos do panel. A alternativa é proporcionar unha matriz que conteña un nivel específico de retardos para cada individuo; esta debe de ser un vector con tantos elementos como individuos haxa no rango da mostra vixente. Podes especificar esa matriz co nome ou construíla utilizando chaves como se explicou no último exemplo de arriba. 

Ruta do menú: /Variable/Probas de raíz unitaria/Proba de Levin-Lin-Chu

# logistic Estimation

Argumentos: 	<@var="depvar"> <@var="indepvars"> 
Opcións: 	<@lit="--ymax">=<@var="máximo"> (Especifica o máximo da variable dependente)
		<@lit="--vcv"> (Presenta a matriz de covarianzas)
Exemplos: 	<@lit="logistic y const x">
		<@lit="logistic y const x --ymax=50">

Regresión loxística: Leva a cabo unha regresión MCO utilizando a transformación loxística da variable dependente, 

  <@fig="logistic1">

A variable dependente debe de ser estritamente positiva. Se todos os seus valores están entre 0 e 1, por defecto utilízase un valor de <@mth="y"><@sup="*"> (o máximo asintótico da variable dependente) igual a 1; se os seus valores están entre 0 e 100, entón <@mth="y"><@sup="*"> é 100 por defecto. 

Se queres establecer un máximo diferente, utiliza a opción <@opt="--⁠ymax">. Ten en conta que o valor que indiques debe de ser maior ca todos os valores observados da variable dependente. 

Os valores axustados e os erros da regresión transfórmanse automaticamente utilizando 

  <@fig="logistic2">

onde <@mth="z"> representa un valor axustado ou un erro, obtidos da regresión MCO que utiliza a variable dependente transformada. Deste xeito podes comparar os valores que se presentan cos da variable dependente orixinal. 

Ten en conta que se a variable dependente é binaria, debes de utilizar no seu lugar a instrución <@ref="logit">. 

Ruta do menú: /Modelar/Variable Dependente Limitada/Loxístico

# logit Estimation

Argumentos: 	<@var="depvar"> <@var="indepvars"> 
Opcións: 	<@lit="--robust"> (Desviacións padrón robustas)
		<@lit="--cluster">=<@var="clustvar"> (Desviacións padrón agrupadas)
		<@lit="--multinomial"> (Estima un logit multinomial)
		<@lit="--vcv"> (Presenta a matriz de covarianzas)
		<@lit="--verbose"> (Presenta os detalles das iteracións)
		<@lit="--p-values"> (Amosa os valores p en vez das pendentes)

Se a variable dependente é unha variable binaria (todos os seus valores son 0 ou 1), obtéñense estimacións máximo verosímiles dos coeficientes das variables de <@var="indepvars"> mediante o método de Newton–Raphson. Como o modelo é non linear, as pendentes están condicionadas polos valores das variables independentes. Por defecto, calcúlanse as pendentes con respecto a cada unha das variables independentes (nas medias desas variables) e estas pendentes substitúen os valores p habituais no resultado da regresión. Podes prescindir deste proceder indicando a opción <@opt="--⁠p-values">. O estatístico khi-cadrado proba a hipótese nula de que todos os coeficientes son cero, agás o da constante. 

Por defecto, as desviacións padrón calcúlanse utilizando a inversa negativa da matriz Hessiana. Se indicas a opción <@opt="--⁠robust">, entón calcúlanse no seu lugar as desviacións padrón CMV (QML) ou de Huber–White. Neste caso, a matriz de covarianzas estimadas é un “emparedado” entre a inversa da matriz Hessiana estimada e o produto externo do vector gradiente; consulta o capítulo 10 do libro de <@bib="Davidson e MacKinnon (2004);davidson-mackinnon04">. Pero cando indicas a opción <@opt="--⁠cluster">, entón xéranse as desviacións padrón “robustas por agrupación”; consulta o <@pdf="Guía de usuario de Gretl#chap:robust_vcv"> (Capítulo 18) para obter máis detalles. 

Se a variable dependente non é binaria senón discreta, entón por defecto interprétase como unha resposta ordinal e obtéñense as estimacións cun Logit Ordenado. Porén, cando indicas a opción <@opt="--⁠multinomial">, a variable dependente interprétase como unha resposta sen ordenar e xéranse as estimacións cun Logit Multinomial. (En calquera caso, se a variable escollida como dependente non é de tipo discreto, amósase un fallo.) No caso multinomial, o accesorio <@lit="$mnlprobs"> está dispoñible despois da estimación, para conseguir unha matriz que conteña as probabilidades estimadas dos posibles valores da variable dependente para cada observación (coas observacións por filas e os posibles valores por columnas). 

Se queres utilizar un Logit para a análise de proporcións, onde para cada observación a variable dependente é a proporción de casos que teñen unha determinada característica (máis que unha variable con 1 ou 0 para indicar se está presente ou non a característica), non debes de utilizar a instrución <@lit="logit">, senón máis ben construír a variable logit, como en 

<code>          
   series lgt_p = log(p/(1 - p))
</code>

e utilizar esta como a variable dependente dunha regresión MCO. Consulta o capítulo 12 de <@bib="Ramanathan (2002);ramanathan02">. 

Ruta do menú: /Modelar/Variable Dependente Limitada/Logit

# logs Transformations

Argumento: 	<@var="listavariables"> 

Permite obter o logaritmo natural de cada unha das series de <@var="listavariables"> e o resultado gárdase nunha nova serie co prefixo <@lit="l_"> (“l” e barra baixa). Por exemplo, <@lit="logs x y"> xera as novas variables <@lit="l_x"> = ln(<@lit="x">) e <@lit="l_y"> = ln(<@lit="y">). 

Ruta do menú: /Engadir/Logaritmos das variables seleccionadas

# loop Programming

Argumento: 	<@var="control"> 
Opcións: 	<@lit="--progressive"> (Permite formas especiais de certas instrucións)
		<@lit="--verbose"> (Amosa os detalles das instrucións genr)
		<@lit="--quiet"> (Non amosa o número de iteracións realizadas)
Exemplos: 	<@lit="loop 1000">
		<@lit="loop 1000 --progressive">
		<@lit="loop while essdiff > .00001">
		<@lit="loop i=1991..2000">
		<@lit="loop for (r=-.99; r<=.99; r+=.01)">
		<@lit="loop foreach i xlista">

Esta instrución abre un modo especial no que o programa admite que as instrucións se executen repetidas veces. Terminas o proceso de ir introducindo as instrucións do bucle con <@lit="endloop"> e neste punto execútanse as instrucións apiñadas. 

O parámetro <@var="control"> pode ter calquera das 5 formas seguintes, tal como se amosa nos exemplos: (a) un número enteiro que indica as veces a repetir as instrucións dun bucle; (b) a palabra “<@lit="while">” máis unha condición booleana; (c) un rango de valores enteiros para o índice; (d) a palabra “<@lit="for">” máis 3 expresións dentro dunha paréntese, separadas con punto e comas (que imita a orde <@lit="for"> na linguaxe de programación C); ou (e) a palabra “<@lit="foreach">” máis unha variable índice e unha lista. 

Consulta o <@pdf="Guía de usuario de Gretl#chap:looping"> (Capítulo 12) para obter outros detalles e exemplos. Aí explícase o efecto da opción <@opt="--⁠progressive"> (que está deseñada para utilizarse con simulacións de tipo Monte Carlo). Non podes utilizar todas as instrucións de Gretl dentro dun bucle; entón as instrucións dispoñibles neste contexto tamén se expoñen aí. 

# mahal Statistics

Argumento: 	<@var="listavariables"> 
Opcións: 	<@lit="--quiet"> (Non presenta nada)
		<@lit="--save"> (Engade as distancias ao conxunto de datos)
		<@lit="--vcv"> (Presenta a matriz de covarianzas)

Calcula as distancias de Mahalanobis entre as series indicadas en <@var="listavariables">. A distancia de Mahalanobis é a distancia entre dous puntos nun espazo de dimensión <@mth="k">, escalada pola variación estatística en cada dimensión do espazo. Por exemplo, se <@mth="p"> e <@mth="q"> son dúas observacións dun conxunto de <@mth="k"> variables con matriz de covarianzas <@mth="C">, entón a distancia de Mahalanobis entre as observacións ven dada por 

  <@fig="mahal">

onde (<@mth="p"> – <@mth="q">) é un vector de dimensión <@mth="k">. Isto redúcese á distancia euclidiana en caso de que a matriz de covarianzas sexa unha matriz identidade. 

O espazo para o que se calculan as distancias defínese polas variables seleccionadas. Para cada observación do rango vixente da mostra, a distancia calcúlase entre a observación e o centroide das variables escollidas. Esta distancia é a contrapartida multidimensional dunha puntuación <@mth="z"> estándar, e podes utilizala para xulgar se unha observación dada “ten un sitio” xunto a un grupo doutras observacións. 

Cando indicas a opción <@opt="--⁠vcv">, preséntanse tanto a matriz de covarianzas como a súa inversa. Cando indicas a opción <@opt="--⁠save">, as distancias gárdanse no conxunto de datos co nome <@lit="mdist"> (ou <@lit="mdist1">, <@lit="mdist2"> e así sucesivamente, se xa existe unha variable con ese nome). 

Ruta do menú: /Ver/Distancias de Mahalanobis

# makepkg Programming

Argumento: 	<@var="nomeficheiro"> 
Opcións: 	<@lit="--index"> (Escribe o ficheiro índice auxiliar)
		<@lit="--translations"> (Escribe o ficheiro de cadeas de texto auxiliar)

Dá soporte á creación dun paquete de funcións de Gretl mediante a liña de instrucións. O modo de funcionamento desta instrución depende da extensión do <@var="nomeficheiro">, que debe de ser ben <@lit=".gfn"> ou ben <@lit=".zip">. 

<@itl="Modo gfn"> 

Escribe un ficheiro gfn. Asúmese que pode accederse a un ficheiro de especificación dun paquete, que ten o mesmo nome base ca <@var="nomeficheiro"> pero coa extensión <@lit=".spec">, xunto con calquera ficheiro auxiliar ao que faga referencia. Tamén asúmese que todas as funcións a empaquetar léronse na memoria. 

<@itl="Modo zip"> 

Escribe un ficheiro comprimido zip dun paquete (un gfn máis outros elementos). En caso de acharse un ficheiro gfn co mesmo nome base que <@var="nomeficheiro">, Gretl comproba os ficheiros correspondentes <@lit="inp"> e <@lit="spec">, e se os atopa a ambos sendo polo menos un deles máis novo ca o ficheiro gfn, entón vólvese xerar o gfn; noutro caso, utilízase o gfn existente. Cando non se atopa ese ficheiro, Gretl tenta primeiro xerar o gfn. 

<@itl="Opcións de gfn"> 

Os indicadores de opcións admiten a escritura de ficheiros auxiliares, pensados para utilizar cos “engadidos” de Gretl. O ficheiro índice é un curto documento XML que contén información básica sobre o paquete, e que ten o seu mesmo nome como base e a extensión <@lit=".xml">. O ficheiro de traducións contén as cadeas de texto do paquete (en formato C) que poderían ser apropiadas para a tradución; para un paquete <@lit="foo"> este ficheiro chámase <@lit="foo-i18n.c">. Estes ficheiros non se xeran se a instrución opera en modo zip e se utiliza un ficheiro gfn que xa existía. 

Para obter máis detalles sobre todo isto, consulta o <@itl="Manual de paquetes de funcións de Gretl">. 

Ruta do menú: /Ficheiro/Paquetes de funcións/Novo paquete

# markers Dataset

Variantes: 	<@lit="markers --to-file="><@var="nomeficheiro">
		<@lit="markers --from-file="><@var="nomeficheiro">
		<@lit="markers --delete">

Coa opción <@opt="--⁠to-file">, escribe no ficheiro indicado as cadeas de texto (unha por cada liña) que son marcadores das observacións do conxunto vixente de datos. Se este non presenta ningunha desas cadeas, amósase un fallo. O ficheiro resultante vaise escribir no cartafol (<@ref="workdir">) establecido nese momento, agás que a cadea <@var="nomeficheiro"> conteña unha especificación completa da ruta. 

Coa opción <@opt="--⁠from-file">, lese o ficheiro especificado (que debe de ser de texto plano) e asígnanse os marcadores de observación contidos neste, un por cada liña, ás filas do conxunto de datos. En xeral, debería de haber como mínimo tantos marcadores no ficheiro como observacións no conxunto de datos; pero se o conxunto de datos é de tipo panel, tamén se acepta que o número de marcadores no ficheiro coincida co número de unidades de sección cruzada (en cuxo caso os marcadores repítense para cada período de tempo.) 

A opción <@opt="--⁠delete"> fai o que xa agardarías, é dicir, eliminar as cadeas de texto que marcan cada observación do conxunto de datos. 

Ruta do menú: /Datos/Marcadores das observacións

# meantest Tests

Argumentos: 	<@var="serie1"> <@var="serie2"> 
Opción: 	<@lit="--unequal-vars"> (Asume que as varianzas non son iguais)

Calcula o estatístico <@mth="t"> para probar a hipótese nula de que as medias na poboación son iguais para as variables <@var="serie1"> e <@var="serie2">, e amosa a súa probabilidade asociada (valor p). 

Por defecto, o estatístico de proba calcúlase baixo o suposto de que as varianzas son iguais para as dúas variables.Coa opción <@opt="--⁠unequal-vars"> asúmese que as varianzas son diferentes; e neste caso, os graos de liberdade do estatístico de proba aproxímanse consonte a <@bib="Satterthwaite (1946);satter46">. 

Ruta do menú: /Ferramentas/Calculadora de probas

# midasreg Estimation

Argumentos: 	<@var="depvar"> <@var="indepvars"> ; <@var="termosMIDAS"> 
Opcións: 	<@lit="--vcv"> (Presenta a matriz de covarianzas)
		<@lit="--robust"> (Desviacións padrón robustas)
		<@lit="--quiet"> (Non presenta os resultados)
		<@lit="--levenberg"> (Mira abaixo)
Exemplos: 	<@lit="midasreg y 0 y(-1) ; mds(X, 1, 9, 1, theta)">
		<@lit="midasreg y 0 y(-1) ; mds(X, 1, 9, 0)">
		<@lit="midasreg y 0 y(-1) ; mdsl(XL, 2, theta)">
		Mira tamén <@inp="gdp_midas.inp">

Leva a cabo a estimación por mínimos cadrados (ben MCNL ou ben MCO, dependendo da especificación) dun modelo MIDAS (Mixed Data Sampling). Este tipo de modelos inclúe unha ou máis variables independentes que se observan cunha frecuencia maior que a variable dependente; para unha boa e breve introdución consulta <@bib="Armesto, Engemann e Owyang (2010);armesto10">. 

As variables de <@var="indepvars"> deben de ter a mesma frecuencia que a variable dependente. Esta lista normalmente debe incluír <@lit="const"> ou <@lit="0"> (ordenada na orixe), e habitualmente inclúe un ou máis retardos da variable dependente. Os termos de alta frecuencia indícanse despois dun punto e coma; cada un ten o formato duns cuantos argumentos entre parénteses, separados con comas, precedidos ben por <@lit="mds"> ou ben por <@lit="mdsl">. 

<@lit="mds">: Esta variante xeralmente require 5 argumentos, do xeito seguinte: o nome dunha <@ref="MIDAS_list">, dous enteiros que indican os retardos mínimo e máximo de alta frecuencia, un enteiro entre 0 e 4 que especifica o tipo de disposición dos parámetros que se vai usar, e o nome dun vector que contén os valores iniciais dos parámetros. O exemplo de abaixo solicita os retardos do 3 ao 11 das series de alta frecuencia representadas na lista <@lit="X">, utilizando para elo unha disposición dos parámetros de tipo 1 (Almon exponencial, mira abaixo) co vector de inicio <@lit="theta">. 

<code>          
   mds(X, 3, 11, 1, theta)
</code>

<@lit="mdsl">: Xeralmente require 3 argumentos: o nome dunha lista de retardos MIDAS, un número enteiro para especificar o tipo de disposición dos parámetros e o nome dun vector de inicio. Neste caso, os retardos máximo e mínimo están implícitos no argumento inicial da lista. No exemplo de abaixo <@lit="Xlags"> debe de ser unha lista que xa conteña todos os retardos que se necesiten; podes construír unha lista dese tipo utilizando a función <@xrf="hflags">. 

<code>          
   mdsl(XLags, 1, theta)
</code>

Os tipos de disposición de parámetros que se admiten son os seguintes: 

0 = “MIDAS non restrinxido” ou U-MIDAS, no que cada retardo ten o seu propio coeficiente. 

1 = Almon exponencial normalizada, que require polo menos un parámetro e habitualmente utiliza dous. 

2 = Beta normalizada cun derradeiro retardo nulo, que require exactamente dous parámetros. 

3 = Beta normalizada cun derradeiro retardo non nulo, que require exactamente tres parámetros. 

4 = Polinomio de Almon (non normalizada), que require polo menos un parámetro. 

Cando a disposición de parámetros é U-MIDAS, non é necesario o vector de inicio do último argumento con <@lit="mds"> nin <@lit="mdsl">. Noutros casos, podes solicitar unha iniciación automática substituíndo o nome do vector de parámetros inicial por algunha destas dúas formas: 

<indent>
• A palabra chave <@lit="null">: isto só é admisible cando a disposición dos parámetros ten un número fixo de termos (os casos Beta, o 2 ou 3). Tamén se acepta no caso do Almon exponencial, o que implica que ese é o valor por defecto dos dous parámetros. 
</indent>

<indent>
• Un valor enteiro que indica o número requirido de parámetros. 
</indent>

O método de estimación que utiliza esta instrución depende da especificación dos elementos de alta frecuencia. No caso de U-MIDAS, o método é MCO (OLS); noutro caso é mínimos cadrados non lineais (MCNL ou NLS). Cando especificas as disposicións de parámetros Almon exponencial normalizada ou Beta normalizada, o método MCNL por defecto é unha combinación de BFGS restrinxido e MCO, pero podes indicar a opción <@opt="--⁠levenverg"> para forzar que se utilice o algoritmo de Levenberg–Marquardt. 

Ruta do menú: /Modelar/Series temporais/MIDAS

# mle Estimation

Argumentos: 	<@var="función logaritmo-verosimilitude"> [ <@var="derivadas"> ] 
Opcións: 	<@lit="--quiet"> (Non amosa o modelo estimado)
		<@lit="--vcv"> (Presenta a matriz de covarianzas)
		<@lit="--hessian"> (Basea a matriz de covarianzas na Hessiana)
		<@lit="--robust"> (Matriz de covarianzas CMV (QML))
		<@lit="--cluster">=<@var="clustvar"> (Matriz de covarianzas robusta por agrupación)
		<@lit="--verbose"> (Presenta os detalles das iteracións)
		<@lit="--no-gradient-check"> (Mira abaixo)
		<@lit="--lbfgs"> (Utiliza L-BFGS-B en vez do BFGS habitual)
Exemplos: 	<@inp="weibull.inp">

Realiza a estimación de Máxima Verosimilitude (MV ou ML) utilizando ben o algoritmo BFGS (Broyden, Fletcher, Goldfarb, Shanno) ou ben o método de Newton. Debes de especificar a función logaritmo de verosimilitude. E debes de expresar os parámetros desta función e asignarlles valores iniciais antes da estimación. Opcionalmente, o usuario pode especificar as derivadas da función logaritmo de verosimilitude con respecto a cada un dos parámetros; se non indicas as derivadas analíticas, calcúlase unha aproximación numérica. 

Exemplo sinxelo: Supón que temos unha serie <@lit="X"> con valores 0 ou 1, e queremos obter a estimación máximo verosímil da probabilidade (<@lit="p">) de que <@lit="X"> = 1. (Neste caso sinxelo, pódese adiantar que a estimación MV de <@lit="p"> será simplemente equivalente á proporción de Xs iguais a 1 na mostra.) 

Débese primeiro engadir o parámetro <@lit="p"> ao conxunto de datos e indicar o seu valor inicial. Por exemplo, <@lit="scalar p = 0.5">. 

A continuación, configúrase o bloque de instrucións de estimación EMV: 

<code>          
   mle loglik = X*log(p) + (1-X)*log(1-p)
     deriv p = X/p - (1-X)/(1-p)
   end mle
</code>

A primeira liña de arriba especifica a función logaritmo de verosimilitude. Comeza coa palabra chave <@lit="mle">, logo especifícase a variable dependente e indícase unha expresión para o logaritmo da verosimilitude (usando a mesma sintaxe que na instrución <@lit="genr">). A seguinte liña (que é opcional) comeza coa palabra chave <@lit="deriv"> e proporciona a derivada da función logaritmo de verosimilitude con respecto ao parámetro <@lit="p">. Se non indicas as derivadas, debes de incluír unha orde utilizando a palabra chave <@lit="params"> que identifique os parámetros libres: estes enuméranse nunha liña, separados por espazos e poden ser ben escalares, ben vectores, ou ben calquera combinación dos dous. Por exemplo, podes mudar o de arriba en: 

<code>          
   mle loglik = X*log(p) + (1-X)*log(1-p)
     params p
   end mle
</code>

en cuxo caso utilizaríanse derivadas numéricas. 

Ten en conta que calquera indicador de opción debe de engadirse á liña final do bloque EMV (MLE). 

As desviacións padrón estimadas baséanse no Produto Externo do vector Gradiente, por defecto. Se indicas a opción <@opt="--⁠hessian">, baséanse en troques na inversa negativa da matriz Hessiana (que se aproxima numericamente). Se indicas a opción <@opt="--⁠robust">, utilízase un estimador CMV (QML, un “emparedado” entre a inversa negativa da matriz Hessiana e a matriz de covarianzas do vector gradiente, en concreto). 

Se proporcionas as derivadas analíticas, por defecto Gretl executa unha verificación numérica da súa credibilidade. Algunhas veces isto pode producir falsos positivos, por situacións nas que as derivadas correctas semellan ser incorrectas e a estimación rexéitase. Para ter isto en conta ou para acadar unha pouca velocidade adicional, podes indicar a opción <@opt="--⁠no-gradient-check">. Obviamente, debes de facer isto só cando teñas certeza de que o vector gradiente que especificaches é correcto. 

<@itl="Nomes de parámetros"> 

Ao estimar un modelo non linear, con frecuencia é conveniente nomear os parámetros de forma sucinta. Agora ben, ao presentar os resultados, pode que desexes utilizar etiquetas máis informativas. Isto o podes lograr mediante a palabra chave adicional <@lit="param_names"> dentro do bloque de instrucións. Para un modelo con <@mth="k"> parámetros, o argumento que sigue a esta palabra chave debe de ser ben unha cadea de texto literal contornada entre comiñas que conteña <@mth="k"> nomes separados por espazos, ou ben o nome dunha variable de cadea que conteña <@mth="k"> deses nomes. 

Para unha descrición máis en profundidade da estimación <@lit="mle">, consulta o <@pdf="Guía de usuario de Gretl#chap:mle"> (Capítulo 22). 

Ruta do menú: /Modelar/Máxima Verosimilitude

# modeltab Utilities

Variantes: 	<@lit="modeltab add">
		<@lit="modeltab show">
		<@lit="modeltab free">
		<@lit="modeltab --output="><@var="nomeficheiro">

Permite manexar a “Táboa de modelos” de Gretl; consulta o <@pdf="Guía de usuario de Gretl#chap:modes"> (Capítulo 3) para obter máis detalles. As instrucións subordinadas teñen os seguintes efectos: <@lit="add"> engade o derradeiro modelo estimado á táboa de modelos, cando sexa posible; <@lit="show"> amosa a táboa de modelos nunha xanela; e <@lit="free"> limpa a táboa. 

