Você está na página 1de 212

Manual dos Comandos do Gretl

Gnu Regression, Econometrics and Time-series Library

Allin Cottrell
Department of Economics
Wake Forest University

Riccardo “Jack” Lucchetti


Dipartimento di Economia
Università Politecnica delle Marche

Hélio Guilherme
Tradução Portuguesa

Maio 2019
Permission is granted to copy, distribute and/or modify this document under the terms of the
GNU Free Documentation License, Version 1.1 or any later version published by the Free Soft-
ware Foundation (see http://www.gnu.org/licenses/fdl.html).

A cópia, distribuição e/ou modificação deste documento é permitida de acordo com os termos
da Licença de Documentação Livre GNU, Versão 1.1 ou qualquer versão posterior publicada pela
Free Software Foundation (ver em http://www.gnu.org/licenses/fdl.html).
Conteúdo

1 Gretl commands 1
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Commands . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
add . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
adf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
anova . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
append . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
ar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
ar1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
arbond . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
arch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
arima . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
biprobit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
boxplot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
break . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
catch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
chow . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
clear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
coeffsum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
coint . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
coint2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
corr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
corrgm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
cusum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
dataset . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
debug . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
delete . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
diff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
difftest . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
discrete . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
dpanel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
dummify . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
duration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
elif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
else . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

i
Conteúdo ii

end . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
endif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
endloop . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
eqnprint . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
equation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
estimate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
eval . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
fcast . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
flush . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
foreign . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
fractint . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
freq . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
function . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
garch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
genr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
gmm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
gnuplot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
graphpg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
hausman . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
heckit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
help . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
hsk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
hurst . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
if . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
include . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
info . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
install . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
intreg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
join . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
kpss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
labels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
lad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
lags . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
ldiff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
leverage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
levinlin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
logistic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
logit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
logs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
loop . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
mahal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
Conteúdo iii

makepkg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
markers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
meantest . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
mle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
modeltab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
modprint . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
modtest . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
mpols . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
negbin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
nls . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
normtest . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
nulldata . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
ols . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
omit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
open . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
orthdev . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
outfile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
panel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
pca . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
pergm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
plot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
print . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
printf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
probit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
pvalue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
qlrtest . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
qqplot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
quantreg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
quit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
rename . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
reset . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
restrict . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
rmplot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
run . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
runs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
scatters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
sdiff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
set . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
setinfo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
setmiss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
Conteúdo iv

setobs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
setopt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
shell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
smpl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
spearman . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
sprintf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
square . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
store . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
system . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
tabprint . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
textplot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
tobit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
tsls . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
var . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
varlist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
vartest . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
vecm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
vif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
wls . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
xcorrgm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
xtab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
1.3 Commands by topic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
Estimação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
Testes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
Transformações . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
Estatísticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
Conjunto de Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
Gráficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
Impressão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
Predição . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
Programação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
Utilidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85

2 Funções Gretl 86
2.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
2.2 Accessors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
$ahat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
$aic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
$bic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
$chisq . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
$coeff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
Conteúdo v

$command . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
$compan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
$datatype . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
$depvar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
$df . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
$diagpval . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
$diagtest . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
$dw . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
$dwpval . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
$ec . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
$error . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
$ess . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
$evals . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
$fcast . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
$fcse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
$fevd . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
$Fstat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
$gmmcrit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
$h . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
$hausman . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
$hqc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
$huge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
$jalpha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
$jbeta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
$jvbeta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
$lang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
$llt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
$lnl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
$macheps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
$mnlprobs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
$model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
$ncoeff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
$nobs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
$nvars . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
$obsdate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
$obsmajor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
$obsmicro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
$obsminor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
$pd . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
$pi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
$pvalue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
Conteúdo vi

$qlrbreak . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
$rho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
$rsq . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
$sample . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
$sargan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
$sigma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
$stderr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
$stopwatch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
$sysA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
$sysB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
$sysGamma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
$sysinfo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
$system . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
$T . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
$t1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
$t2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
$test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
$tmax . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
$trsq . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
$uhat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
$unit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
$vcv . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
$vecGamma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
$version . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
$vma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
$windows . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
$xlist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
$xtxinv . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
$yhat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
$ylist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
2.3 Functions proper . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
abs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
acos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
acosh . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
aggregate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
argname . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
array . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
asin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
asinh . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
atan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
atanh . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
Conteúdo vii

atof . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
bessel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
BFGSmax . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
BFGSmin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
BFGScmax . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
BFGScmin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
bkfilt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
boxcox . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
bread . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
bwfilt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
bwrite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
cdemean . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
cdf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
cdiv . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
cdummify . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
ceil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
cholesky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
chowlin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
cmult . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
cnorm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
cnumber . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
cnameget . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
cnameset . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
cols . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
corr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
corrgm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
cos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
cosh . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
cov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
critical . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
cum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
curl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
dayspan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
defarray . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
defbundle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
deflist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
deseas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
det . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
diag . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
diagcat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
diff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
Conteúdo viii

digamma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
dnorm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
dropcoll . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
dsort . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
dummify . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
easterday . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
ecdf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
eigengen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
eigensym . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
eigsolve . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
epochday . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
errmsg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
exists . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
exp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
fcstats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
fdjac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
fevd . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
fft . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
ffti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
filter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
firstobs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
fixname . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
floor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
fracdiff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
gammafun . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
genseries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
getenv . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
getinfo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
getkeys . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
getline . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
ghk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
gini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
ginv . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
GSSmax . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
GSSmin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
halton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
hdprod . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
hfdiff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
hfldiff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
hflags . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
hflist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
Conteúdo ix

hpfilt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
I . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
imaxc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
imaxr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
imhof . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
iminc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
iminr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
inbundle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
infnorm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
inlist . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
instring . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
int . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
inv . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
invcdf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
invmills . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
invpd . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
irf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
irr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
isconst . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
isdiscrete . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
isdummy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
isnan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
isoconv . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
isodate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
iwishart . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
jsonget . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
jsongetb . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
juldate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
kdensity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
kdsmooth . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
kfilter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
kmeier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
kpsscrit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
ksetup . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
ksimul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
ksmooth . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
kurtosis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
lags . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
lastobs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
ldet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
ldiff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
Conteúdo x

lincomb . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
linearize . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
ljungbox . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
lngamma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
loess . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
log . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
log10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
log2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
logistic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
lower . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
lrcovar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
lrvar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
max . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
maxc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
maxr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
mcorr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
mcov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
mcovg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
mean . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
meanc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
meanr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
median . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
mexp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
mgradient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
min . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
minc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
minr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
missing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
misszero . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
mlag . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
mlincomb . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
mnormal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
mols . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
monthlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
movavg . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
mpols . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
mrandgen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
mread . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
mreverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
mrls . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
mshape . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
Conteúdo xi

msortby . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
muniform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
mweights . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
mwrite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
mxtab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
naalen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
nadarwat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
nelem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
ngetenv . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
nlines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
NMmax . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
NMmin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
nobs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
normal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
normtest . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
npcorr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
npv . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
NRmax . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
NRmin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
nullspace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
numhess . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
obs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
obslabel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
obsnum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
ok . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
onenorm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
ones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
orthdev . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
pdf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
pergm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
pexpand . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
pmax . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
pmean . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
pmin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
pnobs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
polroots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
polyfit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
princomp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
prodc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
prodr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
psd . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
Conteúdo xii

psdroot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
pshrink . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
psum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
pvalue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
pxnobs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
pxsum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
qform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
qlrpval . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
qnorm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
qrdecomp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
quadtable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
quantile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
randgen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
randgen1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
randint . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
rank . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
ranking . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
rcond . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
readfile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
regsub . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
remove . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
replace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
resample . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
round . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
rnameget . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
rnameset . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
rows . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
sd . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
sdc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
sdiff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
seasonals . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
selifc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
selifr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
seq . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
setnote . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
simann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
sin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
sinh . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
skewness . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
sleep . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
smplspan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
Conteúdo xiii

sort . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
sortby . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
sprintf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
sqrt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
square . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
sscanf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
sst . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
stringify . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
strlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
strncmp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
strsplit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
strstr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
strstrip . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
strsub . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
strvals . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
substr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
sum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
sumall . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
sumc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
sumr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
svd . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
tan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
tanh . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
toepsolv . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
tolower . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
toupper . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
tr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
transp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
trimr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
typeof . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
typestr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
uniform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
uniq . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
unvech . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
upper . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
urcpval . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
values . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
var . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
varname . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
varnames . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
varnum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
Conteúdo xiv

varsimul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
vec . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
vech . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
weekday . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
wmean . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
wsd . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
wvar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
xmax . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
xmin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
xmlget . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
zeromiss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
zeros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186

3 Comments in scripts 187

4 Options, arguments and path-searching 189


4.1 Invoking gretl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
4.2 Preferences dialog . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
4.3 Invoking gretlcli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
4.4 Path searching . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
MS Windows . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191

5 Reserved Words 192

Bibliografia 194
Capítulo 1

Gretl commands

1.1 Introduction
The commands defined below may be executed interactively in the command-line client pro-
gram or in the console window of the GUI program. They may also be placed in a “script” or
batch file for non-interactive execution.
The following notational conventions are used below:

• A typewriter font is used for material that you would type directly, and also for internal
names of variables.

• Terms in a slanted font are place-holders: you should substitute some specific replace-
ment. For example, you might type income in place of the generic xvar.

• The construction [ arg ] means that the argument arg is optional: you may supply it or
not (but in any case don’t type the brackets).

• The phrase “estimation command” means a command that generates estimates for a given
model, for example ols, ar or wls.

In general, each line of a command script should contain one and only one complete gretl
command. There are, however, two means of continuing a long command from one line of
input to another. First, if the last non-space character on a line is a backslash, this is taken as
an indication that the command is continued on the following line. In addition, if the comma is
a valid character in a given command (for instance, as a separator between function arguments,
or as punctuation in the command printf) then a trailing comma also indicates continuation.
To emphasize the point: a backslash may be inserted “arbitrarily” to indicate continuation, but
a comma works in this capacity only if it is syntactically valid as part of the command.

1.2 Commands
add
Argumento: lista-de-variáveis
Opções: --lm (fazer um teste LM, apenas para MQO)
--quiet (mostrar apenas o resultado básico do teste)
--silent (não mostrar nada)
--vcv (mostrar matriz de covariância para o modelo aumentado)
--both (apenas para estimação com variáveis instrumentais, ver abaixo)
Exemplos: add 5 7 9
add xx yy zz --quiet
Tem que ser invocado após um comando de estimação. Realiza um teste conjunto para a adição
das variáveis especificadas no último modelo. Os resultados desse teste podem ser recuperados
via funções de acesso $test e $pvalue.
Por omissão é efetuada uma estimação da versão aumentada do modelo original, com a inclusão
das variáveis da lista-de-variáveis. É realizado um teste de Wald sobre o modelo aumentado,
que substitui o original como o “modelo corrente” para o propósito de, por exemplo, obter os
resíduos como $uhat ou realizar testes adicionais.

1
Capítulo 1. Gretl commands 2

Alternativamente, utilizando a opção --lm (disponível apenas no caso de modelos estimados


via MQO), será efetuado um teste LM. Uma regressão auxiliar é executada, na qual a variável
dependente é o resíduo do modelo anterior e as variáveis independentes são as mesmas do
modelo anterior mais as da lista-de-variáveis. De acordo com a hipótese nula de que as variáveis
acrescentadas não aumentam o poder explicativo, o tamanho da amostra vezes o R quadrado
não-ajustado desta regressão tem uma distribuição qui-quadrado com graus de liberdade iguais
ao número de regressores adicionados. Neste caso o modelo original não é substituído.
A opção --both é específica para o método dos mínimos quadrados de dois estágios: indica
que as novas variáveis devem ser acrescentadas tanto à lista de regressores quanto à lista de
instrumentos, por padrão, neste caso, apenas serão acrescentadas à lista de regressores.
Caminho de Menu: Janela do modelo, /Testes/Acrescentar variáveis

adf
Argumentos: ordem lista-de-variáveis
Opções: --nc (teste sem constante)
--c (apenas com constante)
--ct (com constante e tendência)
--ctt (com constante, tendência e quadrado da tendência)
--seasonals (incluir variáveis dummy sazonais)
--gls (remover média ou tendência usando GLS)
--verbose (mostrar resultados da regressão)
--quiet (não mostrar resultados)
--difference (usar a primeira diferença da variável)
--test-down[=critério] (quantidade de defasagens automática)
--perron-qu (ver abaixo)
Exemplos: adf 0 y
adf 2 y --nc --c --ct
adf 12 y --c --test-down
Ver tambémjgm-1996.inp
As opções mostradas acima e a discussão que se segue é sobre o uso do comando adf com
dados de séries temporais típicas. Para usar este comando com dados em painel, ver mais
abaixo.
Calcula um conjunto de testes de Dickey–Fuller sobre cada uma das variáveis listadas, sendo a
hipótese nula de que a variável em questão tem uma raiz unitária. Mas quando é dada a opção
--difference, é calculada sobre as primeiras diferenças, assim, a discussão abaixo deve ser
entendida como sendo sobre a variável transformada.
Por padrão, são apresentadas duas variantes do teste: uma baseada na regressão contendo
uma constante e uma usando uma constante e uma tendência linear. Você pode controlar as
variantes que são apresentadas ao especificar uma ou mais opções.
A opção --gls pode ser utilizada em conjunto com uma ou mais opções, --c e --ct (ou seja,
o modelo com constante ou modelo com constante e tendência). O efeito desta opção é que a
remoção da média ou da tendênciação da variável a ser testada é feita usando o procedimento
de Mínimos Quadrados Generalizados (GLS) sugerido por Elliott et al. (1996), o que resulta
num teste com maior força do que a abordagem padrão de Dickey–Fuller. Esta opção não é
compatível com a opção --nc, --ctt ou --seasonals.
Em todos os casos a variável dependente é a primeira diferença da variável especificada, y, e
a variável independente chave é a primeira desfasagem de y. O modelo é construido de modo
que o coeficiente da defasagem de y seja igual a raiz em questão menos 1. Por exemplo, o
modelo com uma constante pode ser escrito como

(1 − L)yt = β0 + (α − 1)yt−1 + t
Capítulo 1. Gretl commands 3

Sobre a hipótese nula de que o coeficiente da variável desfasada y é igual a zero. Sobre a
alternativa de que y é estacionária, este coeficiente é negativo.

Seleção do nível desfasamentos


Se o número de defasagens (daqui em diante, k) é maior que 0, então k desfasagens da variável
dependente são incluidas no lado direito das regressões de teste. Se a ordem for dada como
−1, o valor de k segue a recomendação de Schwert (1989), ou seja, a parte inteira de 12(T /100)
0.25
, onde T é o tamanho da amostra. Em ambos os casos, se a opção --test-down for dada, k é
considerada como sendo a desfasagem máxima e a ordem de desfasamento efetivamente usada
é obtida testando os modelos da maior para a menor defasagem. O critério para a escolha da
defasagem pode ser selecionado usando o parâmetro opcional, que deve ser AIC, BIC ou tstat.
Por padrão é utilizado AIC.
Quando se testa para baixo usando AIC ou BIC, a quantidade final de defasagens para a equação
ADF é tal que otimiza o critério de informação escolhido (de Akaike ou Bayesiano de Schwarz).
O procedimento exato depende se foi indicada ou não a opção --gls: quando a remoção de
tendência no GLS é especificada, os AIC e BIC são versões “modificadas” descritas em Ng and
Perron (2001), caso contrário, elas são as versões padrão. No caso GLS existe um refinamento: se
a opção adicional --perron-qu tiver sido dada, o critério de informação modificado é calculado
de acordo com o método revisto recomendado por Perron and Qu (2007).
Quando se testa para baixo usando o método da estatística t, o procedimento é o seguinte:

1. Estimar a regressão de Dickey–Fuller com k desfasagens da variável dependente.


2. A última desfasagem é significante? Se sim, executar o teste com k defasagens. Caso
contrário, fazer k = k − 1. Se k for igual a 0, executar o teste com a 0 defasagens, caso
contrário ir para o passo 1.

No contexto do passo 2 acima, “significante” quer dizer que para o último desfasamento, a esta-
tística t para a última defasagem tem um p-valor bilateral assintótico, contra uma distribuição
normal, menor ou igual a 0,10.
Os p valores para os testes de Dickey–Fuller baseiam-se em MacKinnon (1996). O código rele-
vante é incluído com a generosa permissão do autor. No caso de teste usando a tendência linear
(GLS) estes p valores não são aplicáveis. Neste caso usam-se os valores críticos da Tabela 1 em
Elliott et al. (1996).

Dados em painel
Quando o comando adf é usado com dados em painel, para produzir testes de raiz unitária em
painel, as opções disponíveis e os resultados apresentados são ligeiramente diferentes.
Em primeiro lugar, enquanto vocIe pode fornecer uma lista de variáveis para serem testadas no
caso de séries temporais regulares, com dados em painels apenas uma variável pode ser testada
por comando. Segundo, as opções que ontrolam a inclusão de termos determinísticos passam
a ser mutuamente exclusivas: você deve escolher entre sem constante, apenas com constante e
constante mais tendência. O padrão é apenas constante. Adicionalmente, a opção --seasonals
não está disponível. Terceiro, a opção --verbose possui um significado diferente: ela prduz
um breve detalhamento do teste para cada uma das variáveis de séries temporais de forma
individual (sendo o padrão mostrar apenas o resultado geral).
O teste geral (hipótese nula: a série em questão possui uma raiz unitária para todas as unidades
de painel) é calculado de uma ou de ambas as maneiras: utilizando o método de Im et al. (2003)
ou o de Choi (2001). O teste de Choi requer que os p-valores estejam disponíveis para os testes
individuais, se esse não for o caso (dependendo das opções selecionadas) ele é omitido. A
estatística particular dada para o teste de Im, Pesaran, Shin varia como se segue: se o número
de defasagens para o teste for diferente de zero a estatística W é mostrada, caso contrário, se os
tamanhos das séries de tempo forem diferentes entre os indivíduos a estatístca Z é mostrada,
caso contrário a estatística t-barra é mostrada.
Caminho de Menu: /Variável/Teste de Dickey-Fuller aumentado
Capítulo 1. Gretl commands 4

anova
Argumentos: resposta tratamento [ controlo ]
Opção: --quiet (não mostrar resultados)
Análise de Variância: resposta é uma série que mede um efeito com interesse e tratamento tem
que ser uma variável discreta que codifica dois ou mais tipos de tratamento (ou não-tratamento).
Para ANOVA de duas-vias, a variável controlo (que também deve ser discreta) codifica os valores
de uma variável de controlo.
Quando não se usa a opção --quiet, este comando mostra a tabela das somas de quadrados
e médias quadradas juntamente com um teste F . O teste F e o seu valor P podem ser obtidos
usando os acessores $test e $pvalue respetivamente.
A hipótese nula do teste F é de que a resposta média é invariante com o tipo de tratamento, ou
por outras palavras, que o tratamento não produz efeito. Em termos formais, o teste é apenas
válido se a variância da resposta for igual para todos os tipos de tratamentos.
Note que os resultados apresentados por este comando pertencem a um subconjunto da in-
formação resultante do procedimento seguinte, que é facilmente implementável em gretl. Crie
um conjunto de variáveis auxiliares que codifiquem todos os tipos de tratamentos, exceto um.
No caso da ANOVA de duas-vias, adicionalmente, crie um conjunto de variáveis auxiliares que
codifiquem todos os “controlos” , exceto um. De seguida efectue uma regressão sobre resposta
com uma constante e com as variáveis auxiliares usando ols. No caso da ANOVA singular (ou
uma-via) a tabela é produzida passando a opção --anova para ols. No caso da ANOVA de
duas-vias o teste F relevante, é obtido usando o comando omit. Por exemplo (assumindo que y
é a resposta, xt codifica os tratamentos, e xb codifica os controlos):

# uma-via
list dxt = dummify(xt)
ols y 0 dxt --anova
# duas-vias
list dxb = dummify(xb)
ols y 0 dxt dxb
# teste da significância conjunta de dxt
omit dxt --quiet