Para solicitar que se garde a táboa de modelos, usa a opción <@opt="--⁠output="> máis un nome de ficheiro. Cando o nome do ficheiro teña o sufixo “<@lit=".tex">”, o resultado vai estar en formato TeX; cando o sufixo sexa “<@lit=".rtf">”, o resultado terá formato RTF; e noutro caso, vai estar en texto plano. No caso dun resultado TeX, por defecto xérase un “anaco” axeitado para incluír nun documento; en cambio, se queres un documento independente, usa a opción <@opt="--⁠complete">, como por exemplo 

<code>          
   modeltab --output="myfile.tex" --complete
</code>

Ruta do menú: Xanela de iconas de sesión: icona de Táboa de modelos

# modprint Printing

Argumentos: 	<@var="matrizcoef"> <@var="nomes"> [ <@var="estatadicionais"> ] 
Opción: 	<@lit="--output">=<@var="nomeficheiro"> (Envía o resultado ao ficheiro especificado)

Presenta a táboa de coeficientes e estatísticos adicionais optativos para un modelo estimado “á man”; é útil sobre todo para funcións escritas polo usuario. 

O argumento <@var="matrizcoef"> debe de ser unha matriz de dimensión <@mth="k"> por 2, que contén <@mth="k"> coeficientes e <@mth="k"> desviacións padrón asociadas. O argumento <@var="nomes"> debe de proporcionar polo menos <@mth="k"> nomes para etiquetar os coeficientes. Podes indicalo co formato: (a) dunha cadea de texto literal (contornada entre comiñas) ou dunha variable de cadea, que conteña os nomes separados por comas ou espazos, ou (b) un arranxo xa definido de cadeas de texto. 

O argumento <@var="estatadicionais"> (opcional) é un vector que contén <@mth="p"> estatísticos adicionais que se amosan debaixo da táboa de coeficientes. Se indicas este argumento, entón <@var="nomes"> debe de conter <@mth="k + p"> nomes, de forma que os <@mth="p"> nomes agregados se asocien aos estatísticos adicionais. 

Para colocar o resultado nun ficheiro, utiliza a opción <@opt="--⁠output="> máis un nome de ficheiro. Cando o nome de ficheiro teña o sufixo “<@lit=".tex">”, o resultado vai estar en formato TeX; cando o sufixo sexa “<@lit=".rtf">”, o resultado terá formato RTF; e noutro caso, vai estar en texto plano. No caso dun resultado TeX, por defecto xérase un “anaco” axeitado para incluír nun documento; en cambio, se queres un documento independente, usa a opción <@opt="--⁠complete">. 

O ficheiro resultante escríbese no cartafol (<@ref="workdir">) establecido nese momento, agás que a cadea <@var="nomeficheiro"> conteña unha especificación completa da ruta. 

# modtest Tests

Argumento: 	[ <@var="nivel"> ] 
Opcións: 	<@lit="--normality"> (Normalidade das perturbacións)
		<@lit="--logs"> (Non linearidade: logaritmos)
		<@lit="--autocorr"> (Autocorrelación)
		<@lit="--arch"> (ARCH)
		<@lit="--squares"> (Non linearidade: cadrados)
		<@lit="--white"> (Heterocedasticidade: proba de White)
		<@lit="--white-nocross"> (Proba de White: só cadrados)
		<@lit="--breusch-pagan"> (Heterocedasticidade: proba de Breusch–Pagan)
		<@lit="--robust"> (Estimación con varianzas robustas para Breusch–Pagan)
		<@lit="--panel"> (Heterocedasticidade: por grupos)
		<@lit="--comfac"> (Restrición de factor común: só modelos AR1)
		<@lit="--xdepend"> (Dependencia de sección cruzada: só con datos de panel)
		<@lit="--quiet"> (Non presenta os detalles)
		<@lit="--silent"> (Non presenta nada)

Debe de seguir inmediatamente a unha instrución de estimación. A discusión de abaixo aplícase á utilización desta instrución a continuación da estimación dun modelo dunha única ecuación; consulta o <@pdf="Guía de usuario de Gretl#chap:var"> (Capítulo 28) para unha exposición de como opera <@lit="modtest"> despois da estimación dun VAR. 

Dependendo da opción que indiques, esta instrución efectúa unha destas: a proba de Normalidade da perturbación de Doornik–Hansen; unha proba de non linearidade (logaritmos ou cadrados) con multiplicadores de Lagrange; a proba de heterocedasticidade de White (con ou sen produtos cruzados) ou a de Breusch–Pagan (<@bib="Breusch e Pagan, 1979;breusch-pagan79">); a proba LMF de autocorrelación <@bib="(Kiviet, 1986);kiviet86">; unha proba de ARCH (Heterocedasticidade Condicional Autorregresiva; consulta tamén a instrución <@lit="arch">); unha proba da restrición de factor común implícita na estimación AR(1); ou unha proba de dependencia de sección cruzada en modelos con datos de panel. Coa excepción das probas de Normalidade, de factor común e de dependencia de sección cruzada, a meirande parte das opcións destas probas só están dispoñibles para modelos estimados mediante MCO, pero mira máis abaixo para obter máis detalles en relación con Mínimos Cadrados en 2 Etapas. 

O argumento <@lit="nivel"> (opcional) é importante só no caso de que escollas as opcións <@opt="--⁠autocorr"> ou <@opt="--⁠arch">. Por defecto, estas probas execútanse utilizando un nivel de retardos igual á periodicidade dos datos, pero podes axustar isto indicando un nivel de retardos específico. 

A opción <@opt="--⁠robust"> aplícase unicamente cando seleccionas a proba de Breusch–Pagan; o seu efecto consiste en que se utiliza o estimador robusto da varianza proposto por <@bib="Koenker (1981);koenker81">, facendo a proba menos sensible ao suposto de Normalidade. 

A opción <@opt="--⁠panel"> está dispoñible só cando o modelo se estima con datos de panel; e neste caso, realízase unha proba de heterocedasticidade por grupos (é dicir, de varianzas diferentes das perturbacións entre as unidades de sección cruzada). 

A opción <@opt="--⁠comfac"> está dispoñible só cando o modelo se estima mediante un método AR(1) tal como o de Hildreth–Lu. A regresión auxiliar toma a forma dun modelo dinámico relativamente non restrinxido, que se utiliza para probar a restrición de factor común implícita na especificación AR(1). 

A opción <@opt="--⁠xdepend"> está dispoñible só para modelos estimados con datos de panel. O estatístico de proba é o desenvolvido por <@bib="Pesaran (2004);pesaran04">. A hipótese nula é que a perturbación distribúese independentemente entre as unidades atemporais ou os individuos. 

Por defecto, o programa presenta a regresión auxiliar na que se basea o estatístico de proba, sé é aplicable. Podes eliminar isto utilizando a opción <@opt="--⁠quiet"> (presentación mínima de resultados) ou a opción <@opt="--⁠silent"> (non presenta ningún resultado). Podes recuperar o estatístico de proba e a súa probabilidade asociada (valor p) utilizando os accesorios <@xrf="$test"> e <@xrf="$pvalue">, respectivamente. 

Cando un modelo se estima por Mínimos Cadrados en 2 Etapas (consulta <@ref="tsls">), ráchase o principio de Máxima Verosimilitude e Gretl ofrece algúns equivalentes: a opción <@lit="--autocorr"> calcula o estatístico de Godfrey para probar autocorrelación <@bib="(Godfrey, 1994);godfrey94"> mentres que a opción <@lit="--white"> produce o estatístico da proba HET1 de heterocedasticidade <@bib="(Pesaran e Taylor, 1999);pesaran99">. 

Ruta do menú: Fiestra de modelo: Probas

# mpols Estimation

Argumentos: 	<@var="depvar"> <@var="indepvars"> 
Opcións: 	<@lit="--vcv"> (Presenta a matriz de covarianzas)
		<@lit="--simple-print"> (Non presenta os estatísticos auxiliares)
		<@lit="--quiet"> (Non presenta os resultados)

Calcula as estimacións de MCO para o modelo especificado, utilizando aritmética de punto flotante con precisión múltiple, coa axuda da biblioteca Gnu Multiple Precision (GMP). Por defecto, utilízanse 256 bits de precisión nos cálculos, pero podes aumentar isto mediante a variable de contorna <@lit="GRETL_MP_BITS">. Por exemplo, cando utilizas o intérprete Bash se te podería ocorrer a seguinte instrución para establecer unha precisión de 1024 bits antes de comezar Gretl. 

<code>          
   export GRETL_MP_BITS=1024
</code>

Dispós dunha opción (máis ben rebuscada) para esta instrución, principalmente co propósito de facer probas: cando a lista <@var="indepvars"> vai seguida dun punto e coma, máis dunha lista posterior de números, eses números tómanse como potencias de <@var="x"> que se engaden á regresión, onde <@var="x"> é a última variable de <@var="indepvars">. Estes termos adicionais calcúlanse e gárdanse con precisión múltiple. No seguinte exemplo, faise a regresión de <@lit="y"> sobre <@lit="x"> máis a segunda, terceira e cuarta potencias dese <@lit="x">: 

<code>          
   mpols y 0 x ; 2 3 4
</code>

Ruta do menú: /Modelar/Outros Modelos Lineais/MCO lineais de alta precisión

# negbin Estimation

Argumentos: 	<@var="depvar"> <@var="indepvars"> [ ; <@var="exposición"> ] 
Opcións: 	<@lit="--model1"> (Utiliza o modelo NegBin 1)
		<@lit="--robust"> (Matriz de covarianzas CMV (QML))
		<@lit="--cluster">=<@var="clustvar"> (Consulta <@ref="logit"> para unha explicación)
		<@lit="--opg"> (Mira abaixo)
		<@lit="--vcv"> (Presenta a matriz de covarianzas)
		<@lit="--verbose"> (Presenta os detalles das iteracións)

Estima un modelo Binomial Negativo. Tómase a variable dependente para representar un reconto do número de veces que ocorre un suceso dalgún tipo, e debe de ter só valores enteiros non negativos. Por defecto, utilízase o modelo NegBin 2 no que a varianza condicionada do reconto ven determinada por μ(1 + αμ), onde μ denota a media condicionada. Pero se indicas a opción <@opt="--⁠model1">, a varianza condicionada é μ(1 + α). 

A serie de exposición (<@lit="offset">, opcional) funciona do mesmo xeito que para a instrución <@ref="poisson">. O modelo de Poisson é unha forma restrinxida da Binomial Negativa na que α = 0 por construción. 

Por defecto, as desviacións padrón calcúlanse utilizando unha aproximación numérica á matriz Hessiana na converxencia. Pero se indicas a opción <@opt="--⁠opg">, a matriz de covarianzas baséase no Produto Externo do vector Gradiente, PEG (OPG), e se indicas a opción <@opt="--⁠robust">, calcúlanse as desviacións padrón CMV (QML), utilizando un “emparedado” entre a inversa da matriz Hessiana e o PEG. 

Ruta do menú: /Modelar/Variable Dependente Limitada/Datos de Reconto

# nls Estimation

Argumentos: 	<@var="función"> [ <@var="derivadas"> ] 
Opcións: 	<@lit="--quiet"> (Non presenta o modelo estimado)
		<@lit="--robust"> (Desviacións padrón robustas)
		<@lit="--vcv"> (Presenta a matriz de covarianzas)
		<@lit="--verbose"> (Presenta os detalles das iteracións)
		<@lit="--no-gradient-check"> (Mira abaixo)
Exemplos: 	<@inp="wg_nls.inp">

Realiza a estimación de Mínimos Cadrados Non Lineais (MCNL ou NLS) utilizando unha versión modificada do algoritmo de Levenberg–Marquardt. Debes de indicar a especificación dunha función e de enunciar os parámetros desta, ademais de darlles os seus valores iniciais antes da estimación. Como opción, podes especificar as derivadas da función de regresión con respecto a cada un dos parámetros. Se non proporcionas as derivadas, no seu lugar debes de indicar unha lista dos parámetros que se van estimar (separados por espazos ou comas), precedida pola palabra chave <@lit="params">. Neste último caso, calcúlase unha aproximación numérica ao Xacobiano. 

Resulta máis doado amosar o que se require mediante un exemplo. O que segue é un guión completo para estimar a función non linear de consumo establecida no libro <@itl="Econometric Analysis"> (capítulo 11 da 4a edición ou capítulo 9 da 5a) de William Greene. Os números á esquerda das liñas son só para tomar como referencia e non son parte das instrucións. Ten en conta que calquera indicador de opción, como sería <@opt="--⁠vcv"> para presentar a matriz de covarianzas dos estimadores dos parámetros, deberías de engadilo á instrución final, <@lit="end nls">. 

<code>          
   1   open greene11_3.gdt
   2   ols C 0 Y
   3   scalar alfa = $coeff(0)
   4   scalar beta = $coeff(Y)
   5   scalar gamma = 1.0
   6   nls C = alfa + beta * Y^gamma
   7    deriv alfa = 1
   8    deriv beta = Y^gamma
   9    deriv gamma = beta * Y^gamma * log(Y)
   10  end nls --vcv
</code>

Con frecuencia é conveniente iniciar os parámetros cunha referencia a un modelo linear relacionado; isto lógrase aquí coas liñas da 2 á 5. Os parámetros alfa, beta e gamma poden establecerse con calquera valor inicial (non necesariamente baseados nun modelo estimado con MCO), aínda que a converxencia do procedemento de MCNL non está garantida para calquera punto de inicio que se te antolle. 

As auténticas instrucións MCNL ocupan as liñas da 6 ata a 10. Na liña 6 indícase a instrución <@lit="nls"> na que se declara a variable dependente, cun signo de igualdade a continuación, e seguido este da especificación dunha función. A sintaxe para o lado dereito da expresión é a mesma que a da instrución <@lit="genr">. As seguintes 3 liñas especifican as derivadas da función de regresión con respecto a cada un dos parámetros, de un en un. Cada liña comeza coa palabra chave <@lit="deriv">, establece o nome dun parámetro, un signo de igualdade e unha expresión pola que pode calcularse a derivada. En lugar de proporcionar as derivadas numéricas, como alternativa podes substituír as liñas da 7 á 9 polo seguinte: 

<code>          
   params alfa beta gamma
</code>

A liña 10, <@lit="end nls">, completa a instrución e solicita a estimación. Calquera opción deberás de engadila a esta liña. 

Se proporcionas as derivadas analíticas, por defecto Gretl executa unha verificación numérica da súa credibilidade. Algunhas veces isto pode producir falsos positivos, por situacións nas que as derivadas correctas semellan ser incorrectas e a estimación rexéitase. Para ter isto en conta ou para acadar unha pouca velocidade adicional, podes indicar a opción <@opt="--⁠no-gradient-check">. Obviamente, debes de facer isto só cando teñas certeza de que o vector gradiente que especificaches é correcto. 

<@itl="Nomes de parámetros"> 

Ao estimar un modelo non linear, con frecuencia é conveniente nomear os parámetros de forma sucinta. Agora ben, ao presentar os resultados, pode que desexes utilizar etiquetas máis informativas. Isto o podes lograr mediante a palabra chave adicional <@lit="param_names"> dentro do bloque de instrucións. Para un modelo con <@mth="k"> parámetros, o argumento que sigue a esta palabra chave debe de ser ben unha cadea de texto literal contornada entre comiñas que conteña <@mth="k"> nomes separados por espazos, ou ben o nome dunha variable de cadea que conteña <@mth="k"> deses nomes. 

Para obter outros detalles sobre a estimación MCNL (NLS), consulta o <@pdf="Guía de usuario de Gretl#chap:nls"> (Capítulo 21). 

Ruta do menú: /Modelar/Mínimos Cadrados Non Lineais

# normtest Tests

Argumento: 	<@var="serie"> 
Opcións: 	<@lit="--dhansen"> (Proba de Doornik–Hansen, por defecto)
		<@lit="--swilk"> (Proba de Shapiro–Wilk)
		<@lit="--lillie"> (Proba de Lilliefors)
		<@lit="--jbera"> (Proba de Jarque–Bera)
		<@lit="--all"> (Fai todas as probas)
		<@lit="--quiet"> (Non presenta os resultados)

Realiza unha proba de normalidade para a <@var="serie"> indicada. O tipo de proba en concreto contrólase polo indicador de opción (e execútase a proba de Doornik–Hansen cando non indicas ningunha opción). Advertencia: As probas de Doornik–Hansen e Shapiro–Wilk son máis recomendables que as outras, tendo en conta as súas mellores propiedades en mostras pequenas. 

Mediante os accesorios <@xrf="$test"> e <@xrf="$pvalue"> podes recuperar o estatístico de proba e a súa probabilidade asociada (valor p), respectivamente. Ten en conta que cando indicas a opción <@opt="--⁠all">, o resultado gardado é o da proba de Doornik–Hansen. 

Ruta do menú: /Variable/Probas de Normalidade

# nulldata Dataset

Argumento: 	<@var="lonxitude"> 
Opción: 	<@lit="--preserve"> (Retén as variables que non son series)
Exemplo: 	<@lit="nulldata 500">

Establece un conxunto de datos “en branco” que: inclúe só unha constante máis unha variable índice, ten periodicidade 1 e contén o número de observacións especificado no argumento. Podes utilizar isto coa intención de facer simulacións, pois funcións coma <@lit="uniform()"> e <@lit="normal()"> xeran series artificiais comezando polo principio, para reencher o conxunto de datos. Esta instrución pode ser moi útil en combinación con <@lit="loop">. Consulta tamén a opción “semente” da instrución <@ref="set">. 

Por defecto, esta instrución libra todos os datos do espazo vixente de traballo de Gretl, non só as series senón tamén as matrices, os escalares, as cadeas de texto, etc. Agora ben, cando indicas a opción <@opt="--⁠preserve">, retense calquera variable que non sexa unha serie e estea definida nese momento. 

Ruta do menú: /Ficheiro/Novo conxunto de datos

# ols Estimation

Argumentos: 	<@var="depvar"> <@var="indepvars"> 
Opcións: 	<@lit="--vcv"> (Presenta a matriz de covarianzas)
		<@lit="--robust"> (Desviacións padrón robustas)
		<@lit="--cluster">=<@var="clustvar"> (Desviacións padrón agrupadas)
		<@lit="--jackknife"> (Mira abaixo)
		<@lit="--simple-print"> (Non presenta estatísticos auxiliares)
		<@lit="--quiet"> (Non presenta os resultados)
		<@lit="--anova"> (Presenta unha táboa ANOVA)
		<@lit="--no-df-corr"> (Elimina a corrección dos graos de liberdade)
		<@lit="--print-final"> (Mira abaixo)
Exemplos: 	<@lit="ols 1 0 2 4 6 7">
		<@lit="ols y 0 x1 x2 x3 --vcv">
		<@lit="ols y 0 x1 x2 x3 --quiet">

Calcula as estimacións de mínimos cadrados ordinarios (MCO ou OLS) sendo <@var="depvar"> a variable dependente e <@var="indepvars"> unha lista de variables independentes. Podes especificar as variables co nome ou co número; e utiliza o número cero para indicar o termo constante. 

Aparte das estimacións dos coeficientes e das desviacións padrón, o programa tamén presenta as probabilidades asociadas (valores p) aos estatísticos <@mth="t"> (con dúas colas) e <@mth="F">. Un 'valor p' por debaixo de 0.01 indica significación estatística a un nivel do 1 por cento, e márcase con <@lit="***">. A marca <@lit="**"> indica niveles de significación entre 1 e 5 por cento, e a marca <@lit="*"> indica niveles entre 5 e 10 por cento. Tamén preséntanse os estatísticos para elixir modelos (o Criterio de Información de Akaike ou AIC, e o Criterio de Información Baiesiano de Schwarz). A fórmula utilizada para o AIC é a proporcionada por <@bib="Akaike (1974);akaike74">, en concreto, menos dúas veces o logaritmo da verosimilitude maximizada máis dúas veces o número de parámetros estimados. 

Se indicas a opción <@opt="--⁠no-df-corr">, non se aplica a corrección habitual dos graos de liberdade ao calcular a varianza estimada da perturbación (e polo tanto, tampouco as desviacións padrón dos estimadores dos parámetros). 

A opción <@opt="--⁠print-final"> é aplicable só no contexto dun bucle (<@ref="loop">), e dispón que a regresión se execute silandeiramente en todas as iteracións do bucle, agás na derradeira. Consulta o <@pdf="Guía de usuario de Gretl#chap:looping"> (Capítulo 12) para obter máis detalles. 

Podes recuperar varias variables internas despois da estimación. Por exemplo: 

<code>          
   series uh = $uhat
</code>

garda os erros da estimación baixo o nome <@lit="uh">. Consulta a sección “Accesorios” da Guía de funcións de Gretl para obter máis detalles. 

Podes axustar a fórmula (versión “HC”) específica que se vai utilizar para xerar as desviacións padrón robustas cando indicas a opción <@opt="--⁠robust">, mediante a instrución <@ref="set">. A opción <@opt="--⁠jackknife"> ten como consecuencia a selección dunha <@lit="hc_version"> de <@lit="3a">. A opción <@opt="--⁠cluster"> anula a selección da versión HC, e produce as desviacións padrón robustas agrupando as observacións segundo os distintos valores de <@var="clustvar">. Consulta o <@pdf="Guía de usuario de Gretl#chap:robust_vcv"> (Capítulo 18) para obter máis detalles. 

Ruta do menú: /Modelar/Mínimos Cadrados Ordinarios
Outro acceso: Botón co símbolo beta na barra de ferramentas

# omit Tests

Argumento: 	<@var="listavariables"> 
Opcións: 	<@lit="--test-only"> (Non substitúe o modelo vixente)
		<@lit="--chi-square"> (Devolve a forma Khi-cadrado da proba de Wald)
		<@lit="--quiet"> (Presenta só os resultados básicos da proba)
		<@lit="--silent"> (Non presenta nada)
		<@lit="--vcv"> (Presenta a matriz de covarianzas do modelo reducido)
		<@lit="--auto">[=<@var="alfa">] (Eliminación secuencial, mira abaixo)
Exemplos: 	<@lit="omit 5 7 9">
		<@lit="omit seasonals --quiet">
		<@lit="omit --auto">
		<@lit="omit --auto=0.05">

Esta instrución debe de ir despois dunha instrución de estimación. Calcula o estatístico de proba de Wald para a significación conxunta das variables de <@var="listavariables">, que debe de ser un subconxunto das variables independentes do último modelo estimado. Podes recuperar os resultados da proba utilizando os accesorios <@xrf="$test"> e <@xrf="$pvalue">. 

Por defecto, estímase o modelo restrinxido e este substitúe ao orixinal como “modelo vixente” se tes intención, por exemplo, de recuperar os erros con <@lit="$uhat"> ou facer probas posteriores. Podes impedir este comportamento mediante a opción <@opt="--⁠test-only">. 

Por defecto, rexístrase a forma <@mth="F"> da proba de Wald; pero podes utilizar a opción <@opt="--⁠chi-square"> para recoller a a forma khi-cadrado no seu lugar. 

Se ben estimas como tamén representas o modelo restrinxido, a opción <@opt="--⁠vcv"> ten o efecto de presentar a súa matriz de covarianzas; noutro caso, esta opción ignórase. 

Como alternativa, cando indicas a opción <@opt="--⁠auto">, lévase adiante a eliminación secuencial por pasos. En cada etapa exclúese a variable ligada á maior probabilidade asociada (valor p), ata que todas as que queden estean ligadas a valores p que non sexan maiores ca algún valor de corte. Por defecto, este é do 10 por cento (con 2 colas) e podes axustalo engadindo “<@lit="=">” e un valor entre 0 e 1 (sen espazos), como no cuarto exemplo de arriba. Se indicas <@var="listavariables">, este proceso limítase só ás variables da lista; noutro caso, todas as variables se tratan como candidatas á exclusión. Cae na conta de que as opcións <@opt="--⁠auto"> e <@opt="--⁠test-only"> non podes combinalas. 