Caminho de Menu: /Modelo/Outros modelos lineares/ANOVA

append
Argumento: ficheiro-de-dados
Opções: --time-series (ver abaixo)
--fixed-sample (ver abaixo)
--update-overlap (ver abaixo)
Ver abaixo para opções especializadas adicionais
Abre um ficheiro de dados e acrescenta esse conteúdo ao conjunto de dados actual, se os
novos dados forem compatíveis. O programa tentará determinar o formato do ficheiro de dados
(nativo, texto simples, CSV, Gnumeric, Excel, etc.).
Os dados acrescentados podem tomar a forma de observações adicionais em variáveis já exis-
tentes, ou em novas variáveis. Caso sejam novas variáveis, estas terão que ser compatíveis
de acordo com: (a) o número de observações dos novos dados seja o mesmo que nos dados
existentes, ou (b) que os novos dados estejam acompanhados de informação clara sobre as
observações de modo que gretl possa decidir onde colocar os valores.
Existe uma funcionalidade especial para acrescentar a um conjunto de dados de painel. Seja n
o número de unidades de secção cruzada no painel, T o número de períodos temporais, e m
o número de observações dos novos dados. Se m = n os novos dados serão tomados como
invariantes-temporais, e serão copiados para a posição em cada período temporal. Por outro
lado, se m = T os dados serão tratados como sendo não-variantes a longo das unidades de
Capítulo 1. Gretl commands 5

painel, e serão copiados para a posição em cada unidade. Se o painel é “quadrado”, e m é


igual a n e a T , acontece uma ambiguidade. Neste caso, por omissão, trata-se cada novos dados
como sendo invariantes-temporais, mas você pode forçar gretl para tratar os novos dados como
sendo série temporal ao fornecer a opção --time-series. (Esta opção é ignorada nos outros
casos.)
When a data file is selected for appending, there may be an area of overlap with the existing
dataset; that is, one or more series may have one or more observations in common across
the two sources. If the option --update-overlap is given, the append operation will replace
any overlapping observations with the values from the selected data file, otherwise the values
currently in place will be unaffected.
The additional specialized options --sheet, --coloffset, --rowoffset and --fixed-cols
work in the same way as with open; see that command for explanations.
Ver também o comando join para um manuseamento mais sofisticado com várias fontes de
dados.
Caminho de Menu: /Ficheiro/Acrescentar dados

ar
Argumentos: desfasamentos ; variável-dependente variáveis-independentes
Opção: --vcv (mostrar matriz de covariância)
Exemplo: ar 1 3 4 ; y 0 x1 x2 x3
Determina estimativas para os parâmetros usando o procedimento iteractivo e generalizado
de Cochrane–Orcutt (ver a Secção 9.5 de Ramanathan, 2002). A iteração termina quando os
erros das somas de quadrados sucessivos não difiram em mais que 0,005 porcento ou após 20
iterações.
desfasamentos é uma lista de desfasamentos nos resíduos, terminada por um ponto-e-vírgula.
No exemplo acima o termo do erro é especificado como
ut = ρ1 ut−1 + ρ3 ut−3 + ρ4 ut−4 + et

Caminho de Menu: /Modelo/Série temporal/Estimação autoregressiva

ar1
Argumentos: variável-dependente variáveis-independentes
Opções: --hilu (usar o procedimento Hildreth–Lu)
--pwe (usar o estimador Prais–Winsten)
--vcv (mostrar a matriz de covariância)
--no-corc (não aperfeiçoar os resultados com Cochrane-Orcutt)
--loose (usar critério de convergência mais relaxado)
Exemplos: ar1 1 0 2 4 6 7
ar1 y 0 xlist --pwe
ar1 y 0 xlist --hilu --no-corc
Determina estimativas admissíveis GLS para um modelo em que se assume que o termo de erro
segue um processo autoregressivo de primeira-ordem.
O método por omissão é o procedimento iterativo de Cochrane–Orcutt (ver, por exemplo, a
Secção 9.4 de Ramanathan, 2002). A iteração termina quando as estimativas sucessivas do
coeficiente de autocorrelação não diferirem por mais de 0.001 ou após 20 iterações.
Se tiver sido dada a opção --hilu, é utilizado o procedimento de pesquisa de Hildreth–Lu. Os
resultados são depois aperfeiçoados usando o método Cochrane–Orcutt, exceto se tiver sido
indicada a opção --no-corc. (Esta última opção é ignorada se não tiver sido usado --hilu).
Se tiver sido dada a opção --pwe, é usado o estimador de Prais–Winsten. Isto involve uma
iteração semelhante à de Cochrane–Orcutt; a diferença é que equanto Cochrane–Orcutt descarta
Capítulo 1. Gretl commands 6

a primeira observação, a de Prais–Winsten faz uso dela. Para mais detalhes ver, por exemplo, o
Capítulo 13 do livro de Greene, Econometric Analysis (2000).
Caminho de Menu: /Modelo/Série temporal/AR(1)

arbond
Argumento: p [ q ] ; variável-dependente variáveis-independentes [ ; instrumentos ]
Opções: --quiet (não mostrar o modelo estimado)
--vcv (mostrar matriz de covariância)
--two-step (executa estimação pelo Método Generalizado dos Momentos (GMM) de 2-fases)
--time-dummies (acrescenta variáveis auxiliares tempo)
--asymptotic (erros padrão assimptóticos não corrigidos)
Exemplos: arbond 2 ; y Dx1 Dx2
arbond 2 5 ; y Dx1 Dx2 ; Dx1
arbond 1 ; y Dx1 Dx2 ; Dx1 GMM(x2,2,3)
Ver tambémarbond91.inp
Executa a estimação de modelos de painel dinâmico (ou seja, modelos de painel que contenham
um ou mais desfasamentos da variável dependente) recorrendo ao método Método Genera-
lizado dos Momentos (GMM-DIF) desenvolvido por Arellano and Bond (1991). Por favor ver
dpanel para uma versão mais flexível e actualizada deste comando que também usa GMM-SYS
para além do GMM-DIF.
O parâmetro p representa a ordem da autoregressão para a variável dependente. O parâmetro
opcional q indica o máximo desfasamento do nível da variável dependente a ser usada como um
instrumento. Se este argumento for omitido, ou de valor 0, todos os desfasamentos disponíveis
são usados.
A variável dependente deve ser dada na forma de níveis; ela será automaticamente diferenciada
(pois este estimador usa diferenciação para anular os efeitos individuais). As variáveis inde-
pendentes não são automaticamente diferenciadas; se você pretende usar diferenças (o que
acontece em geral para variáveis quantitativas, mas não será, por exemplo, para variáveis au-
xiliares temporais), deve primeiro criar essas diferenças e depois especificar estas como sendo
regressoras.
O último campo (opcional) do comando serve para especificar instrumentos. Se não for dado
nenhum, então é assumido que todas as variáveis independentes são estritamente exógenas. Se
você especificar alguns instrumentos, então deve incluir na lista quaisquer variáveis indepen-
dentes estritamente exógenas. Para regressores predeterminados, você pode usar a função GMM
para incluir uma gama de desfasamentos especificada no modo bloco-diagonal. Isto é ilustrado
no terceiro exemplo acima. O primeiro argumento de GMM é o nome da variável em questão,
o segundo é o desfasamento mínimo a ser usado como instrumento, e o terceiro é o desfasa-
mento máximo. Se o terceiro argumento for dado como 0, todos os desfasamentos disponíveis
são usados.
Por omissão são apresentados os resultados da estimação 1-fase (com erros padrão robustos).
Opcionalmente, você pode escolher estimação de 2-fases. Em ambos os casos são efectuados
testes de autocorrelação de ordem 1 e 2, assim como o teste de sobre-identificação de Sargan e o
teste de Wald para a significância conjunta dos regressores. Note-se que este modelo de diferen-
ciação com autocorrelação de primeira-ordem não invalida o modelo, mas que a autocorrelação
de segunda-ordem não respeita as assunções estatísticas presentes.
No caso da estimação de 2-fases, por omissão, os erros padrão são determinados usando a
correcção de amostra-finita sugerida por Windmeijer (2005). Os erros padrão assimptóticos
associados ao estimador de 2-fases são em geral considerados como guias para inferência pouco
fiáveis, mas se por alguma razão os pretender ver, você pode usar a opção --asymptotic para
desligar a correcção de Windmeijer.
Se for dada a opção --time-dummies, são acrescentadas variáveis auxiliares temporais aos
regressores especificados. Para evitar colinearidade perfeita com a constante, o número de
Capítulo 1. Gretl commands 7

auxiliares é uma unidade a menos que o número máximo de períodos usados na estimação.
As auxiliares são introduzidas por níveis; se você deseja usar auxiliares de tempo na forma de
primeiras-diferenças, você terá que definir e acrescentar essas variáveis manualmente.
Caminho de Menu: /Modelo/Painel/Arellano-Bond

arch
Argumentos: ordem variável-dependente variáveis-independentes
Exemplo: arch 4 y 0 x1 x2 x3
This command is retained at present for backward compatibility, but you are better off using
the maximum likelihood estimator offered by the garch command; for a plain ARCH model, set
the first GARCH parameter to 0.
Estima a especificação do modelo fornecido aceitando em ARCH (Heterosquedicidade Condici-
onal Autoregressiva). O modelo é primeiramente estimado em OLS, e depois é efectuada uma
regressão auxiliar, na qual, o quadrado dos resíduos da primeira fase é regredido com os seus
próprios valores desfasados. A fase final é uma estimação por mínimos quadrados com pesos,
usando como pesos os recíprocos das variâncias de erro ajustadas da regressão auxiliar. (Se
a variância predita de de alguma observação na regressão auxiliar for não positiva, então será
usada o correspondente resíduo quadrado).
Os valores alpha mostrados abaixo dos coeficientes são os parâmetros estimados do processo
ARCH da regressão auxiliar.
Ver também garch e modtest (a opção --arch).
Caminho de Menu: /Modelo/Série temporal/ARCH

arima
Argumentos: p d q [ ; P D Q ] ; variável-dependente [ variáveis-independentes ]
Opções: --verbose (mostrar detalhes das iterações)
--vcv (mostrar matriz de covariância)
--hessian (ver abaixo)
--opg (ver abaixo)
--nc (não incluir uma constante)
--conditional (usar verosimilhança máxima condicional)
--x-12-arima (usar X-12-ARIMA para estimação)
--lbfgs (usar maximizador L-BFGS-B)
--y-diff-only (ARIMAX especial, ver abaixo)
--save-ehat (ver abaixo)
Exemplos: arima 1 0 2 ; y
arima 2 0 2 ; y 0 x1 x2 --verbose
arima 0 1 1 ; 0 1 1 ; y --nc
Advertência: arma é uma alcunha aceitável para esta instrução.
Se não for dada a lista de variáveis-independentes, é estimado um modelo ARIMA (Média Móvel,
Autoregressiva, Integrada) univariado. O valores inteiros p, d e q representam respectivamente,
a ordem autoregressiva (AR), a ordem de diferenciação, e ordem da média móvel (MA). Estes
valores podem ser fornecidos na forma numérica, ou como nome de variáveis escalares pré-
existentes. Por exemplo, um valor de 1 em d, significa que a primeira diferença da variável
dependente deve ser obtida antes de estimar os parâmetros ARMA.
Se você pretender apenas incluir no modelo desfasamentos específicos AR ou MA (e não todos
os desfasamentos até uma certa ordem) você pode substituir p e/ou q de acordo com: (a) o nome
de uma matriz pré-definida contendo um conjunto de valores inteiros, ou (b) uma expressão tal
como {1 4}; ou seja, um conjunto de desfasamentos separados por espaços dentro de chavetas.
Capítulo 1. Gretl commands 8

Os valores inteiros opcionais,P, D e Q representam respectivamente, a sazonalidade AR, a ordem


para diferenciação de sazonalidade e a ordem de sazonalidade MA. Estes são apenas aplicáveis
se os dados tiverem uma frequência superior a 1 (por exemplo, trimestral ou mensal). Mais uma
vez, estas ordens podem ser dadas na forma numérica ou como variáveis.
No caso univariado é incluído no modelo por omissão, um interceptor, mas isto pode ser su-
primido com a opção --nc. Se forem fornecidas variáveis-independentes, o modelo passa a ser
ARMAX; neste caso a constante deve ser explicitamente incluída se você pretender um intercep-
tor (tal como no segundo exemplo acima).
Existe outra forma alternativa para este comando: se você não pretende aplicar diferenciação
(seja sazonal ou não-sazonal), você pode omitir ambos os parâmetros d e D, em vez de en-
trar explicitamente zeros. Além disso, arma é um sinónimo ou aliás para arima. Assim, por
exemplo, o comando seguinte é válido para especificar o modelo ARMA(2, 1):

arma 2 1 ; y

O normal é usar a funcionalidade “nativa” gretl ARMA, com estimação de Máxima Verosimi-
lhança (ML) exata (usando o filtro de Kalman). Outras opções são: código nativo, ML condicional;
X-12-ARIMA, ML exata; e X-12-ARIMA, ML condicional. (As últimas duas opções estão disponí-
veis apenas se o programa X-12-ARIMA estiver instalado.) Para detalhes sobre estas opções,
veja por favor the Gretl User’s Guide (Capítulo 28).
Quando o código nativo ML é usado, os erros padrão são por omissão baseados numa apro-
ximação numérica da (inversa negativa da) Hessiana, ou em recurso, no produto externo do
gradiente (OPG) caso falhe o cálculo da Hessiana numérica. Podem ser usadas duas opções (mu-
tualmente exclusivas) para forçar a situação: a opção --opg força o uso do método OPG, sem
tentar obter a Hessiana, enquanto a opção --hessian desativa o OPG em último recurso. Note
que a falha na determinação da Hessiana numérica indica, em geral um modelo incorretamente
especificado.
A opção --lbfgs é específica para estimação usando código nativo ARMA e ML exata: significa
o uso do algoritmo de “memória limitada” L-BFGS-B em vez do usual maximizador BFGS. Isto
pode ajudar em alguns casos onde a convergência é difícil de atingir.
A opção --y-diff-only é específica na estimação de modelos ARIMAX (modelos com uma
ordem de integração não-nula e que incluam regressores exógenos), e aplica-se apenas quando
se usa a ML exata e nativa de gretl. Para esses modelos o comportamento normal é de diferenciar
tanto as variáveis dependentes como as regressoras, mas quando esta opção é fornecida, apenas
é diferenciada a variável dependente, mantendo-se as variáveis regressoras na forma de nível.
A opção --save-ehat é aplicável apenas quando se usa estimação ML nativa e exata. O efeito é
o de disponibilizar um vector contendo a estimativa óptima de período t da perturbação data-t
ou inovação: isto pode ser recuperado com o uso do acessor $ehat. Estes valores diferem da
série dos resíduos ($uhat), que contém os erros de predição um-passo-à-frente.
O valor AIC retornado em ligação com os modelos ARIMA é calculado conforme a definição
usada no programa X-12-ARIMA, nomeadamente

AIC = −2` + 2k

onde ` é o logaritmo da verosimilhança e k é o número total de parâmetros estimados. Note-


se que o programa X-12-ARIMA não produz critérios de informação tal como o AIC quando a
estimação é por ML condicional.
As raízes AR e MA apresentadas em ligação com a estimação ARMA são baseadas na seguinte
representação de um processo ARMA(p, q):

(1 − φ1 L − φ2 L2 − · · · − φp Lp )Y = c + (1 + θ1 L + θ2 L2 + · · · + θq Lq )εt

As raízes AR são portanto as soluções de

1 − φ1 z − φ2 z2 − · · · − φp Lp = 0

e a estabilidade requer que estas raízes estejam fora do círculo unitário.


Capítulo 1. Gretl commands 9

A imagem da “frequência” apresentada em ligação com as raízes AR e MA é o valor λ que solve


z = r ei2π λ , onde z é a raiz em questão e r é o seu módulo.
Caminho de Menu: /Modelo/Série temporal/ARIMA
Acesso alternativo: Menu de contexto da janela principal (selecção singular)

biprobit
Argumentos: variável-dependente1 variável-dependente2 variáveis-independentes1 [ ; variáveis-independent
Opções: --vcv (mostrar a matriz de covariância)
--robust (erros padrão robustos)
--cluster=variável-agrupada (ver a explicação em logit)
--opg (ver abaixo)
--save-xbeta (ver abaixo)
--verbose (mostrar informação adicional)
Exemplos: biprobit y1 y2 0 x1 x2
biprobit y1 y2 0 x11 x12 ; 0 x21 x22
Ver tambémbiprobit.inp
Estima um modelo probit bivariado, usando o método de Newton–Raphson para maximizar a
verosimilhança.
A lista de argumentos começa com as duas variáveis dependentes (binárias), seguidas pela
lista de regressores. Se a segunda lista tiver sido dada, separada por um ponto-e-vírgula,
ela será interpretada como sendo o conjunto de regressores para a segunda equação, e as
variáveis-independentes1 são específicas para a primeira equação; caso contrário as variáveis-
independentes1 são consideradas representando o conjunto de regressores comum.
Por omissão, os erros padrão são calculados usando uma aproximação númerica por conver-
gência da Hessiana. Mas se tiver sido dada a opção --opg a matriz de covariância será baseada
no produto externo do gradiente (OPG), ou se a opção --robust tiver sido dada, o erros padrão
QML serão calulados usando a “sandwich” entre a inversa da Hessiana e a OPG.
Depois duma estimação com sucesso, o acessor $uhat obtém uma matriz de duas colunas que
são os resíduos generalizados das duas equações; ou seja, os valores esperados das perturba-
ções condicionadas pelos resultados observados e covariados. Por omissão o $yhat obtém a
matriz com quatro colunas, que são as probabilidades estimadas para os quatro possíveis re-
sultados conjuntos para (y 1 , y 2 ), e pela ordem (1,1), (1,0), (0,1), (0,0). Alternativamente, se tiver
sido usada a opção --save-xbeta, o $yhat tem duas colunas e contém os valores das funções
de índice para as respectivas equações.
A saída inclui o teste de razões de verosimilhança para a hipótese nula de que as perturbações
nas duas equações são não-correlacionadas.

boxplot
Argumento: lista-de-variáveis
Opções: --notches (mostrar intervalo de 90 porcento para a mediana delimitado por entalhes)
--factorized (ver abaixo)
--panel (ver abaixo)
--matrix=nome (mostra o gráfico das colunas da matriz indicada)
--output=nome-de-ficheiro (envia a saída para o ficheiro especificado)
Estes gráficos apresentam a distribuição de uma variável. A caixa central contém os 50 porcento
dos dados centrais, i.e. está limitada pelos primeiro e terceiro quartis. Os “bigodes” estendem-
se até aos valores mínimo e máximo. É desenhada uma linha que corta a caixa na mediana.
Um símbolo “+” indica a média. Se tiver sido selecionada a opção de mostrar o intervalo de
confiança para a média, ele é obtido pelo método ’bootstrap’ e apresentado na forma de linhas
a tracejado acima e abaixo da mediana.
Capítulo 1. Gretl commands 10

A opção --factorized permite examinar a distribuição de uma variável condicionada pelo


valor de um fator discreto. Por exemplo, se um conjunto de dados contém salários e uma
variável auxiliar para o sexo, você pode selecionar a variável salário como alvo e o sexo como
fator para visualizar lado a lado gráficos caixas-com-bigodes dos salários de homens e mulheres,
como em

boxplot salario sexo --factorized

Note que neste caso você tem que especificar exatamente duas variáveis, com a variável fator
em segundo lugar.
Se o conjunto de dados atual é de painel, e apenas tiver sido especificada uma variável, a opção
--panel produz uma série de gráficos caixas-com-bigodes lado a lado, para cada uma das
“unidades” do painel ou grupo.
Em modo interativo o resultado é mostrado imediatamente. Em modo lote (’batch’) o comporta-
mento normal é o de criar um ficheiro de script gnuplot na diretoria de trabalho do utilizador,
cujo nome segue a forma gpttmpN.plt, iniciando com N = 01. Esses gráficos poderão ser poste-
riormente gerados com o programa gnuplot (em MS Windows, wgnuplot). Este comportamento
pode ser modificado usando a opção --output= nome-de-ficheiro. Para mais detalhes, ver o
comando gnuplot.
Caminho de Menu: /Ver/Gráfico das variáveis/Caixa com bigodes

break
Sai de um ciclo. Este comando pode apenas ser usado dentro de um ciclo; ele termina a execução
de comandos e sai de dentro do ciclo (o mais interior). Ver também loop.

catch
Sintaxe: catch command
Isto não é um comando em sentido estrito mas pode ser usado como um prefixo na maior parte
dos comandos: o efeito é o de prevenir a eventual interrupção da execução de comandos (ou de
um ficheiro de comandos) quando ocorra um erro num comando. Se acontecer um erro, este
fica registado como sendo um erro interno que pode ser acedido com $error (um valor de zero
indica sucesso). O valor de $error deve ser sempre verificado imediatamente a seguir ao uso
de catch, e deve ser tomada a ação adequada se o comando falhou.
A palavra reservada catch não pode ser usada antes de if, elif ou endif.

chow
Variantes: chow observação
chow variável-auxiliar --dummy
Opções: --dummy (usar uma variável auxiliar pré-existente)
--quiet (não mostrar estimativas para o modelo aumentado)
--limit-to=list (limit test to subset of regressors)
Exemplos: chow 25
chow 1988:1
chow female --dummy
Tem que se seguir a uma regressão de Mínimos Quadrados (OLS). Se um número de observação
ou uma data tiver sido dado, produz um teste sobre a hipótese nula de não haver quebra estru-
tural no ponto de separação indicado. O procedimento cria uma variável auxiliar que é igual a 1
a partir do ponto especificado por observação até ao final da amostra, caso contrário é 0, e cria
também termos de interação entre esta variável auxiliar e as variáveis regressoras originais. Se
tiver sido dada uma variável auxiliar, será testada a hipótese nula de homogeneidade estrutural
Capítulo 1. Gretl commands 11

no que diz respeito a essa variável auxiliar. Mais uma vez, os termos de interação são acrescen-
tados. Em quaisquer dos casos, é executada uma regressão aumentada que inclui estes termos
e é calculada a estatística F , considerando a regressão aumentada como não restringida e a ori-
ginal como restringida. Mas se o modelo original usou um estimador robusto para a matriz de
covariância, a estatística de teste é um valor de qui-quadrado de Wald baseada num estimador
robusto da matriz de covariância da regressão aumentada.
Caminho de Menu: Janela do modelo, /Testes/Teste de Chow

clear
Opção: --dataset (apagar apenas o conjunto de dados)
Sem opções, apaga da memória todos os objetos gravados, incluindo o conjunto de dados cor-
rente. Note que ao abrir um novo conjunto de dados, ou ao usar o comando nulldata para criar
um conjunto de dados vazio, obterá o mesmo efeito, por isso o uso de clear normalmente não
é necessário.
Se tiver sido dada a opção --dataset, então apenas o conjunto de dados é apagado; os outros
objetos gravados como matrizes e escalares serão preservados.