Ruta do menú: Xanela de modelo: Probas/Excluír variables

# open Dataset

Argumento: 	<@var="nomeficheiro"> 
Opcións: 	<@lit="--quiet"> (Non presenta a lista das series)
		<@lit="--preserve"> (Retén as variables que non son series)
		<@lit="--frompkg">=<@var="nomepaquete"> (Mira abaixo)
		<@lit="--www"> (Utiliza un banco de datos do servidor de Gretl)
		Mira abaixo para opcións adicionais especiais
Exemplos: 	<@lit="open data4-1">
		<@lit="open voter.dta">
		<@lit="open fedbog --www">

Abre un ficheiro de datos ou un banco de datos. Se xa hai aberto un ficheiro de datos, este substitúese polo que se vai abrir. Para engadir datos ao conxunto vixente, consulta <@ref="append"> e (para ter maior flexibilidade) <@ref="join">. 

Se non indicas unha ruta completa, o programa busca nalgunhas rutas destacadas para tratar de atopar o ficheiro, das que o cartafol vixente (<@ref="workdir">) é a primeira elección. Se non indicas o sufixo no nome de ficheiro (como no primeiro exemplo de arriba), Gretl asume que é un ficheiro de datos propio con sufixo <@lit=".gdt">. Baseándose no nome do ficheiro e varias regras heurísticas, Gretl tratará de detectar o formato do ficheiro de datos (propio, texto plano, CSV, MS Excel, Stata, SPSS, etc.). 

Cando se utiliza a opción <@opt="--⁠frompkg">, Gretl vai procurar o ficheiro especificado de datos no subcartafol asociado ao paquete de función especificado por <@var="nomepaquete">. 

Se o argumento <@var="nomeficheiro"> toma a forma dun identificador de recursos uniforme (URI) que comeza por <@lit="http://">, entón Gretl tratará de descargar o ficheiro de datos indicado antes de abrilo. 

Por defecto, ao abrir un novo ficheiro de datos líbrase a sesión vixente de Gretl, o que inclúe a eliminación de todas as variables definidas, incluíndo matrices, escalares e cadeas de texto. Se queres manter as variables que teñas definidas nese momento (as que non sexan series, pois estas elimínanse obrigatoriamente), utiliza a opción <@opt="--⁠preserve">. 

Tamén podes utilizar a instrución <@lit="open"> para abrir un banco de datos (de Gretl, RATS 4.0 ou PcGive) para lelo. Nese caso, deberá de ir seguida da instrución <@ref="data"> para extraer series concretas do banco de datos. Cando indicas a opción <@lit="www">, o programa vai tratar de acceder ao banco de datos do nome indicado no servidor de Gretl (por exemplo, o banco de datos dos tipos de interese da Reserva Federal do terceiro exemplo de arriba). 

Ao abrir un ficheiro de folla de cálculo (Gnumeric, Open Document ou MS Excel), podes facilitar tres parámetros adicionais despois do nome do ficheiro. Primeiro, podes escoller unha folla de cálculo concreta dentro do ficheiro. Isto faise ben indicando o número de folla por medio da sintaxe (e.g., <@opt="--⁠sheet=2">), ou ben indicando o nome da folla (se o sabes) entre comiñas, como en <@opt="--⁠sheet="MacroData""> pois, por defecto, vaise ler a primeira folla de cálculo do ficheiro. Tamén podes especificar un desprazamento de columna e/ou de fila dentro da folla de cálculo mediante, e.g., 

<code>          
   --coloffset=3 --rowoffset=2
</code>

o que vai provocar que Gretl ignore as 3 primeiras columnas e as 2 primeiras filas. Por defecto, hai un desprazamento de 0 en ambas dimensións, é dicir, comézase a ler na cela de arriba á esquerda. 

Con ficheiros de texto plano, Gretl xeralmente agarda atopar as columnas de datos delimitadas dalgún xeito estándar. Pero tamén hai un recurso especial para ler ficheiros de “formato fixo”, nos que non hai delimitadores pero hai unha especificación coñecida da forma, e.g., “a variable <@mth="k"> ocupa 8 columnas comezando na columna 24”. Para ler ese tipo de ficheiros, debes de engadir unha cadea de texto con <@opt="--⁠fixed-cols="><@var="colspec">, onde <@var="colspec"> componse de números enteiros separados por comas. Estes enteiros se interpretan coma un conxunto de pares. O primeiro elemento de cada par denota unha columna de comezo, medida en bytes desde o principio da liña, na que o 1 indica o primeiro byte; e o segundo elemento de cada par indica cantos bytes se deben de ler para o campo indicado. Así, por exemplo, se indicas 

<code>          
   open fixed.txt --fixed-cols=1,6,20,3
</code>

entón Gretl vai ler 6 bytes comezando na columna 1 para a variable 1; e para a variable 2, vai ler 3 bytes comezando na columna 20. As liñas que están en branco, ou que comezan con <@lit="#"> ignóranse; pero en caso contrario aplícase o padrón de lectura de columnas, e cando se atopa algo distinto a un valor numérico válido, amósase un fallo. Cando se len os datos satisfactoriamente, as variables vanse designar como <@lit="v1">, <@lit="v2">, etc. Está nas mans do usuario o facilitar nomes con significado e/ou descricións, utilizando para elo as instrucións <@ref="rename"> e/ou <@ref="setinfo">. 

Ruta do menú: /Ficheiro/Abrir ficheiro de datos
Outro acceso: Arrastrar un ficheiro de datos ata a xanela principal de Gretl

# orthdev Transformations

Argumento: 	<@var="listavariables"> 

Aplicable só con datos de panel. Obtense unha serie con desviacións ortogonais adiantadas para cada variable de <@var="listavariables"> e gárdase nunha nova variable co prefixo<@lit="o_">. Deste xeito <@lit="orthdev x y"> xera as novas variables <@lit="o_x"> e <@lit="o_y">. 

Os valores gárdanse un paso por diante da súa localización temporal verdadeira (é dicir, <@lit="o_x"> na observación <@mth="t"> vai conter a desviación que pertence a <@mth="t"> – 1, falando estritamente). Isto é por compatibilidade coas primeiras diferenzas pois así vaise perder a primeira observación de cada serie temporal, non a última. 

# outfile Printing

Variantes: 	<@lit="outfile"> <@var="nomeficheiro"> <@var="opción">
		<@lit="outfile --close">
Opcións: 	<@lit="--append"> (Engade ao ficheiro)
		<@lit="--write"> (Sobrescribe o ficheiro)
		<@lit="--quiet"> (Mira abaixo)
		<@lit="--buffer"> (Mira abaixo)
Exemplos: 	<@lit="outfile regress.txt --write">
		<@lit="outfile --close">

Desvía o resultado a <@var="nomeficheiro">, ata ter un aviso posterior. Utiliza a opción <@opt="--⁠append"> para engadir o resultado a un ficheiro xa existente, ou <@opt="--⁠write"> para empezar un ficheiro novo (ou sobrescribir un xa existente co mesmo nome). 

A opción <@opt="--⁠close"> se usa para pechar un ficheiro de resultados que xa abriches como se indica arriba. Os resultados entón van volver ao proceso por defecto. Ten en conta que dado que só podes abrir un único ficheiro mediante <@lit="outfile"> nun momento calquera (agás o indicado máis abaixo), non necesitas indicar (nin debes facelo) ningún argumento de nome de ficheiro con esta variante da instrución. 

O ficheiro resultante vaise escribir no cartafol (<@ref="workdir">) establecido nese momento, agás que a cadea <@var="nomeficheiro"> conteña unha especificación completa da ruta. 

Na primeira instrución de exemplo indicada arriba, ábrese o ficheiro <@lit="regress.txt"> para escribilo, e na segunda péchase. Isto podería ter sentido como unha secuencia só se algunhas instrucións se propoñen antes de <@opt="--⁠close">. Por exemplo, cando se interpón unha instrución de estimación, o seu resultado iría a <@lit="regress.txt"> en lugar de ir á pantalla. 

Dispós de 3 variantes especiais do exposto arriba. Cando indicas a palabra chave <@lit="null"> en vez dun nome real de ficheiro xunto coa opción <@opt="--⁠write">, a consecuencia é que se eliminan todos os resultados presentados ata que a redirección remate. Se indicas algunha das palabras chave <@lit="stdout"> ou <@lit="stderr"> en lugar dun nome típico de ficheiro, o seu efecto consiste en volver a dirixir o resultado a un resultado estándar ou a un resultado de erro estándar, respectivamente. 

A opción <@opt="--⁠quiet"> é para utilizar con <@opt="--⁠write"> ou <@opt="--⁠append">, e o seu efecto consiste tanto en eliminar a repetición visual das instrucións como a presentación de mensaxes auxiliares mentres o resultado se volve a dirixir. Isto é equivalente a facer 

<code>          
   set echo off
   set messages off
</code>

agás que cando remata a redirección, os valores orixinais das variables <@lit="echo"> e <@lit="messages"> vólvense a restaurar. 

En xeral, podes abrir un só ficheiro deste xeito en calquera momento dado, polo que non podes aniñar as solicitudes desta instrución. Porén, permítese a utilización desta instrución dentro das funcións que escribe o usuario (posto que o ficheiro de resultados tamén se pecha desde dentro da mesma función), de xeito que podes derivar temporalmente ese resultado e logo devolvelo a un ficheiro de resultados orixinal, no caso de que o solicitante estea utilizando nese momento a instrución <@lit="outfile">. Por exemplo, o código 

<code>          
   function void f (string s)
       outfile inner.txt --write
       print s
       outfile --close
   end function

   outfile outer.txt --write --quiet
   print "Fóra"
   f("Dentro")
   print "Fóra de novo"
   outfile --close
</code>

vai xerar un ficheiro denominado “outer.txt” que contén as dúas liñas 

<code>          
   Fóra
   Fóra de novo
</code>

e un ficheiro denominado “inner.txt” que contén a liña 

<code>          
   Dentro
</code>

Como se describiu arriba, o uso principal desta instrución é o de desviar resultados ao ficheiro designado. Porén, podes utilizar a opción <@opt="--⁠buffer"> para acadar un efecto distinto; en concreto dirixir os resultados a unha variable indicada de cadea. Esta opción implica <@opt="--⁠write"> e non é compatible con <@opt="--⁠append">. A posición do argumento <@var="nomeficheiro"> ocúpase co nome dunha variable de cadea (que, por suposto, debe de axustarse aos requirimentos dun identificador válido de Gretl). Cando xa existe unha variable de cadea co nome indicado, o seu valor vaise sobrescribir; e cando non existe esa variable, vaise xerar automaticamente. Aquí tes un exemplo sinxelo de utilización: 

<code>          
   open data4-1
   outfile mybuf --buffer --quiet
   labels
   outfile --close
   printf "mybuf = \n'%s'\n", mybuf
</code>

Neste caso, a variable <@lit="mybuf"> captura o resultado da instrución <@lit="labels">. Esta prestación pode resultar de utilidade para os redactores de paquetes de función. 

# panel Estimation

Argumentos: 	<@var="depvar"> <@var="indepvars"> 
Opcións: 	<@lit="--vcv"> (Presenta a matriz de covarianzas)
		<@lit="--fixed-effects"> (Estima con efectos fixos por grupo)
		<@lit="--random-effects"> (Efectos aleatorios ou modelo MCX (GLS))
		<@lit="--nerlove"> (Utiliza a transformación de Nerlove)
		<@lit="--between"> (Estima o modelo entre-grupos)
		<@lit="--robust"> (Desviacións padrón robustas; mira abaixo)
		<@lit="--time-dummies"> (Inclúe variables ficticias temporais)
		<@lit="--unit-weights"> (Mínimos Cadrados Ponderados)
		<@lit="--iterate"> (Estimación iterativa)
		<@lit="--matrix-diff"> (Calcula a proba de Hausman mediante a matriz-diferenza)
		<@lit="--unbalanced">=<@var="método"> (Só efectos aleatorios; mira abaixo)
		<@lit="--quiet"> (Resultados menos detallados)
		<@lit="--verbose"> (Resultados máis detallados)

Estima un modelo de panel. Por defecto, utilízase o estimador de efectos fixos; isto ponse en práctica restándolles as medias de grupo ou unidade, aos datos orixinais. 

Cando indicas a opción <@opt="--⁠random-effects">, calcúlanse as estimacións de efectos aleatorios, utilizando por defecto o método de <@bib="Swamy e Arora (1972);swamy72">. Unicamente neste caso, a opción <@opt="--⁠matrix-diff"> forza o uso do método da matriz-diferenza (en contraposición ao método de regresión) para levar adiante a proba de Hausman sobre a consistencia do estimador de efectos aleatorios. Tamén específica do estimador de efectos aleatorios é a opción <@opt="--⁠nerlove"> , que escolle o método de <@bib="Nerlove (1971);nerlove71"> en contraposición ao de Swamy e Arora. 

Como alternativa, cando indicas a opción <@opt="--⁠unit-weights">, o modelo estímase mediante mínimos cadrados ponderados, coas ponderacións baseadas na varianza residual para as unidades respectivas de sección cruzada da mostra. Unicamente neste caso, podes engadir a opción <@opt="--⁠iterate"> para xerar estimacións iterativas e se a iteración converxe, as estimacións resultantes son Máximo Verosímiles. 

Como posterior alternativa, se indicas a opción <@opt="--⁠between">, estímase o modelo entre-grupos (é dicir, faise unha regresión MCO utilizando as medias dos grupos). 

O procedemento por defecto para calcular desviacións padrón robustas en modelos con datos de panel, é o estimador HAC de Arellano HAC, pero podes escoller as “Desviacións Padrón Corrixidas de Panel” de Beck–Katz mediante a instrución <@lit="set pcse on">. Cando especificas a opción robusta, execútase a proba conxunta <@mth="F"> sobre os efectos fixos utilizando o método robusto de <@bib="Welch (1951);welch51">. 

A opción <@opt="--⁠unbalanced"> está dispoñible só para modelos con efectos aleatorios e podes usala para elixir o método ANOVA que empregar cun panel desequilibrado. Por defecto, Gretl emprega o método de Swamy–Arora igual que se fai para os paneis equilibrados, agás que utiliza a media armónica das longuras das series de tempo individuais en vez da <@mth="T"> habitual. Baixo esta opción podes especificar ben <@lit="bc"> para usar o método de <@bib="Baltagi e Chang (1994);baltagi-chang94">, ou ben usar <@lit="stata"> para emular a opción <@lit="sa"> da instrución <@lit="xtreg"> de Stata. 

Para obter máis detalles sobre a estimación dun panel, consulta o <@pdf="Guía de usuario de Gretl#chap:panel"> (Capítulo 19). 

Ruta do menú: /Modelar/Panel

# pca Statistics

Argumento: 	<@var="listavariables"> 
Opcións: 	<@lit="--covariance"> (Utiliza a matriz de covarianzas)
		<@lit="--save">[=<@var="n">] (Garda as compoñentes máis importantes)
		<@lit="--save-all"> (Garda todas as compoñentes)
		<@lit="--quiet"> (Non presenta os resultados)

Análise de Compoñentes Principais. Agás cando indicas a opción <@opt="--⁠quiet">, presenta os valores propios da matriz de correlacións (ou da matriz de covarianzas cando indicas a opción <@opt="--⁠covariance">) para as variables que forman <@var="listavariables">, xunto coa proporción da varianza conxunta representada por cada compoñente. Tamén presenta os correspondentes autovectores ou “pesos das compoñentes”. 

Se indicas a opción <@opt="--⁠save-all">, entón gárdanse tódalas compoñentes como series no conxunto de datos, cos nomes <@lit="PC1">, <@lit="PC2">, etcétera. Estas variables artificiais fórmanse como a suma dos produtos de (o peso da compoñente) por (<@mth="X"><@sub="i"> tipificada), onde <@mth="X"><@sub="i"> denota a variable <@mth="i">-ésima de <@var="listavariables">. 

Se indicas a opción <@opt="--⁠save"> sen un valor do parámetro, gárdanse as compoñentes con valores propios maiores ca media (o que significa maiores ca 1.0 cando a análise se basea na matriz de correlacións) no conxunto de datos, tal como se describiu arriba. Se indicas un valor para <@var="n"> con esta opción, entón gárdanse as <@var="n"> compoñentes máis importantes. 

Consulta tamén a función <@xrf="princomp">. 

Ruta do menú: /Ver/Compoñentes principais
Outro acceso: Xanela principal: Menú emerxente (selección múltiple)

# pergm Statistics

Argumentos: 	<@var="serie"> [ <@var="anchobanda"> ] 
Opcións: 	<@lit="--bartlett"> (Utiliza a xanela de retardo de Bartlett)
		<@lit="--log"> (Utiliza a escala logarítmica)
		<@lit="--radians"> (Amosa a frecuencia en radiáns)
		<@lit="--degrees"> (Amosa a frecuencia en graos)
		<@lit="--plot">=<@var="modo-ou-nomeficheiro"> (Mira abaixo)

Calcula e amosa o espectro da serie especificada. Por defecto, indícase o periodograma da mostra, pero utilízase opcionalmente unha xanela de retardo de Bartlett ao estimar o espectro, (consulta por exemplo, o libro de Greene <@itl="Econometric Analysis"> para ver unha discusión sobre isto). A longura por defecto da xanela de Bartlett é dúas veces a raíz cadrada do tamaño da mostra pero se pode establecer isto de xeito manual utilizando o parámetro <@var="anchobanda">, ata un máximo da metade do tamaño da mostra. 

Cando indicas a opción <@opt="--⁠log">, represéntase o espectro nunha escala logarítmica. 

As opcións (mutuamente excluíntes) <@opt="--⁠radians"> e <@opt="--⁠degrees"> afectan ao aspecto do eixe de frecuencias cando se debuxa o periodograma. Por defecto, a frecuencia escálase polo número de períodos da mostra, pero esas dúas opcións provocan que o eixe se etiquete desde 0 ata π radiáns ou desde 0 a 180°, respectivamente. 

Por defecto, se o programa non está en modo de procesamento por lotes, amósase unha gráfica do periodograma. Podes axustar isto mediante a opción <@opt="--⁠plot">. Os parámetros admisibles para esta opción son <@lit="none"> (para suprimir a gráfica), <@lit="display"> (para representar unha gráfica mesmo en modo de procesamento por lotes), ou un nome de ficheiro. O efecto de indicar un nome de ficheiro é como se describe para a opción <@opt="--⁠output"> da instrución <@ref="gnuplot">. 

Ruta do menú: /Variable/Periodograma
Outro acceso: Xanela principal: Menú emerxente (selección única)

# plot Graphs

Argumento: 	<@var="datos"> 
Opcións: 	<@lit="--with-lines">[=<@var="varspec">] (Utiliza liñas, non puntos)
		<@lit="--with-lp">[=<@var="varspec">] (Utiliza liñas e puntos)
		<@lit="--with-impulses">[=<@var="varspec">] (Utiliza liñas verticais)
		<@lit="--with-steps">[=<@var="varspec">] (Utiliza segmentos de liña horizontais e verticais)
		<@lit="--time-series"> (Representa fronte ao tempo)
		<@lit="--single-yaxis"> (Forza o uso dun único eixe de ordenadas)
		<@lit="--dummy"> (Mira abaixo)
		<@lit="--fit">=<@var="espaxuste"> (Mira abaixo)
		<@lit="--band">=<@var="espfranxa"> (Mira abaixo)
		<@lit="--band-style">=<@var="estilofranxa"> (Mira abaixo)
		<@lit="--output">=<@var="nomeficheiro"> (Envía o resultado ao ficheiro especificado)

O bloque <@lit="plot"> proporciona unha alternativa á instrución <@ref="gnuplot"> que pode ser máis conveniente cando estás xerando unha gráfica complicada (con varias opcións e/ou instrucións Gnuplot para que se insiran no ficheiro gráfico). 

Un bloque <@lit="plot"> comeza coa palabra de instrución <@lit="plot"> seguida polo argumento <@var="datos"> esixido, que especifica os datos que se van representar e que debe de ser o nome dunha lista, dunha matriz ou dunha única serie. 

Cando indicas unha lista (ou unha matriz), asúmese que o último termo (ou a última columna da matriz) é a variable do eixe <@mth="x"> e que os(as) outros(as) son as variables do eixe <@mth="y">, agás cando indicas a opción <@opt="--⁠time-series">, en cuxo caso todos os datos especificados van no eixe <@mth="y">. 

A opción de proporcionar o nome dunha soa serie restrínxese aos datos de series temporais, en cuxo caso asúmese que se quere unha gráfica de series temporais; noutro caso, amósase un fallo. 

A liña de comezo pódese preceder da expresión “<@var="savename"> <@lit="<-">” para que se garde unha gráfica como icona no programa de Interface Gráfica de Usuario (GUI). O bloque remata con <@lit="end plot">. 

Dentro do bloque tes cero ou máis liñas dos seguintes tipos, identificadas pola palabra chave inicial: 

<indent>
• <@lit="option">: Especifica unha opción simple. 
</indent>

<indent>
• <@lit="options">: Especifica múltiples opcións nunha soa liña, separadas por espazos. 
</indent>

<indent>
• <@lit="literal">: Unha instrución que se vai pasar literalmente a Gnuplot. 
</indent>

<indent>
• <@lit="printf">: Un enunciado printf cuxo resultado se pasará literalmente a Gnuplot. 
</indent>

Ten en conta que cando especificas unha opción utilizando as palabras chave <@lit="option"> ou <@lit="options">, non é necesario proporcionar o habitual dobre guión antes do indicador de opción. Para obter máis detalles sobre os efectos das distintas opcións, consulta <@ref="gnuplot"> (pero mira abaixo para algúns detalles específicos de utilizar a opción <@opt="--⁠band"> no contexto <@lit="plot">). 

A intención de utilizar o bloque <@lit="plot"> ilústrase mellor co exemplo: 

<code>          
   string title = "Meu título"
   string xname = "Miña variable X"
   plot plotmat
       options with-lines fit=none
       literal set linetype 3 lc rgb "#0000ff"
       literal set nokey
       printf "set title \"%s\"", title
       printf "set xlabel \"%s\"", xname
   end plot --output=display
</code>

Este exemplo asume que <@lit="plotmat"> é o nome dunha matriz que ten 2 columnas polo menos (ou unha lista que ten 2 elementos polo menos). Cae na conta de que se considera unha boa praxe colocar (unicamente) a opción <@opt="--⁠output"> na derradeira liña do bloque. 

<@itl="Debuxar unha franxa con datos de matrices"> 

As opcións <@opt="--⁠band"> e <@opt="--⁠band-style"> funcionan a maioría das veces como se describe na axuda para <@ref="gnuplot">, coa seguinte excepción: cando se proporcionan os datos a representar en forma dunha matriz, o primeiro parámetro para <@opt="--⁠band"> debe de indicarse co nome dunha matriz de 2 columnas (que conteñan o centro e o largo da franxa, respectivamente). Este parámetro ocupa o lugar dos dous primeiros valores (nomes de series, números ID ou columnas de matriz) que require a versión <@lit="gnuplot"> desta opción (o terceiro é un factor multiplicador). A continuación tes un exemplo: 

<code>          
   scalar n = 100
   matrix x = seq(1,n)'
   matrix y = x + filter(mnormal(n,1), 1, {1.8, -0.9})
   matrix B = y ~ muniform(n,1)
   plot y
       options time-series with-lines
       options band=B,10 band-style=fill
   end plot --output=display
</code>

# poisson Estimation

Argumentos: 	<@var="depvar"> <@var="indepvars"> [ ; <@var="exposición"> ] 
Opcións: 	<@lit="--robust"> (Desviacións padrón robustas)
		<@lit="--cluster">=<@var="clustvar"> (Consulta <@ref="logit"> para máis explicacións)
		<@lit="--vcv"> (Presenta a matriz de covarianzas)
		<@lit="--verbose"> (Presenta os detalles das iteracións)
Exemplos: 	<@lit="poisson y 0 x1 x2">
		<@lit="poisson y 0 x1 x2 ; S">

Estima unha regresión de Poisson. Cóllese a variable dependente para representar o acaecemento de sucesos dalgún tipo, e debe de ter só valores enteiros non negativos. 

Se unha variable aleatoria discreta <@mth="Y"> segue unha distribución de Poisson, entón 

  <@fig="poisson1">

para <@mth="y"> = 0, 1, 2,…. A media e a varianza da distribución son ambas iguais a <@mth="v">. No modelo de regresión de Poisson, o parámetro <@mth="v"> está representado como unha función dunha ou máis variables independentes. A versión máis habitual (e a única que admite Gretl) cumpre 

  <@fig="poisson2">

ou, noutras palabras, o logaritmo de <@mth="v"> é unha función linear das variables independentes. 

Como opción, podes engadir unha variable de exposición (“offset”) á especificación. Esta é unha variable de escala, e o logaritmo dela engádese á función linear de regresión (implicitamente, cun coeficiente de 1.0). Isto ten sentido se agardas que o número de ocorrencias do evento en cuestión é proporcional (manténdose o demais constante) a algún factor coñecido. Por exemplo, podes supoñer que o número de accidentes de tráfico é proporcional ao volume de tráfico (manténdose o demais constante) e, nese caso, o volume de tráfico pode expresarse como unha variable “de exposición” nun modelo de Poisson do cociente de accidentes. A variable de exposición debe de ser estritamente positiva. 

Por defecto, calcúlanse as desviacións padrón utilizando a inversa negativa da matriz Hessiana. Se especificas a opción <@opt="--⁠robust">, entón calcúlanse no seu lugar as desviacións padrón CMV (QML) ou de Huber–White. Neste caso, a matriz de covarianzas estimada é un “emparedado” entre a inversa da matriz Hessiana estimada e o produto externo do vector gradiente. 

Consulta tamén <@ref="negbin">. 

Ruta do menú: /Modelar/Variable Dependente Limitada/Datos de reconto

# print Printing

Variantes: 	<@lit="print"> <@var="listavariables">
		<@lit="print">
		<@lit="print"> <@var="nomesobxectos">
		<@lit="print"> <@var="cadealiteral">
Opcións: 	<@lit="--byobs"> (Por observacións)
		<@lit="--no-dates"> (Utiliza simples números de observación)
		<@lit="--midas"> (Mira abaixo)
Exemplos: 	<@lit="print x1 x2 --byobs">
		<@lit="print my_matrix">
		<@lit="print "Isto é unha cadea"">
		<@lit="print hflist --midas">

Ten en conta que <@lit="print"> é máis ben unha instrución “básica” (coa intención principal de presentar os valores das series). Consulta <@ref="printf"> e <@ref="eval"> para outras alternativas máis avanzadas e menos restritivas. 

Na primeira variante amosada arriba (consulta o primeiro exemplo tamén), <@var="listavariables"> debe de ser unha lista de series (ben unha lista xa definida, ou ben unha lista especificada mediante os nomes ou números ID das series, separados por espazos). Neste caso, esta instrución presenta os valores das series da lista. Por defecto, os datos preséntanse “por variable”, pero se engades a opción <@opt="--⁠byobs"> preséntanse por observación. Cando se presentan por observación, por defecto amósase a data (con datos de series temporais) ou a cadea de texto do marcador de observación (en caso de que o haxa) ao comezo de cada liña. Mediante a opción <@opt="--⁠no-dates"> elimínase a presentación das datas ou dos marcadores; no seu lugar amósase un simple número de observación. Consulta o parágrafo final destes comentarios para ver o efecto da opción <@opt="--⁠midas"> (que se aplica só a unha lista xa definida de series). 

Cando non indicas ningún argumento (a segunda variante amosada arriba) entón o efecto é similar ao primeiro caso excepto que se van presentar <@itl="todas"> as series do conxunto vixente de datos. As opcións que se admiten son como se describiron máis arriba. 

A terceira variante (co argumento <@var="nomesobxectos">; mira o segundo exemplo) agarda unha lista de nomes separados por espazos, de obxectos fundamentais de Gretl que non sexan series (escalares, matrices, cadeas de texto, feixes, arranxos); e amósase o valor destes obxectos. Neste caso, non se admiten indicadores de opción. 

Na cuarta forma (terceiro exemplo), <@var="cadealiteral"> debe de ser unha cadea de texto contornada entre comiñas (e non debe de haber nada máis seguindo á liña de instrución). Preséntase a cadea de texto en cuestión, seguida dun carácter de liña nova. 

A opción <@opt="--⁠midas"> é especial para presentar unha lista de series e, máis aínda, é específica para conxuntos de datos que conteñen unha ou máis series de alta frecuencia, cada unha representada por unha <@ref="MIDAS_list">. Cando indicas unha desas listas como argumento e agregas esta opción, a serie preséntase por observación da súa frecuencia “orixinal”. 

Ruta do menú: /Datos/Amosar valores

# printf Printing

Argumentos: 	<@var="formato"> <@lit=", "><@var="elementos"> 

Presenta valores escalares, series, matrices ou cadeas de texto baixo o control dunha cadea de texto para dar formato (ofrecendo unha parte da función <@lit="printf"> da linguaxe de programación C). Os formatos numéricos recoñecido son <@lit="%e">, <@lit="%E">, <@lit="%f">, <@lit="%g">, <@lit="%G"> e <@lit="%d">, en cada caso cos diversos reguladores dispoñibles en C. Exemplos: o formato <@lit="%.10g"> presenta un valor con 10 cifras significativas, e <@lit="%12.6f"> presenta un valor cun largo de 12 caracteres dos que 6 son decimais. Porén, ten en conta que en Gretl o formato <@lit="%g"> é unha boa elección por defecto para todos os valores numéricos, e non tes necesidade de complicarte demasiado. Debes de utilizar o formato <@lit="%s"> para as cadeas de texto. 

A propia cadea de formato debe de estar contornada entre comiñas, e os valores que se van presentar deben de ir despois desa cadea de formato, separados por comas. Estes valores deben de ter a forma de ou ben (a) os nomes das variables, ben (b) expresións que xeran algunha clase de resultado que é presentable, ou ben (c) as funcións especiais <@lit="varname()"> ou <@lit="date()">. O seguinte exemplo presenta os valores de dúas variables máis o dunha expresión que se calcula: 

<code>          
   ols 1 0 2 3
   scalar b = $coeff[2]
   scalar se_b = $stderr[2]
   printf "b = %.8g, Desviación padrón %.8g, t = %.4f\n",
          b, se_b, b/se_b
</code>

As seguintes liñas ilustran o uso das funcións varname e date, que presentan respectivamente o nome dunha variable (indicado polo seu número ID) e unha cadea de texto cunha data (dada por un número natural positivo que indica unha observación). 

<code>          
   printf "O nome da variable %d é %s\n", i, varname(i)
   printf "A data da observación %d é %s\n", j, date(j)
</code>

Cando indicas un argumento matricial asociado a un formato numérico, preséntase a matriz enteira utilizando o formato especificado para cada elemento. O mesmo aplícase ás series, agás que o rango de valores presentados se rexe pola configuración vixente da mostra. 

A lonxitude máxima dunha cadea de formato é de 127 caracteres. Recoñécense as secuencias de escape <@lit="\n"> (nova liña), <@lit="\t"> (tabulación), <@lit="\v"> (tabulación vertical) e <@lit="\\"> (barra inclinada á esquerda literal). Para presentar un signo por cento literal, utiliza <@lit="%%">. 

Como en C, podes indicar os valores numéricos que forman parte do formato (o largo e/ou a precisión) directamente como números, como en <@lit="%10.4f">, ou como variables. Neste último caso, póñense asteriscos na cadea de formato e proporciónanse os argumentos correspondentes por orde. Por exemplo: 

<code>          
   scalar width = 12
   scalar precision = 6
   printf "x = %*.*f\n", width, precision, x
</code>

# probit Estimation

Argumentos: 	<@var="depvar"> <@var="indepvars"> 
Opcións: 	<@lit="--robust"> (Desviacións padrón robustas)
		<@lit="--cluster">=<@var="clustvar"> (Consulta <@ref="logit"> para máis explicacións)
		<@lit="--vcv"> (Presenta a matriz de covarianzas)
		<@lit="--verbose"> (Presenta os detalles das iteracións)
		<@lit="--p-values"> (Amosa os valores p en vez das pendentes)
		<@lit="--random-effects"> (Estima un modelo Probit de panel con efectos aleatorios, EA)
		<@lit="--quadpoints">=<@var="k"> (Número de puntos de cuadratura para a estimación con EA)
Exemplos: 	<@inp="ooballot.inp">, <@inp="oprobit.inp">, <@inp="reprobit.inp">

Se a variable dependente é unha variable binaria (todos os seus valores son 0 ou 1), obtéñense estimacións máximo verosímiles dos coeficientes das variables de <@var="indepvars"> mediante o método de Newton–Raphson. Como o modelo é non linear, as pendentes están condicionadas polos valores das variables independentes. Por defecto, calcúlanse as pendentes con respecto a cada unha das variables independentes (nas medias desas variables) e estas pendentes substitúen os valores p habituais no resultado da regresión. Podes prescindir deste proceder indicando a opción <@opt="--⁠p-values">. O estatístico khi-cadrado proba a hipótese nula de que todos os coeficientes son cero, agás o da constante. 

Por defecto, as desviacións padrón calcúlanse utilizando a inversa negativa da matriz Hessiana. Se indicas a opción <@opt="--⁠robust">, entón calcúlanse no seu lugar as desviacións padrón CMV (QML) ou de Huber–White. Neste caso, a matriz de covarianzas estimadas é un “emparedado” entre a inversa da matriz Hessiana estimada e o produto externo do vector gradiente. Para obter máis detalles, consulta o capítulo 10 do libro de <@bib="Davidson e MacKinnon (2004);davidson-mackinnon04">. 

Se a variable dependente non é binaria senón discreta, entón se obteñen as estimacións dun Probit Ordenado. (Se a variable elixida como dependente non é discreta, amósase un fallo.) 

<@itl="Probit para datos de panel"> 

Coa opción <@opt="--⁠random-effects">, asúmese que cada perturbación está composta por dúas compoñentes Normalmente distribuídas: (a) un termo invariante no tempo que é específico da unidade de sección cruzada ou “individuo” (e que se coñece como efecto individual), e (b) un termo que é específico da observación concreta. 

A avaliación da verosimilitude deste modelo implica utilizar a cuadratura de Gauss-Hermite para aproximar o valor das esperanzas de funcións de variables Normais. Podes escoller o número de puntos de cuadratura utilizados mediante a opción <@opt="--⁠quadpoints"> (por defecto é de 32). Utilizando máis puntos mellórase a precisión dos resultados, pero co custo de máis tempo de cálculo; así con moitos puntos de cuadratura, a estimación cun conxunto de datos moi grande pode consumir tempo de máis. 

Amais das estimacións habituais dos parámetros (e dos estatísticos asociados) relacionados cos regresores incluídos, preséntase algunha información adicional sobre a estimación desta clase de modelo: 

<indent>
• <@lit="lnsigma2">: A estimación máximo verosímil do logaritmo da varianza do efecto individual; 
</indent>

<indent>
• <@lit="sigma_u">: A estimación da desviación padrón do efecto individual; e 
</indent>

<indent>
• <@lit="rho">: A estimación da parte do efecto individual na varianza composta da perturbación (tamén coñecida como a correlación intra-clase). 
</indent>

A proba de Razón de Verosimilitudes respecto á hipótese nula de que <@lit="rho"> é igual a cero, proporciona un xeito de avaliar se é necesaria a especificación de efectos aleatorios. Se a hipótese nula non se rexeita, iso suxire que é axeitada unha simple especificación Probit combinada. 

Ruta do menú: /Modelar/Variable Dependente Limitada/Probit

# pvalue Utilities

Argumentos: 	<@var="distribución"> [ <@var="parámetros"> ] <@var="xvalor"> 
Exemplos: 	<@lit="pvalue z zscore">
		<@lit="pvalue t 25 3.0">
		<@lit="pvalue X 3 5.6">
		<@lit="pvalue F 4 58 fval">
		<@lit="pvalue G shape scale x">
		<@lit="pvalue B bprob 10 6">
		<@lit="pvalue P lambda x">
		<@lit="pvalue W shape scale x">

Calcula a área que queda á dereita do valor <@var="xvalor"> na distribución especificada (<@lit="z"> para a Normal, <@lit="t"> para a <@mth="t"> de Student, <@lit="X"> para a Khi-cadrado, <@lit="F"> para a <@mth="F">, <@lit="G"> para a Gamma, <@lit="B"> para a Binomial, <@lit="P"> para a Poisson, <@lit="exp"> para Exponencial, ou <@lit="W"> para a Weibull). 

Dependendo do tipo de distribución, debes de indicar a seguinte información antes do valor <@var="xvalor">: para as distribucións <@mth="t">e khi-cadrado, os graos de liberdade; para a <@mth="F">, os graos de liberdade de numerador e denominador; para a Gamma, os parámetros de forma e de escala; para a distribución Binomial, a probabilidade de “éxito” e o número de intentos; para a distribución de Poisson, o parámetro λ (que é tanto a media como a varianza); para a Exponencial, un parámetro de escala; e para a distribución de Weibull, os parámetros de forma e de escala. Como se amosou nos exemplos de arriba, podes indicar os parámetros numéricos en formato numérico ou como nomes de variables. 

Os parámetros para a distribución Gamma indícanse ás veces como media e varianza en lugar de forma e escala. A media é o produto da forma e a escala; a varianza é o produto da forma e o cadrado da escala. Deste xeito, podes calcular a escala dividindo a varianza entre a media, e podes calcular a forma dividindo a media entre a escala. 

Ruta do menú: /Ferramentas/Buscador do valor P

# qlrtest Tests

Opcións: 	<@lit="--limit-to">=<@var="lista"> (Limita a proba a un subconxunto de regresores)
		<@lit="--plot">=<@var="modo-ou-nomeficheiro"> (Mira abaixo)
		<@lit="--quiet"> (Non presenta os resultados)

Para un modelo estimado con datos de series temporais mediante MCO, realiza a proba da razón de verosimilitude de Quandt (QLR) para un cambio estrutural nun punto descoñecido no tempo, cun 15 por cento de recorte ao comezo e ao final do período da mostra. 

Para cada punto potencial de cambio dentro do 70 por cento central das observacións, realízase unha proba de Chow. Consulta <@ref="chow"> para obter máis detalles; pois de igual xeito que coa proba común de Chow, esta é unha proba robusta de Wald cando o modelo orixinal se estima coa opción <@opt="--⁠robust">, e unha proba F noutro caso. Entón o estatístico QLR é o máximo dos estatísticos de proba particulares. 

Obtense unha probabilidade asociada (valor p) asintótica utilizando o método de <@bib="Bruce Hansen (1997);hansen97">. 

Ademais dos accesorios <@xrf="$test"> e <@xrf="$pvalue"> típicos das probas de hipóteses, podes utilizar <@xrf="$qlrbreak"> para recuperar o índice da observación na que o estatístico de proba se maximiza. 

Podes utilizar a opción <@opt="--⁠limit-to"> para limitar o conxunto de interaccións coa variable ficticia de corte nas probas de Chow, a un subconxunto dos regresores orixinais. O parámetro para esta opción debe de ser unha lista xa definida na que todos os seus elementos se atopen entre os regresores orixinais, e na que non debes de incluír a constante. 

Cando executas de xeito interactivo (unicamente) esta instrución, amósase por defecto unha gráfica do estatístico de proba de Chow pero podes axustar isto mediante a opción <@opt="--⁠plot">. Os parámetros que se admiten nesta opción son <@lit="none"> (para eliminar a gráfica), <@lit="display"> (para amosar unha gráfica mesmo cando non se está en modo interactivo), ou un nome de ficheiro. O efecto de proporcionar un nome de ficheiro é como o descrito para a opción <@opt="--⁠output"> da instrución <@ref="gnuplot">. 

Ruta do menú: Fiestra de modelo: Probas/Proba QLR

# qqplot Graphs

Variantes: 	<@lit="qqplot"> <@var="y">
		<@lit="qqplot"> <@var="y"> <@var="x">
Opcións: 	<@lit="--z-scores"> (Mira abaixo)
		<@lit="--raw"> (Mira abaixo)
		<@lit="--output">=<@var="nomeficheiro"> (Envía a gráfica ao ficheiro especificado)

Indicando como argumento unha única serie, amosa unha gráfica dos cuantís empíricos da serie seleccionada (indicada polo seu nome ou o seu número ID) fronte aos cuantís da distribución Normal. A serie debe de incluír cando menos 20 observacións válidas no rango vixente da mostra. Por defecto, os cuantís empíricos debúxanse fronte aos cuantís dunha distribución Normal que ten as mesmas media e varianza que os datos da mostra, pero dispós de dúas alternativas: se indicas a opción <@opt="--⁠z-scores">, os datos se tipifican; mentres que se indicas a opción <@opt="--⁠raw">, debúxanse os cuantís empíricos “en bruto” fronte aos cuantís da distribución Normal estándar. 

A opción <@opt="--⁠output"> ten como efecto o envío do resultado ao ficheiro especificado; utiliza “display” para forzar que o resultado se presente na pantalla. Consulta a instrución <@ref="gnuplot"> para obter máis detalles sobre esta opción. 

Dadas dúas series como argumentos, <@var="y"> e <@var="x">, amósase unha gráfica dos cuantís empíricos de <@var="y"> fronte aos de <@var="x">. Os valores dos datos non se tipifican. 

Ruta do menú: /Variable/Gráfica Q-Q normal
Ruta do menú: /Ver/Gráfica de variables indicadas/Gráfica Q-Q

# quantreg Estimation

Argumentos: 	<@var="tau"> <@var="depvar"> <@var="indepvars"> 
Opcións: 	<@lit="--robust"> (Desviacións padrón robustas)
		<@lit="--intervals">[=<@var="level">] (Calcula os intervalos de confianza)
		<@lit="--vcv"> (Presenta a matriz de covarianzas)
		<@lit="--quiet"> (Non presenta os resultados)
Exemplos: 	<@lit="quantreg 0.25 y 0 xlista">
		<@lit="quantreg 0.5 y 0 xlista --intervals">
		<@lit="quantreg 0.5 y 0 xlista --intervals=.95">
		<@lit="quantreg tauvec y 0 xlista --robust">
		Mira tamén <@inp="mrw_qr.inp">

Regresión de cuantís. O primeiro argumento (<@var="tau">) é o cuantil condicionado para o que se quere a estimación. Podes indicalo ben cun valor numérico ou ben co nome dunha variable escalar definida previamente; e o valor debe de estar no rango de 0.01 a 0.99. (Como alternativa, podes indicar un vector de valores para <@var="tau">; mira abaixo para obter máis detalles.) O segundo e subseguintes argumentos compoñen unha lista de regresión co mesmo padrón ca <@ref="ols">. 

Sen a opción <@opt="--⁠intervals">, preséntanse as desviacións padrón para as estimacións dos cuantís. Por defecto, estas calcúlanse de acordo coa fórmula asintótica indicada por <@bib="Koenker e Bassett (1978);koenker-bassett78">, pero cando indicas a opción <@opt="--⁠robust">, calcúlanse as desviacións padrón que son robustas con respecto á heterocedasticidade utilizando o método de <@bib="Koenker e Zhao (1994);koenker-zhao94">. 

Cando escolles a opción <@opt="--⁠intervals">, preséntanse os intervalos de confianza para as estimacións dos parámetros en vez das desviacións padrón. Estes intervalos calcúlanse usando o método da inversión do rango e, en xeral, son asimétricos a respecto das estimacións puntuais. As especificidades do cálculo están mediatizadas pola opción <@opt="--⁠robust">: sen esta, os intervalos calcúlanse baixo o suposto de perturbacións IID <@bib="(Koenker, 1994);koenker94">; e con ela se utiliza o estimador robusto desenvolvido por <@bib="Koenker e Machado (1999);koenker-machado99">. 

Por defecto, xéranse intervalos de confianza do 90 por cento. Podes trocar isto engadindo un nivel de confianza (expresado como unha fracción decimal) á opción de intervalos, como en <@opt="--⁠intervals=0.95">. 

Vector <@var="tau"> de valores: en vez de proporcionar un escalar, podes indicar o nome dunha matriz definida previamente. Neste caso, as estimacións calcúlanse para todos os valores <@var="tau"> indicados e os resultados preséntanse nun formato especial, amosando a secuencia das estimacións de cuantís para cada regresor de un en un. 

Ruta do menú: /Modelar/Estimación Robusta/Regresión de cuantís

# quit Utilities

Sae do programa, ofrecéndote a opción de gardar os resultados da sesión ao saír. 

Ruta do menú: /Ficheiro/Saír

# rename Dataset

Argumentos: 	<@var="serie"> <@var="novonome"> 

Cambia o nome de <@var="serie"> (identificado polo seu nome ou seu número ID) a <@var="novonome">. O novo nome debe de ter 31 caracteres como máximo, comezar cunha letra e estar formado só por letras, díxitos e o carácter de barra baixa. Ademais, non debe de ser o nome dun obxecto de calquera tipo que xa exista. 

Ruta do menú: /Variable/Editar atributos
Outro acceso: Fiestra principal: Menú emerxente (selección única)

# reset Tests

Opcións: 	<@lit="--quiet"> (Non presenta a regresión auxiliar)
		<@lit="--silent"> (Non presenta nada)
		<@lit="--squares-only"> (Calcula a proba usando só os cadrados)
		<@lit="--cubes-only"> (Calcula a proba usando só os cubos)

Debe de seguir a estimación dun modelo mediante MCO. Leva a cabo a proba RESET de Ramsey sobre a especificación (non linear) dun modelo, engadíndolle á regresión o cadrado e/ou o cubo dos valores axustados, e calculando o estatístico <@mth="F"> para probar a hipótese nula de que os parámetros dos termos engadidos son cero. 

Engádense tanto os cadrados como os cubos, agás que indiques unha das opcións <@opt="--⁠squares-only"> ou <@opt="--⁠cubes-only">. 

A opción <@opt="--⁠silent"> pode ter sentido se tes intención de facer uso dos accesorios <@xrf="$test"> e/ou <@xrf="$pvalue"> para gardar os resultados da proba. 

Ruta do menú: Fiestra de modelo: Probas/Proba RESET de Ramsey

# restrict Tests

Opcións: 	<@lit="--quiet"> (Non presenta as estimacións restrinxidas)
		<@lit="--silent"> (Non presenta nada)
		<@lit="--wald"> (Só estimadores de sistema, mira abaixo)
		<@lit="--bootstrap"> (Cálculo da proba con remostraxe automática, se é posible)
		<@lit="--full"> (Só MCO e VECMs, mira abaixo)

Impón un conxunto de restricións (habitualmente lineais) sobre: (a) o último modelo estimado ou (b) un sistema de ecuacións que se definiu e nomeou previamente. En todos os casos, debes de comezar o conxunto de restricións coa palabra chave “restrict” e rematalo con “end restrict”. 

No caso dunha única ecuación, as restricións sempre se aplican implicitamente ao último modelo, e avalíanse tan pronto como se peche o bloque <@lit="restrict">. 