coeffsum
Argumento: lista-de-variáveis
Exemplo: coeffsum xt xt_1 xr_2
restrict.inp
Tem que se seguir a uma regressão. Calcula a soma dos coeficientes nas variáveis indicadas na
lista-de-variáveis. Apresenta esta soma juntamente com o seu erro padrão e o p-value para a
hipótese nula de que a soma é zero.
Note-se a diferença entre este teste e omit, que testa a hipótese nula de que os coeficientes num
conjunto especificado de variáveis independentes são todos iguais a zero.
Caminho de Menu: Janela do modelo, /Testes/Soma de coeficientes

coint
Argumentos: ordem variável-dependente variáveis-independentes
Opções: --nc (não incluir uma constante)
--ct (incluir constante e tendência)
--ctt (incluir constante e tendência quadrática)
--skip-df (não efectuar testes DF nas variáveis individuais)
--test-down[=criterion] (ordem de desfasamento automática)
--verbose (mostrar detalhes adicionais das regressões)
--silent (don’t print anything)
Exemplos: coint 4 y x1 x2
coint 0 y x1 x2 --ct --skip-df
O teste de cointegração Engle–Granger. O procedimento por omissão é: (1) efetuar testes de
Dickey–Fuller (DF) segundo a hipótese nula de que cada variável listada tem uma raiz unitária;
(2) estima a regressão de cointegração; e (3) executar um teste DF sobre os resíduos da regressão
de cointegração. Se for dada a opção --skip-df, o passo (1) é omitido.
Se a ordem de desfasamento especificada é positiva, todos os testes Dickey–Fuller usam essa
ordem, com esta qualificação: se a opção --test-down for dada, o valor indicado é tomado
como sendo o máximo e a ordem de desfasamento efetivamente usada em cada caso é obtida
testando para baixo. Ver o comando adf para detalhes sobre este procedimento.
Por omissão, a regressão de cointegração contém uma constante. Se você deseja suprimir a
constante, acrescente a opção --nc. Se você deseja aumentar a lista de termos determinísticos
Capítulo 1. Gretl commands 12

na regressão de cointegração com uma tendência linear ou quadrática, use a opção --ct ou
--ctt. Estas opções são mutualmente exclusivas.
Os P-values para este teste são baseados em MacKinnon (1996). O código relevante é incluído
com a generosa permissão do autor.
Caminho de Menu: /Modelo/Série temporal/Testes de Cointegração/Engle-Granger

coint2
Argumentos: ordem listaY [ ; listaX ] [ ; listaRx ]
Opções: --nc (sem constante)
--rc (constante restringida)
--uc (constante não restringida)
--crt (constante e tendência restringida)
--ct (constante e tendência não restringida)
--seasonals (incluir auxiliares sazonais centradas)
--asy (registar valores p assimtóticos)
--quiet (apenas mostrar os testes)
--silent (não mostrar nada)
--verbose (mostrar detalhes das regressões auxiliares)
Exemplos: coint2 2 y x
coint2 4 y x1 x2 --verbose
coint2 3 y x1 x2 --rc
Executa o teste de Johansen para a cointegração entre as variáveis em listaY para a dada ordem
de desfasamento. Para detalhes sobre este teste ver the Gretl User’s Guide (Capítulo 30) ou
Hamilton (1994), Capítulo 20. Os valores p são calculados usando a aproximação gama de
Doornik (Doornik, 1998). São mostrados dois conjuntos de valores p para o teste traço, valores
assintóticos imediatos e valores ajustados para o tamanho da amostra. Por omissão, o acessor
$pvalue obtém a variante ajustada, mas se opção --asy for dada, pode ser usado para registar
os valores assintóticos.
A inclusão de termos determinísticos no modelo é controlada por intermédio das opções. Por
omissão, se não tiver sido indicada nenhuma opção, será incluída uma “constante não restrin-
gida”, o que permite a presença de um interceptor não-nulo nas relações cointegrantes assim
como uma tendência nos níveis das variáveis endógenas. Na literatura derivada do trabalho de
Johansen (ver por exemplo o livro dele de 1995) isto é frequentemente referido como sendo
o “caso 3”. As primeiras quatro opções apresentadas acima, que são mutualmente exclusivas,
produzem respectivamente os casos 1, 2, 4, e 5. O significado destes casos e os critérios para
seleccionar um caso estão explicados no the Gretl User’s Guide (Capítulo 30).
As listas opcionais listaX e listaRx permite-lhe controlar as variáveis exógenas: estas entram
no sistema como não restringidas (listaX ) ou restringidas ao espaço de cointegração (listaRx).
Estas listas são separadas da listaY e entre elas usando ponto-e-vírgulas.
A opção --seasonals, que pode ser combinada com qualquer outra opção, especifica a inclusão
de um conjunto de variáveis auxiliares sazonais. Esta opção apenas está disponível para dados
trimestrais ou mensais.
A seguinte tabela serve como um guia à interpretação dos resultados apresentados pelo teste,
num caso de 3-variáveis. H0 significa a hipótese nula, H1 hipótese alternativa, e c o número de
relações cointegrantes

Teste Traço Teste λ-max


Rank 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
Capítulo 1. Gretl commands 13

Ver também o comando vecm.


Caminho de Menu: /Modelo/Série temporal/Testes de Cointegração/Johansen

corr
Argumento: [ lista-de-variáveis ]
Opções: --uniform (garante amostra uniforme)
--spearman (Ró de Spearman)
--kendall (Tau de Kendall)
--verbose (mostra classificações (’rankings’))
Exemplos: corr y x1 x2 x3
corr ylist --uniform
corr x y --spearman
corr --matrix=X --plot=display
Por omissão, apresenta os coeficientes de correlação emparelhados (correlação momento-produto
de Pearson) para as variáveis lista-de-variáveis, ou para todas as variáveis no conjunto de dados
se não tiver sido indicada lista-de-variáveis. O comportamento normal é o de usar todas as
observações disponíveis para calcular cada coeficiente emparelhado, mas se tiver sido dada a
opção --uniform a amostra será limitada (caso seja necessário) de modo que o mesmo con-
junto de observações seja usado em todos os coeficientes. Esta opção apenas tem efeito se
existirem valores omissos em quantidades diferentes para as variáveis usadas.
As opções (mutualmente exclusivas) --spearman e --kendall produzem, respetivamente, o
Ró de correlação de Spearman e o Tau de correlação de ordem de Kendall em vez do usual
coeficiente de Pearson. Quando uma destas opções é dada, a lista-de-variáveis deve apenas
conter duas variáveis.
Ao calcular uma correlação de ordem, pode ser dada a opção --verbose para mostrar os dados
originais e ordenados (caso contrário esta opção será ignorada).
Caminho de Menu: /Ver/Matriz de correlação
Acesso alternativo: Menu de contexto da janela principal (selecção múltipla)

corrgm

Argumentos: série [ ordem ]


Opções: --bartlett (use Bartlett standard errors)
--plot=modo ou nome-de-ficheiro (ver abaixo)
Exemplo: corrgm x 12
Apresenta os valores da função de autocorrelação para a série, que pode ser especificada por
nome ou por número. Os valores são definidos como ρ̂(ut , ut−s ), onde ut é a t–ésima observa-
ção da variável u e s é o número de desfasamentos.
Também são apresentadas as autocorrelações parciais (obtidas segundo o algoritmo de Durbin–
Levinson): estas constituem a rede dos efeitos dos desfasamentos intervenientes. Adicional-
mente, é apresentada a estatística de teste Q de Ljung–Box. Esta pode ser usada para testar a
hipótese nula de que a série é “ruído branco”: terá uma distribuição qui-quadrado assimptótico
com os graus de liberdade iguais ao número de desfasamentos usados.
Se o valor ordem for especificado o comprimento do correlograma fica limitado a esse máximo
número de desfasamentos, senão o comprimento é determinado automaticamente, como uma
função da frequência dos dados e do número de observações.
Por omissão é apresentado um gráfico do correlograma: um gráfico gnuplot em modo interativo
ou um gráfico ASCII em modo de lote de comandos. Isto pode ser ajustado por via da opção
--plot. Os parâmetros válidos para esta opção são none (para suprimir o gráfico); ascii (para
produzir um gráfico de texto mesmo em modo interativo); display (para produzir um gráfico
Capítulo 1. Gretl commands 14

gnuplot mesmo em modo de lote de comandos); ou o nome de um ficheiro. O efeito de se


fornecer um nome de ficheiro é como descrito para a opção --output do comando gnuplot.
Depois de completar com sucesso, os acessores $test e $pvalue contêm os respectivos valo-
res do teste de Ljung–Box para a maior ordem apresentada. Note que se você apenas quiser
determinar a estatística Q, provavelmente você quererá usar a função ljungbox.
Caminho de Menu: /Variável/Correlograma
Acesso alternativo: Menu de contexto da janela principal (selecção singular)

cusum
Opções: --squares (executa o teste CUSUMSQ)
--quiet (apenas mostra o teste Harvey–Collier)
Tem que se seguir à estimação de um modelo por via de OLS. Executa o teste CUSUM — ou se for
dada a opção --squares, o teste CUSUMSQ — para a estabilidade dos parâmetros. É obtida uma
série temporal de erros de predição um passo-à-frente, pela execução de séries de regressões: a
primeira regressão usa as primeiras k observações e é usada para gerar a predição da variável
dependente na observação k + 1; a segunda usa a primeira predição para a observação k + 2, e
por aí a diante (onde k é o número de parâmetros no modelo original).
A soma acumulada dos erros de predição escalados, ou os quadrados desses erros, é mostrada e
apresentada em gráfico. A hipótese nula para a estabilidade dos parâmetros é rejeitada ao nível
de cinco porcento, se a soma acumulada se desviar do intervalo de confiança de 95 porcento.
No caso do teste CUSUM, é também apresentada a estatística de teste t de Harvey–Collier, para
a hipótese nula da estabilidade dos parâmetros. Ver o livro Econometric Analysis de Greene
para mais detalhes. Para o teste CUSUMSQ, o intervalo de confiança a 95 porcento é calculado
de acordo com o algoritmo apresentado por Edgerton and Wells (1994).
Caminho de Menu: Janela do modelo, /Testes/Teste CUSUM(SQ)

data
Argumento: lista-de-variáveis
Opções: --compact=method (specify compaction method)
--interpolate (do interpolation for low-frequency data)
--quiet (não reportar resultados exceto quando hajam erros)
Lê as variáveis indicadas na lista-de-variáveis a partir de uma base de dados (gretl, RATS 4.0 ou
PcGive), que deve ter sido préviamente aberta usando o comando open. A frequência dos dados
e o intervalo da amostra podem ser definidos pelos comandos setobs e smpl antes de usar este
comando. Apresenta-se um exemplo completo:

open macrodat.rat
setobs 4 1959:1
smpl ; 1999:4
data GDP_JP GDP_UK

Os comandos acima abrem a base de dados com o nome macrodat.rat, definem um conjunto
de dados trimestral iniciando no primeiro trimestre de 1959 e terminando no quarto trimestre
de 1999, e depois importam as séries temporais com os nomes GDP_JP e GDP_UK.
Se os comandos setobs e smpl não tiverem sido especificados deste modo, a frequência dos
dados e o intervalo da amostra serão definidos usando a primeira variável lida da base de dados.
Se as séries temporais a serem lidas forem de frequência superior à do conjunto de dados em
uso, você pode especificar um método de compactação tal como abaixo:

data (compact=average) LHUR PUNEW


Capítulo 1. Gretl commands 15

Os quatro métodos de compactação disponíveis são: Média; “average” (usa a média das obser-
vações de maior frequência), Último; “last” (usa a última observação), Primeiro; “first” e Soma;
“sum”. Se não tiver sido indicado nenhum métod, será usado a Média.
If the series to be read are of lower frequency than the working dataset, the default is to repeat
the values of the added data as required, but the --interpolate option can be used to request
interpolation using the method of Chow and Lin (1971): the regressors are a constant and
quadratic trend and an AR(1) disturbance process is assumed. Note, however, that this option
is available only for conversion from quarterly data to monthly or annual data to quarterly.
In the case of native gretl databases (only), the “glob” characters * and ? can be used in varlist
to import series that match the given pattern. For example, the following will import all series
in the database whose names begin with cpi:

data cpi*

Caminho de Menu: /Ficheiro/Bases de Dados

dataset
Argumentos: palavra-chave parâmetros
Exemplos: dataset addobs 24
dataset insobs 10
dataset compact 1
dataset compact 4 last
dataset expand interp
dataset transpose
dataset sortby x1
dataset resample 500
dataset renumber x 4
dataset pad-daily 7
dataset clear
Efectua diversas operações sobre o conjunto de dados como um todo, dependendo da palavra-
chave, que tem que ser addobs, insobs, clear, compact, expand, transpose, sortby, dsortby,
resample ou renumber. Nota: exceptuando clear, estas ações não estão disponíveis enquanto
o conjunto de dados estiver subamostrado por seleção de casos com algum critério Booleano.
addobs: Tem que ser seguida por um inteiro positivo. Acrescenta o número indicado de obser-
vações adicionais no final do conjunto de dados em uso. Essencialmente, isto é pretendido para
efeitos de predição. Os valores na maior parte das variáveis no intervalo acrescentado, serão
marcados como omissos, mas certas variáveis determinísticas são reconhecidas e extendidas,
nomeadamente, uma tendência linear simples e variáveis periódicas auxiliares.
insobs: Tem que ser seguida por um inteiro positivo que não seja maior que o número de obser-
vações atual. Inserte uma única observação na posição indicada. Todos os dados subsequentes
são deslocados uma posição e o conjunto de dados fica extendido com mais uma observação.
Todas as variáveis exceto a constante recebem um valor omisso na nova observação. Esta ação
não está disponível para conjuntos de dados de painel.
clear: Não necessita parâmetros. Limpa o conjunto de dados corrente, ficando gretl no seu
estado “vazio” inicial.
compact: Tem que ser seguida por um inteiro positivo representando uma nova frequência,
que deve ser inferior à frequência atual (por exemplo, um valor 4 quando a frequência corrente
é 12, indica a compactação de mensal para trimestral). Este comando apenas está disponível
para séries temporais; ele compacta todas as séries temporais do conjunto de dados para a
nova frequência. Pode ser dado um segundo parâmetro, nomeadamente um de sum, first
ou last, para especificar, respectivamente, compactação usando a soma dos valores de maior
frequência, valores de ínicio e de fim de período. Por omissão é feita compactação por média.
Capítulo 1. Gretl commands 16

expand: Este comando está apenas disponível para séries temporais anuais ou trimestrais: da-
dos anuais podem ser expandidos para trimestrais, e dados trimestrais para frequência mensal.
Por omissão todas as séries temporais no conjunto de dados são preenchidas com repetição de
valores existentes até atingirem a nova frequência, mas se tiver sido acrescentado o modifica-
dor interp então as séries temporais serão expandidas usando a interpolação de Chow-Lin: os
regressores são a constante e a tendência quadrada e é assumido um processo de perturbação
AR(1).
transpose: Não necessita parâmetros. Transpõe o conjunto de dados actual. Isto é, cada ob-
servação (linha) será tratada como uma variável (coluna), e cada variável como uma observação.
Este comando pode ser útil se quando os dados tenham sido lidos a partir de uma origem
externa em que as linhas da tabela de dados representam variáveis.
sortby: É necessário o nome de uma lista ou de uma única série de dados. Se tiver sido
dada uma série de dados, as observações em todas as variáveis do conjunto de dados são re-
ordenadas por ordem crescente da série especificada. Se tiver sido dada uma lista, a ordenação
é hierárquica: se as observações estiverem empatadas no que diz respeito à primeira variável
chave então é usada a segunda chave para desempatar, e assim sucessivamente até que não
haja empates ou se tenham esgotado as chaves. Note que este comando apenas está disponível
para dados sem data.
dsortby: Funciona como sortby exceto que a re-ordenação é por ordem decrescente das séries
chave.
resample: Constrói um novo conjunto de dados por amostragem aleatória, com substituição
das linhas do conjunto de dados corrente. Requer um argumento, designadamente o número de
linhas a incluir. Este pode ser menor, igual ou maior que o número de observações nos dados
originais. O conjunto de dados original pode ser obtido usando o comando smpl full.
renumber: Requer o nome de uma de uma série seguido por um inteiro entre 1 e o número
de séries no conjunto de dados menos 1. Move a série especificada para a posição indicada
dentro do conjunto de dados, renumerando adequadamente as restantes séries. (A posição 0
está ocupada pela constante, que não pode ser movida.)
Caminho de Menu: /Dados

debug

Argumento: função
Comando experimental para despiste de erros de programa (’debugger’) em funções definidas
pelo utilizador, disponível em programas de linha-de-comandos, gretlcli, e na consola do am-
biente gráfico (GUI). O comando debug deve ser utilizado antes da chamada da função, mas
depois da definição desta. O efeito é de que a execução é suspensa quando a função é chamada
e é activada uma linha de interação especial.
Na linha de interação, você introduz next para executar o comando seguinte dentro da função,
ou continue para permitir continuar a execução da função sem impedimentos. Estes comandos
podem ser abreviados com n e c respetivamente. Você também pode interpôr uma instrução
nesta linha de interação, por exemplo um comando print para mostrar o valor atual de alguma
variável de interesse.

delete
Variantes: delete lista-de-variáveis
delete nome-de-variável
delete --type=nome-de-tipo
Opção: --db (apaga séries em base de dados)
Este comando é um destrutor geral para variáveis com nome (quer sejam séries, escalares,
matrizes, texto, ou ’bundles’). Tem que ser usada com cuidado; não será peguntada nenhuma
confirmação.
Capítulo 1. Gretl commands 17

No caso de uma série nome-de-variável pode tomar a forma de uma lista com nome, o que
faz com que todas as séries nessa lista sejam apagadas, ou pode tomar a forma de uma lista
explícita de séries por nome ou número ID. Note que quando você apaga séries, quaisquer séries
com números ID superiores àquelas que estão na lista a apagar serão renumeradas.
Se for dada a opção --db, o comando apaga as séries listadas não do conjunto de dados atual
mas de uma base de dados gretl, assumindo que a base de dados está aberta e que o utilizador
tem permissão de escrita no ficheiro em questão. Ver também o comando open.
Se tiver sido dada a opção --type ela terá de ser acompanhada por um dos seguintes nomes-
de-tipo: matrix (matriz), bundle (’bundle’), string (texto), list (lista), ou scalar (escalar). O
efeito é o de apagar todas as variáveis do tipo dado. Neste caso (somente neste), não deve ser
indicado o argumento nome-de-variável.
Caminho de Menu: Menu de contexto da janela principal (selecção singular)

diff
Argumento: lista-de-variáveis

É obtida a primeira diferença de cada variável na lista-de-variáveis e o resultado é guardado


numa nova variável com o prefixo d_. Portanto diff x y cria as duas novas variáveis

d_x = x(t) - x(t-1)


d_y = y(t) - y(t-1)

Caminho de Menu: /Acrescentar/Primeiras diferenças das variáveis selecionadas

difftest
Argumentos: variável1 variável2
Opções: --sign (Teste dos Sinais, por omissão)
--rank-sum (Teste ordinal da soma de Wilcoxon)
--signed-rank (Teste ordinal dos sinais de Wilcoxon)
--verbose (mostrar detalhes)
Realiza um teste não-paramétrico para a diferença entre duas populações ou grupos, o teste
específico depende da opção selecionada.
Com a opção --sign, é executado o teste dos Sinais. Este teste baseia-se no facto de duas amos-
tras x e y, terem sido extraídas aleatóriamente de uma mesma distribuição, a probabilidade de
x i > y i , para cada observação i, deve ser igual a 0,5. A estatística de teste é w, o número de
observações para as quais x i > y i . Sob a hipótese nula de que segue uma distribuição Binomial
com os parâmetros (n, 0,5), onde n é o número de observações.
Com a opção --rank-sum, é executado o teste ordinal da soma de Wilcoxon. Este teste consiste
em ordenar as observações de ambas as amostras conjuntamente, da menor para a maior, e de-
pois determinar a soma das ordens de uma das amostras. As duas amostras não necessitam ser
do mesmo tamanho, e se isso acontece então usa-se a de menor dimensão no cálculo da soma
das ordens. Sob a hipótese nula de que as amostras terem sido extraídas de populações com
a mesma mediana, a distribuição de probabilidade da soma das ordens pode ser determinada
para quaisquer tamanhos das amostras; e para amostras consideravelmente grandes existe uma
forte aproximação a uma distribuição Normal.
Com a opção --signed-rank, é executado o teste ordinal dos sinais de Wilcoxon. Este destina-
se para pares de dados associados assim como, por exemplo, os valores das variáveis de uma
amostra de indivíduos antes e depois de algum tratamento. O teste começa por encontrar as
diferenças entre as observações emparelhadas, x i − y i , ordenando estas diferenças por valor
absoluto, e então atribuindo a cada par um posto com sinal, coincidindo o sinal com o sinal da
diferença. De seguida é calculado o W + , que é a soma dos postos com sinal positivo. Tal como
o teste ordinal da soma, esta estatística tem uma distribuição bem definida, sob a hipótese nula
Capítulo 1. Gretl commands 18

de que a diferença mediana é zero, que converge para a distribuição Normal em amostras de
tamanho razoável.
Para os testes de Wilcoxon, se a opção --verbose tiver sido dada então será mostrado as
ordens. (Esta opção não tem efeito se tiver sido selecionado o teste dos Sinais.)