No caso dun sistema de ecuacións (definido mediante a instrución <@ref="system">), podes poñer o nome do sistema de ecuacións definido previamente despois do “restrict” inicial. Cando omites iso e o último modelo foi un sistema, entón as restricións aplícanse a ese derradeiro modelo. Por defecto, as restricións avalíanse cando o sistema acaba de estimarse, usando a instrución <@ref="estimate">. Pero cando indicas a opción <@opt="--⁠wald">, a restrición compróbase inmediatamente a través da proba khi-cadrado de Wald en relación á matriz de covarianzas. Ten en conta que esta opción vai xerar un fallo se xa definiches un sistema, pero aínda non o estimaches. 

Dependendo do contexto, podes expresar de varios xeitos as restricións que queiras probar. O máis simple é como se indica deseguido: cada restrición exprésase como unha ecuación, cunha combinación linear de parámetros á esquerda do signo de igualdade e un valor escalar á dereita (ben unha constante numérica ou ben o nome dunha variable escalar). 

No caso dunha única ecuación, podes referirte aos seus parámetros co formato <@lit="b["><@var="i"><@lit="]">, onde <@var="i"> representa a posición na lista de regresores (comezando no 1), ou co formato <@lit="b["><@var="nomevar"><@lit="]">, onde <@var="nomevar"> é o nome do regresor en cuestión. No caso dun sistema, a referencia aos parámetros faise utilizando a letra <@lit="b"> xunto con dous números colocados entre corchetes. O primeiro número representa a posición da ecuación dentro do sistema e o segundo número indica a posición do regresor dentro da lista deles. Por exemplo, <@lit="b[2,1]"> denota o primeiro parámetro da segunda ecuación, mentres que <@lit="b[3,2]"> denota o segundo parámetro da terceira ecuación. Podes antepoñer multiplicadores numéricos aos elementos <@lit="b"> da ecuación que representa unha restrición, por exemplo <@lit="3.5*b[4]">. 

Aquí tes un exemplo dun conxunto de restricións para un modelo estimado previamente: 

<code>          
   restrict
    b[1] = 0
    b[2] - b[3] = 0
    b[4] + 2*b[5] = 1
   end restrict
</code>

E aquí tes un exemplo dun conxunto de restricións para aplicar a un sistema xa definido. (Se o nome do sistema non contén espazos, as comiñas que o contornan non fan falta.) 

<code>          
   restrict "Sistema 1"
    b[1,1] = 0
    b[1,2] - b[2,2] = 0
    b[3,4] + 2*b[3,5] = 1
   end restrict
</code>

No caso dunha única ecuación, as restricións avalíanse por defecto por medio da proba de Wald, usando a matriz de covarianzas do modelo en cuestión. Se estimaches o modelo orixinal con MCO, entón preséntanse as estimacións dos coeficientes restrinxidos; para eliminar isto, engade a opción <@opt="--⁠quiet"> á instrución <@lit="restrict"> inicial. Como alternativa á proba de Wald, para modelos estimados mediante MCO ou MCP unicamente, podes indicar a opción <@opt="--⁠bootstrap"> para realizar a a proba da restrición con remostraxe automática (bootstrap). 

No caso dun sistema, o estatístico de proba depende do estimador elixido: un estatístico de Razón de Verosimilitudes cando o sistema se estima utilizando un método de Máxima Verosimilitude, ou un estatístico <@mth="F"> asintótico, noutro caso. 

Tes 2 alternativas ao método para expresar as restricións que se discutiu máis arriba. Primeiro, podes escribir de forma compacta un conxunto de <@mth="g"> restricións lineais sobre o vector cos <@mth="k"> parámetros (β), como <@mth="R">β – <@mth="q"> = 0, onde <@mth="R"> é unha matriz de dimensión <@itl="g">×<@itl="k"> e <@mth="q"> é un vector de dimensión <@mth="g">. Podes expresar unha restrición indicando os nomes de matrices definidas previamente, cómodas para utilizar como <@mth="R"> e <@mth="q">, como en 

<code>          
   restrict
     R = Rmat
     q = qvec
   end restrict
</code>

En segundo lugar, se queres probar unha restrición non linear (o que actualmente só está dispoñible para modelos dunha única ecuación), debes de indicar a restrición como o nome dunha función precedida por “<@lit="rfunc = ">”, como en 

<code>          
   restrict
     rfunc = myfunction
   end restrict
</code>

A función de restrición debe de ter un único argumento <@lit="const matrix">, e isto complétase automaticamente co vector de parámetros. E debera de devolver un vector que é cero baixo a hipótese nula, e non nulo noutro caso. A dimensión do vector é igual ao número de restricións. Esta función utilízase como unha “chamada de volta” da rutina numérica para o Jacobiano de Gretl, que calcula o estatístico de proba de Wald mediante o método delta. 

Aquí tes un exemplo sinxelo dunha función apropiada para comprobar unha restrición non linear, concretamente que dous pares de valores dos parámetros teñen unha razón común. 

<code>          
   function matrix restr (const matrix b)
     matrix v = b[1]/b[2] - b[4]/b[5]
     return v
   end function
</code>

Cando se completa con éxito a instrución <@lit="restrict">, os accesorios <@xrf="$test"> e <@xrf="$pvalue"> proporcionan o estatístico de proba e a súa probabilidade asociada (valor p), respectivamente. 

Cando se proban restricións sobre un modelo dunha única ecuación que foi estimado mediante MCO ou sobre un Modelo de Vectores de Corrección do Erro (VECM), podes utilizar a opción <@opt="--⁠full"> para dispoñer que as estimacións restrinxidas sexan o “último modelo” coa intención de facer probas máis adiante ou de usar accesorios como <@lit="$coeff"> e <@lit="$vcv">. Cae na conta de que se aplican algúns detalles especiais no caso de que probes restricións sobre un VECM. Consulta o <@pdf="Guía de usuario de Gretl#chap:vecm"> (Capítulo 29) para obter máis detalles. 

Ruta do menú: Fiestra de modelo: Probas/Restricións lineais

# rmplot Graphs

Argumento: 	<@var="serie"> 
Opcións: 	<@lit="--trim"> (Mira abaixo)
		<@lit="--quiet"> (Non presenta os resultados)
		<@lit="--output">=<@var="nomeficheiro"> (Mira abaixo)

Gráfica Rango–Media: Esta instrución xera unha gráfica sinxela para axudar a decidir se unha serie temporal, <@mth="y">(t), ten unha varianza constante ou non. Cóllese a mostra completa (t=1,...,T) e divídese en pequenas submostras de tamaño arbitrario <@mth="k">. A primeira submostra está composta por <@mth="y">(1),...,<@mth="y">(k), a segunda por <@mth="y">(k+1), ..., <@mth="y">(2k), etcétera. Para cada submostra, calcúlase a media da mostra e o rango (= máximo menos mínimo), e constrúese unha gráfica coas medias no eixe horizontal e os rangos no vertical. Así cada submostra se representa mediante un punto neste plano. Se a varianza das series é constante, agardaríase que o rango da submostra sexa independente da media da submostra; por iso se observamos que os puntos se aproximan a unha liña con pendente positiva, isto suxire que a varianza das series aumenta a medida que o fai a media; e se os puntos se aproximan a unha liña con pendente negativa, isto suxire que a varianza decrece ao aumentar a media. 

Ademais da gráfica, Gretl amosa as medias e rangos para cada submostra, xunto co coeficiente da pendente dunha regresión MCO do rango sobre a media, e coa probabilidade asociada ao estatístico para probar a hipótese nula de que esta pendente é cero. Se o coeficiente da pendente é significativo cun nivel de significación do 10 por cento, entón amósase na gráfica a liña axustada da regresión do rango sobre a media. Se rexistran tanto o estatístico <@mth="t"> para probar a hipótese nula como a probabilidade asociada correspondente, e podes recuperalos usando os accesorios <@xrf="$test"> e <@xrf="$pvalue">, respectivamente. 

Cando indicas a opción <@opt="--⁠trim">, descártanse os valores mínimo e máximo de cada submostra antes de calcular a media e o rango. Isto fai que sexa menos probable que os valores atípicos provoquen unha distorsión na análise. 

Cando indicas a opción <@opt="--⁠quiet">, non se amosa a gráfica nin se presenta o resultado; só se indican o estatístico <@mth="t"> e a súa probabilidade asociada (valor p). Noutro caso, podes controlar o formato da gráfica mediante a opción <@opt="--⁠output">; e isto funciona como se describe en conexión coa instrución <@ref="gnuplot">. 

Ruta do menú: /Variable/Gráfica Rango-Media

# run Programming

Argumento: 	<@var="nomeficheiro"> 

Executa as instrucións de <@var="nomeficheiro"> e logo devolve o control ao indicador interactivo. Esta instrución está pensada para que a utilices co programa de liñas de instrución gretlcli ou coa “consola de Gretl” no programa de Interface Gráfica de Usuario (GUI). 

Consulta tamén <@ref="include">. 

Ruta do menú: Icona 'Executar' na xanela do editor de guións

# runs Tests

Argumento: 	<@var="serie"> 
Opcións: 	<@lit="--difference"> (Utiliza as primeiras diferenzas da variable)
		<@lit="--equal"> (Os valores positivos e negativos son equiprobables)

Realiza a proba non paramétrica “de ringleiras” para comprobar o carácter aleatorio da <@var="serie"> indicada, onde as ringleiras defínense como secuencias de valores consecutivos positivos ou negativos. Se queres probar o carácter aleatorio das desviacións respecto á mediana, para unha variable chamada <@lit="x1"> que ten unha mediana non nula, podes facer o seguinte: 

<code>          
   series signx1 = x1 - median(x1)
   runs signx1
</code>

Cando indicas a opción <@opt="--⁠difference">, vanse calcular as primeiras diferenzas da serie antes da análise, polo que as ringleiras se interpretarían como secuencias de aumentos ou de diminucións consecutivas do valor da variable. 

Cando indicas a opción <@opt="--⁠equal">, a hipótese nula tamén incorpora o suposto de que os valores positivos e negativos son igual de probables; noutro caso, o estatístico de proba resulta invariante con respecto á “neutralidade” do proceso que xerou a secuencia de valores, e a proba céntrase unicamente na independencia. 

Ruta do menú: /Ferramentas/Probas non paramétricas

# scatters Graphs

Argumentos: 	<@var="yvar"> ; <@var="xvars"> ou <@var="yvars ; xvar"> 
Opcións: 	<@lit="--with-lines"> (Xera gráficas de liñas)
		<@lit="--matrix">=<@var="nomematr"> (Representa as columnas da matriz indicada)
		<@lit="--output">=<@var="nomeficheiro"> (Envía o resultado ao ficheiro especificado)
Exemplos: 	<@lit="scatters 1 ; 2 3 4 5">
		<@lit="scatters 1 2 3 4 5 6 ; 7">
		<@lit="scatters y1 y2 y3 ; x --with-lines">

Xera gráficas de dúas variables, ben de <@var="yvar"> fronte a todas as variables de <@var="xvars">, ou ben de todas as variables de <@var="yvars"> fronte a <@var="xvar">. No primeiro exemplo de arriba, se coloca a variable 1 no eixe <@mth="y"> e se debuxan 4 gráficas: a primeira que ten a variable 2 no eixe <@mth="x">, a segunda coa variable 3 no eixe <@mth="x">, etcétera. O segundo exemplo representa cada unha das variables da 1 á 6, fronte á variable 7 no eixe <@mth="x">. Repasar un conxunto desas gráficas pode ser un paso conveniente na análise exploratoria de datos. O número máximo de gráficas é de 16, polo que vaise ignorar calquera variable adicional na lista. 

Por defecto, as gráficas son de dispersión, pero se indicas a opción <@opt="--⁠with-lines"> serán gráficas de liñas. 

Para obter máis detalles sobre o uso da opción <@opt="--⁠output">, consulta a instrución <@ref="gnuplot">. 

Se especificas unha matriz xa definida como orixe dos datos, debes de expresar as listas <@var="x"> e <@var="y"> con números naturais positivos que indiquen a columna; ou en caso contrario, se non indicas eses números, represéntanse todas as columnas fronte ao tempo ou a unha variable índice. 

Cando o conxunto de datos é de series temporais, entón podes omitir a segunda lista, pois nese caso vaise tomar implicitamente ao 'tempo' como tal, polo que podes debuxar varias series temporais en gráficas separadas. 

Ruta do menú: /Ver/Gráficas múltiples

# sdiff Transformations

Argumento: 	<@var="listavariables"> 

Obtense a diferenza estacional de cada unha das variables de <@var="listavariables">, e gárdase o resultado nunha nova variable co prefixo <@lit="sd_">. Esta instrución está dispoñible só para series de tempo estacionais. 

Ruta do menú: /Engadir/Diferenzas estacionais das variables seleccionadas

# set Programming

Variantes: 	<@lit="set"> <@var="variable"> <@var="valor">
		<@lit="set --to-file="><@var="nomeficheiro">
		<@lit="set --from-file="><@var="nomeficheiro">
		<@lit="set stopwatch">
		<@lit="set">
Exemplos: 	<@lit="set svd on">
		<@lit="set csv_delim tab">
		<@lit="set horizon 10">
		<@lit="set --to-file=mysettings.inp">

O uso máis común desta instrución é a primeira variante amosada arriba, onde se utiliza para establecer o valor dun parámetro escollido do programa (isto discútese en detalle máis abaixo). Os outros usos son: con <@opt="--⁠to-file"> para escribir un ficheiro de guión que conteña todas as configuracións actuais dos parámetros; con <@opt="--⁠from-file"> para ler un ficheiro de guión que conteña as configuracións dos parámetros e para aplicalas á sesión vixente; con <@lit="stopwatch"> para poñer a cero o “cronómetro” de Gretl que podes usar para medir o tempo de CPU (consulta os comentarios para o accesorio <@xrf="$stopwatch">); ou para presentar as configuracións actuais, cando indicas só a palabra <@lit="set">. 

Os valores establecidos mediante esta instrución seguen vixentes durante a duración da sesión de Gretl, agás que os troques por medio dunha chamada posterior a <@lit="set">. Os parámetros que podes establecer deste xeito enuméranse máis abaixo. Ten en conta que se utilizan as configuracións de <@lit="hc_version">, <@lit="hac_lag"> e <@lit="hac_kernel"> cando indicas a opción <@opt="--⁠robust"> nunha instrución de estimación. 

As configuracións dispoñibles agrúpanse baixo as seguintes categorías: interacción e comportamento do programa, métodos numéricos, xeración de números aleatorios, estimación robusta, filtrado, estimación de series temporais e interacción con GNU R. 

<@itl="Interacción e comportamento do programa"> 

Estas configuracións utilízanse para controlar diversos aspectos do xeito no que Gretl interactúa co usuario. 

<indent>
• <@lit="workdir">: <@var="path">. Establece o cartafol por defecto para escribir e ler ficheiros nos casos nos que non se especifican as rutas completas. 
</indent>

<indent>
• <@lit="use_cwd">: <@lit="on"> ou <@lit="off"> (por defecto). Manexa a configuración do cartafol de traballo (<@lit="workdir">) inicial: se está en <@lit="on">, hérdase o cartafol de traballo desde o intérprete; noutro caso, establécese onde queira que se seleccionou na sesión previa de Gretl. 
</indent>

<indent>
• <@lit="echo">: <@lit="off"> ou <@lit="on"> (por defecto). Elimina (ou acurta) a resonancia dos textos das instrucións nos resultados de Gretl. 
</indent>

<indent>
• <@lit="messages">: <@lit="off"> ou <@lit="on"> (por defecto). Elimina (ou acurta) a presentación de mensaxes sen fallo asociados a diversas instrucións, por exemplo cando se xera unha nova variable ou cando se cambia o rango da mostra. 
</indent>

<indent>
• <@lit="verbose">: <@lit="off"> ou <@lit="on"> (por defecto). Funciona como un “interruptor mestre” para <@lit="echo"> e <@lit="messages"> (mira máis abaixo), apagando ou acendendo os dous simultaneamente. 
</indent>

<indent>
• <@lit="warnings">: <@lit="off"> ou <@lit="on"> (por defecto). Elimina (ou acurta) a presentación de mensaxes de advertencia que xorden cando as operacións aritméticas producen valores non finitos. 
</indent>

<indent>
• <@lit="csv_delim">: <@lit="comma"> (coma, por defecto), <@lit="space"> (espazo), <@lit="tab"> (tabulación) ou <@lit="semicolon"> (punto e coma). Establece o delimitador de columnas que se usa cando se gardan datos nun ficheiro con formato CSV. 
</indent>

<indent>
• <@lit="csv_write_na">: A cadea de texto que se utiliza para representar os valores ausentes cando se escriben datos a un ficheiro con formato CSV. Máximo = 7 caracteres; por defecto é <@lit="NA">. 
</indent>

<indent>
• <@lit="csv_read_na">: A cadea de texto que se colle para representar valores ausentes (NAs) cando se len datos co formato CSV (máximo 7 caracteres). A cadea por defecto depende de que se atope unha columna de datos que conteña datos numéricos (a maioría das veces) ou valores de cadea. Para datos numéricos, considérase que o seguinte indica NAs: unha cela baldeira ou calquera das cadeas <@lit="NA">, <@lit="N.A.">, <@lit="na">, <@lit="n.a.">, <@lit="N/A">, <@lit="#N/A">, <@lit="NaN">, <@lit=".NaN">, <@lit=".">, <@lit="..">, <@lit="-999">, e <@lit="-9999">. Para datos en forma de cadeas de texto con valores, tan só se conta como NA unha cela en branco ou unha cela que conteña unha cadea baldeira. Podes volver a impoñer eses valores por defecto indicando <@lit="default"> como o valor para <@lit="csv_read_na">. Para especificar que tan só se len as celas baldeiras como NAs, indica o valor <@lit="""">. Ten en conta que as celas baldeiras sempre se len como NAs con independencia de como estea configurada esta variable. 
</indent>

<indent>
• <@lit="csv_digits">: Un enteiro positivo que especifica o número de díxitos significativos a usar cando se escriben datos en formato CSV. Por defecto, utilízanse ata 15 díxitos dependendo da precisión dos datos orixinais. Ten en conta que o resultado CSV emprega a función <@lit="fprintf"> da librería de C coa conversión “<@lit="%g">” , o que significa que se prescinde dos ceros que quedan atrás. 
</indent>

<indent>
• <@lit="display_digits">: Un enteiro de 3 a 6 que especifica o número de díxitos significativos a usar cando se amosan os coeficientes da regresión e as desviacións padrón (sendo 6 por defecto). Tamén podes utilizar esta configuración para limitar o número de díxitos que se amosan coa instrución <@ref="summary">; sendo neste caso 5 por defecto (e tamén como máximo) ou 4 cando indicas a opción <@opt="--⁠simple">. 
</indent>

<indent>
• <@lit="mwrite_g">: <@lit="on"> ou <@lit="off"> (por defecto). Cando se escribe unha matriz como texto nun ficheiro, Gretl por defecto utiliza notación científica con 18 díxitos de precisión, asegurando deste xeito que os valores gardados son unha representación fiable dos números en memoria. Cando se escriben datos básicos con non máis ca 6 díxitos de precisión, podes preferir utilizar o formato <@lit="%g"> para ter un ficheiro máis compacto e doado de ler; podes facer este cambio mediante <@lit="set mwrite_g on">. 
</indent>

<indent>
• <@lit="force_decpoint">: <@lit="on"> ou <@lit="off"> (por defecto). Forza a Gretl a utilizar o carácter de punto decimal, nun escenario onde outro carácter (probablemente a coma) é o separador decimal estándar. 
</indent>

<indent>
• <@lit="loop_maxiter">: Un valor enteiro non negativo (por defecto é 100000). Establece o número máximo de iteracións que se lle permiten a un bucle <@lit="while">, antes de parar (consulta <@ref="loop">). Cae na conta de que esta configuración só afecta á variante <@lit="while">; a súa intención é protexerse ante infinitos bucles que xurdan de forma inadvertida. Establecer que este valor sexa 0 ten o efecto de inhabilitar o límite; utilízao con precaución. 
</indent>

<indent>
• <@lit="max_verbose">: <@lit="on"> ou <@lit="off"> (por defecto). Conmuta o resultado máis cumprido para as funcións <@lit="BFGSmax"> e <@lit="NRmax"> (consulta o Manual de Usuario para obter máis detalles). 
</indent>

<indent>
• <@lit="debug">: <@lit="1">, <@lit="2"> ou <@lit="0"> (por defecto). Isto utilízase coas funcións definidas polo usuario. Establecer <@lit="debug"> igual a 1 equivale a activar <@lit="messages"> dentro de todas esas funcións, e establecer esta variable igual a <@lit="2"> ten o efecto adicional de activar <@lit="max_verbose"> dentro de todas as funcións. 
</indent>

<indent>
• <@lit="shell_ok">: <@lit="on"> ou <@lit="off"> (por defecto). Permite executar programas externos desde Gretl mediante o intérprete de sistema. Isto non está habilitado por defecto por razóns de seguridade, e só podes habilitalo mediante a Interface Gráfica de Usuario (Ferramentas/Preferencias/Xeral). Porén, unha vez activada, esta configuración permanecerá activa para sesións futuras ata que se desactive explicitamente. 
</indent>

<indent>
• <@lit="bfgs_verbskip">: Un enteiro. Esta configuración afecta ao comportamento da opción <@opt="--⁠verbose"> naquelas instrucións que utilizan BFGS como algoritmo de optimización e se usa para compactar o resultado. Se <@lit="bfgs_verbskip"> se establece en 3, por exemplo, entón a opción <@opt="--⁠verbose"> vai provocar que se presenten as iteracións 3, 6, 9, etcétera. 
</indent>

<indent>
• <@lit="skip_missing">: <@lit="on"> (por defecto) ou <@lit="off">. Controla o comportamento de Gretl cando se constrúe unha matriz a partir de series de datos: por defecto sáltanse as filas de datos que conteñen un ou máis valores ausentes pero cando se pon <@lit="skip_missing"> en <@lit="off">, os valores ausentes convértense en NaNs. 
</indent>

<indent>
• <@lit="matrix_mask">: O nome dunha serie ou a palabra chave <@lit="null">. Ofrece un maior control ca <@lit="skip_missing"> cando se constrúen matrices a partir de series: as filas de datos seleccionadas para as matrices son aquelas con valores non nulos (e non ausente) das series especificadas. A careta escollida permanece en vigor ata que se substitúe, ou se elimina mediante a palabra chave <@lit="null">. 
</indent>

<indent>
• <@lit="huge">: Un número positivo moi grande (por defecto, 1.0E100). Esta configuración controla o valor que devolve o accesorio <@xrf="$huge">. 
</indent>

<@itl="Métodos numéricos"> 

Estas configuracións utilízanse para controlar os algoritmos numéricos que utiliza Gretl para a estimación. 