discrete
Argumento: lista-de-variáveis
Opção: --reverse (marca variáveis como sendo contínuas)
Marca cada variável em lista-de-variáveis como sendo discreta. Por omissão todas as variáveis
são tratadas como sendo contínuas; ao marcar uma variável como sendo discreta afeta o modo
como a variável é usada em diagramas de frequência, e também permite-lhe selecionar a variável
para o comando dummify.
Se a opção --reverse tiver sido dada, é feito o contrário; ou seja, as variáveis em lista-de-
variáveis são marcadas como sendo contínuas.
Caminho de Menu: /Variável/Editar caraterísticas

dpanel
Argumento: p ; variável-dependente variáveis-independentes [ ; instrumentos ]
Opções: --quiet (não mostrar o modelo estimado)
--vcv (mostrar a matriz de covariância)
--two-step (efetuar estimação GMM de dois passos)
--system (acrescentar equações por níveis)
--time-dummies (acrescentar variáveis auxiliares tempo)
--dpdstyle (comportamento semelhante ao do pacote DPD do Ox)
--asymptotic (erros padrão assimptóticos não corrigidos)
Exemplos: dpanel 2 ; y x1 x2
dpanel 2 ; y x1 x2 --system
dpanel {2 3} ; y x1 x2 ; x1
dpanel 1 ; y x1 x2 ; x1 GMM(x2,2,3)
Ver tambémbbond98.inp
Efectua a estimação de modelos de dados de painel dinâmico (ou seja, modelos de painel que
incluem um ou mais desfasamentos da variável dependente) usando os métodos GMM-DIF ou
GMM-SYS.
O parâmetro p representa a ordem de autoregressão para a variável dependente. Na forma mais
simples esta é um valor escalar, mas este argumento pode ser uma matriz pré-definida, para
especificar um conjunto (eventualmente descontínuo) de desfasamentos a serem usados.
A variável dependente e os regressores devem ser dados na forma de níveis; eles serão automa-
ticamente diferenciados (pois este estimador usa diferenciação para anular os efeitos individu-
ais).
O último campo (opcional) do comando é para especificar instrumentos. Se não tiver sido dado
instrumentos, é assumido que todas as variáveis independentes são estritamente exógenas.
Caso você especifique alguns intrumentos, deverá incluir na lista variáveis independentes es-
tritamente exógenas. Para regressores pré-determinados, você pode usar a função GMM para
incluir a especificação de uma gama de desfasamentos numa forma bloco-diagonal. Isto está
exemplificado no terceiro exemplo acima. O primeiro argumento de GMM é o nome da variável
em questão, o segundo é o desfasamento mínimo a ser usado como instrumento, e o terceiro é
o desfasamento máximo. A mesma sintaxe pode ser utilizada na função GMMlevel para especi-
ficar instrumentos do tipo GMM para as equações nos níveis.
Por omissão são apresentados os resultados da estimação a um passo (juntamente com erros
padrão robustos). Opcionalmente você pode selecionar a estimação a dois passos. Em ambos
Capítulo 1. Gretl commands 19

os casos são determinados os testes de autocorrelação de ordem 1 e 2, assim como o teste de


Sargan para a sobre-identificação e o teste de Wald para a significância conjunta dos regressores.
Note que neste modelo diferenciado a autocorrelação de primeira ordem não é um risco para
a validade do modelo, mas a autocorrelação de segunda ordem viola as assunções estatísticas
presentes.
No caso da estimação em dois passos, os erros padrão são obtidos por omissão usando a cor-
reção de amostra-finita sugerida por Windmeijer (2005). Os erros padrão assimptóticos asso-
ciados ao estimador de dois passos, são em geral, considerados como um guia pouco fiável
para inferência, mas se por alguma razão você desejar observá-los você pode usar a opção
--asymptotic para desligar a correção de Windmeijer.
Se tiver sido dada a opção --time-dummies, uma conjunto de variáveis auxiliares tempo é
acrescentado aos regressores especificados. O número de auxiliares é menos um que o número
máximo de períodos usados na estimação, para assim se evitar a colinearidade exata com a
constante. As variáveis auxiliares entram na forma diferenciada, exceto se tiver sido dada a
opção --dpdstyle, entrando nesse caso por níveis.
Para mais detalhes e exemplos, ver o the Gretl User’s Guide (Capítulo 21).
Caminho de Menu: /Modelo/Painel/Modelo de painel dinâmico

dummify
Argumento: lista-de-variáveis
Opções: --drop-first (omitir da codificação o menor valor)
--drop-last (omitir da codificação o maior valor)
Para cada uma das variáveis adequadas em lista-de-variáveis, cria um conjunto de variáveis
auxiliares codificando para os diferentes valores dessa variável. É adequado para as variáveis
que tenham sido explícitamente marcadas como sendo discretas, ou aquelas que tomem uma
quantidade razoavelmente pequena de valores todos eles “quase redondos” (múltiplos de 0,25).
Por omissão é criada uma variável auxiliar para cada valor distinto na variável em questão. Por
exemplo se uma variável discreta x tiver 5 valores distintos, serão criadas 5 variáveis auxiliares
e acrescentadas ao conjunto de dados, com os nomes, Dx_1, Dx_2 e por aí adiante. A primeira
variável auxiliar terá o valor 1 para observações onde x toma o seu valor mais pequeno, 0
caso contrário; a variável auxiliar seguinte terá o valor 1 quando x toma o seu segundo valor
mais pequeno, e por aí adiante. Se uma das opções --drop-first ou --drop-last tiver sido
acrescentada, então o menor ou o maior valor de cada variável será omitido da codificação (o
que pode ser útil para evitar a “armadilha das variáveis auxiliares”).
Este comando também pode ser introduzido no contexto da especificação de uma regressão.
Por exemplo, a linha seguinte especifica um modelo onde y é regredido sobre o conjunto de
variáveis auxiliares codificadas em x. (Neste contexto, as opções não podem ser passadas a
dummify.)

ols y dummify(x)

Acesso alternativo: Main window pop-up menu (single selection)


Capítulo 1. Gretl commands 20

duration
Argumentos: variável-dependente variáveis-independentes [ ; variável-censora ]
Opções: --exponential (usar a distribuição exponencial)
--loglogistic (usar a distribuição log-logística)
--lognormal (usar a distribuição log-normal)
--medians (os valores ajustados são medianas)
--robust (erros padrão robustos (QML))
--cluster=variável-agrupada (ver a explicação em logit)
--vcv (mostrar a matriz de covariância)
--verbose (mostrar detalhes das iterações)
Exemplos: duration y 0 x1 x2
duration y 0 x1 x2 ; cens
Estima um modelo de duração: a variável dependente (que tem que ser positiva) representa a
duração de algum tipo de estado num certo assunto, por exemplo a duração de episódios de
desemprego para uma seção-cruzada de inquiridos. Por omissão é utilizada a distribuição de
Weibull, mas é possível usar as distribuições exponencial, log-logística e a log-normal.
Se alguma das medições de durações estiver censurada (’right-censored’) (por exemplo, para um
certo índividuo um episódio de desemprego não chegou ao fim dentro do período de observa-
ção) então você pode acrescentar como último argumento a variável-censora, que é uma série
na qual valores diferentes de zero indicam caso censurados.
Por omissão os valores ajustados obtidos por intermédio do acessor $yhat são as médias con-
dicionadas das durações, mas se tiver sido dada a opção --medians, então $yhat devolve as
medianas condicionadas.
Para mais detalhes ver the Gretl User’s Guide (Capítulo 35).
Caminho de Menu: /Modelo/Modelos não-lineares/Dados de durações...

elif
Ver if.

else
Ver if. Note que else requer uma linha para ele mesmo, antes do comando condicional seguinte.
Você pode juntar um comentário, como em

else # Certo, fazer algo diferente

Mas não pode juntar a um comando, como em

else x = 5 # Errado!

end
Termina diversos tipos de bloco de comandos. Por exemplo, end system termina uma equação
system.

endif
Ver if.

endloop
Marca o fim de um ciclo de comandos. Ver loop.
Capítulo 1. Gretl commands 21

eqnprint
Opções: --complete (Cria um documento completo)
--output=nome-de-ficheiro (envia a saída para o ficheiro especificado)
Tem que ser invocado a seguir à estimação de um modelo. Mostra o modelo estimado na forma
de uma equação LATEX. Se o nome-de-ficheiro tiver sido especificado usando a opção -f a saída
é redirecionada para esse ficheiro, caso contrário vai para um ficheiro com o nome no formato
equation_N.tex, onde N é o número de modelos estimados até ao momento na sessão corrente.
Ver também tabprint.
Se a opção --complete tiver sido dada, o ficheiro LATEX é um documento completo, pronto para
ser processado; de outro modo ele terá que ser incluído num documento.
Caminho de Menu: Janela do Modelo, /LaTeX

equation
Argumentos: variável-dependente variáveis-independentes
Exemplo: equation y x1 x2 x3 const
Especifica uma equação dentro de um sistema de equações (ver system). A sintaxe para especi-
ficar uma equação dentro de um sistema SUR é o mesmo que em, por exemplo, ols. Para uma
equação dentro de um sistema de Mínimos Quadrados de Três-Fases você tanto pode (a) forne-
cer uma especificação de equação tipo OLS e dar uma lista comum de instrumentos usando o
comando instr (mais uma vez, ver system), ou (b) usar a mesma sintaxe de equação como para
tsls.

estimate
Argumentos: [ nome-do-sistema ] [ estimador ]
Opções: --iterate (iterar até à convergência)
--no-df-corr (não usar correção de graus de liberdade)
--geomean (ver abaixo)
--quiet (não mostrar resultados)
--verbose (mostrar detalhes das iterações)
Exemplos: estimate "Klein Model 1"method=fiml
estimate Sys1 method=sur
estimate Sys1 method=sur --iterate
Chama a estimação de um sistema de equações, que foi previamente definido usando o co-
mando system. O nome do sistema deve ser dado em primeiro lugar, dentro de aspas caso
contenha espaços. O estimador, que tem que ser um de ols, tsls, sur, 3sls, fiml ou liml, é
precedido pelo texto method=. Estes argumentos são opcionais se o sistema em questão já foi
estimado e ocupa a posição do “último modelo”; nesse caso o estimador é o mesmo definido
anteriormente.
Se o sistema em questão tinha aplicado um conjunto de restrições (ver o comando restrict), a
estimação estará sujeita às restrições especificadas.
Se o método de estimação é sur ou 3sls e a opção --iterate tiver sido dada, o estimador
será iterado. No caso do SUR, se o procedimento convergir os resultados são estimativas de
máxima vesrosimilhança. No entanto, a iteração de Mínimos Quadrados de Três-Fases, geral-
mente não converge para resultados de informação-completa de máxima verosimilhança. A
opção --iterate é ignorada nos outros métodos de estimação.
Se tiverem sido escolhidos os estimadores equação-a-equação ols ou tsls, por omissão é apli-
cada uma correção dos graus de liberdade quando se calcula os erros padrão. Isto pode ser
suprimido usando a opção --no-df-corr. Esta opção não tem efeito nos outros estimadores;
de qualquer modo não seria aplicada a correção de graus de liberdade.
Capítulo 1. Gretl commands 22

Por omissão, a equação usada no cálculo dos elementos da matriz de covariância das equações
cruzadas é
û0 ûj
σ̂i,j = i
T
Se tiver sido dada a opção --geomean, a correção de graus de liberdade será aplicada: a equação
é
û0i ûj
σ̂i,j = q
(T − ki )(T − kj )

onde os ks são o número de parâmetros independentes em cada equação.


Se tiver sido dada a opção --verbose e ter sido especificado um método iterativo, serão mos-
trados os detalhes das iterações.

eval
Argumento: expression
Exemplos: eval x
eval inv(X’X)
eval sqrt($pi)
This command makes gretl act like a glorified calculator. The program evaluates expression
and prints its value. The argument may be the name of a variable, or something more compli-
cated. In any case, it should be an expression which could stand as the right-hand side of an
assignment statement.

fcast
Argumentos: [ observações-iniciais observações-finais ] [ passos-à-frente ] [ nome-de-variável ]
Opções: --dynamic (criar predição dinâmica)
--static (criar predição estática)
--out-of-sample (gerar predição fora-da-amostra)
--no-stats (não mostrar estatísticas de predição)
--quiet (não mostrar nada)
--rolling (ver abaixo)
--plot[=nome-de-ficheiro] (ver abaixo)
Exemplos: fcast 1997:1 2001:4 f1
fcast fit2
fcast 2004:1 2008:3 4 rfcast --rolling
Tem que se seguir a um comando de estimação. A predições são geradas para um certo in-
tervalo de observações: se tiverem sido dados observações-iniciais e observações-finais, para
esse intervalo (se possível); caso contrário se a opção --out-of-sample tiver sido dada, para
observações a seguir ao intervalo onde o modelo foi estimado; caso contrário pelo intervalo de
amostragem corrente. Se uma predição fora-da-amostra for pedida mas não haja observações
relevantes, será assinalado um erro. Dependendo da natureza do modelo, poderão ser gerados
erros padrão; ver abaixo. Ver também abaixo o efeito especial da opção --rolling.
Se o último modelo estimado é de uma única equação, então o argumento opcional nome-de-
variável tem o seguinte efeito: o valores preditos não são mostrado, mas guardados dentro do
conjunto de dados no nome fornecido. Se o último modelo estimado é um sistema de equações,
nome-de-variável tem um efeito diverente, nomeadamente a seleção de uma variável endógena
específica para a predição (por omissão são produzidas predições para todas as variáveis endó-
genas). No caso do sistema, ou se não tiver sido dado o nome-de-variável, os valores de predição
podem ser obtidos usando o acessor $fcast, e os erros padrão, se disponíveis, pelo $fcse.
A escolha entre predições estáticas ou dinâmicas aplica-se apenas no caso de modelos dinâmi-
cos, com processamento autoregressivo de erros ou que incluam um ou mais valores desfasados
Capítulo 1. Gretl commands 23

da variável dependente como regressores. As predições estáticas são um passo à frente, basea-
das em valores concretizados no período anterior, enquanto que as predições dinâmicas usam a
regra de encadeamento de predição. Por exemplo, se uma predição de y em 2008 requer como
entrada um valor de y em 2007, uma predição estática é impossível sem dados reais para 2007.
Uma predição dinâmica para 2008 é possível se uma predição anterior poder ser substítuida no
y em 2007.
Por omissão o normal é produzir uma predição estática para alguma parte do intervalo de
predição que abrange o intervalo da amostra onde o modelo foi estimado, e uma predição
dinâmica (se relevante) para fora-da-amostra. A opção dynamic chama uma predição dinâmica
a partir da date mais cedo possível, e a opção --static chama uma predição estática até para
fora-da-amosta.
A opção --rolling está atualmente apenas disponível para modelos de um única equação
estimados por Mínimos Quadrados (OLS). Quando esta opção é dada as predições são recursivas.
Isto é, cada predição é gerada a partir de uma estimativa do modelo dado usando dados de uma
ponto de partida fixo (nomeadamente, a partir do início do intervalo da amostra da estimação
original) até à data de predição menos k, onde k é o número de passos à frente que têm que
ser dados no argumento passos-à-frente. As predições serão sempre dinâmicas se isso for
aplicável. Note que o argumento passos-à-frente deve ser dado apenas em conjunto com a
opção --rolling.
A opção --plot (disponível apenas no caso de estimação de equação única) invoca a produção
de um ficheiro de gráfico, que contém a representação gráfica da predição. Quando não é
dado o parâmetro nome-de-ficheiro, gretl escreve os comandos gnuplot para um ficheiro com
nomes do tipo gpttmp01.plt na diretoria de trabalho de gretl do utilizador (com o número
incrementado em gráficos sucessivos). Se o nome-de-ficheiro é acrescentado, a sua extensão é
usada para determinar o tipo de ficheiro a ser escrito (.eps para EPS, .pdf para PDF, ou .png
para PNG; qualquer outra extensão resulta num ficheiro de script gnuplot). Por exemplo,

fcast --plot=fc.pdf

produzirá um gráfico em formato PDF. Serão respeitados caminhos completos para ficheiros,
senão os ficheiros são escritos na diretoria de trabalho do gretl.
A natureza dos erros padrão de predição (se disponíveis) depende da natureza do modelo e da
predição. Para modelos lineares estáticos os erros padrão são determinados usando o método
traçado por Davidson and MacKinnon (2004); eles incorporam tanto a incerteza devida aos
processos de erro como a incerteza dos parâmetros ( resumidos na matriz de covariância das
estimativas dos parâmetros). Para modelos dinâmicos, os erros padrão de predição são apenas
calculados no caso de uma predição dinâmica, e eles não incorporam incerteza de parâmetros.
Para modelos não-lineares, os erros padrão de predição não estão disponíveis atualmente.
Caminho de Menu: Janela de Modelo, /Análise/Predições...

flush
This simple command (no arguments, no options) is intended for use in time-consuming scripts
that may be executed via the gretl GUI (it is ignored by the command-line program), to give the
user a visual indication that things are moving along and gretl is not “frozen”.
Ordinarily if you launch a script in the GUI no output is shown until its execution is completed,
but the effect of invoking flush is as follows:

• On the first invocation, gretl opens a window, displays the output so far, and appends the
message “Processing...”.

• On subsequent invocations the text shown in the output window is updated, and a new
“processing” message is appended.

When execution of the script is completed any remaining output is automatically flushed to the
text window.
Capítulo 1. Gretl commands 24

Please note, there is no point in using flush in scripts that take less than (say) 5 seconds to
execute. Also note that this command should not be used at a point in the script where there
is no further output to be printed, as the “processing” message will then be misleading to the
user.
The following illustrates the intended use of flush:

set echo off


scalar n = 10
loop i=1..n
# do some time-consuming operation
loop 100 --quiet
a = mnormal(200,200)
b = inv(a)
endloop
# print some results
printf "Iteration %2d done\n", i
if i < n
flush
endif
endloop

foreign

Sintaxe: foreign language=linguagem


Opções: --send-data (pré-carregar o conjunto de dados corrente; ver abaixo)
--quiet (suprimir a saída do programa estrangeiro)
Este comando inicia um modo especial no qual se aceita os comandos a serem executados por
outro programa. Você sai deste modo com end foreign; onde neste ponto são executados os
comandos acumulados.
Presentemente são suportados três programas “estrangeiros”, GNU R (language=R), Ox de Jur-
gen Doornik (language=Ox) e GNU Octave (language=Octave). Os nomes de linguagem são
reconhecidos sem considerar capitalização.
A opção --send-data é válida apenas quando em ligação com R e Octave; tem o efeito de
tornar o corrente conjunto de dados de gretl disponível dentro do programa alvo, usando o
nome gretldata.

list Rlist = x1 x2 x3
foreign language=R --send-data=Rlist

Para detalhes e exemplos ver the Gretl User’s Guide (Capítulo 39).

fractint
Argumentos: série [ ordem ]
Opções: --gph (fazer o teste de Geweke e Porter-Hudak)
--all (fazer ambos os testes)
--quiet (não mostrar resultados)
Testa a integração fracional sobre a série especificada (“memória longa”). A hipótese nula é de
que a ordem de integração da série é zero. Por omissão é usado o estimador local de Whittle
(Robinson, 1995) mas se tiver sido dada a opção --gph será usado o teste GPH (Geweke and
Porter-Hudak, 1983). Se a opção --all for dada então serão mostrados os resultados dos dois
testes.
Para mais detalhes sobre este tipo de testes, ver Phillips and Shimotsu (2004).
Se não tiver sido dado o argumento opcional ordem, a ordem para os teste(s) é automaticamente
definida como sendo o menor de T /2 e T 0.6 .
Capítulo 1. Gretl commands 25

Os resultados podem ser obtidos usando os acessores $test e $pvalue. Estes valores baseiam-
se no estimador local de Whittle exceto quando dada a opção --gph.
Caminho de Menu: /Variável/Testes de raiz unitária/Integração fracional

freq
Argumento: variável
Opções: --nbins=n (especificar o número de classes)
--min=valor-mínimo (especificar o mínimo, ver abaixo)
--binwidth=amplitude (especificar a amplitude das classes, ver abaixo)
--quiet (não mostrar o gráfico)
--normal (testar a distribuição normal)
--gamma (testar a distribuição gama)
--silent (não mostrar nada)
--show-plot (ver abaixo)
--matrix=nome (usar coluna da matriz indicada)
Exemplos: freq x
freq x --normal
freq x --nbins=5
freq x --min=0 --binwidth=0.10
Se não forem dadas opções, mostra a distribuição de frequência da série variável (dada por
nome ou por número), com o número de classes e respetivo tamanho escolhidos automatica-
mente.
Se tiver sido dada a opção --matrix, a variável (que tem que ser um inteiro) será interpretada
com um índice de base 1 que selecciona a coluna da matriz designada.
Para controlar a apresentação da distribuição você pode especificar tanto o número de clas-
ses ou o valor mínimo e ainda a amplitude das classes, tal como mostrado nos dois últimos
exemplos acima. A opção --min define o limite inferior da classe mais à esquerda.
Se a opção --normal tiver sido dada, será calculado o teste qui-quadrado para a normalidade
de Doornik–Hansen. Se a opção --gamma tiver sido dada, o teste de normalidade será substi-
tuído pelo teste não paramétrico de Locke para a hipótese nula de que a variável segue uma
distribuição gama; ver Locke (1976), Shapiro and Chen (2001). Note que a parametrização da
distribuição gama utilizadada em gretl é (forma, escala).
Em modo interactivo, por omissão é apresentado o gráfico da distribuição. A opção --quiet
pode ser usada para suprimir isto. Pelo contrário, normalmente não é mostrado o gráfico
quando se usa a opção freq dentro de uma sequência-de-comandos, mas você pode forçar que
seja apresentado usando a opção --show-plot. (Isto não se aplica quando se usa o programa
em modo de linha-de-comandos, gretlcli.)
A opção --silent suprime toda a saída do programa. Isto apenas faz sentido quando em
conjunto com uma das opções de teste de distribuição: a estatística de teste e o seu valor p
ficam guardados e podem ser obtidos usando os acessores $test e $pvalue.
Caminho de Menu: /Variável/Distribuição de frequência

function
Argumento: nome-da-função
Abre um bloco de declarações no qual é definida a função. Este bloco tem que ser finalizado
com end function. Para mais detalhes ver the Gretl User’s Guide (Capítulo 13).
Capítulo 1. Gretl commands 26

garch

Argumentos: p q ; variável-dependente [ variáveis-independentes ]


Opções: --robust (erros padrão robustos)
--verbose (mostrar detalhes das iterações)
--vcv (mostrar a matriz de covariância)
--nc (não incluir uma constante)
--stdresid (normalizar os resíduos)
--fcp (usar o algoritmo Fiorentini, Calzolari, Panattoni)
--arma-init (parâmetros iniciais da variância a partir de ARMA)
Exemplos: garch 1 1 ; y
garch 1 1 ; y 0 x1 x2 --robust
Estima um modelo GARCH (GARCH = Autoregressivo Generalizado de Heterocedastidade Condi-
cional, "Generalized Autoregressive Conditional Heteroskedasticity"), que pode ser um modelo
univariado, ou multivariado se especificadas as variáveis-independentes, incluindo as variáveis
exógenas. Os valores inteiros p e q (que podem ser dados na forma numérica ou como nomes
de variáveis escalares pré-existentes) representam as ordens de desfasamento na equação de
variância condicional:
q p
X X
2
ht = α0 + αi εt−i + βj ht−j
i=1 j=1

Portanto, o parâmetro p representa a ordem Generalizada (ou “AR”), enquanto q representa


a ordem normal ARCH (ou “MA”). Se p for não-nulo, q tem também que ser não-nulo senão
o modelo fica não-identificado. No entanto, você pode estimar um modelo ARCH normal ao
definir q para um valor positivo e p para zero. A soma de p e q não pode ser maior que 5. Note
que é automaticamente incluida uma constante na equação da média, exceto se tiver sido dada
a opção --nc.
Por omissão a estimação de modelos GARCH é feita usando código nativo gretl, mas você tam-
bém tem a possibilidade de usar o algoritmo de Fiorentini et al. (1996). O primeiro usa o
maximizador BFGS enquanto o segundo usa a matriz de informação para maximizar a verosi-
milhança, com aperfeiçoamento por via da Hessiana.
Para este comando estão disponíveis diferentes estimadores da matriz de covariância. Por
omissão, usa-se a Hessiana, ou se a opção --robust tiver sido dada, será usada a matriz de
covariança QML (White). Outras possibilidades podem ser especificadas usando o comando set
(por exemplo a matriz de informação, ou o estimador Bollerslev–Wooldridge ).
Por omissão, as estimativas dos parâmetros da variância são inicializados usando a variância
do erro incondicional da estimação OLS inicial para a constante, e pequenos valores positivos
para os coeficientes dos valores anteriores do quadrado do erro e da variância do erro. A
opção --arma-init faz com que os valores iniciais destes parâmetros sejam definidos usando
inicialmente um modelo ARMA, explorando a relação entre GARCH e ARMA demosntrado no
Capítulo 21 do livro de Hamilton, Time Series Analysis. Em alguns casos isto pode melhorar as
possibilidades de converência.
Os resíduos GARCH e a variância condicional estimada podem ser obtidos como $uhat e $h
respectivamente. Por exemplo, para obter a variância condicional:

genr ht = $h

Se a opção --stdresid tiver sido dada, os valores $uhat são divididos pela raiz quadrada de
ht .
Caminho de Menu: /Modelo/Série temporal/GARCH

genr

Argumentos: nova-variável = expressão


Capítulo 1. Gretl commands 27

NOTE: this command has undergone numerous changes and enhancements since the following
help text was written, so for comprehensive and updated info on this command you’ll want
to refer to the Gretl User’s Guide (Capítulo 9). On the other hand, this help does not contain
anything actually erroneous, so take the following as “you have this, plus more”.
No contexto apropriado, o nomes; series, scalar e matrix são sinónimos para este comando.
Cria novas variáveis, frequentemente a partir de transformações de variáveis já existentes. Ver
também os atalhos, diff, logs, lags, ldiff, sdiff e square. No contexto de uma expressão genr, as
variáveis existentes têm que ser referenciadas por nome e não por número ID. A expressão deve
ser uma combinação bem construída de nomes de variáveis, constantes, operadores e funções
(descrito adiante). Note que detalhes adicionais sobre alguns aspetos deste comando podem
ser encontrados em the Gretl User’s Guide (Capítulo 9).

series c = 10

Um comando genr pode resultar tanto num escalar como numa série. Por exemplo, a expressão
x2 = x * 2 naturalmente resulta numa série se a variável x for uma série e num escalar se x
for um escalar. As expressões x = 0 e mx = mean(x) naturalmente retornam escalares. Em
alguma circusntâncias você poderá querer ter um resultado escalar expandido numa série ou
num vetor. Você pode fazer isso usando series como um “aliás” para o comando genr. Por
exemplo, series x = 0 produz uma série em que todos os valores são 0. Você também pode
usar scalar como sendo um aliás para genr. Não é possível forçar um resultado do tipo vetor
para um escalar mas o uso desta palavra reservada indica que o resultado deve ser um escalar:
se não for ocorrerá um erro.
Quando uma expressão resulta numa série, o intervalo que será escrito na variável destino
depende do actual intervalo de amostragem. É assim possível, definir uma série por troços
usando o comando smpl conjugado com genr.
Os operadores aritméticos suportados são, por ordem de precedência: ^ (potenciação); *, / e %
(resto da divisão inteira); + e -.
Os operadores Booleanos são (mais uma vez, por ordem de precedência): ! (negação), && (E
lógico), || (OU lógico), >, <, =, >= (maior ou igual), <= (menor ou igual) e != (diferente). Os
operadores Booleanos podem ser usados na construção de variáveis auxiliares (’dummy’): por
exemplo (x > 10) retorna 1 se x > 10, 0 caso contrário.
As constantes pré-definidas são pi e NA. Esta última representa um valor omisso: você pode
inicializar uma variável como tendo um valor omisso com scalar x = NA.
O comando genr suporta uma larga gama de funções matemáticas e estatísticas, incluindo,
para além das usuais, várias que são especialmente dedicadas à econometria. Adicionalmente
oferece acesso a numerosas variáveis internas que são definidas no decorrer das regressões,
testes de hipóteses e outros.
Para uma lista de funções e acessores, ver Capítulo 2.
Para além dos operadores e funções mencionados acima, existem alguns usos especiais de genr:

• genr time cria uma variável de tendência temporal (1,2,3,. . . ) com o nome time. genr
index faz a mesma coisa exceto em que o nome da variável é index.
• genr dummy cria variáveis auxiliares (’dummy’) até à periodicidade dos dados. No caso de
dados trimestrais (periodicidade 4), o programa cria dq1 = 1 para o primeiro trimestre 0
nos outros timestres, dq2 = 1 para o segundo trimestre e 0 para os outros trimestres, e
por aí adiante. No caso de dados mensais as variáveis auxiliares têm os nomes dm1, dm2, e
por aí adiante. No caso de outras frequências os nomes são dummy_1, dummy_2, etc.
• genr unitdum e genr timedum criam conjuntos de variáveis auxiliares especiais para
usar com dados de painel. O primeiro codifica para as seções-cruzadas e o segundo para
os períodos temporais das observações.

Nota: No programa de linha-de-comandos, os comandos genr que obtenham dados de modelo


referem-se sempre ao modelo que foi estimado mais recentemente. Isto também é válido para
Capítulo 1. Gretl commands 28

o programa em ambiente gráfico (GUI), ao se usar genr na “consola gretl” ou ao introduzir


uma expressão usando “Definir nova variável” no menu Acrescentar na janela principal. No
entanto, no GUI, você tem a possibilidade de obter dados a partir de qualquer modelo que
esteja disponível numa janela (independentemente se é ou não o modelo mais recente). Isso é
feito no menu “Gravar” na janela do modelo.
A variável especial obs serve como um índice das observações. Por exemplo genr dum =
(obs=15) irá gerar uma variável auxiliar que tem valor 1 para a observação 15 e 0 para as
outras. Você também pode usar esta variável para escolher certas observações por data ou
nome. Por exemplo, genr d = (obs>1986:4), genr d = (obs>"2008/04/01"), ou genr d
= (obs="CA"). Se se usarem datas diárias ou etiquetas neste contexto, elas devem ser indi-
cadas dentro de aspas. Datas trimestrais ou mensais (com um dois-pontos) podem ser usadas
sem aspas. Note que no caso de dados de séries temporais anuais, o ano não se distingue sintá-
ticamente de um simples inteiro; como tal, se você quiser comparar observações com obs por
ano, você tem que usar a função obsnum para converter o ano para um valor de índice iniciado
em 1, tal como em genr d = (obs>obsnum(1986)).
Valores escalares podem ser extraídos de uma série no contexto de uma expressão genr,
usando a sintaxe varname[obs]. O valor obs pode ser dado por núnmero ou data. Exemplos:
x[5], CPI[1996:01]. Para dados diários, deve se usar a forma YYYY/MM/DD, por exemplo,
ibm[1970/01/23].
Uma observação individual numa série pode ser modificado usando genr. Para fazer isto, uma
observação válida numérica ou de data, tem que ser acrescentada dentro de parentesis rectos,
ao nome da variável no lado esquerdo da expressão. Por exemplo, genr x[3] = 30 ou genr
x[1950:04] = 303.7.

Tabela 1.1: Exemplos de uso do comando genr


Expressão Comentário
y = x1^3 x1 ao cubo
y = ln((x1+x2)/x3)
z = x>y z(t) = 1 if x(t) > y(t), caso contrário 0
y = x(-2) x desfasado 2 períodos
y = x(+2) x adiantado 2 períodos
y = diff(x) y(t) = x(t) - x(t-1)
y = ldiff(x) y(t) = log x(t) - log x(t-1), o rácio de crescimento instantâneo
de x
y = sort(x) ordena x por ordem crescente e guarda em y
y = dsort(x) ordena x por ordem decrescente
y = int(x) guarda a parte inteira de x em y
y = abs(x) guarda os valores absolutos de x
y = sum(x) soma os valores de x excluíndo entradas NA de valores omissos
Pt
y = cum(x) acumulado: yt = τ=1 xτ
aa = $ess define aa igual ao Erro da Soma de Quadrados da última regressão
x = $coeff(sqft) obtém o coeficiente estimado da variável sqft da última regressão
rho4 = $rho(4) obtém o coeficiente autoregressivo de quarta-ordem do último modelo
(assume um modelo ar)
cvx1x2 = $vcv(x1, x2) obtém a covariância estimada dos coeficientes das variáveis x1 e x2 do
último modelo
foo = uniform() variável pseudo-aleatória uniforme no intervalo 0–1
bar = 3 * normal() variável pseudo-aleatória normal, µ = 0, σ = 3
samp = ok(x) = 1 para observações onde x não está ausente.

Caminho de Menu: /Acrescentar/Definir nova variável


Acesso alternativo: Menu de contexto da janela principal
Capítulo 1. Gretl commands 29

gmm

Opções: --two-step (estimação em duas fases)


--iterate (GMM iterado)
--vcv (mostrar a matriz de covariância)
--verbose (mostrar detalhes das iterações)
--lbfgs (usar L-BFGS-B em vez do normal BFGS)
Faz estimação usando o Método dos Momentos Generalizado, ’Generalized Method of Moments’
(GMM) com o algoritmo BFGS (Broyden, Fletcher, Goldfarb, Shanno). Você tem que especificar
um ou mais comandos para a atualização das quantidades relevantes (tipicamente os resíduos
GMM), um ou mais conjuntos das condições, uma matriz inicial dos pesos, e uma listagem dos
parâmetros a serem estimados, tudo entre os marcadores gmm e end gmm. Quaisquer opções
devem ser acrescentadas à linha end gmm .
Por favor veja mais detalhes sobre este comando em the Gretl User’s Guide (Capítulo 24). Aqui
apenas ilustramos com um exemplo simples.

gmm e = y - X*b
orthog e ; W
weights V
params b
end gmm

No exemplo acima nós assumimos que y e X são matrizes, b é um vetor de tamanho apropriado
dos valores dos parâmetros, W é a matriz dos instrumentos, e V é uma matriz adequada de
pesos. A declaração

orthog e ; W

indica que o vetor dos resíduos e é em princípio ortognal a cada um dos instromentos que
compõem as colunas de W.
Caminho de Menu: /Modelo/GMM
Capítulo 1. Gretl commands 30

gnuplot

Argumentos: variáveis-y variável-x [ variável-auxiliar ]


Opções: --with-lines[=especificação-de-variáveis] (usar linhas, e não pontos)
--with-lp[=especificação-de-variáveis] (usar linhas e pontos)
--with-impulses[=especificação-de-variáveis] (usar linhas verticais)
--time-series (gráfico temporal)
--suppress-fitted (não mostrar a linha ajustada)
--single-yaxis (forçar o uso de apenas um eixo y)
--linear-fit (mostrar o ajustamento por mínimos quadrados)
--inverse-fit (mostrar o ajustamento inverso)
--quadratic-fit (mostrar o ajustamento quadrático)
--cubic-fit (mostrar o ajustamento cúbico)
--loess-fit (mostrar o ajustamento loess)
--semilog-fit (mostrar o ajustamento semilog)
--dummy (ver abaixo)
--matrix=nome (representar as colunas da matriz indicada)
--output=nome-de-ficheiro (enviar a saída para o ficheiro especificado)
--input=nome-de-ficheiro (obter entrada a partir do ficheiro especificado)
Exemplos: gnuplot y1 y2 x
gnuplot x --time-series --with-lines
gnuplot wages educ gender --dummy
gnuplot y x --fit=quadratic
gnuplot y1 y2 x --with-lines=y2
As variáveis na lista variáveis-y são representadas contra a variável-x. Para um gráfico de série
temporal você pode indicar tempo como sendo a variável-x ou usar a opção --time-series.
Por omissão os dados são representados como pontos; isto pode ser alterado com o uso de
uma das opções --with-lines, --with-lp ou --with-impulses. Se for representada mais
que uma variável no eixo dos y, o efeito destas opções pode ficar confinada a uma subconjunto
de variáveis usando o parâmetro especificação-de-variáveis. Isto deve tomar a forma de uma
lista separada por vírgulas dos nomes ou números das variáveis a serem representadas por
linhas ou impulsos respetivamente. O último exemplo mostrado acima, mostra como fazer um
gráfico de y1 e y2 contra x, de modo a que y2 é representada por uma linha, mas y1 é por
pontos.
Se a opção --dummy tiver sido indicada, terão que ser dadas exatamente três variáveis: uma
única variável y, uma variável x, e uma variável variável-auxiliar, uma variável discreta. O efeito
é o de representar as variáveis-y contra variável-x com os pontos mostrados com diferentes
cores dependendo do valor da variável-auxiliar na respectiva observação.
Geralmente, as variáveis-y e variável-x referem-se a séries no conjunto de dados corrente (tanto
referenciadas por nome como por número ID). Mas se o nome de uma matriz for indicado com
a opção --matrix estes argumentos (que têm que ser dados como valores numéricos) indicam
indices de colunas (iniciados em 1) para a matriz fornecida. Assim, por exemplo, se você quiser
um gráfico X-Y da coluna 2 da matriz M contra a coluna 1, você deve usar:

gnuplot 2 1 --matrix=M

Mostrar a linha de melhor ajuste


Em modo interativo o gráfico é apresentado imediatamente. Em modo de sequência de coman-
dos o comportamento por omissão é o de criar um ficheiro de script gnuplot na directoria de
trabalho do utilizador, com um nome seguindo o padrão gpttmpN.plt, iniciando com N = 01.
Os gráficos podem ser depois gerados usando o programa gnuplot (em MS Windows, wgnuplot).
Este comportamento pode ser modificado com o uso da opção --output=nome-de-ficheiro.
Capítulo 1. Gretl commands 31

Esta opção controla o nome do ficheiro usado, e ao mesmo tempo permite-lhe especificar um
formato de saída de acordo com a extensão de três letras no nome do ficheiro, sendo: .eps
resultante na produção de um ficheiro ’Encapsulated PostScript’ (EPS); .pdf produz PDF; .png
produz no formato PNG, .emf em formato EMF (’Enhanced MetaFile’), .fig no formato Xfig, e
.svg para o formato SVG (’Scalable Vector Graphics’). Se usado o nome de ficheiro “display” o
gráfico é apresentado no écran tal como em modo interativo. Se o nome de ficheiro tiver outra
qualquer extensão que não as mencionadas, será escrito um ficheiro de script gnuplot.

• linear: show the OLS fit regardless of its level of statistical significance.

• none: don’t show any fitted line.

• inverse, quadratic, cubic, semilog or linlog: show a fitted line based on a regression
of the specified type. By semilog, we mean a regression of log y on x; the fitted line
represents the conditional expectation of y, obtained by exponentiation. By linlog we
mean a regression of y on the log of x.

• loess: show the fit from a robust locally weighted regression (also is sometimes known
as “lowess”).

Representando uma banda


As várias opções de “ajustamento” são aplicáveis apenas nos caso de gráficos de dispersão bi-
variados e nos de uma única série-temporal. O comportamento por omissão para um gráfico de
dispersão é o de mostrar a linha de ajustamento de mínimos quadrados se e só se o coeficiente
do declive fôr significativo num nível de 10 porcento. Se a opção --suppress tiver sido dada,
não será mostrada a linha ajustada. O comportamento por omissão para um gráfico de série-
temporal é o de não mostrar a linha de ajustamento. Se a opção --linear fôr dada, a linha
mínimos quadrados será mostrada independentemente de ser significativa ou não. As outras
opções de ajustamento (--inverse, --quadratic, --cubic, --loess e --semilog) produzem
respetivamente um ajustamento inverso (regressão de y sobre 1/x), um ajustamento quadrá-
tico, um ajustamento cúbico, um ajustamento loess e um ajustamento semilog. Loess (também
por vezes chamado “lowess”) é uma regressão robusta com pesos locais. Por semilog, nós de-
signamos uma regressão do logaritmo de y sobre x (ou tempo); a linha ajustada representa o
y esperado condicionalmente, obtido por exponenciação.

gnuplot y --time-series --band=y,se_y,1.96 --with-lines

Uma outra opção está disponível para este comando: a seguir às especificações das variáveis a
serem representadas e das opções (caso hajam), você pode acrescentar comandos gnuplot para
controlar a aparência do gráfico (por exemplo, para definir o título e/ou as escalas dos eixos).
Estes comandos devem ser colocados dentro de chavetas, e cada comando gnuplot tem que
ser terminado com um ponto-e-vírgula. Um ’ṕode ser usado para continuar uma conjunto de
comandos gnuplot por mais que uma linha. Aqui está um exemplo da sintaxe:
{ set title ’O Meu Título’; set yrange [0:1000]; }

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

Controlando o resultado
??????

Especificando unha fonte


Podes utilizar a opção --font para especificar uma fonte concreta para o gráfico. O parámetro
espfonte deve ter a forma do nome duma fonte, seguida opcionalmente por um número que
indique o tamanho em pontos, separado do nome por uma vírgula ou espaço, tudo dentro de
aspas, como em
Capítulo 1. Gretl commands 32

--font="serif,12"

Tem em conta que as fontes disponíveis para Gnuplot variam dependendo da plataforma, e se
estás escrevendo uma instrução de gráfico que pretendes que seja portável, é melhor restringir
o nome da fonte às genéricas sans ou serif.