<indent>
• <@lit="optimizer">: ben <@lit="auto"> (por defecto), <@lit="BFGS"> ou <@lit="newton">. Establece o algoritmo de optimización utilizado para varios estimadores Máximo Verosímiles, nos casos onde ambos BFGS e o de Newton–Raphson se poden aplicar. Por defecto utilízase o de Newton–Raphson cando se dispoña dunha matriz Hessiana analítica; noutro caso, BFGS. 
</indent>

<indent>
• <@lit="bhhh_maxiter">: Un enteiro, o número máximo de iteracións para a rutina interna BHHH de Gretl, que se utiliza na instrución <@lit="arma"> para a estimación MV condicional. Se a converxencia non se acada logo de <@lit="bhhh_maxiter">, o programa devolve un fallo. Por defecto, establécese en 500. 
</indent>

<indent>
• <@lit="bhhh_toler">: Un valor de punto flotante ou a cadea <@lit="default">. Isto utilízase na rutina interna BHHH de Gretl para verificar se a converxencia se acadou. O algoritmo remata de repetirse tan pronto como o incremento no logaritmo da verosimilitude entre iteracións sexa menor ca <@lit="bhhh_toler">. O valor por defecto é 1.0E–06, pero podes volver a establecer este valor tecleando <@lit="default"> en lugar dun valor numérico. 
</indent>

<indent>
• <@lit="bfgs_maxiter">: Un enteiro, o número máximo de iteracións para a rutina BFGS de Gretl, que se utiliza para <@lit="mle"> (EMV), <@lit="gmm"> (MXM) e varios estimadores específicos. Se non se acada a converxencia no número indicado de iteracións, o programa devolve un fallo. O valor por defecto depende do contexto, pero habitualmente é da orde de 500. 
</indent>

<indent>
• <@lit="bfgs_toler">: Un valor de punto flotante ou a cadea <@lit="default">. Isto utilízase na rutina interna BFGS de Gretl para verificar se a converxencia se acadou. O algoritmo remata de repetirse tan pronto como a melloría relativa na función obxectivo entre iteracións sexa menor ca <@lit="bfgs_toler">. O valor por defecto é igual á precisión de máquina elevada a 3/4, pero podes volver a establecer este valor tecleando <@lit="default"> en lugar dun valor numérico. 
</indent>

<indent>
• <@lit="bfgs_maxgrad">: Un valor de punto flotante. Isto utilízase na rutina interna BFGS de Gretl para verificar se a norma do vector gradiente está razoablemente preto do cero cando se acada o criterio <@lit="bfgs_toler">. Vaise presentar unha advertencia cando a norma do vector gradiente exceda de 1; e amósase un fallo se a norma excede <@lit="bfgs_maxgrad">. Actualmente, por defecto o valor de tolerancia é de 5.0. 
</indent>

<indent>
• <@lit="bfgs_richardson">: <@lit="on"> ou <@lit="off"> (por defecto). Utiliza a extrapolación de Richardson cando calcula as derivadas numéricas no contexto da maximización BFGS. 
</indent>

<indent>
• <@lit="initvals">: Ben <@lit="auto"> (por defecto) ou ben o nome dunha matriz especificada previamente. Permite establecer manualmente as estimacións iniciais dos parámetros para problemas de optimización numérica (tales como a estimación ARMA). Para obter máis detalles, consulta o <@pdf="Guía de usuario de Gretl#chap:timeseries"> (Capítulo 27). 
</indent>

<indent>
• <@lit="lbfgs">: <@lit="on"> ou <@lit="off"> (por defecto). Utiliza a versión de memoria limitada de BFGS (L-BFGS-B) en vez do algoritmo habitual. Isto pode ser vantaxoso cando a función que se maximiza non é globalmente cóncava. 
</indent>

<indent>
• <@lit="lbfgs_mem">: Un valor enteiro no rango de 3 a 20 (cun valor por defecto de 8). Isto determina o número de correccións que se utilizan na matriz de memoria limitada cando se emprega L-BFGS-B. 
</indent>

<indent>
• <@lit="nls_toler">: Un valor de punto flotante. Establece a tolerancia que se utiliza ao xulgar se a converxencia se acada ou non, nunha estimación de mínimos cadrados non lineais utilizando a instrución <@ref="nls">. O valor por defecto é igual á precisión de máquina elevada a 3/4, pero podes volver a establecer este valor tecleando <@lit="default"> en lugar dun valor numérico. 
</indent>

<indent>
• <@lit="svd">: <@lit="on"> ou <@lit="off"> (por defecto). Utiliza SVD en vez da descomposición de Cholesky ou a QR nos cálculos de mínimos cadrados. Esta opción aplícase á función <@lit="mols"> así como a varios cálculos internos, pero non á instrución <@ref="ols"> habitual. 
</indent>

<indent>
• <@lit="force_qr">: <@lit="on"> ou <@lit="off"> (por defecto). Isto aplícase á instrución <@ref="ols">. Por defecto, esta instrución calcula as estimacións de MCO utilizando a descomposición de Cholesky (o método máis rápido), con QR como último recurso se os datos semellan demasiado mal condicionados. Podes utilizar <@lit="force_qr"> para saltarte o paso de Cholesky, pois nos casos “dubidosos” isto pode asegurar unha maior precisión. 
</indent>

<indent>
• <@lit="fcp">: <@lit="on"> ou <@lit="off"> (por defecto). Utiliza o algoritmo de Fiorentini, Calzolari e Panattoni en vez do código propio de Gretl cando se calculan as estimacións GARCH. 
</indent>

<indent>
• <@lit="gmm_maxiter">: Un enteiro, o número máximo de iteracións da instrución <@ref="gmm"> de Gretl cando se está en modo iterativo (en contraposición ao dun paso ou ao de dous pasos). O valor por defecto é 250. 
</indent>

<indent>
• <@lit="nadarwat_trim">: Un enteiro, o parámetro de recorte utilizado na función <@xrf="nadarwat">. 
</indent>

<indent>
• <@lit="fdjac_quality">: Un enteiro entre 0 e 2, que indica o algoritmo utilizado pola función <@xrf="fdjac">. 
</indent>

<@itl="Xénese de números aleatorios"> 

<indent>
• <@lit="seed">: Un número natural positivo. Establece a semente para o xerador de números pseudoaleatorios. Por defecto, isto establécese a partir do tempo do sistema; pero se queres xerar secuencias repetibles de números aleatorios debes de establecer a semente manualmente. 
</indent>

<@itl="Estimación robusta"> 

<indent>
• <@lit="bootrep">: Un enteiro. Establece o número de repeticións da instrución <@ref="restrict"> coa opción <@opt="--⁠bootstrap">. 
</indent>

<indent>
• <@lit="garch_vcv">: <@lit="unset">, <@lit="hessian">, <@lit="im"> (matriz de información), <@lit="op"> (matriz de produto externo), <@lit="qml"> (estimador CMV) ou <@lit="bw"> (Bollerslev–Wooldridge). Especifica a variante que se vai utilizar para estimar a matriz de covarianzas dos coeficientes para modelos GARCH. Cando indicas <@lit="unset"> (caso por defecto) entón utilízase a matriz Hessiana agás que se indique a opción “robust” para a instrución garch, en cuxo caso utilízase CMV (QML). 
</indent>

<indent>
• <@lit="arma_vcv">: <@lit="hessian"> (caso por defecto) ou <@lit="op"> (matriz de produto externo). Especifica a variante que se vai utilizar cando se calcula a matriz de covarianzas para modelos ARIMA. 
</indent>

<indent>
• <@lit="force_hc">: <@lit="off"> (por defecto) ou <@lit="on">. Por defecto, con datos de series temporais e cando indicas a opción<@opt="--⁠robust"> con <@lit="ols"> (MCO), utilízase o estimador HAC. Se pos <@lit="force_hc"> en “on”, isto forza o cálculo da Matriz de Covarianzas Consistente ante Heterocedasticidade (HCCM) habitual, que non ten en conta a autocorrelación. Cae na conta de que os VARs trátanse como un caso especial pois cando indicas a opción <@opt="--⁠robust"> o método por defecto é o da HCCM habitual, pero podes utilizar a opción <@opt="--⁠robust-hac"> para forzar que se empregue un estimador HAC. 
</indent>

<indent>
• <@lit="robust_z">: <@lit="off"> (por defecto) ou <@lit="on">. Isto controla a distribución que se utiliza cando se calculan as probabilidades asociadas (valores p) baseadas nas desviacións padrón robustas no contexto dos estimadores de mínimos cadrados. Por defecto, Gretl utiliza a distribución <@mth="t"> de Student pero se activas <@lit="robust_z">, utilízase unha distribución Normal. 
</indent>

<indent>
• <@lit="hac_lag">: <@lit="nw1"> (por defecto), <@lit="nw2">, <@lit="nw3"> ou un enteiro. Establece o valor do retardo máximo ou largo de banda (<@mth="p">) utilizado cando se calculan as desviacións padrón HAC (Consistentes ante Heterocedasticidade e Autocorrelación) utilizando o enfoque de Newey-West, para datos de series temporais. As opcións <@lit="nw1"> e <@lit="nw2"> representan dúas variantes de cálculo automático baseadas no tamaño da mostra <@mth="T">: para nw1, <@fig="nw1">, e para nw2, <@fig="nw2">. <@lit="nw3"> solicita unha elección do largo de banda que se basea nos datos. Consulta tamén máis abaixo <@lit="qs_bandwidth"> e <@lit="hac_prewhiten">. 
</indent>

<indent>
• <@lit="hac_kernel">: <@lit="bartlett"> (por defecto), <@lit="parzen"> ou <@lit="qs"> (Espectral cadrado). Establece o 'kernel', ou padrón de ponderacións, que se utiliza cando se calculan as desviacións padrón HAC. 
</indent>

<indent>
• <@lit="hac_prewhiten">: <@lit="on"> ou <@lit="off"> (por defecto). Utiliza o 'branqueo' previo e a volta a colorear de Andrews-Monahan cando se calculan as desviacións padrón HAC. Isto tamén implica utilizar unha elección do largo de banda que se basea nos datos. 
</indent>

<indent>
• <@lit="hc_version">: 0 (por defecto), 1, 2, 3 ou 3a. Establece a variante que se utiliza ao calcular as desviacións padrón Consistentes ante Heterocedasticidade (HC) con datos de sección cruzada. As 4 primeiras opcións correspóndense a HC0, HC1, HC2 e HC3 discutidas por Davidson e MacKinnon no capítulo 5 de <@itl="Econometric Theory and Methods">. HC0 produce as “desviacións padrón de White”, como se denominan habitualmente. A variante 3a é o procedemento da “navalla” de MacKinnon–White. 
</indent>

<indent>
• <@lit="pcse">: <@lit="off"> (por defecto) ou <@lit="on">. Por defecto, cando se estima un modelo utilizando MCO combinados con datos de panel coa opción <@opt="--⁠robust">, utilízase o estimador de Arellano para a matriz de covarianzas. Cando pos <@lit="pcse"> en “on”, isto forza que se utilicen as Desviacións Padrón Corrixidas de Panel de Beck e Katz (que non teñen en conta a autocorrelación). 
</indent>

<indent>
• <@lit="qs_bandwidth">: Largo de banda para a estimación HAC no caso de que selecciones o kernel Espectral Cadrado (QS). (A diferenza dos 'kernels' de Bartlett e de Parzen, o largo de banda QS non require ser un enteiro.) 
</indent>

<@itl="Series temporais"> 

<indent>
• <@lit="horizon">: Un enteiro (por defecto baséase na frecuencia dos datos). Establece o horizonte para as respostas ao impulso e as descomposicións da varianza de predición no contexto de autorregresións de vectores. 
</indent>

<indent>
• <@lit="vecm_norm">: <@lit="phillips"> (por defecto), <@lit="diag">, <@lit="first"> ou <@lit="none">. Usada no contexto da estimación VECM mediante a instrución <@ref="vecm"> para identificar os vectores de cointegración. Consulta o <@pdf="Guía de usuario de Gretl#chap:vecm"> (Capítulo 29) para obter máis detalles. 
</indent>

<@itl="Interacción con R"> 

<indent>
• <@lit="R_lib">: <@lit="on ">(por defecto) ou <@lit="off">. Cando se envían instrucións para que as execute R, utiliza a biblioteca compartida R mellor ca o executable R, se a biblioteca está dispoñible. 
</indent>

<indent>
• <@lit="R_functions">: <@lit="off"> (por defecto) ou <@lit="on">. Recoñece funcións definidas en R como se foran funcións propias (para iso requírese o prefixo de asignación de nomes “<@lit="R.">”). Consulta o <@pdf="Guía de usuario de Gretl#chap:gretlR"> (Capítulo 38) para obter máis detalles sobre este elemento e o anterior. 
</indent>

# setinfo Dataset

Argumento: 	<@var="serie"> 
Opcións: 	<@lit="--description">=<@var="cadea"> (Establece a descrición)
		<@lit="--graph-name">=<@var="cadea"> (Establece o nome da gráfica)
		<@lit="--discrete"> (Marca a serie como discreta)
		<@lit="--continuous"> (Marca a serie como continua)
		<@lit="--coded"> (Marca como unha codificación)
		<@lit="--numeric"> (Marca como non codificación)
		<@lit="--midas"> (Marca como compoñente de datos de alta frecuencia)
Exemplos: 	<@lit="setinfo x1 --description="Descrición de x1"">
		<@lit="setinfo y --graph-name="Algunha cadea"">
		<@lit="setinfo z --discrete">

Se activas as opcións <@opt="--⁠description"> ou <@opt="--⁠graph-name">, o argumento debe de ser unha única serie; noutro caso, poderá ser unha lista de series en cuxo caso a instrución funciona sobre todos os elementos da lista. Esta instrución configura 4 atributos como se indica deseguido. 

Cando indicas a opción <@opt="--⁠description"> seguida dunha cadea de texto entre comiñas, esa cadea utilízase para establecer a etiqueta descritiva da variable. Esta etiqueta amósase en resposta á instrución <@ref="labels"> e tamén amósase na xanela principal do programa de Interface Gráfica de Usuario (GUI). 

Cando especificas a opción <@opt="--⁠graph-name"> seguida dunha cadea de texto entre comiñas, esa cadea vaise utilizar nas gráficas en lugar do nome da variable. 

Cando indicas un dos dous indicadores de opción <@opt="--⁠discrete"> ou <@opt="--⁠continuous">, o carácter numérico da variable establécese en consonancia con iso. Por defecto, trátanse todas as series como continuas, entón determinar que unha serie sexa discreta vai afectar ao xeito no que se manexa a variable nas gráficas de frecuencia. 

Cando indicas algunha das dúas opcións <@opt="--⁠coded"> ou <@opt="--⁠numeric">, o status da serie indicada establécese dacordo con iso. Por defecto, trátanse todos os valores numéricos como que teñen sentido coma tales, polo menos na acepción habitual; pero establecer que unha serie é <@lit="coded"> quere dicir que os valores numéricos son unha codificación arbitraria de características cualitativas. 

A opción <@opt="--⁠midas"> establece unha indicación que alude a que unha determinada serie contén datos dunha frecuencia maior que a frecuencia base do conxunto de datos; por exemplo, se o conxunto de datos é trimestral, e as series conteñen valores para o mes 1, 2 ou 3 de cada trimestre. (MIDAS = Mixed Data Sampling.) 

Ruta do menú: /Variable/Editar atributos
Outro acceso: Xanela principal: Menú emerxente

# setmiss Dataset

Argumentos: 	<@var="valor"> [ <@var="listavariables"> ] 
Exemplos: 	<@lit="setmiss -1">
		<@lit="setmiss 100 x2">

Permite que o programa interprete algún valor específico de dato numérico (o primeiro parámetro da instrución) como un código para “ausente”, no caso de importar datos. Cando este valor é o único parámetro (como no primeiro exemplo de arriba), esa interpretación vaise aplicar a todas as series do conxunto de datos. Cando <@var="valor"> vai seguido dunha lista de variables (indicadas por nome ou número), a interpretación limítase á(s) variable(s) especificada(s). Así, no segundo exemplo, o valor 100 dos datos interprétase como un código para “ausente”, pero só para a variable <@lit="x2">. 

Ruta do menú: /Datos/Establecer código de valor ausente

# setobs Dataset

Variantes: 	<@lit="setobs"> <@var="periodicidade"> <@var="obsinicio">
		<@lit="setobs"> <@var="varunidades"> <@var="vartempo"> <@lit="--panel-vars">
Opcións: 	<@lit="--cross-section"> (Interpreta como de sección cruzada)
		<@lit="--time-series"> (Interpreta como serie temporal)
		<@lit="--special-time-series"> (Mira abaixo)
		<@lit="--stacked-cross-section"> (Interpreta como datos de panel)
		<@lit="--stacked-time-series"> (Interpreta como datos de panel)
		<@lit="--panel-vars"> (Utiliza variables índice, mira abaixo)
		<@lit="--panel-time"> (Mira abaixo)
		<@lit="--panel-groups"> (Mira abaixo)
Exemplos: 	<@lit="setobs 4 1990:1 --time-series">
		<@lit="setobs 12 1978:03">
		<@lit="setobs 1 1 --cross-section">
		<@lit="setobs 20 1:1 --stacked-time-series">
		<@lit="setobs unit year --panel-vars">

Esta instrución forza ao programa a que interprete que o conxunto de datos ten unha estrutura específica. 

Na primeira forma da instrución, debes de indicar a <@var="periodicidade"> mediante un enteiro que represente a frecuencia no caso de que os datos sexan series temporais (1 = anuais; 4 = trimestrais; 12 = mensuais; 52 = semanais; 5, 6, ou 7 = diarios; 24 = horarios). No caso de datos de panel, a periodicidade indica o número de liñas por bloque de datos; polo tanto isto expresa o número de unidades consecutivas cando indicas que son 'seccións cruzadas amontoadas', ou o número de períodos de tempo consecutivos cando indicas 'series de tempo amontoadas'. No caso de datos simples de sección cruzada, a periodicidade debe de establecerse en 1. 

A observación de inicio representa a data inicial no caso de tratarse de datos de series temporais. Podes indicar os anos mediante 2 ou 4 díxitos; e debes de separar os subperíodos (por exemplo, trimestres ou meses) do ano mediante dous puntos. No caso de datos de panel, debes de indicar a observación inicial como 1:1, e no caso de datos de sección cruzada, como 1. Debes de indicar as observacións iniciais para datos diarios ou semanais co formato YYYY-MM-DD (ou simplemente como 1 para datos sen datar). 

Algunhas periodicidades de series temporais teñen interpretacións estándar (por exemplo, 12 = mensuais e 4 = trimestrais). Pero se tes datos pouco habituais de series temporais para as que non se aplica a interpretación estándar, podes sinalar isto indicando a opción <@opt="--⁠special-time-series">. Nese caso, Gretl non vai advertir de que os teus datos de (por exemplo) frecuencia igual a 12 sexan mensuais. 

Cando non seleccionas un indicador de opción explícito para determinar a estrutura dos datos, o programa vai tratar de adiviñar a estrutura a partir da información proporcionada. 

A segunda forma da instrución (que require que indiques a opción <@opt="--⁠panel-vars">) pode utilizarse para impoñer unha interpretación de panel cando o conxunto de datos contén variables que identifican de forma inequívoca as unidades de sección cruzada e os períodos de tempo. O conxunto de datos vaise ordenar como series de tempo amontoadas, en función dos valores ascendentes da variable de unidades (<@var="varunidades">). 

<@itl="Opcións específicas de Panel"> 

Podes usar opcións <@opt="--⁠panel-time"> e <@opt="--⁠panel-groups"> unicamente cun conxunto de datos que xa foi definido previamente como un panel. 

A intención da opción <@opt="--⁠panel-time"> é determinar información adicional relacionada coa dimensión temporal do panel. Debes de indicar esta seguindo o padrón do primeiro formato de <@lit="setobs"> apuntado máis arriba. Por exemplo, podes utilizar a seguinte forma para indicar que a dimensión temporal dun panel é trimestral, comezando no primeiro trimestre de 1990: 

<code>          
   setobs 4 1990:1 --panel-time
</code>

A intención da opción <@opt="--⁠panel-groups"> é crear unha serie con valores en cadeas de texto que conteña os nomes dos grupos (individuos, unidades atemporais) do panel. (Isto vaise utilizar cando sexa adecuado en gráficas de panel.) Con esta opción indicas un ou dous argumentos, como se indica deseguido. 

Primeiro caso: Un único argumento é o nome dunha serie con valores en cadeas de texto. Se o número de valores diferentes é igual ao número de grupos do panel, esa serie utilízase para definir os nomes dos grupos. Se resulta necesario, o contido numérico da serie vaise axustar de forma que os valores sexan todos 1 para o primeiro grupo, todos 2 para o segundo grupo, etcétera. Cando o número de valores diferentes en cadeas de texto non coincide co número de grupos, amósase un fallo. 

Segundo caso: O primeiro argumento é o nome dunha serie, e o segundo é unha cadea de texto literal ou unha variable de cadea que contén un nome para cada grupo. As series vanse xerar se non existen xa. Cando o segundo argumento é unha cadea de texto literal ou unha variable de cadea, os nomes dos grupos deben de estar separados por espazos; pero se un nome inclúe espazos, debe de contornarse con comiñas precedidas (cada unha) de barra inversa. Alternativamente, o segundo argumento pode ser un arranxo de cadeas de texto. 

Por exemplo, o seguinte código xera unha serie que se vai chamar <@lit="Estado"> na que os nomes da cadea <@lit="cstrs"> repítense cada un <@mth="T"> veces, e sendo <@mth="T"> a longura das series de tempo do panel. 

<code>          
   string cstrs = sprintf("Francia Alemaña Italia \"Reino Unido\"")
   setobs Estado cstrs --panel-groups
</code>

Ruta do menú: /Datos/Estrutura do conxunto de datos

# setopt Programming

Argumentos: 	<@var="instrución"> [ <@var="acción"> ] <@var="opcións"> 
Exemplos: 	<@lit="setopt mle --hessian">
		<@lit="setopt ols persist --quiet">
		<@lit="setopt ols clear">

Esta instrución permite a configuración previa de opcións para unha instrución concreta. Normalmente isto non fai falta, pero pode ser útil para os autores de funcións en Hansl cando queren facer que algunhas opcións das instrucións estean condicionadas ao valor dun argumento que proporcione o que as solicita. 

Por exemplo, supón que unha función ofrece un interruptor booleano “<@lit="quiet">”, cuxa intención é a de que se suprima a presentación de resultados dunha determinada regresión que se executa dentro da propia función. Nese caso, poderíase escribir: 

<code>          
   if quiet
     setopt ols --quiet
   endif
   ols ...
</code>

Entón, a opción <@opt="--⁠quiet"> vaise aplicar á vindeira instrución <@lit="ols"> unicamente se a variable <@lit="quiet"> ten un valor non nulo. 

Por defecto, as opcións que se establecen deste xeito só se aplican á seguinte acaecemento da <@var="instrución">; polo que non son persistentes. Porén, se indicas <@lit="persist"> como valor para <@var="acción">, as opcións se continuarán aplicando á instrución indicada ata novo aviso. O 'antídoto' á acción <@lit="persist"> é <@lit="clear">, pois este elimina calquera configuración gardada para a instrución especificada. 

Debes de ter en conta que as opcións establecidas mediante <@lit="setopt"> combínanse con calquera opción anexada directamente á instrución apuntada. Así, por exemplo, pódese engadir a opción <@opt="--⁠hessian"> a unha instrución <@lit="mle"> de forma incondicional, pero utilizar <@lit="setopt"> para engadir <@opt="--⁠quiet"> de forma condicional. 

# shell Utilities

Argumento: 	<@var="instrucshell"> 
Exemplos: 	<@lit="! ls -al">
		<@lit="! notepad">
		<@lit="launch notepad">

Un signo de exclamación (<@lit="!">) ou a palabra clave <@lit="launch">, ao comezo dunha liña de instrución se interpreta como unha escapada do intérprete de usuario. Así podes executar instrucións do intérprete ao teu antollo desde dentro de Gretl. Se utilizas <@lit="!">, a instrución externa execútase de forma síncrona; é dicir, Gretl agarda a que se complete a instrución antes de proseguir. Cando queiras comezar outro programa desde dentro de Gretl e non ter que agardar a que se complete (operación asíncrona ), utiliza no seu lugar <@lit="launch">. 

Por razóns de seguridade, esta prestación non se permite por defecto. Para activala, marca o cadriño “Permitir instrucións do intérprete” baixo o menú Ferramentas/Preferencias/Xeral no programa de Interface Gráfica de Usuario (GUI). Isto tamén fai que estean dispoñibles as instrucións do intérprete no programa de instrucións en liñas (e resulta o único xeito de facelo). 

# smpl Dataset

Variantes: 	<@lit="smpl"> <@var="obsinicio obsfin">
		<@lit="smpl"> <@var="+i -j">
		<@lit="smpl"> <@var="varficticia"> <@lit="--dummy">
		<@lit="smpl"> <@var="condición"> <@lit="--restrict">
		<@lit="smpl"> <@lit="--no-missing [ "><@var="listavariables"> <@lit="]">
		<@lit="smpl"> <@lit="--no-all-missing [ "><@var="listavariables"> <@lit="]">
		<@lit="smpl"> <@lit="--contiguous [ "><@var="listavariables"> <@lit="]">
		<@lit="smpl"> <@var="n"> <@lit="--random">
		<@lit="smpl full">
Opcións: 	<@lit="--dummy"> (O argumento é unha variable ficticia)
		<@lit="--restrict"> (Aplica unha restrición booleana)
		<@lit="--replace"> (Substitúe calquera restrición booleana existente)
		<@lit="--no-missing"> (Limitarse a observacións válidas)
		<@lit="--no-all-missing"> (Omite observacións baleiras (mira abaixo))
		<@lit="--contiguous"> (Mira abaixo)
		<@lit="--random"> (Xera unha submostra aleatoria)
		<@lit="--permanent"> (Mira abaixo)
		<@lit="--balanced"> (Datos de panel: trata de manter o panel equilibrado)
Exemplos: 	<@lit="smpl 3 10">
		<@lit="smpl 1960:2 1982:4">
		<@lit="smpl +1 -1">
		<@lit="smpl x > 3000 --restrict">
		<@lit="smpl y > 3000 --restrict --replace">
		<@lit="smpl 100 --random">

Restablece o rango da mostra. Podes definir o novo rango de varios xeitos. Na primeira alternativa (e nos dous primeiros exemplos) de arriba, <@var="obsinicio"> e <@var="obsfin"> deben de ser consistentes coa periodicidade dos datos. Podes substituír calquera dos dous mediante un punto e coma para deixar ese valor sen cambiar. Na segunda forma, os números enteiros <@var="i"> e <@var="j"> (poden ser positivos ou negativos, e deben de ter o seu signo) considéranse como variacións en relación ao rango da mostra existente. Na terceira forma, <@var="varficticia"> debe de ser unha variable de sinalización con valores 0 ou 1 en cada observación; así a mostra vaise restrinxir ás observacións nas que o valor é 1. A cuarta forma, que utiliza <@opt="--⁠restrict">, restrinxe a mostra ás observacións que cumpren a condición booleana que se indica (e que se especifica de acordo coa sintaxe da instrución <@ref="genr">). 

Podes empregar as opcións <@opt="--⁠no-missing"> e <@opt="--⁠no-all-missing"> para excluír da mostra aquelas observacións para as que hai ausencia de datos. A primeira variante exclúe aquelas filas do conxunto de datos para as que polo menos unha variable ten un valor ausente, mentres que a segunda variante exclúe unicamente aquelas filas nas que <@itl="todas"> as variables teñen valores ausentes. En cada caso, a comprobación limítase ás variables de <@var="listavariables"> cando indicas este argumento; noutro caso, aplícase a todas as series (coa reserva de que no caso de non ter <@var="listavariables"> e indicar <@opt="--⁠no-all-missing">, as variables xenéricas <@lit="index"> e <@lit="time"> ignóranse). 

A opción <@opt="--⁠contiguous"> de <@lit="smpl"> está pensada para usar con datos de series temporais. O seu efecto consiste en recortar calquera observación ao comezo e ao final do rango da mostra vixente que conteña valores ausentes (ben para as variables de <@var="listavariables">, ou ben para todas as series de datos se non indicas <@var="listavariables">). Entón realízase unha verificación para ver se hai algún valor ausente no rango que queda; e se é así, amósase un fallo. 

Coa opción <@opt="--⁠random">, o número de casos especificado escóllese aleatoriamente do conxunto vixente de datos (sen substitución). Se queres ser capaz de replicar esa selección, debes de establecer primeiro a semente para o xerador de números aleatorios (consulta a instrución <@ref="set">). 

A forma final (<@lit="smpl full">) restablece o rango completo de datos. 

Ten en conta que as restricións mostrais son, por defecto, acumulativas; é dicir, o punto de partida de calquera instrución <@lit="smpl"> é a mostra vixente. Se queres que a instrución actúe substituíndo calquera restrición xa existente, podes engadir o indicador de opción <@opt="--⁠replace"> ao final da instrución. (Pero esta opción non é compatible coa opción <@opt="--⁠contiguous">.) 

Podes utilizar a variable interna <@lit="obs"> xunto coa opción <@opt="--⁠restrict"> de <@lit="smpl"> para excluír observacións concretas da mostra. Por exemplo 

<code>          
   smpl obs!=4 --restrict
</code>

vai prescindir unicamente da cuarta observación. Se os casos dos datos se identifican mediante etiquetas, 

<code>          
   smpl obs!="USA" --restrict
</code>

vai prescindir da observación coa etiqueta “USA”. 

Debe de apuntarse unha cuestión en relación ás opcións <@opt="--⁠dummy">, <@opt="--⁠restrict"> e <@opt="--⁠no-missing"> da instrución <@lit="smpl">: a información “estrutural” do ficheiro de datos (relacionada coa natureza de series de tempo ou de panel, dos datos) probablemente vaise perder cando se execute esta instrución; pero podes volver impoñer a estrutura coa instrución <@ref="setobs">. Para utilizar con datos de panel, unha opción relacionada é <@opt="--⁠balanced">, que pide que se reconstrúa un panel equilibrado logo de extraer unha submostra, mediante a inserción de “filas ausentes”, se é necesario. Pero ten en conta que non sempre é posible cumprir esta petición. 

Por defecto, non podes establecer limitacións sobre o rango da mostra vixente, e executando <@lit="smpl full"> podes restaurar o conxunto de datos completo. Porén, podes utilizar a opción <@opt="--⁠permanent"> para substituír o conxunto de datos restrinxido en lugar do orixinal. Esta opción só está dispoñible cando se aplica ao mesmo tempo que as opcións <@opt="--⁠restrict">, <@opt="--⁠dummy">, <@opt="--⁠no-missing">, <@opt="--⁠no-all-missing"> ou <@opt="--⁠random"> da instrución <@lit="smpl">. 

Consulta o <@pdf="Guía de usuario de Gretl#chap:sampling"> (Capítulo 5) para obter outros detalles. 

Ruta do menú: /Mostra

# spearman Statistics

Argumentos: 	<@var="serie1"> <@var="serie2"> 
Opción: 	<@lit="--verbose"> (Presenta os datos por rangos)

Presenta o coeficiente da correlación por rangos de Spearman para as series <@var="serie1"> e <@var="serie2">. Non tes que xerarquizar manualmente as variables por adiantado, pois a función xa ten conta diso. 

A forma automática de xerarquizar é de maior a menor (i.e. o valor máis grande dos datos acada o rango 1). Se necesitas inverter esta forma de xerarquizar, xera unha nova variable que sexa a negativa da orixinal. Por exemplo: 

<code>          
   series altx = -x
   spearman altx y
</code>

Ruta do menú: /Ferramentas/Probas non paramétricas/Correlación

# sprintf Printing

Argumentos: 	<@var="varcadea"> <@var="formato"> <@lit=", "><@var="args"> 

Esta instrución funciona exactamente como a instrución <@ref="printf"> e presenta os argumentos que se indican, baixo o control da cadea de formato, coa excepción de que o resultado escríbese na cadea de texto indicada en <@var="varcadea">. 

# square Transformations

Argumento: 	<@var="listavariables"> 
Opción: 	<@lit="--cross"> (Xera os produtos cruzados así como os cadrados)

Xera novas series que son os cadrados das series de <@var="listavariables"> (ademais das variables cos produtos cruzados entre cada dúas, cando indicas a opción <@opt="--⁠cross">). Por exemplo, <@lit="square x y"> vai xerar as variables <@lit="sq_x"> = <@lit="x"> ao cadrado, <@lit="sq_y"> = <@lit="y"> ao cadrado e (opcionalmente) <@lit="x_y"> = <@lit="x"> por <@lit="y">. Cando unha determinada variable é unha variable ficticia, non se calcula o seu cadrado pois obteríamos a mesma variable. 

Ruta do menú: /Engadir/Cadrados das variables seleccionadas

# store Dataset

Argumentos: 	<@var="nomeficheiro"> [ <@var="listavariables"> ] 
Opcións: 	<@lit="--csv"> (Utiliza o formato CSV)
		<@lit="--omit-obs"> (Mira abaixo, sobre o formato CSV)
		<@lit="--no-header"> (Mira abaixo, sobre o formato CSV)
		<@lit="--gnu-octave"> (Utiliza o formato GNU Octave)
		<@lit="--gnu-R"> (Formato tratable con read.table)
		<@lit="--gzipped">[=<@var="nivel">] (Aplica a compresión gzip)
		<@lit="--jmulti"> (Utiliza o formato ASCII JMulti)
		<@lit="--dat"> (Utiliza o formato ASCII PcGive)
		<@lit="--decimal-comma"> (Utiliza a coma como carácter decimal)
		<@lit="--database"> (Utiliza o formato de banco de datos de Gretl)
		<@lit="--overwrite"> (Mira abaixo, sobre o formato de banco de datos)
		<@lit="--comment">=<@var="cadea"> (Mira abaixo)

Garda os datos en <@var="nomeficheiro">. Por defecto, gárdanse todas as series xa definidas nese momento pero podes utilizar o argumento <@var="listavariables"> (opcional) para escoller un subconxunto de series. Se o conxunto de datos é unha submostra, só se gardan as observacións do rango vixente da mostra. 

O ficheiro resultante vai escribirse no cartafol (<@ref="workdir">) establecido nese momento, agás que a cadea <@var="nomeficheiro"> conteña unha especificación completa da ruta. 

Ata certo punto, podes controlar o formato no que se escriben os datos mediante a extensión ou sufixo de <@var="nomeficheiro">, como se indica deseguido: 

<indent>
• <@lit=".gdt"> (ou sen extensión): Formato de datos XML propio de Gretl. (Se non indicas ningunha extensión, automaticamente engádese “<@lit=".gdt">”) 
</indent>

<indent>
• <@lit=".gtdb">: Formato de datos binario propio de Gretl. 
</indent>

<indent>
• <@lit=".csv">: Valores Separados con Comas (CSV). 
</indent>

<indent>
• <@lit=".txt"> ou <@lit=".asc">: valores separados con espazos. 
</indent>

<indent>
• <@lit=".m">: Formato matricial GNU Octave. 
</indent>

<indent>
• <@lit=".dta">: Formato dta de Stata (versión 113). 
</indent>

Podes usar os indicadores de opción relacionados co formato que se amosan arriba para forzar a cuestión do formato cando se garda, con independencia do nome do ficheiro (ou para lograr que Gretl escriba nos formatos de PcGive ou JMulTi). Porén, se <@var="nomeficheiro"> ten unha extensión <@lit=".gdt"> ou <@lit=".gdtb">, isto implica utilizar necesariamente o formato propio e se engades un indicador de opción conflitivo, vai xerar un fallo. 

Cando gardas os datos no formato propio (unicamente), podes utilizar a opción <@opt="--⁠gzipped"> para comprimir os datos, o que pode ser moi útil para conxuntos grandes de datos. O parámetro (optativo) desta opción controla o nivel de compresión (de 0 a 9): os niveles máis altos producen un ficheiro máis pequeno, pero a compresión leva máis tempo. O nivel por defecto é 1, e un nivel igual a 0 significa que non se aplica ningunha compresión. 

Os indicadores de opción <@opt="--⁠omit-obs"> e <@opt="--⁠no-header"> son só aplicables cando se gardan datos no formato CSV. Por defecto, se os datos son series temporais ou de panel, ou se o conxunto de datos inclúe marcadores específicos de observación, o ficheiro CSV inclúe unha primeira columna que identifica as observacións (e.g. por data). Cando indicas a opción <@opt="--⁠omit-obs">, esta columna omítese. A opción <@opt="--⁠no-header"> elimina a habitual representación dos nomes das variables no encabezamento das columnas. 

O indicador de opción <@opt="--⁠decimal-comma"> está tamén limitado ao caso de que se garden os datos en formato CSV. O efecto desta opción consiste en substituír o punto decimal coa coma decimal; e por engadido, fórzase a que o separador de columnas sexa o punto e coma. 

A posibilidade de gardar no formato de banco de datos de Gretl está pensada para axudar a construír conxuntos longos de series, tal vez mesturando frecuencias e rangos de observacións. Neste momento, esta opción só está dispoñible para datos de series temporais de tipo anual, trimestral ou mensual. Se gardas nun ficheiro que xa existe, o efecto por defecto consiste en engadir as series recentemente gardadas ao contido existente no banco de datos. Neste contexto, é un fallo que unha (ou máis) das variables que se van gardar teña o mesmo nome ca unha variable que xa está presente no banco de datos. A opción <@opt="--⁠overwrite"> ten como consecuencia que, se hai nomes de variables en común, a variable recentemente gardada substitúe á variable do mesmo nome no conxunto de datos orixinal. 

A opción <@opt="--⁠comment"> está dispoñible cando se gardan datos como banco de datos ou en formato CSV. O parámetro que se require é unha cadea nunha liña, entre comiñas, ligada ao indicador de opción mediante un signo de igualdade. A cadea de texto insírese como comentario no ficheiro índice do banco de datos ou no encabezamento do resultado CSV. 

A instrución <@lit="store"> compórtase de xeito especial no contexto dun “bucle progresivo”. Consulta o <@pdf="Guía de usuario de Gretl#chap:looping"> (Capítulo 12) para obter máis detalles. 

Ruta do menú: /Ficheiro/Gardar datos; /Ficheiro/Exportar datos

# summary Statistics

Variantes: 	<@lit="summary ["> <@var="listavariables"> ]
		<@lit="summary --matrix="><@var="nomematr">
Opcións: 	<@lit="--simple"> (Só estatísticos básicos)
		<@lit="--weight">=<@var="wvar"> (Variable de ponderación)
		<@lit="--by">=<@var="byvar"> (Mira abaixo)

Na súa primeira forma, esta instrución presenta un resumo estatístico para as variables de <@var="listavariables">, ou para todas as variables do conxunto de datos cando omites <@var="listavariables">. Por defecto, o resultado consiste na media, desviación padrón (sd), coeficiente de variación (= sd/media), mediana, mínimo, máximo, coeficiente de asimetría e exceso de curtose. Cando indicas a opción <@opt="--⁠simple">, o resultado limítase á media, o mínimo, o máximo e a desviación padrón. 

Cando indicas a opción <@opt="--⁠by"> (en cuxo caso o parámetro <@var="byvar"> debe de ser o nome dunha variable discreta), entón preséntanse os estatísticos para as submostras que se corresponden cos diferentes valores que toma <@var="byvar">. Por exemplo, cando <@var="byvar"> é unha variable ficticia (binaria), preséntanse os estatísticos para os casos nos que <@lit="byvar = 0"> e <@lit="byvar = 1">. Advertencia: Neste momento, esta opción é incompatible coa opción <@opt="--⁠weight">. 

Cando indicas a forma alternativa, utilizando unha matriz xa definida, entón preséntase o resumo estatístico para cada columna da matriz. Neste caso, a opción <@opt="--⁠by"> non está dispoñible. 

Ruta do menú: /Ver/Estatísticos principais
Outro acceso: Fiestra principal: Menú emerxente

# system Estimation

Variantes: 	<@lit="system method="><@var="estimador">
		<@var="sysname"><@lit=" <- system">
Exemplos: 	<@lit=""Klein Model 1" <- system">
		<@lit="system method=sur">
		<@lit="system method=3sls">
		Mira tamén <@inp="klein.inp">, <@inp="kmenta.inp">, <@inp="greene14_2.inp">

Comeza un sistema de ecuacións. Podes indicar unha das dúas formas da instrución, dependendo de se queres gardar o sistema para estimalo de varias formas, ou só estimar o sistema unha vez. 

Para gardar o sistema debes de asignarlle un nome como no primeiro exemplo (se o nome contén espazos, debes de contornalo entre comiñas). Neste caso, estímase o sistema utilizando a instrución <@ref="estimate">. Cun sistema de ecuacións xa gardado, podes impoñer restricións (incluídas restricións entre ecuacións) utilizando a instrución <@ref="restrict">. 

Como alternativa, podes especificar un estimador para o sistema utilizando <@lit="method="> seguido dunha cadea que identifique un dos estimadores admitidos: <@lit="ols"> (Mínimos Cadrados Ordinarios), <@lit="tsls"> (Mínimos Cadrados en 2 Etapas) <@lit="sur"> (Regresións Aparentemente Non Relacionadas), <@lit="3sls"> (Mínimos Cadrados en 3 Etapas), <@lit="fiml"> (Máxima Verosimilitude con Información Total) ou <@lit="liml"> (Máxima Verosimilitude con Información Limitada). Neste caso, o sistema estímase unha vez que estea completa a súa definición. 

Un sistema de ecuacións remátase coa liña <@lit="end system">. Dentro do sistema poden indicarse 4 tipos de enunciado, como os seguintes. 

<indent>
• <@ref="equation">: Especifica unha ecuación do sistema. Como mínimo deben de proporcionarse dous enunciados deste tipo. 
</indent>

<indent>
• <@lit="instr">: Para estimar un sistema mediante Mínimos Cadrados en 3 etapas, indícase unha lista de instrumentos (mediante o nome da variable ou seu número). Alternativamente, podes poñer esta información na liña <@lit="equation"> usando a mesma sintaxe que na instrución <@ref="tsls">. 
</indent>

<indent>
• <@lit="endog">: Para un sistema de ecuacións simultáneas, indícase unha lista de variables endóxenas. En principio, isto está pensado para utilizar coa estimación FIML, pero podes utilizar este enfoque con Mínimos Cadrados en 3 Etapas en substitución de indicar unha lista <@lit="instr">; e entón todas as variables que non se identifiquen como endóxenas vanse utilizar como instrumentos. 
</indent>

<indent>
• <@lit="identity">: Para utilizar con Máxima Verosimilitude con Información Completa (MVIC, FIML), indícase unha identidade que enlaza dúas ou máis variables do sistema. Este tipo de enunciado se ignora cando se utiliza un estimador diferente ao de MVIC. 
</indent>

Logo de facer a estimación utilizando as instrucións <@lit="system"> ou <@lit="estimate">, podes usar os seguintes accesorios para recoller información adicional: 

<indent>
• <@lit="$uhat">: Matriz cos erros de estimación, cunha columna por ecuación. 
</indent>

<indent>
• <@lit="$yhat">: Matriz cos valores axustados, cunha columna por ecuación. 
</indent>

<indent>
• <@lit="$coeff">: Vector columna cos coeficientes das ecuacións (todos os coeficientes da primeira ecuación, seguidos polos da segunda ecuación, etcétera). 
</indent>

<indent>
• <@lit="$vcv">: Matriz coas covarianzas entre os coeficientes. Cando hai <@mth="k"> elementos no vector <@lit="$coeff">, esta matriz ten unha dimensión de <@mth="k"> por <@mth="k">. 
</indent>

<indent>
• <@lit="$sigma">: Matriz coas covarianzas entre os erros de estimación das ecuacións cruzadas. 
</indent>

<indent>
• <@lit="$sysGamma">, <@lit="$sysA"> e <@lit="$sysB">: Matrices cos coeficientes na forma estrutural (mira abaixo). 
</indent>

Se queres recuperar os erros de estimación ou os valores axustados para unha ecuación en concreto, en forma de serie de datos, escolle unha columna da matriz <@lit="$uhat"> ou <@lit="$yhat"> e asígnalle a serie, como en 

<code>          
   series uh1 = $uhat[,1]
</code>

As matrices na forma estrutural correspóndense coa seguinte representación dun modelo de ecuacións simultáneas: 

  <@fig="structural">

Se hai <@mth="n"> variables endóxenas e <@mth="k"> variables esóxenas, Γ é unha matriz de dimensión <@itl="n">×<@itl="n"> e <@mth="B"> é <@itl="n">×<@itl="k">. Cando o sistema non contén ningún retardo das variables endóxenas, entón a matriz <@mth="A"> non está presente. Se o retardo máximo dun regresor endóxeno é <@mth="p">, a matriz <@mth="A"> é de dimensión <@itl="n">×<@itl="np">. 

Ruta do menú: /Modelar/Ecuacións Simultáneas

# tabprint Printing

Opcións: 	<@lit="--output">=<@var="nomeficheiro"> (Envía o resultado ao ficheiro especificado)
		<@lit="--format="f1|f2|f3|f4""> (Especifica o formato TeX personalizado)
		<@lit="--complete"> (Relacionado con TeX, mira abaixo)

Debe de ir despois da estimación dun modelo e presenta ese modelo en formato de táboa. O formato réxese pola extensión do <@var="nomeficheiro"> especificado: “<@lit=".tex">” para LaTeX, “<@lit=".rtf">” para RTF (Microsoft's Rich Text Format) ou “<@lit=".csv">” para o formato con separación mediante comas. O ficheiro resultante vai escribirse no cartafol vixente (<@ref="workdir">), agás que a cadea <@var="nomeficheiro"> conteña unha especificación completa da ruta. 

Cando seleccionas o formato CSV, os valores sepáranse con comas agás que a coma decimal estea vixente, en cuxo caso o separador é o punto e coma. 

<@itl="Opcións específicas de resultados en LaTeX"> 

Cando indicas a opción <@opt="--⁠complete">, o ficheiro LaTeX é un documento completo, listo para procesar; noutro caso, debe de incluírse nun documento. 

Se queres modificar a aparencia do resultado tabular, podes especificar un formato personalizado en filas utilizando a opción <@opt="--⁠format">. A cadea de formato debe de estar contornada entre comiñas e debe de estar ligada á opción cun signo de igualdade. O padrón para as cadeas de formato é o seguinte. Existen 4 campos que representan: o coeficiente, a desviación padrón, a razón <@mth="t"> e a probabilidade asociada, respectivamente. Debes de separar estes campos mediante barras verticais; e ou ben poden ter unha especificación de tipo <@lit="printf"> para o formato do valor numérico en cuestión, ou ben poden deixarse en branco para eliminar a presentación desa columna (suxeito isto á condición de que non podes deixar todas as columnas en branco). Aquí tes uns poucos exemplos: 

<code>          
   --format="%.4f|%.4f|%.4f|%.4f"
   --format="%.4f|%.4f|%.3f|"
   --format="%.5f|%.4f||%.4f"
   --format="%.8g|%.8g||%.4f"
</code>

A primeira destas especificacións presenta os valores de todas as columnas usando 4 díxitos decimais. A segunda elimina a probabilidade asociada e presenta as razóns <@mth="t"> con 3 díxitos decimais. A terceira omite a razón <@mth="t">. A derradeira tamén omite o <@mth="t">, e presenta tanto o coeficiente como a desviación padrón con 8 cifras significativas. 

Unha vez que estableces un formato personalizado deste xeito, este lémbrase e utilízase ao longo do que dure a sesión de Gretl. Para reverter isto ao formato por defecto, podes utilizar a variante especial <@opt="--⁠format=default">. 

Ruta do menú: Xanela de modelo: LaTeX

# textplot Graphs

Argumento: 	<@var="listavariables"> 
Opcións: 	<@lit="--time-series"> (Gráfica por observación)
		<@lit="--one-scale"> (Forza unha escala única)
		<@lit="--tall"> (Usa 40 filas)

Gráficas ASCII rápidas e sinxelas. Sen a opción <@opt="--⁠time-series">, <@var="listavariables"> debe de conter cando menos 2 series, a última delas tómase como a variable para o eixe <@mth="x">, e xérase unha gráfica de dispersión. Neste caso, podes utilizar a opción <@opt="--⁠tall"> para xerar unha gráfica na que o eixe <@mth="y"> se representa mediante 40 filas de caracteres (por defecto son 20 filas). 