Agregando instruções Gnuplot


Depois de escrita uma instrução Gnuplot, ela pode ser seguida da especificação de variáveis a
desenhar e do indicador de opção (caso exista), podes agregar instruções literais de Gnuplot
para controlar a aparência do gráfico (por exemplo, definindo o título da gráfico e/ou intervalos
dos eixos). Estas instruções devem de estar dentro de chavetas, e deves terminar cada instrução
Gnuplot com ponto e vírgula. Podes utilizar uma barra invertida para continuar um conjunto
de instruções Gnuplot ao longo de mais do que uma linha. Aqui está um exemplo da sintaxe:

{ set title ’O meu Título’; set yrange [0:1000]; }

Caminho de Menu: /Ver/Gráfico das variáveis


Acesso alternativo: Menu de contexto na janela principal, botão de gráfico na barra de ferra-
mentas

graphpg

Variantes: graphpg add


graphpg fontscale value
graphpg show
graphpg free
graphpg --output=filename
A “página dos gráficos” de sessão apenas funcionará se você tiver instalado o sistema de pro-
dução de texto LATEX, e puder gerar e visionar documentos PDF ou PostScript.
Na janela de sessão por ícones, você pode arrastar até oito gráficos para dentro de um ícone de
página de gráficos. Quando você fizer duplo-clique na página de gráficos (ou com o botão direito
e selecionar “Mostrar”), será produzida uma página com os gráficos selecionados e apresentada
no visionador adequado. A partir deste você poderá imprimir a página.
Para limpar a página de gráficos, clicar com o botão direito no seu ícone e selecionar “Limpar”.
Note que em sistemas diferentes do MS Windows, você pode ter que ajustar as definições dos
programas usados para visionar documentos PDF ou PostScript. Isso encontra-se dentro do
separador “Programas” na janela de diálogo das Preferências do gretl (a partir do menu Ferra-
mentas da janela principal).
Também é possível trabalhar com a página de gráficos a partir se sequência de comandos, ou
usando a consola (dentro do programa em ambiente gráfico). São suportados os seguintes
comandos e opções:
Para acrescentar um gráfico à página de gráficos, dê o comando graphpg add depois de o ter
gravado como um gráfico com nome, tal como

grf1 <- gnuplot Y X


graphpg add

Para ver a página de gráficos: graphpg show.


Para limpar a página de gráficos: graphpg free.
Para ajustar a escala da fonte usada na página de gráficos, use graphpg fontscale escala,
onde escala é um multiplicador (com o valor 1,0 por omissão). Assim, para tornar a o fonte 50
porcento maior que a por inicial você pode
Capítulo 1. Gretl commands 33

graphpg fontscale 1.5

Para chamar a impressão da página de gráficos para um ficheiro, use a opção --output= mais
um nome de ficheiro; o nome do ficheiro deverá ter o sufixo “.pdf”, “.ps” ou “.eps”. Por
exemplo:

graphpg --output="meu_ficheiro.pdf"

Neste contexto, por omissão o resultado usa linhas coloridas; para usar padrões ponto/traço
em vez de cores, você pode acrescentar a opção --monochrome.

hausman
Este teste apenas está disponível após e estimar um modelo de mínimos quadrados (OLS)
usando dados de painel (ver também setobs). Ele testa o modelo de amostragem simples
("pooled") contra as alternativas principais, os modelos de efeitos fixos e efeitos aleatórios.
O modelo de efeitos fixos permite variar a interseção da regressão ao longo das unidades de
seção cruzada. Uma estatística teste-F é apresentada segundo a hipótese nula de que as in-
terseções não diferem. O modelo de efeitos aleatórios decompõe a variância dos resíduos em
duas partes, uma parte específica à unidade de seção cruzada e outra específica para a obser-
vação em particular. (Este estimador pode ser calculado apenas se o número de unidades de
seção cruzada nos dados exceder o número de parâmetros a serem estimados.) A estatística
de teste Breusch–Pagan LM, testa a hipótese nula de que o estimador mínimos quadrados de
amostragem ("pooled") é adequado em oposição ao da alternativa de efeitos aleatórios.
O modelo mínimos quadrados de amostragem ("pooled") pode ser rejeitado contra ambas as
alternativas, efeitos fixos e efeitos aleatórios. Desde que o erro específico por unidade ou por
grupo seja não correlacionado com as variáveis independentes, o estimador de efeitos aleatórios
é mais eficiente do que o estimador de efeitos fixos; caso contrário o estimador de efeitos
aleatórios é inconsistente e o estimador de efeitos fixos será preferido. A hipótese nula para
o teste de Hausman é de que o erro específico de grupo não é tão correlacionado (e como tal
o modelo de efeitos aleatórios é preferível). Um valor p baixo para este teste conta contra o
modelo de efeitos aleatórios e a favor do modelo de efeitos fixos.
Caminho de Menu: Janela do modelo, /Testes/Diagnósticos de Painel

heckit
Argumentos: variável-dependente variáveis-independentes ; equação de seleção
Opções: --quiet (suprimir a escrita de resultados)
--robust (erros padrão QML)
--two-step (efetuar estimação de dois passos)
--vcv (mostrar a matriz de covariância)
--verbose (mostrar saídas adicionais)
Exemplo: heckit y 0 x1 x2 ; ys 0 x3 x4
heckit.inp
Seleção do modelo de tipo Heckman. Na especificação, a lista antes do ponto-e-vírgula repre-
senta a equação do resultado. A variável dependente na equação de seleção (ys no exemplo
acima) tem que ser uma variável binária.
Por omissão, os parâmetros são estimados por máxima verosimilhança. A matriz de covari-
ância dos parâmetros é calculada usando a inversão negativa da Hessiana. Se for desejável a
estimação, de dois passos, use a opção --two-step. Neste caso, a matriz de covariância dos
parâmetros da equação resultante é adequadamente ajustada de acordo com Heckman (1979).
Repare que na estimação de Máxima Verosimilhança (ML) é usada uma aproximação numérica
da Hessiana; isto pode levar a inexatidões na matriz de covariância estimada se a escala das
variáveis explanatórias for para alguns dos coeficientes estimados muito pequena em valor
Capítulo 1. Gretl commands 34

absoluto. Este problema pode ser abordado em versões futuras; por agora, como solução tem-
porária, pode-se re-escalar a variável ou variáveis explanatórias que estão a causar problemas.
Caminho de Menu: /Modelo/Variável dependente limitada/Heckit...

help
Variantes: help
help functions
help command
help function
Opção: --func (select functions help)
If no arguments are given, prints a list of available commands. If the single argument functions
is given, prints a list of available functions (see genr).
help command describes command (e.g. help smpl). help function describes function (e.g.
help ldet). Some functions have the same names as related commands (e.g. diff): in that
case the default is to print help for the command, but you can get help on the function by using
the --func option.
Caminho de Menu: /Help

hsk
Argumentos: depvar indepvars
Opções: --no-squares (see below)
--vcv (print covariance matrix)
This command is applicable where heteroskedasticity is present in the form of an unknown
function of the regressors which can be approximated by a quadratic relationship. In that
context it offers the possibility of consistent standard errors and more efficient parameter esti-
mates as compared with OLS.
The procedure involves (a) OLS estimation of the model of interest, followed by (b) an auxiliary
regression to generate an estimate of the error variance, then finally (c) weighted least squares,
using as weight the reciprocal of the estimated variance.
In the auxiliary regression (b) we regress the log of the squared residuals from the first OLS
on the original regressors and their squares (by default), or just on the original regressors (if
the --no-squares option is given). The log transformation is performed to ensure that the
estimated variances are all non-negative. Call the fitted values from this regression u∗ . The
weight series for the final WLS is then formed as 1/exp(u∗ ).
Caminho de Menu: /Model/Other linear models/Heteroskedasticity corrected

hurst
Argumento: series
Calculates the Hurst exponent (a measure of persistence or long memory) for a time-series
variable having at least 128 observations.
The Hurst exponent is discussed by Mandelbrot. In theoretical terms it is the exponent, H, in
the relationship
RS(x) = anH
where RS is the “rescaled range” of the variable x in samples of size n and a is a constant.
The rescaled range is the range (maximum minus minimum) of the cumulated value or partial
sum of x over the sample period (after subtraction of the sample mean), divided by the sample
standard deviation.
As a reference point, if x is white noise (zero mean, zero persistence) then the range of its
cumulated “wandering” (which forms a random walk), scaled by the standard deviation, grows
Capítulo 1. Gretl commands 35

as the square root of the sample size, giving an expected Hurst exponent of 0.5. Values of the
exponent significantly in excess of 0.5 indicate persistence, and values less than 0.5 indicate
anti-persistence (negative autocorrelation). In principle the exponent is bounded by 0 and 1,
although in finite samples it is possible to get an estimated exponent greater than 1.
In gretl, the exponent is estimated using binary sub-sampling: we start with the entire data
range, then the two halves of the range, then the four quarters, and so on. For sample sizes
smaller than the data range, the RS value is the mean across the available samples. The exponent
is then estimated as the slope coefficient in a regression of the log of RS on the log of sample
size.
Caminho de Menu: /Variable/Hurst exponent

if
Flow control for command execution. Three sorts of construction are supported, as follows.

# simple form
if condition
commands
endif

# two branches
if condition
commands1
else
commands2
endif

# three or more branches


if condition1
commands1
elif condition2
commands2
else
commands3
endif

condition must be a Boolean expression, for the syntax of which see genr. More than one elif
block may be included. In addition, if . . . endif blocks may be nested.

include
Argumento: filename
Exemplos: include myfile.inp
include sols.gfn
Intended for use in a command script, primarily for including definitions of functions. Executes
the commands in filename then returns control to the main script. To include a packaged
function, be sure to include the filename extension.
See also run.

info
Prints out any supplementary information stored with the current datafile.
Caminho de Menu: /Data/Dataset info
Acesso alternativo: Data browser windows
Capítulo 1. Gretl commands 36

install
Argumento: pkgname
Opções: --local (install from local file)
--remove (see below)
--purge (see below)
Exemplos: install armax
install felogit.gfn
install /path/to/myfile.gfn --local
install http://foo.bar.net/gretl/myfile.gfn
Installer for gretl function packages (gfn or zip files).
If this command is given the “plain” name of a gretl function package (as in the first two exam-
ples) the action is to download the specified package from the gretl server and install it on the
local machine. In this case it is not necessary to supply a filename extension.
If the --local option is given, the pkgname argument should be the path to an uninstalled
package file on the local machine, with the correct extension. The action is to copy the file into
place (gfn), or unzip it into place (zip), “into place” meaning where the include command will
find it.
When no option is given, if pkgname begins with http://, the effect is to download a package
file from a specified server and install it locally.
With the --remove or --purge option the inverse operation is performed; that is, an installed
package is uninstalled. If just --remove is given, the specified package is unloaded from me-
mory and is removed from the GUI menu to which it is attached, if any. If the --purge option is
given then in addition to the actions just mentioned the package file is deleted. (If the package
is installed in its own subdirectory, the whole subdirectory is deleted.)
Caminho de Menu: /Tools/Function packages/On server

intreg

Argumentos: minvar maxvar indepvars


Opções: --quiet (suppress printing of results)
--verbose (print details of iterations)
--robust (robust standard errors)
--cluster=clustvar (see logit for explanation)
Exemplo: intreg lo hi const x1 x2
wtp.inp
Estimates an interval regression model. This model arises when the dependent variable is im-
perfectly observed for some (possibly all) observations. In other words, the data generating
process is assumed to be
yt∗ = xt β + t
but we only observe
mt ≤ yt ≤ Mt
(the interval may be left- or right-unbounded). Note that for some observations m may equal M.
The variables minvar and maxvar must contain NAs for left- and right-unbounded observations,
respectively.
The model is estimated by maximum likelihood, assuming normality of the disturbance term.
By default, standard errors are computed using the negative inverse of the Hessian. If the
--robust flag is given, then QML or Huber–White standard errors are calculated instead. In this
case the estimated covariance matrix is a “sandwich” of the inverse of the estimated Hessian
and the outer product of the gradient.
Caminho de Menu: /Model/Limited dependent variable/Interval regression
Capítulo 1. Gretl commands 37

join

Argumentos: filename varname


Opções: --data=column-name (see below)
--filter=expression (see below)
--ikey=inner-key (see below)
--okey=outer-key (see below)
--aggr=method (see below)
--tkey=column-name,format-string (see below)
--verbose (report on progress)
This command imports a data series from the source filename (which must be either a delimited
text data file or a “native” gretl data file) under the name varname. For details please see the
Gretl User’s Guide (Capítulo 7); here we just give a brief summary of the available options.
The --data option can be used to specify the column heading of the data in the source file, if
this differs from the name by which the data should be known in gretl.
The --filter option can be used to specify a criterion for filtering the source data (that is,
selecting a subset of observations).
The --ikey and --okey options can be used to specify a mapping between observations in the
current dataset and observations in the source data (for example, individuals can be matched
against the household to which they belong).
The --aggr option is used when the mapping between observations in the current dataset and
the source is not one-to-one.
The --tkey option is applicable only when the current dataset has a time-series structure. It
can be used to specify the name of a column containing dates to be matched to the dataset
and/or the format in which dates are represented in that column.
See also append for simpler joining operations.

kpss
Argumentos: order varlist
Opções: --trend (include a trend)
--seasonals (include seasonal dummies)
--verbose (print regression results)
--quiet (suppress printing of results)
--difference (use first difference of variable)
Exemplos: kpss 8 y
kpss 4 x1 --trend
For use of this command with panel data please see the final section in this entry.
Computes the KPSS test (Kwiatkowski et al., 1992) for stationarity, for each of the specified
variables (or their first difference, if the --difference option is selected). The null hypothesis
is that the variable in question is stationary, either around a level or, if the --trend option is
given, around a deterministic linear trend.
The order argument determines the size of the window used for Bartlett smoothing. If a ne-
gative value is given this is taken as a signal to use an automatic window size of 4(T /100)0.25 ,
where T is the sample size.
If the --verbose option is chosen the results of the auxiliary regression are printed, along with
the estimated variance of the random walk component of the variable.
The critical values shown for the test statistic are based on response surfaces estimated in the
manner set out by Sephton (1995), which are more accurate for small samples than the values
given in the original KPSS article. When the test statistic lies between the 10 percent and 1
percent critical values a p-value is shown; this is obtained by linear interpolation and should
Capítulo 1. Gretl commands 38

not be taken too literally. See the kpsscrit function for a means of obtaining these critical values
programmatically.

Panel data
When the kpss command is used with panel data, to produce a panel unit root test, the applica-
ble options and the results shown are somewhat different. While you may give a list of variables
for testing in the regular time-series case, with panel data only one variable may be tested per
command. And the --verbose option has a different meaning: it produces a brief account of
the test for each individual time series (the default being to show only the overall result).
When possible, the overall test (null hypothesis: the series in question is stationary for all the
panel units) is calculated using the method of Choi (2001). This is not always straightforward,
the difficulty being that while the Choi test is based on the p-values of the tests on the individual
series, we do not currently have a means of calculating p-values for the KPSS test statistic; we
must rely on a few critical values.
If the test statistic for a given series falls between the 10 percent and 1 percent critical values,
we are able to interpolate a p-value. But if the test falls short of the 10 percent value, or exceeds
the 1 percent value, we cannot interpolate and can at best place a bound on the global Choi test.
If the individual test statistic falls short of the 10 percent value for some units but exceeds the
1 percent value for others, we cannot even compute a bound for the global test.
Caminho de Menu: /Variable/Unit root tests/KPSS test

labels
Variantes: labels [ varlist ]
labels --to-file=filename
labels --from-file=filename
labels --delete
In the first form, prints out the informative labels (if present) for the series in varlist, or for all
series in the dataset if varlist is not specified.
With the option --to-file, writes to the named file the labels for all series in the dataset, one
per line. If no labels are present an error is flagged; if some series have labels and others do
not, a blank line is printed for series with no label.
With the option --from-file, reads the specified file (which should be plain text) and assigns
labels to the series in the dataset, reading one label per line and taking blank lines to indicate
blank labels.
The --delete option does what you’d expect: it removes all the series labels from the dataset.
Caminho de Menu: /Data/Variable labels

lad
Argumentos: depvar indepvars
Opção: --vcv (print covariance matrix)
Calculates a regression that minimizes the sum of the absolute deviations of the observed
from the fitted values of the dependent variable. Coefficient estimates are derived using the
Barrodale–Roberts simplex algorithm; a warning is printed if the solution is not unique.
Standard errors are derived using the bootstrap procedure with 500 drawings. The covariance
matrix for the parameter estimates, printed when the --vcv flag is given, is based on the same
bootstrap.
Caminho de Menu: /Model/Robust estimation/Least Absolute Deviation
Capítulo 1. Gretl commands 39

lags

Argumentos: [ order ; ] laglist


Exemplos: lags x y
lags 12 ; x y
Creates new series which are lagged values of each of the series in varlist. By default the number
of lags created equals the periodicity of the data. For example, if the periodicity is 4 (quarterly),
the command lags x creates

x_1 = x(t-1)
x_2 = x(t-2)
x_3 = x(t-3)
x_4 = x(t-4)

The number of lags created can be controlled by the optional first parameter (which, if present,
must be followed by a semicolon).
Caminho de Menu: /Add/Lags of selected variables

ldiff
Argumento: varlist
The first difference of the natural log of each series in varlist is obtained and the result stored
in a new series with the prefix ld_. Thus ldiff x y creates the new variables

ld_x = log(x) - log(x(-1))


ld_y = log(y) - log(y(-1))

Caminho de Menu: /Add/Log differences of selected variables

leverage

Opções: --save (save variables)


--quiet (don’t print results)
Must follow an ols command. Calculates the leverage (h, which must lie in the range 0 to 1) for
each data point in the sample on which the previous model was estimated. Displays the residual
(u) for each observation along with its leverage and a measure of its influence on the estimates,
uh/(1 − h). “Leverage points” for which the value of h exceeds 2k/n (where k is the number of
parameters being estimated and n is the sample size) are flagged with an asterisk. For details
on the concepts of leverage and influence see Davidson and MacKinnon (1993), Chapter 2.
DFFITS values are also computed: thesepare “studentized residuals” (predicted residuals divided
by their standard errors) multiplied by h/(1 − h). For discussions of studentized residuals and
DFFITS see chapter 12 of Maddala (1992) or Belsley et al. (1980).
Briefly, a “predicted residual” is the difference between the observed value of the dependent
variable at observation t, and the fitted value for observation t obtained from a regression in
which that observation is omitted (or a dummy variable with value 1 for observation t alone
has been added); the studentized residual is obtained by dividing the predicted residual by its
standard error.
If the --save flag is given with this command, then the leverage, influence and DFFITS values
are added to the current data set. In that context the --quiet flag may be used to suppress the
printing of results.
After execution, the $test accessor returns the cross-validation criterion, which is defined as
n
X
(yi − ŷ−i )2
i=1
Capítulo 1. Gretl commands 40

where ŷ−i is the forecast error for the i-th observation, after it has been excluded from the
sample. The criterion is, hence, the sum of the squared forecasting errors where all n observa-
tions but the i-th one are used to predict it (the so-called leave-one-out estimator). For a broader
discussion of the cross-validation criterion, see Davidson and MacKinnon’s Econometric Theory
and Methods, pages 685–686, and the references therein.
Caminho de Menu: Model window, /Tests/Influential observations

levinlin
Argumentos: order series
Opções: --nc (test without a constant)
--ct (with constant and trend)
--quiet (suppress printing of results)
Exemplos: levinlin 0 y
levinlin 2 y --ct
levinlin {2,2,3,3,4,4} y
Carries out the panel unit-root test described by Levin et al. (2002). The null hypothesis is that
all of the individual time series exhibit a unit root, and the alternative is that none of the series
has a unit root. (That is, a common AR(1) coefficient is assumed, although in other respects the
statistical properties of the series are allowed to vary across individuals.)
By default the test ADF regressions include a constant; to suppress the constant use the --nc
option, or to add a linear trend use the --ct option. (See the adf command for explanation of
ADF regressions.)
The (non-negative) order for the test (governing the number of lags of the dependent variable
to include in the ADF regressions) may be given in either of two forms. If a scalar value is
given, this is applied to all the individuals in the panel. The alternative is to provide a matrix
containing a specific lag order for each individual; this must be a vector with as many elements
as there are individuals in the current sample range. Such a matrix can be specified by name, or
constructed using braces as illustrated in the last example above.
Caminho de Menu: /Variable/Unit root tests/Levin-Lin-Chu test

logistic

Argumentos: depvar indepvars


Opções: --ymax=value (specify maximum of dependent variable)
--vcv (print covariance matrix)
Exemplos: logistic y const x
logistic y const x --ymax=50
Logistic regression: carries out an OLS regression using the logistic transformation of the de-
pendent variable, !
y
log
y∗ − y