Coa opción <@opt="--⁠time-series">, xérase unha gráfica por observación. Neste caso, podes utilizar a opción <@opt="--⁠one-scale"> para forzar o uso dunha escala única; noutro caso, se <@var="listavariables"> contén máis dunha serie, os datos poden escalarse. Cada liña representa unha observación, cos valores dos datos debuxados horizontalmente. 

Consulta tamén <@ref="gnuplot">. 

# tobit Estimation

Argumentos: 	<@var="depvar"> <@var="indepvars"> 
Opcións: 	<@lit="--llimit">=<@var="limesq"> (Especifica a cota da esquerda)
		<@lit="--rlimit">=<@var="limder"> (Especifica a cota da dereita)
		<@lit="--vcv"> (Presenta a matriz de covarianzas)
		<@lit="--robust"> (Desviacións padrón robustas)
		<@lit="--cluster">=<@var="clustvar"> (Consulta <@ref="logit"> para máis explicacións)
		<@lit="--verbose"> (Presenta os detalles das iteracións)

Estima un modelo Tobit, que pode ser o adecuado cando a variable dependente está “censurada”. Por exemplo, cando se observan valores positivos e nulos na adquisición de bens duradeiros por parte dos fogares, e ningún valor negativo, mesmo pode pensarse que as decisións sobre esas compras son o resultado dunha disposición subxacente e inobservada a comprar que pode ser negativa nalgúns casos. 

Por defecto, asúmese que a variable dependente está 'censurada' no cero pola esquerda, e que non está 'censurada' pola dereita. Porén, podes usar as opcións <@opt="--⁠llimit"> e <@opt="--⁠rlimit"> para especificar un padrón diferente para facer a 'censura'. Ten en conta que se especificas unicamente unha cota pola dereita, entón o que se supón é que a variable dependente non está 'censurada' pola esquerda. 

O modelo Tobit é un caso especial da regresión por intervalos, executándose esta mediante a instrución <@ref="intreg">. 

Ruta do menú: /Modelar/Variable Dependente Limitada/Tobit

# tsls Estimation

Argumentos: 	<@var="depvar"> <@var="indepvars"> ; <@var="instrumentos"> 
Opcións: 	<@lit="--no-tests"> (Non fai probas de diagnose)
		<@lit="--vcv"> (Presenta a matriz de covarianzas)
		<@lit="--no-df-corr"> (Sen corrección dos graos de liberdade)
		<@lit="--robust"> (Desviacións padrón robustas)
		<@lit="--cluster">=<@var="clustvar"> (Desviacións padrón agrupadas)
		<@lit="--liml"> (Utiliza Máxima Verosimilitude con Información Limitada)
		<@lit="--gmm"> (Utiliza o Método Xeneralizado dos Momentos)
Exemplo: 	<@lit="tsls y1 0 y2 y3 x1 x2 ; 0 x1 x2 x3 x4 x5 x6">

Calcula as estimacións de Variables Instrumentais (VI), utilizando por defecto Mínimos Cadrados en 2 Etapas (TSLS), pero mira máis abaixo para outras opcións. A variable dependente é <@var="depvar">, mentres que <@var="indepvars"> expresa unha lista de regresores (presuponse que inclúe cando menos unha variable endóxena) e <@var="instrumentos"> indica unha lista de instrumentos (variables esóxenas e/ou predeterminadas). Se a lista <@var="instrumentos"> non é cando menos tan longa como <@var="indepvars">, o modelo non está identificado. 

No exemplo de arriba, as <@lit="y">s son as variables endóxenas e as <@lit="x">s son as variables esóxenas. Cae na conta de que os regresores esóxenos deben de aparecer en ambas listas. 

O resultado das estimacións de Mínimos Cadrados en 2 Etapas inclúen a proba de Hausman e (se o modelo está sobreidentificado) a proba de sobreidentificación de Sargan. Na proba de Hausman, a hipótese nula é que as estimacións MCO son consistentes ou, noutras palabras, que a estimación por medio de variables instrumentais en realidade non se necesita. Un modelo desta clase está sobreidentificado se hai máis instrumentos dos que estritamente se requiren. A proba de Sargan se basea nunha regresión auxiliar dos erros da estimación do modelo por Mínimos Cadrados en 2 Etapas sobre a lista completa de instrumentos. A hipótese nula é que todos os instrumentos son válidos, e sospéitase da validez desta hipótese se a regresión auxiliar ten un grao de poder explicativo que é significativo. Para unha boa explicación das dúas probas, consulta o capítulo 8 de <@bib="Davidson e MacKinnon (2004);davidson-mackinnon04">. 

Tanto para MC2E (TSLS) como para a estimación MVIL (LIML), amósase o resultado dunha proba adicional, posto que o modelo estímase baixo o suposto de perturbacións IID (é dicir, non se escolle a opción <@opt="--⁠robust">). Esta é unha proba da debilidade dos instrumentos, pois instrumentos débiles poden levar a serios problemas na regresión de VI: estimacións nesgadas e/ou tamaño incorrecto das probas de hipóteses baseadas na matriz de covarianzas, con taxas de rexeite que superan con moito o nivel de significación nominal <@bib="(Stock, Wright e Yogo, 2002);stock-wright-yogo02">. O estatístico é o da proba <@mth="F"> da primeira etapa se o modelo contén tan só un regresor endóxeno; noutro caso, é o valor propio máis pequeno da matriz de contrapartida do <@mth="F"> da primeira etapa. Amósanse os puntos críticos baseados na análise Monte Carlo de <@bib="Stock e Yogo (2003);stock-yogo03">, cando estean dispoñibles. 

O valor de R-cadrado que se presenta para modelos estimados mediante Mínimos Cadrados en 2 Etapas é o cadrado da correlación entre a variable dependente e a variable cos valores axustados. 

Para obter máis detalles en relación aos efectos das opcións <@opt="--⁠robust"> e <@opt="--⁠cluster">, consulta a axuda para <@ref="ols">. 

Como alternativas a MC2E, o modelo pode estimarse mediante Máxima Verosimilitude con Información Limitada (opción <@opt="--⁠liml">) ou mediante o Método Xeneralizado dos Momentos (opción <@opt="--⁠gmm">). Cae na conta de que, se o modelo está simplemente identificado, estes métodos deberían xerar os mesmos resultados que MC2E; pero se está sobreidentificado, os resultados en xeral van diferir. 

Cando se escolle a estimación MXM (GMM), as seguintes opcións adicionais pasan a estar dispoñibles: 

<indent>
• <@opt="--⁠two-step">: Realiza MXM en 2 etapas en vez de facelo en 1 etapa (por defecto). 
</indent>

<indent>
• <@opt="--⁠iterate">: Reitera MXM ata a converxencia. 
</indent>

<indent>
• <@opt="--⁠weights="><@var="Wmat">: Especifica unha matriz cadrada de ponderacións para utilizar cando se calcula a función do criterio MXM. A dimensión desta matriz debe de ser igual ao número de instrumentos. Por defecto, é unha matriz identidade de dimensión axeitada. 
</indent>

Ruta do menú: /Modelar/Variables Instrumentais

# var Estimation

Argumentos: 	<@var="nivel"> <@var="ylista"> [ ; <@var="xlista"> ] 
Opcións: 	<@lit="--nc"> (Sen constante)
		<@lit="--trend"> (Con tendencia linear)
		<@lit="--seasonals"> (Con variables ficticias estacionais)
		<@lit="--robust"> (Desviacións padrón robustas)
		<@lit="--robust-hac"> (Desviacións padrón HAC)
		<@lit="--quiet"> (Non amosa os resultados das ecuacións individuais)
		<@lit="--silent"> (Non presenta nada)
		<@lit="--impulse-responses"> (Presenta as respostas ao impulso)
		<@lit="--variance-decomp"> (Presenta as descomposicións da varianza)
		<@lit="--lagselect"> (Amosa os criterios de selección de retardos)
Exemplos: 	<@lit="var 4 x1 x2 x3 ; time mydum">
		<@lit="var 4 x1 x2 x3 --seasonals">
		<@lit="var 12 x1 x2 x3 --lagselect">

Establece e estima (utilizando MCO) unha autorregresión de vectores (VAR). O primeiro argumento especifica o nivel de retardos (ou o nivel máximo de retardos no caso de que indiques a opción <@opt="--⁠lagselect">, mira máis abaixo). O nivel podes indicalo numericamente ou co nome dunha variable escalar preexistente. A continuación segue a configuración da primeira ecuación. Non inclúas retardos entre os elementos de <@var="ylista"> pois vanse engadir automaticamente. O punto e coma vai separar as variables estocásticas (para as que se vai incluír un <@var="nivel"> de retardos) de calquera variable esóxena de <@var="xlista">. Ten en conta que: (a) inclúese unha constante automaticamente (agás que indiques a opción <@opt="--⁠nc">), (b) podes engadir unha tendencia coa opción <@opt="--⁠trend">, e (c) podes engadir variables ficticias estacionais utilizando a opción <@opt="--⁠seasonals">. 

Mentres que unha especificación VAR habitualmente inclúe tódolos retardos desde 1 ata un máximo que indiques, tamén podes escoller un grupo de retardos. Para facer isto, substitúe o argumento rutineiro <@var="nivel"> (escalar), ben co nome dun vector xa definido previamente ou ben cunha lista de retardos separados con comas, contornada entre chaves. Debaixo amósanse dous xeitos de especificar que un VAR debe de incluír os retardos 1, 2 e 4 (pero non o 3): 

<code>          
   var {1,2,4} ylista
   matrix p = {1,2,4}
   var p ylista
</code>

Devólvese unha regresión por separado para cada unha das variables de <@var="ylista">. Os resultados para cada ecuación inclúen as probas <@mth="F"> para cero restricións en todos os retardos de cada unha das variables, unha proba <@mth="F"> sobre a significación do retardo máximo e, cando especificas a opción <@opt="--⁠impulse-responses">, as descomposicións da varianza da predición e as respostas ao impulso. 

As descomposicións da varianza da predición e as respostas ao impulso baséanse na descomposición de Cholesky da matriz de covarianzas contemporánea e, neste contexto, ten importancia a orde na que indicas as variables (estocásticas). Así, a primeira variable da lista asúmese que é a “máis esóxena” dentro do período. Podes establecer o horizonte para as descomposicións da varianza e as respostas ao impulso, utilizando a instrución <@ref="set">. Para recuperar unha función concreta de resposta ao impulso en forma matricial, consulta a función <@xrf="irf">. 

Cando indicas a opción <@opt="--⁠robust">, as desviacións padrón corríxense do efecto da heterocedasticidade. Como alternativa, podes indicar a opción <@opt="--⁠robust-hac"> para dar lugar a desviacións padrón que sexan robustas con respecto tanto á heterocedasticidade como á autocorrelación (HAC). En xeral, esta última corrección non debera de ser necesaria se o VAR inclúe un número suficiente de retardos. 

Cando indicas a opción <@opt="--⁠lagselect">, tómase o primeiro parámetro da instrución <@lit="var"> como o nivel máximo de retardos. O resultado consiste nunha táboa que amosa os valores dos criterios de información de Akaike (AIC), Schwarz (BIC) e Hannan–Quinn (HQC) calculados con VARs de niveis desde 1 ata o máximo indicado. Isto trata de axudar na selección do nivel óptimo de retardos. O resultado habitual do VAR non se presenta. Podes recuperar a táboa cos criterios de información en forma de matriz mediante o accesorio <@xrf="$test">. 

Ruta do menú: /Modelar/Series temporais/Multivariante

# varlist Dataset

Opción: 	<@lit="--type">=<@var="nometipo"> (Eido da listaxe)

Por defecto, presenta unha listaxe das series do conxunto vixente de datos (se hai algunha); e podes utilizar <@lit="ls"> como alcume. 

Cando indicas a opción <@opt="--⁠type">, debe de ir seguida (tras dun signo de igualdade) por un dos seguintes tipos: <@lit="series">, <@lit="scalar">, <@lit="matrix">, <@lit="list">, <@lit="string">, <@lit="bundle"> ou <@lit="accessor">. O seu efecto consiste en presentar os nomes de tódolos obxectos do tipo indicado que estean definidos nese momento. 

Como caso especial, se o tipo é <@lit="accessor">, os nomes que se presentan son aqueles das variables internas dispoñibles nese momento como “accesorios”, como poden ser <@xrf="$nobs"> e <@xrf="$uhat"> (sexa cal sexa o seu tipo en concreto). 

# vartest Tests

Argumentos: 	<@var="serie1"> <@var="serie2"> 

Calcula o estatístico <@mth="F"> para probar a hipótese nula de que as varianzas nas poboacións das variables <@var="serie1"> e <@var="serie2"> son iguais, e amosa a súa probabilidade asociada (valor p). 

Ruta do menú: /Ferramentas/Calculadora de probas

# vecm Estimation

Argumentos: 	<@var="nivel"> <@var="rango"> <@var="ylista"> [ ; <@var="xlista"> ] [ ; <@var="rxlista"> ] 
Opcións: 	<@lit="--nc"> (Sen constante)
		<@lit="--rc"> (Constante restrinxida)
		<@lit="--uc"> (Constante non restrinxida)
		<@lit="--crt"> (Constante e tendencia restrinxida)
		<@lit="--ct"> (Constante e tendencia non restrinxida)
		<@lit="--seasonals"> (Inclúe variables ficticias estacionais centradas)
		<@lit="--quiet"> (Non amosa os resultados das ecuacións individuais)
		<@lit="--silent"> (Non presenta nada)
		<@lit="--impulse-responses"> (Presenta as respostas ao impulso)
		<@lit="--variance-decomp"> (Presenta as descomposicións da varianza)
Exemplos: 	<@lit="vecm 4 1 Y1 Y2 Y3">
		<@lit="vecm 3 2 Y1 Y2 Y3 --rc">
		<@lit="vecm 3 2 Y1 Y2 Y3 ; X1 --rc">
		Mira tamén <@inp="denmark.inp">, <@inp="hamilton.inp">

Un VECM é unha forma de autorregresión de vectores ou VAR (consulta <@ref="var">), aplicable cando as variables do modelo son individualmente integradas de orde 1 (polo tanto son paseos aleatorios, con ou sen deriva) pero presentan cointegración. Esta instrución está intimamente relacionada coa proba de cointegración de Johansen (consulta <@ref="coint2">). 

O parámetro <@var="nivel"> desta instrución representa o nivel de retardos do sistema VAR. O número de retardos no propio VECM (onde a variable dependente se indica como unha primeira diferenza) é de un menos ca <@var="nivel">. 

O parámetro <@var="rango"> representa o rango de cointegración ou, noutras palabras, o número de vectores cointegrantes. Este debe de ser maior ca cero, e menor ou igual (xeralmente menor) que o número de variables endóxenas indicadas en <@var="ylista">. 

O argumento <@var="ylista"> proporciona a lista de variables endóxenas, expresadas en niveis. A inclusión de termos de tipo determinístico no modelo, contrólase cos indicadores de opción. Por defecto, cando non indicas ningunha opción, inclúese unha “Constante non restrinxida”, o que permite que haxa unha ordenada na orixe non nula nas relacións de cointegración, así como unha tendencia nos niveis das variables endóxenas. A literatura derivada do traballo de Johansen (por exemplo, podes consultar o seu libro de 1995) habitualmente refírese a isto como o “caso 3”. As primeiras 4 opcións indicadas arriba (mutuamente excluíntes) xeran os casos 1, 2, 4 e 5, respectivamente. Os significados destes casos e os criterios que se usan para escoller un caso, explícanse no <@pdf="Guía de usuario de Gretl#chap:vecm"> (Capítulo 29). 

As listas <@var="xlista"> e <@var="rxlista"> (opcionais) te permiten especificar conxuntos de variables esóxenas que forman parte do modelo, ben sen restricións (<@var="xlista">) ou ben restrinxidas ao espazo de cointegración (<@var="rxlista">). Estas listas sepáranse de <@var="ylista"> e unhas das outras, mediante punto e coma. 

A opción <@opt="--⁠seasonals">, que podes combinar con calquera das outras opcións, especifica a inclusión dun conxunto de variables ficticias estacionais centradas. Esta opción unicamente está dispoñible para datos trimestrais ou mensuais. 

O primeiro exemplo de arriba especifica un VECM cun nivel de retardos de 4, e un único vector de cointegración. As variables endóxenas son <@lit="Y1">, <@lit="Y2"> e <@lit="Y3">. O segundo exemplo usa as mesmas variables pero especifica un nivel de retardos de 3, e dous vectores de cointegración; tamén especifica unha “Constante restrinxida”, que é adecuada cando os vectores de cointegración poden ter ordenada na orixe non nula pero as variables <@lit="Y"> non teñen tendencia. 

A continuación da estimación dun VECM, tes dispoñibles algúns accesorios especiais: <@lit="$jalpha">, <@lit="$jbeta"> e <@lit="$jvbeta"> recuperan as matrices α e β, e a varianza estimada de β, respectivamente. Para recuperar a función de resposta ante un impulso determinado, en forma de matriz, consulta a función <@xrf="irf">. 

Ruta do menú: /Modelar/Series temporais/Multivariante

# vif Tests

Debe de ir despois da estimación dun modelo que inclúa cando menos 2 variables independentes. Calcula e amosa os Factores de Inflación da Varianza (FIV) para os regresores. O FIV do regresor <@mth="j"> defínese como 

  <@fig="vif">

onde <@mth="R"><@sub="j"> é o coeficiente de correlación múltiple entre ese regresor <@mth="j"> e os demais regresores. O factor ten un valor mínimo de 1.0 cando a variable en cuestión é ortogonal con respecto ás outras variables independentes. <@bib="Neter, Wasserman e Kutner (1990);neter-etal90"> suxiren revisar o valor máis grande dos FIV para diagnosticar a multicolinearidade; así, un valor maior ca 10 considérase ás veces indicativo dun grao de multicolinearidade problemático. 

Ruta do menú: Fiestra de modelo: Análise/Multicolinearidade

# wls Estimation

Argumentos: 	<@var="varponder"> <@var="depvar"> <@var="indepvars"> 
Opcións: 	<@lit="--vcv"> (Presenta a matriz de covarianzas)
		<@lit="--robust"> (Desviacións padrón robustas)
		<@lit="--quiet"> (Non presenta os resultados)

Calcula as estimacións de mínimos cadrados ponderados (MCP ou WLS) utilizando <@var="varponder"> como ponderación, <@var="depvar"> como variable dependente e <@var="indepvars"> como lista de variables independentes. Sexa <@var="w"> a raíz cadrada positiva de <@lit="varponder">, entón MCP é basicamente equivalente á regresión MCO de <@var="w"> <@lit="*"> <@var="depvar"> sobre <@var="w"> <@lit="*"> <@var="indepvars">. Porén, o <@itl="R">-cadrado calcúlase de xeito especial, concretamente como 

  <@fig="wlsr2">

onde ESS é a suma de erros cadrados da regresión ponderada e WTSS denota a “Suma de cadrados totais ponderados”, que é igual á suma de erros cadrados da regresión da variable dependente ponderada sobre unicamente a constante ponderada. 

Se <@var="varponder"> é unha variable ficticia, a estimación MCP é equivalente á que resulta ao eliminar todas as observacións que teñen un valor cero para <@var="varponder">. 

Ruta do menú: /Modelar/Outros Modelos Lineais/Mínimos Cadrados Ponderados

# xcorrgm Statistics

Argumentos: 	<@var="serie1"> <@var="serie2"> [ <@var="nivel"> ] 
Opción: 	<@lit="--plot">=<@var="modo-ou-nomeficheiro"> (Mira abaixo)
Exemplo: 	<@lit="xcorrgm x y 12">

Presenta e debuxa o correlograma cruzado de <@var="serie1"> con <@var="serie2">, que podes especificar mediante os seus nomes ou os seus números. Os valores son os coeficientes de correlación na mostra entre o valor vixente de <@var="serie1"> e os sucesivos adiantos e retardos de <@var="serie2">. 

Se especificas un valor para <@var="nivel">, a longura do correlograma cruzado limítase a ese número de adiantos e retardos (cando menos); noutro caso, a longura determínase de forma automática en función da frecuencia dos datos e do número de observacións. 

Por defecto, xérase unha gráfica do correlograma cruzado: unha gráfica Gnuplot en modo interactivo ou unha gráfica ASCII en modo de procesamento por lotes. Podes axustar isto mediante a opción <@opt="--⁠plot">. Os parámetros admisibles para esta opción son <@lit="none"> (para omitir a gráfica), <@lit="ascii"> (para xerar unha gráfica de texto aínda que sexa en modo interactivo), <@lit="display"> (para xerar unha gráfica Gnuplot aínda que sexa en modo de procesamento por lotes), ou un nome de ficheiro. O efecto de proporcionar un nome de ficheiro é como se describiu para a opción <@opt="--⁠output"> da instrución <@ref="gnuplot">. 

Ruta do menú: /Ver/Correlograma cruzado
Outro acceso: Xanela principal: Menú emerxente (selección múltiple)

# xtab Statistics

Argumentos: 	<@var="ylista"> [ ; <@var="xlista"> ] 
Opcións: 	<@lit="--row"> (Amosa as porcentaxes de fila)
		<@lit="--column"> (Amosa as porcentaxes de columna)
		<@lit="--zeros"> (Amosa un cero nas entradas nulas)
		<@lit="--matrix">=<@var="nomematr"> (Usa as frecuencias da matriz indicada)

Amosa unha táboa de continxencia ou unha tabulación cruzada para cada combinación das variables incluídas en <@var="ylista">; e cando indicas unha segunda lista (<@var="xlista">), cada variable de <@var="ylista"> crúzase nunha táboa por fila fronte a cada variable de <@var="xlista"> (por columna). Podes referirte ás variables destas listas mediante os seus nomes ou os seus números. Ten en conta que todas as variables teñen que estar marcadas como discretas. Como alternativa, cando indicas a opción <@opt="--⁠matrix">, se trata a matriz indicada como un conxunto calculado previamente de frecuencias e se presenta isto como unha tabulación cruzada. 

Por defecto, a anotación de cada cela indica o reconto da frecuencia de casos. As opcións <@opt="--⁠row"> e <@opt="--⁠column"> (que se exclúen mutuamente), substitúen os recontos coas porcentaxes para cada fila ou columna, respectivamente. Por defecto, as celas cun reconto de cero casos déixanse en branco; mais a opción <@opt="--⁠zeros">, que ten como efecto a presentación explícita dos ceros, pode serche útil para importar a táboa con outro programa tal como unha folla de cálculo. 

A proba de independencia khi-cadrado de Pearson amósase se a frecuencia agardada baixo independencia é cando menos de 1.0e-7 para todas as celas. Unha regra xeral habitual da validez deste estatístico é que polo menos o 80 por cento das celas deben de ter frecuencias agardadas iguais a 5 ou máis; e se este criterio non se cumpre, preséntase unha advertencia. 

Se unha táboa de continxencia é 2 por 2, calcúlase a Proba Exacta de independencia de Fisher. Cae na conta de que esta proba baséase no suposto de que os totais por fila e por columna son fixos, o que pode ser ou non ser adecuado dependendo de como se xeraron os datos. Debes de utilizar a probabilidade asociada (valor p) da esquerda cando a alternativa á independencia é a asociación negativa (os valores tenden a agruparse nas celas de abaixo á esquerda e de arriba á dereita); e debes de utilizar o valor p da dereita se a alternativa é a asociación positiva. O valor p de dúas colas para esta proba calcúlase mediante o método (b) da sección 2.1 de <@bib="Agresti (1992);agresti92">: isto é a suma das probabilidades de todas as táboas posibles que teñan os totais de filas e columnas indicados, e que teñan unha probabilidade menor ou igual á da táboa observada.
gretl-common 2017d-3build1 / usr / share / gretl / gretl_gui_cmdref.gl