The dependent variable must be strictly positive. If all its values lie between 0 and 1, the default
is to use a y ∗ value (the asymptotic maximum of the dependent variable) of 1; if its values lie
between 0 and 100, the default y ∗ is 100.
If you wish to set a different maximum, use the --ymax option. Note that the supplied value
must be greater than all of the observed values of the dependent variable.
The fitted values and residuals from the regression are automatically transformed using

y∗
y=
1 + e−x
Capítulo 1. Gretl commands 41

where x represents either a fitted value or a residual from the OLS regression using the trans-
formed dependent variable. The reported values are therefore comparable with the original
dependent variable.
Note that if the dependent variable is binary, you should use the logit command instead.
Caminho de Menu: /Model/Limited dependent variable/Logistic

logit

Argumentos: depvar indepvars


Opções: --robust (robust standard errors)
--cluster=clustvar (clustered standard errors)
--multinomial (estimate multinomial logit)
--vcv (print covariance matrix)
--verbose (print details of iterations)
--p-values (show p-values instead of slopes)
If the dependent variable is a binary variable (all values are 0 or 1) maximum likelihood esti-
mates of the coefficients on indepvars are obtained via the Newton–Raphson method. As the
model is nonlinear the slopes depend on the values of the independent variables. By default the
slopes with respect to each of the independent variables are calculated (at the means of those
variables) and these slopes replace the usual p-values in the regression output. This behavior
can be suppressed my giving the --p-values option. The chi-square statistic tests the null
hypothesis that all coefficients are zero apart from the constant.
By default, standard errors are computed using the negative inverse of the Hessian. If the
--robust flag is given, then QML or Huber–White standard errors are calculated instead. In this
case the estimated covariance matrix is a “sandwich” of the inverse of the estimated Hessian
and the outer product of the gradient; see chapter 10 of Davidson and MacKinnon (2004). But
if the --cluster option is given, then “cluster-robust” standard errors are produced; see the
Gretl User’s Guide (Capítulo 19) for details.
If the dependent variable is not binary but is discrete, then by default it is interpreted as an
ordinal response, and Ordered Logit estimates are obtained. However, if the --multinomial
option is given, the dependent variable is interpreted as an unordered response, and Multino-
mial Logit estimates are produced. (In either case, if the variable selected as dependent is not
discrete an error is flagged.) In the multinomial case, the accessor $mnlprobs is available af-
ter estimation, to get a matrix containing the estimated probabilities of the outcomes at each
observation (observations in rows, outcomes in columns).
If you want to use logit for analysis of proportions (where the dependent variable is the propor-
tion of cases having a certain characteristic, at each observation, rather than a 1 or 0 variable
indicating whether the characteristic is present or not) you should not use the logit command,
but rather construct the logit variable, as in

series lgt_p = log(p/(1 - p))

and use this as the dependent variable in an OLS regression. See chapter 12 of Ramanathan
(2002).
Caminho de Menu: /Model/Limited dependent variable/Logit

logs

Argumento: varlist
The natural log of each of the series in varlist is obtained and the result stored in a new series
with the prefix l_ (“el” underscore). For example, logs x y creates the new variables l_x =
ln(x) and l_y = ln(y).
Caminho de Menu: /Add/Logs of selected variables
Capítulo 1. Gretl commands 42

loop
Argumento: control
Opções: --progressive (enable special forms of certain commands)
--verbose (report details of genr commands)
--quiet (do not report number of iterations performed)
Exemplos: loop 1000
loop 1000 --progressive
loop while essdiff > .00001
loop i=1991..2000
loop for (r=-.99; r<=.99; r+=.01)
loop foreach i xlist
This command opens a special mode in which the program accepts commands to be executed
repeatedly. You exit the mode of entering loop commands with endloop: at this point the
stacked commands are executed.
The parameter control may take any of five forms, as shown in the examples: an integer number
of times to repeat the commands within the loop; “while” plus a boolean condition; a range
of integer values for index variable; “for” plus three expressions in parentheses, separated by
semicolons (which emulates the for statement in the C programming language); or “foreach”
plus an index variable and a list.
See the Gretl User’s Guide (Capítulo 12) for further details and examples. The effect of the
--progressive option (which is designed for use in Monte Carlo simulations) is explained
there. Not all gretl commands may be used within a loop; the commands available in this
context are also set out there.

mahal
Argumento: varlist
Opções: --quiet (don’t print anything)
--save (add distances to the dataset)
--vcv (print covariance matrix)
Computes the Mahalanobis distances between the series in varlist. The Mahalanobis distance
is the distance between two points in a k-dimensional space, scaled by the statistical variation
in each dimension of the space. For example, if p and q are two observations on a set of k
variables with covariance matrix C, then the Mahalanobis distance between the observations is
given by q
(p − q)0 C −1 (p − q)
where (p − q) is a k-vector. This reduces to Euclidean distance if the covariance matrix is the
identity matrix.
The space for which distances are computed is defined by the selected variables. For each
observation in the current sample range, the distance is computed between the observation and
the centroid of the selected variables. This distance is the multidimensional counterpart of a
standard z-score, and can be used to judge whether a given observation “belongs” with a group
of other observations.
If the --vcv option is given, the covariance matrix and its inverse are printed. If the --save
option is given, the distances are saved to the dataset under the name mdist (or mdist1, mdist2
and so on if there is already a variable of that name).
Caminho de Menu: /View/Mahalanobis distances
Capítulo 1. Gretl commands 43

makepkg

Argumento: filename
Opções: --index (write auxiliary index file)
--translations (write auxiliary strings file)
Supports creation of a gretl function package via the command line. The mode of operation of
this command depends on the extension of filename, which must be either .gfn or .zip.

Gfn mode
Writes a gfn file. It is assumed that a package specification file, with the same basename as
filename but with the extension .spec, is accessible, along with any auxiliary files that it refe-
rences. It is also assumed that all the functions to be packaged have been read into memory.

Zip mode
Writes a zip package file (gfn plus other materials). If a gfn file of the same basename as
filename is found, it forms the basis of the zip package. If no gfn file is found, the program first
attempts to build the gfn, as described above.

Gfn options
The option flags support the writing of auxiliary files, intended for use with gretl “addons”. The
index file is a short XML document containing basic information about the package; it has the
same basename as the package and the extension .xml. The translations file contains strings
from the package that may be suitable for translation, in C format; for package foo this file is
named foo-i18n.c. These files are not produced if the command is operating in zip mode and
a pre-existing gfn file is used.
For details on all of this, see the the Gretl Function Package Guide.
Caminho de Menu: /Tools/Function packages/New package

markers
Variantes: markers --to-file=filename
markers --from-file=filename
markers --delete
With the option --to-file, writes to the named file the observation marker strings from the
current dataset, one per line. If no such strings are present an error is flagged.
With the option --from-file, reads the specified file (which should be plain text) and assigns
observation markers to the rows in the dataset, reading one marker per line. In general there
should be at least as many markers in the file as observations in the dataset, but if the dataset
is a panel it is also acceptable if the number of markers in the file matches the number of
cross-sectional units (in which case the markers are repeated for each time period.)
The --delete option does what you’d expect: it removes the observation marker strings from
the dataset.
Caminho de Menu: /Data/Observation markers

meantest
Argumentos: series1 series2
Opção: --unequal-vars (assume variances are unequal)
Calculates the t statistic for the null hypothesis that the population means are equal for the
variables series1 and series2, and shows its p-value.
By default the test statistic is calculated on the assumption that the variances are equal for the
two variables. With the --unequal-vars option the variances are assumed to be different; in
Capítulo 1. Gretl commands 44

this case the degrees of freedom for the test statistic are approximated as per Satterthwaite
(1946).
Caminho de Menu: /Tools/Test statistic calculator

mle
Argumentos: log-likelihood function [ derivatives ]
Opções: --quiet (don’t show estimated model)
--vcv (print covariance matrix)
--hessian (base covariance matrix on the Hessian)
--robust (QML covariance matrix)
--verbose (print details of iterations)
--no-gradient-check (see below)
--lbfgs (use L-BFGS-B instead of regular BFGS)
Exemplo: weibull.inp
Performs Maximum Likelihood (ML) estimation using either the BFGS (Broyden, Fletcher, Gold-
farb, Shanno) algorithm or Newton’s method. The user must specify the log-likelihood function.
The parameters of this function must be declared and given starting values (using the genr com-
mand) prior to estimation. Optionally, the user may specify the derivatives of the log-likelihood
function with respect to each of the parameters; if analytical derivatives are not supplied, a
numerical approximation is computed.
Simple example: Suppose we have a series X with values 0 or 1 and we wish to obtain the
maximum likelihood estimate of the probability, p, that X = 1. (In this simple case we can guess
in advance that the ML estimate of p will simply equal the proportion of Xs equal to 1 in the
sample.)
The parameter p must first be added to the dataset and given an initial value. For example,
scalar p = 0.5.
We then construct the MLE command block:

mle loglik = X*log(p) + (1-X)*log(1-p)


deriv p = X/p - (1-X)/(1-p)
end mle

The first line above specifies the log-likelihood function. It starts with the keyword mle, then
a dependent variable is specified and an expression for the log-likelihood is given (using the
same syntax as in the genr command). The next line (which is optional) starts with the keyword
deriv and supplies the derivative of the log-likelihood function with respect to the parameter
p. If no derivatives are given, you should include a statement using the keyword params which
identifies the free parameters: these are listed on one line, separated by spaces and can be either
scalars, or vectors, or any combination of the two. For example, the above could be changed to:

mle loglik = X*log(p) + (1-X)*log(1-p)


params p
end mle

in which case numerical derivatives would be used.


Note that any option flags should be appended to the ending line of the MLE block.
By default, estimated standard errors are based on the Outer Product of the Gradient. If the
--hessian option is given, they are instead based on the negative inverse of the Hessian (which
is approximated numerically). If the --robust option is given, a QML estimator is used (namely,
a sandwich of the negative inverse of the Hessian and the covariance matrix of the gradient).
If you supply analytical derivatives, by default gretl runs a numerical check on their plausibility.
Occasionally this may produce false positives, instances where correct derivatives appear to be
Capítulo 1. Gretl commands 45

wrong and estimation is refused. To counter this, or to achieve a little extra speed, you can
give the option --no-gradient-check. Obviously, you should do this only if you are quite
confident that the gradient you have specified is right.
For a much more in-depth description of mle, please refer to the Gretl User’s Guide (Capítulo
23).
Caminho de Menu: /Model/Maximum likelihood

modeltab
Variantes: modeltab add
modeltab show
modeltab free
modeltab --output=filename
Manipulates the gretl “model table”. See the Gretl User’s Guide (Capítulo 3) for details. The sub-
commands have the following effects: add adds the last model estimated to the model table, if
possible; show displays the model table in a window; and free clears the table.
To call for printing of the model table, use the flag --output= plus a filename. If the filename
has the suffix “.tex”, the output will be in TEX format; if the suffix is “.rtf” the output will
be RTF; otherwise it will be plain text. In the case of TEX output the default is to produce a
“fragment”, suitable for inclusion in a document; if you want a stand-alone document instead,
use the --complete option, for example

modeltab --output="myfile.tex" --complete

Caminho de Menu: Session icon window, Model table icon

modprint
Argumentos: coeffmat names [ addstats ]
Prints the coefficient table and optional additional statistics for a model estimated “by hand”.
Mainly useful for user-written functions.
The argument coeffmat should be a k by 2 matrix containing k coefficients and k associated
standard errors, and names should be a string containing at least k names for the coefficients,
separated by commas or spaces. (The names argument may be either the name of a string
variable or a literal string, enclosed in double quotes.)
The optional argument addstats is a vector containing p additional statistics to be printed
under the coefficient table. If this argument is given, then names should contain k + p comma-
separated strings, the additional p strings to be associated with the additional statistics.
Capítulo 1. Gretl commands 46

modtest
Argumento: [ order ]
Opções: --normality (normality of residual)
--logs (non-linearity, logs)
--autocorr (serial correlation)
--arch (ARCH)
--squares (non-linearity, squares)
--white (heteroskedasticity, White’s test)
--white-nocross (White’s test, squares only)
--breusch-pagan (heteroskedasticity, Breusch–Pagan)
--robust (robust variance estimate for Breusch–Pagan)
--panel (heteroskedasticity, groupwise)
--comfac (common factor restriction, AR1 models only)
--quiet (don’t print details)
--silent (don’t print anything)
Must immediately follow an estimation command. Depending on the option given, this com-
mand carries out one of the following: the Doornik–Hansen test for the normality of the error
term; a Lagrange Multiplier test for nonlinearity (logs or squares); White’s test (with or without
cross-products) or the Breusch–Pagan test (Breusch and Pagan (1979)) for heteroskedasticity;
the LMF test for serial correlation (Kiviet, 1986); a test for ARCH (Autoregressive Conditional
Heteroskedasticity; see also the arch command); or a test of the common factor restriction im-
plied by AR(1) estimation. With the exception of the normality and common factor test most of
the options are only available for models estimated via OLS, but see below for details regarding
two-stage least squares.
The optional order argument is relevant only in case the --autocorr or --arch options are
selected. The default is to run these tests using a lag order equal to the periodicity of the data,
but this can be adjusted by supplying a specific lag order.
The --robust option applies only when the Breusch–Pagan test is selected; its effect is to use
the robust variance estimator proposed by Koenker (1981), making the test less sensitive to the
assumption of normality.
The --panel option is available only when the model is estimated on panel data: in this case a
test for groupwise heteroskedasticity is performed (that is, for a differing error variance across
the cross-sectional units).
The --comfac option is available only when the model is estimated via an AR(1) method such
as Hildreth–Lu. The auxiliary regression takes the form of a relatively unrestricted dynamic
model, which is used to test the common factor restriction implicit in the AR(1) specification.
By default, the program prints the auxiliary regression on which the test statistic is based, where
applicable. This may be suppressed by using the --quiet flag (minimal printed output) or the
--silent flag (no printed output). The test statistic and its p-value may be retrieved using the
accessors $test and $pvalue respectively.
When a model has been estimated by two-stage least squares (see tsls), the LM principle breaks
down and gretl offers some equivalents: the --autocorr option computes Godfrey’s test for
autocorrelation (Godfrey, 1994) while the --white option yields the HET1 heteroskedasticity
test (Pesaran and Taylor, 1999).
Caminho de Menu: Model window, /Tests
Capítulo 1. Gretl commands 47

mpols
Argumentos: depvar indepvars
Opções: --vcv (print covariance matrix)
--simple-print (do not print auxiliary statistics)
--quiet (suppress printing of results)
Computes OLS estimates for the specified model using multiple precision floating-point arith-
metic, with the help of the Gnu Multiple Precision (GMP) library. By default 256 bits of pre-
cision are used for the calculations, but this can be increased via the environment variable
GRETL_MP_BITS. For example, when using the bash shell one could issue the following com-
mand, before starting gretl, to set a precision of 1024 bits.

export GRETL_MP_BITS=1024

A rather arcane option is available for this command (primarily for testing purposes): if the
indepvars list is followed by a semicolon and a further list of numbers, those numbers are
taken as powers of x to be added to the regression, where x is the last variable in indepvars.
These additional terms are computed and stored in multiple precision. In the following example
y is regressed on x and the second, third and fourth powers of x:

mpols y 0 x ; 2 3 4

Caminho de Menu: /Model/Other linear models/High precision OLS

negbin

Argumentos: depvar indepvars [ ; offset ]


Opções: --model1 (use NegBin 1 model)
--robust (QML covariance matrix)
--cluster=clustvar (see logit for explanation)
--opg (see below)
--vcv (print covariance matrix)
--verbose (print details of iterations)
Estimates a Negative Binomial model. The dependent variable is taken to represent a count
of the occurrence of events of some sort, and must have only non-negative integer values. By
default the model NegBin 2 is used, in which the conditional variance of the count is given
by µ(1 + αµ), where µ denotes the conditional mean. But if the --model1 option is given the
conditional variance is µ(1 + α).
The optional offset series works in the same way as for the poisson command. The Poisson
model is a restricted form of the Negative Binomial in which α = 0 by construction.
By default, standard errors are computed using a numerical approximation to the Hessian at
convergence. But if the --opg option is given the covariance matrix is based on the Outer
Product of the Gradient (OPG), or if the --robust option is given QML standard errors are
calculated, using a “sandwich” of the inverse of the Hessian and the OPG.
Caminho de Menu: /Model/Limited dependent variable/Count data...

nls
Argumentos: function [ derivatives ]
Opções: --quiet (don’t show estimated model)
--robust (robust standard errors)
--vcv (print covariance matrix)
--verbose (print details of iterations)
Exemplo: wg_nls.inp
Capítulo 1. Gretl commands 48

Performs Nonlinear Least Squares (NLS) estimation using a modified version of the Levenberg–
Marquardt algorithm. You must supply a function specification. The parameters of this function
must be declared and given starting values (using the genr command) prior to estimation.
Optionally, you may specify the derivatives of the regression function with respect to each of
the parameters. If you do not supply derivatives you should instead give a list of the parameters
to be estimated (separated by spaces or commas), preceded by the keyword params. In the latter
case a numerical approximation to the Jacobian is computed.
It is easiest to show what is required by example. The following is a complete script to estimate
the nonlinear consumption function set out in William Greene’s Econometric Analysis (Chapter
11 of the 4th edition, or Chapter 9 of the 5th). The numbers to the left of the lines are for
reference and are not part of the commands. Note that any option flags, such as --vcv for
printing the covariance matrix of the parameter estimates, should be appended to the final
command, end nls.

1 open greene11_3.gdt
2 ols C 0 Y
3 scalar a = $coeff(0)
4 scalar b = $coeff(Y)
5 scalar g = 1.0
6 nls C = a + b * Y^g
7 deriv a = 1
8 deriv b = Y^g
9 deriv g = b * Y^g * log(Y)
10 end nls --vcv

It is often convenient to initialize the parameters by reference to a related linear model; that is
accomplished here on lines 2 to 5. The parameters alpha, beta and gamma could be set to any
initial values (not necessarily based on a model estimated with OLS), although convergence of
the NLS procedure is not guaranteed for an arbitrary starting point.
The actual NLS commands occupy lines 6 to 10. On line 6 the nls command is given: a depen-
dent variable is specified, followed by an equals sign, followed by a function specification. The
syntax for the expression on the right is the same as that for the genr command. The next three
lines specify the derivatives of the regression function with respect to each of the parameters
in turn. Each line begins with the keyword deriv, gives the name of a parameter, an equals
sign, and an expression whereby the derivative can be calculated (again, the syntax here is the
same as for genr). As an alternative to supplying numerical derivatives, you could substitute
the following for lines 7 to 9:

params a b g

Line 10, end nls, completes the command and calls for estimation. Any options should be
appended to this line.
For further details on NLS estimation please see the Gretl User’s Guide (Capítulo 22).
Caminho de Menu: /Model/Nonlinear Least Squares

normtest
Argumento: series
Opções: --dhansen (Doornik–Hansen test, the default)
--swilk (Shapiro–Wilk test)
--lillie (Lilliefors test)
--jbera (Jarque–Bera test)
--all (do all tests)
--quiet (suppress printed output)
Carries out a test for normality for the given series. The specific test is controlled by the option
flags (but if no flag is given, the Doornik–Hansen test is performed). Note: the Doornik–Hansen
Capítulo 1. Gretl commands 49

and Shapiro–Wilk tests are recommended over the others, on account of their superior small-
sample properties.
The test statistic and its p-value may be retrieved using the accessors $test and $pvalue.
Please note that if the --all option is given, the result recorded is that from the Doornik–
Hansen test.
Caminho de Menu: /Variable/Normality test

nulldata
Argumento: series-length
Opção: --preserve (preserve matrices)
Exemplo: nulldata 500
Establishes a “blank” data set, containing only a constant and an index variable, with periodicity
1 and the specified number of observations. This may be used for simulation purposes: some
of the genr commands (e.g. genr uniform(), genr normal()) will generate dummy data from
scratch to fill out the data set. This command may be useful in conjunction with loop. See also
the “seed” option to the set command.
By default, this command cleans out all data in gretl’s current workspace. If you give the
--preserve option, however, any currently defined matrices are retained.
Caminho de Menu: /File/New data set

ols
Argumentos: depvar indepvars
Opções: --vcv (print covariance matrix)
--robust (robust standard errors)
--cluster=clustvar (clustered standard errors)
--jackknife (see below)
--simple-print (do not print auxiliary statistics)
--quiet (suppress printing of results)
--anova (print an ANOVA table)
--no-df-corr (suppress degrees of freedom correction)
--print-final (see below)
Exemplos: ols 1 0 2 4 6 7
ols y 0 x1 x2 x3 --vcv
ols y 0 x1 x2 x3 --quiet
Computes ordinary least squares (OLS) estimates with depvar as the dependent variable and
indepvars as the list of independent variables. Variables may be specified by name or number;
use the number zero for a constant term.
Besides coefficient estimates and standard errors, the program also prints p-values for t (two-
tailed) and F -statistics. A p-value below 0.01 indicates statistical significance at the 1 percent
level and is marked with ***. ** indicates significance between 1 and 5 percent and * indicates
significance between the 5 and 10 percent levels. Model selection statistics (the Akaike In-
formation Criterion or AIC and Schwarz’s Bayesian Information Criterion) are also printed. The
formula used for the AIC is that given by Akaike (1974), namely minus two times the maximized
log-likelihood plus two times the number of parameters estimated.
If the option --no-df-corr is given, the usual degrees of freedom correction is not applied
when calculating the estimated error variance (and hence also the standard errors of the para-
meter estimates).
The option --print-final is applicable only in the context of a loop. It arranges for the
regression to be run silently on all but the final iteration of the loop. See the Gretl User’s Guide
(Capítulo 12) for details.
Capítulo 1. Gretl commands 50

Various internal variables may be retrieved following estimation. For example

series uh = $uhat

saves the residuals under the name uh. See the “accessors” section of the gretl function refe-
rence for details.
The specific formula (“HC” version) used for generating robust standard errors when the --robust
option is given can be adjusted via the set command. The --jackknife option has the effect of
selecting an hc_version of 3a. The --cluster overrides the selection of HC version, and pro-
duces robust standard errors by grouping the observations by the distinct values of clustvar;
see the Gretl User’s Guide (Capítulo 19) for details.
Caminho de Menu: /Model/Ordinary Least Squares
Acesso alternativo: Beta-hat button on toolbar

omit
Argumento: varlist
Opções: --test-only (don’t replace the current model)
--chi-square (give chi-square form of Wald test)
--quiet (print only the basic test result)
--silent (don’t print anything)
--vcv (print covariance matrix for reduced model)
--auto[=alpha] (sequential elimination, see below)
Exemplos: omit 5 7 9
omit seasonals --quiet
omit --auto
omit --auto=0.05
This command must follow an estimation command. It calculates a Wald test for the joint
significance of the variables in varlist, which should be a subset of the independent variables
in the model last estimated. The results of the test may be retrieved using the accessors $test
and $pvalue.
By default the restricted model is estimated and it replaces the original as the “current model”
for the purposes of, for example, retrieving the residuals as $uhat or doing further tests. This
behavior may be suppressed via the --test-only option.
By default the F -form of the Wald test is recorded; the --chi-square option may be used to
record the chi-square form instead.
If the restricted model is both estimated and printed, the --vcv option has the effect of printing
its covariance matrix, otherwise this option is ignored.
Alternatively, if the --auto flag is given, sequential elimination is performed: at each step the
variable with the highest p-value is omitted, until all remaining variables have a p-value no
greater than some cutoff. The default cutoff is 10 percent (two-sided); this can be adjusted by
appending “=” and a value between 0 and 1 (with no spaces), as in the fourth example above.
If varlist is given this process is confined to the listed variables, otherwise all variables are
treated as candidates for omission. Note that the --auto and --test-only options cannot be
combined.
Caminho de Menu: Model window, /Tests/Omit variables
Capítulo 1. Gretl commands 51

open
Argumento: filename
Opções: --quiet (don’t print list of series)
--preserve (preserve variables other than series)
--frompkg=pkgname (see below)
--www (use a database on the gretl server)
See below for additional specialized options
Exemplos: open data4-1
open voter.dta
open fedbog --www
Opens a data file or database. If a data file is already open, it is replaced by the newly opened
one. To add data to the current dataset, see append and (for greater flexibility) join.
If a full path is not given, the program will search some relevant paths to try to find the file. If
no filename suffix is given (as in the first example above), gretl assumes a native datafile with
suffix .gdt. Based on the name of the file and various heuristics, gretl will try to detect the
format of the data file (native, plain text, CSV, MS Excel, Stata, SPSS, etc.).
If the --frompkg option is used, gretl will look for the specified data file in the subdirectory
associated with the function package specified by pkgname.
If the filename argument takes the form of a URI starting with http://, then gretl will attempt
to download the indicated data file before opening it.
By default, opening a new data file clears the current gretl session, which includes deletion of
all named variables, including matrices, scalars and strings. If you wish to keep your currently
defined variables (other than series, which are necessarily cleared out), use the --preserve
option.
The open command can also be used to open a database (gretl, RATS 4.0 or PcGive) for reading.
In that case it should be followed by the data command to extract particular series from the
database. If the www option is given, the program will try to access a database of the given
name on the gretl server — for instance the Federal Reserve interest rates database in the third
example above.
When opening a spreadsheet file (Gnumeric, Open Document or MS Excel), you may give up to
three additional parameters following the filename. First, you can select a particular worksheet
within the file. This is done either by giving its (1-based) number, using the syntax, e.g.,
--sheet=2, or, if you know the name of the sheet, by giving the name in double quotes, as
in --sheet="MacroData". The default is to read the first worksheet. You can also specify a
column and/or row offset into the worksheet via, e.g.,

--coloffset=3 --rowoffset=2

which would cause gretl to ignore the first 3 columns and the first 2 rows. The default is an
offset of 0 in both dimensions, that is, to start reading at the top-left cell.
With plain text files, gretl generally expects to find the data columns delimited in some standard
manner. But there is also a special facility for reading “fixed format” files, in which there are no
delimiters but there is a known specification of the form, e.g., “variable k occupies 8 columns
starting at column 24”. To read such files, you should append a string --fixed-cols=colspec,
where colspec is composed of comma-separated integers. These integers are interpreted as a
set of pairs. The first element of each pair denotes a starting column, measured in bytes from
the beginning of the line with 1 indicating the first byte; and the second element indicates how
many bytes should be read for the given field. So, for example, if you say

open fixed.txt --fixed-cols=1,6,20,3

then for variable 1 gretl will read 6 bytes starting at column 1; and for variable 2, 3 bytes
starting at column 20. Lines that are blank, or that begin with #, are ignored, but otherwise the
Capítulo 1. Gretl commands 52

column-reading template is applied, and if anything other than a valid numerical value is found
an error is flagged. If the data are read successfully, the variables will be named v1, v2, etc. It’s
up to the user to provide meaningful names and/or descriptions using the commands rename
and/or setinfo.
Caminho de Menu: /File/Open data
Acesso alternativo: Drag a data file onto gretl’s main window

orthdev
Argumento: varlist
Applicable with panel data only. A series of forward orthogonal deviations is obtained for each
variable in varlist and stored in a new variable with the prefix o_. Thus orthdev x y creates
the new variables o_x and o_y.
The values are stored one step ahead of their true temporal location (that is, o_x at observation
t holds the deviation that, strictly speaking, belongs at t − 1). This is for compatibility with
first differences: one loses the first observation in each time series, not the last.

outfile
Variantes: outfile filename option
outfile --close
Opções: --append (append to file)
--write (overwrite file)
--quiet (see below)
Exemplos: outfile regress.txt --write
outfile --close
Diverts output to filename, until further notice. Use the flag --append to append output to an
existing file or --write to start a new file (or overwrite an existing one). Only one file can be
opened in this way at any given time.
The --close flag is used to close an output file that was previously opened as above. Output
will then revert to the default stream. Note that since only one file can be opened via outfile
at any given time, no filename argument need (nor should) be supplied with this variant of the
command.
In the first example command above, the file regress.txt is opened for writing, and in the
second it is closed. This would make sense as a sequence only if some commands were is-
sued before the --close. For example if an ols command intervened, its output would go to
regress.txt rather than the screen.
Three special variants on the above are available. If you give the keyword null in place of
a real filename along with the --write option, the effect is to suppress all printed output
until redirection is ended. If either of the keywords stdout or stderr are given in place of a
regular filename the effect is to redirect output to standard output or standard error output
respectively.
The --quiet option is for use with --write or --append: its effect is to turn off the echoing
of commands and the printing of auxiliary messages while output is redirected. It is equivalent
to doing

set echo off


set messages off

except that when redirection is ended the original values of the echo and messages variables
are restored.
Capítulo 1. Gretl commands 53

panel
Argumentos: depvar indepvars
Opções: --vcv (print covariance matrix)
--fixed-effects (estimate with group fixed effects)
--random-effects (random effects or GLS model)
--nerlove (use the Nerlove transformation)
--between (estimate the between-groups model)
--robust (robust standard errors; see below)
--time-dummies (include time dummy variables)
--unit-weights (weighted least squares)
--iterate (iterative estimation)
--matrix-diff (use matrix-difference method for Hausman test)
--quiet (less verbose output)
--verbose (more verbose output)
Estimates a panel model. By default the fixed effects estimator is used; this is implemented by
subtracting the group or unit means from the original data.
If the --random-effects flag is given, random effects estimates are computed, by default using
the method of Swamy and Arora (1972). In this case (only) the option --matrix-diff forces
use of the matrix-difference method (as opposed to the regression method) for carrying out the
Hausman test for the consistency of the random effects estimator. Also specific to the random
effects estimator is the --nerlove flag, which selects the method of Nerlove (1971) as opposed
to Swamy and Arora.
Alternatively, if the --unit-weights flag is given, the model is estimated via weighted least
squares, with the weights based on the residual variance for the respective cross-sectional units
in the sample. In this case (only) the --iterate flag may be added to produce iterative estima-
tes: if the iteration converges, the resulting estimates are Maximum Likelihood.
As a further alternative, if the --between flag is given, the between-groups model is estimated
(that is, an OLS regression using the group means).
The --robust option is available only for fixed effects models. The default variant is the Arel-
lano HAC estimator, but Beck–Katz “Panel Corrected Standard Errors” can be selected via the
command set pcse on. When the robust option is specified the joint F test on the fixed effects
is performed using the robust method of Welch (1951).
For more details on panel estimation, please see the Gretl User’s Guide (Capítulo 20).
Caminho de Menu: /Model/Panel

pca
Argumento: varlist
Opções: --covariance (use the covariance matrix)
--save[=n] (save major components)
--save-all (save all components)
--quiet (don’t print results)
Principal Components Analysis. Unless the --quiet option is given, prints the eigenvalues
of the correlation matrix (or the covariance matrix if the --covariance option is given) for
the variables in varlist, along with the proportion of the joint variance accounted for by each
component. Also prints the corresponding eigenvectors (or “component loadings”).
If you give the --save-all option then all components are saved to the dataset as series, with
names PC1, PC2 and so on. These artificial variables are formed as the sum of (component
loading) times (standardized X i ), where X i denotes the ith variable in varlist.
If you give the --save option without a parameter value, components with eigenvalues greater
Capítulo 1. Gretl commands 54

than the mean (which means greater than 1.0 if the analysis is based on the correlation matrix)
are saved to the dataset as described above. If you provide a value for n with this option then
the most important n components are saved.
See also the princomp function.
Caminho de Menu: /View/Principal components
Acesso alternativo: Main window pop-up (multiple selection)

pergm

Argumentos: series [ bandwidth ]


Opções: --bartlett (use Bartlett lag window)
--log (use log scale)
--radians (show frequency in radians)
--degrees (show frequency in degrees)
--plot=mode-or-filename (see below)
Computes and displays the spectrum of the specified series. By default the sample periodo-
gram is given, but optionally a Bartlett lag window is used in estimating the spectrum (see, for
example, Greene’s Econometric Analysis for a discussion of this). The default width of the Bar-
tlett window is twice the square root of the sample size but this can be set manually using the
bandwidth parameter, up to a maximum of half the sample size.
If the --log option is given the spectrum is represented on a logarithmic scale.
The (mutually exclusive) options --radians and --degrees influence the appearance of the
frequency axis when the periodogram is graphed. By default the frequency is scaled by the
number of periods in the sample, but these options cause the axis to be labeled from 0 to π
radians or from 0 to 180◦ , respectively.
By default, if the program is not in batch mode a plot of the periodogram is shown. This can be
adjusted via the --plot option. The acceptable parameters to this option are none (to suppress
the plot); display (to display a plot even when in batch mode); or a file name. The effect of
providing a file name is as described for the --output option of the gnuplot command.
Caminho de Menu: /Variable/Periodogram
Acesso alternativo: Main window pop-up menu (single selection)

plot
Argumento: data
Opções: --with-lines[=varspec] (use lines, not points)
--with-lp[=varspec] (use lines and points)
--with-impulses[=varspec] (use vertical lines)
--time-series (plot against time)
--single-yaxis (force use of just one y-axis)
--dummy (see below)
--fit=fitspec (see below)
--output=filename (send output to specified file)
The plot block provides an alternative to the gnuplot command which may be more convenient
when you are producing an elaborate plot (with several options and/or gnuplot commands to
be inserted into the plot file).
A plot block starts with the command-word plot followed by the required argument, data,
which specifies the data to be plotted: this should be the name of a list, a matrix, or a single
series.
If a list or matrix is given, the last element (list) or column (matrix) is assumed to be the x-axis
Capítulo 1. Gretl commands 55

variable and the other(s) the y-axis variable(s), unless the --time-series option is given in
which case all the specified data go on the y axis.
The option of supplying a single series name is restricted to time-series data, in which case it is
assumed that a time-series plot is wanted; otherwise an error is flagged.
The starting line may be prefixed with the “savename <-” apparatus to save a plot as an icon in
the GUI program. The block ends with end plot.
Inside the block you have zero or more lines of these types, identified by an initial keyword:

• option: specify a single option.

• options: specify multiple options on a single line, separated by spaces.

• literal: a command to be passed to gnuplot literally.

• printf: a printf statement whose result will be passed to gnuplot literally.

Note that when you specify an option using the option or options keywords, it is not necessary
to supply the customary double-dash before the option specifier. For details on the effects of
the various options please see gnuplot.
The intended use of the plot block is best illustrated by example:

string title = "My title"


string xname = "My x-variable"
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

This example assumes that plotmat is the name of a matrix with at least 2 columns (or a list
with at least two members). Note that it is considered good practice to place the --output
option (only) on the last line of the block.

poisson
Argumentos: depvar indepvars [ ; offset ]
Opções: --robust (robust standard errors)
--cluster=clustvar (see logit for explanation)
--vcv (print covariance matrix)
--verbose (print details of iterations)
Exemplos: poisson y 0 x1 x2
poisson y 0 x1 x2 ; S
Estimates a poisson regression. The dependent variable is taken to represent the occurrence of
events of some sort, and must take on only non-negative integer values.
If a discrete random variable Y follows the Poisson distribution, then

e−v v y
Pr(Y = y) =
y!

for y = 0, 1, 2,. . . . The mean and variance of the distribution are both equal to v. In the Poisson
regression model, the parameter v is represented as a function of one or more independent
variables. The most common version (and the only one supported by gretl) has

v = exp(β0 + β1 x1 + β2 x2 + · · · )
Capítulo 1. Gretl commands 56

or in other words the log of v is a linear function of the independent variables.


Optionally, you may add an “offset” variable to the specification. This is a scale variable, the log
of which is added to the linear regression function (implicitly, with a coefficient of 1.0). This
makes sense if you expect the number of occurrences of the event in question to be proporti-
onal, other things equal, to some known factor. For example, the number of traffic accidents
might be supposed to be proportional to traffic volume, other things equal, and in that case
traffic volume could be specified as an “offset” in a Poisson model of the accident rate. The
offset variable must be strictly positive.
By default, standard errors are computed using the negative inverse of the Hessian. If the
--robust flag is given, then QML or Huber–White standard errors are calculated instead. In this
case the estimated covariance matrix is a “sandwich” of the inverse of the estimated Hessian
and the outer product of the gradient.
See also negbin.
Caminho de Menu: /Model/Limited dependent variable/Count data...

print
Variantes: print varlist
print
print object-name
print string-literal
Opções: --byobs (by observations)
--no-dates (use simple observation numbers)
Exemplos: print x1 x2 --byobs
print my_matrix
print "This is a string"
If varlist is given, prints the values of the specified series, or if no argument is given, prints the
values of all series in the current dataset. If the --byobs flag is added the data are printed by
observation, otherwise they are printed by variable. When printing by observation, the default
is to show the date (with time-series data) or the observation marker string (if any) at the start
of each line. The --no-dates option suppresses the printing of dates or markers; a simple
observation number is shown instead.
Besides printing series, you may give the name of a (single) matrix or scalar variable for printing.
Or you may give a literal string argument, enclosed in double quotes, to be printed as is. In these
case the option flags are not applicable.
Note that you can gain greater control over the printing format (and so, for example, expose a
greater number of digits than are shown by default) by using printf.
Caminho de Menu: /Data/Display values

printf
Argumentos: format , args
Prints scalar values, series, matrices, or strings under the control of a format string (providing
a subset of the printf() statement in the C programming language). Recognized numeric
formats are %e, %E, %f, %g, %G and %d, in each case with the various modifiers available in C.
Examples: the format %.10g prints a value to 10 significant figures; %12.6f prints a value to 6
decimal places, with a width of 12 characters. The format %s should be used for strings.
The format string itself must be enclosed in double quotes. The values to be printed must
follow the format string, separated by commas. These values should take the form of either (a)
the names of variables, (b) expressions that are valid for the genr command, or (c) the special
functions varname() or date(). The following example prints the values of two variables plus
that of a calculated expression:
Capítulo 1. Gretl commands 57

ols 1 0 2 3
scalar b = $coeff[2]
scalar se_b = $stderr[2]
printf "b = %.8g, standard error %.8g, t = %.4f\n",
b, se_b, b/se_b

The next lines illustrate the use of the varname and date functions, which respectively print the
name of a variable, given its ID number, and a date string, given a 1-based observation number.

printf "The name of variable %d is %s\n", i, varname(i)


printf "The date of observation %d is %s\n", j, date(j)

If a matrix argument is given in association with a numeric format, the entire matrix is printed
using the specified format for each element. The same applies to series, except that the range
of values printed is governed by the current sample setting.
The maximum length of a format string is 127 characters. The escape sequences \n (newline),
\t (tab), \v (vertical tab) and \\ (literal backslash) are recognized. To print a literal percent
sign, use %%.
As in C, numerical values that form part of the format (width and or precision) may be given
directly as numbers, as in %10.4f, or they may be given as variables. In the latter case, one puts
asterisks into the format string and supplies corresponding arguments in order. For example,

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

probit
Argumentos: depvar indepvars
Opções: --robust (robust standard errors)
--cluster=clustvar (see logit for explanation)
--vcv (print covariance matrix)
--verbose (print details of iterations)
--p-values (show p-values instead of slopes)
--random-effects (estimates a random effects panel probit model)
--quadpoints=k (number of quadrature points for RE estimation)
Exemplos: ooballot.inp, oprobit.inp, reprobit.inp
If the dependent variable is a binary variable (all values are 0 or 1) maximum likelihood esti-
mates of the coefficients on indepvars are obtained via the Newton–Raphson method. As the
model is nonlinear the slopes depend on the values of the independent variables. By default the
slopes with respect to each of the independent variables are calculated (at the means of those
variables) and these slopes replace the usual p-values in the regression output. This behavior
can be suppressed my giving the --p-values option. The chi-square statistic tests the null
hypothesis that all coefficients are zero apart from the constant.
By default, standard errors are computed using the negative inverse of the Hessian. If the
--robust flag is given, then QML or Huber–White standard errors are calculated instead. In this
case the estimated covariance matrix is a “sandwich” of the inverse of the estimated Hessian
and the outer product of the gradient. See chapter 10 of Davidson and MacKinnon for details.
If the dependent variable is not binary but is discrete, then Ordered Probit estimates are obtai-
ned. (If the variable selected as dependent is not discrete, an error is flagged.)

Probit for panel data


With the --random-effects option, the error term is assumed to be composed of two normally
distributed components: one time-invariant term that is specific to the cross-sectional unit or
Capítulo 1. Gretl commands 58

“individual” (and is known as the individual effect); and one term that is specific to the particular
observation.
Evaluation of the likelihood for this model involves the use of Gauss-Hermite quadrature for
approximating the value of expectations of functions of normal variates. The number of qua-
drature points used can be chosen through the --quadpoints option (the default is 32). Using
more points will increase the accuracy of the results, but at the cost of longer compute time;
with many quadrature points and a large dataset estimation may be quite time consuming.
Besides the usual parameter estimates (and associated statistics) relating to the included re-
gressors, certain additional information is presented on estimation of this sort of model:

• lnsigma2: the maximum likelihood estimate of the log of the variance of the individual
effect;

• sigma_u: the estimated standard deviation of the individual effect; and

• rho: the estimated share of the individual effect in the composite error variance (also
known as the intra-class correlation).

The Likelihood Ratio test of the null hypothesis that rho equals zero provides a means of
assessing whether the random effects specification is needed. If the null is not rejected that
suggests that a simple pooled probit specification is adequate.
Caminho de Menu: /Model/Limited dependent variable/Probit

pvalue
Argumentos: dist [ params ] xval
Exemplos: pvalue z zscore
pvalue t 25 3.0
pvalue X 3 5.6
pvalue F 4 58 fval
pvalue G shape scale x
pvalue B bprob 10 6
pvalue P lambda x
pvalue W shape scale x
Computes the area to the right of xval in the specified distribution (z for Gaussian, t for Stu-
dent’s t, X for chi-square, F for F , G for gamma, B for binomial, P for Poisson, or W for Weibull).
Depending on the distribution, the following information must be given, before the xval: for the
t and chi-square distributions, the degrees of freedom; for F , the numerator and denominator
degrees of freedom; for gamma, the shape and scale parameters; for the binomial distribution,
the “success” probability and the number of trials; for the Poisson distribution, the parameter λ
(which is both the mean and the variance); and for the Weibull distribution, shape and scale pa-
rameters. As shown in the examples above, the numerical parameters may be given in numeric
form or as the names of variables.
The parameters for the gamma distribution are sometimes given as mean and variance rather
than shape and scale. The mean is the product of the shape and the scale; the variance is the
product of the shape and the square of the scale. So the scale may be found as the variance
divided by the mean, and the shape as the mean divided by the scale.
Caminho de Menu: /Tools/P-value finder

qlrtest
Opções: --limit-to=list (limit test to subset of regressors)
--plot=mode-or-filename (see below)
Capítulo 1. Gretl commands 59

For a model estimated on time-series data via OLS, performs the Quandt likelihood ratio (QLR)
test for a structural break at an unknown point in time, with 15 percent trimming at the begin-
ning and end of the sample period.
For each potential break point within the central 70 percent of the observations, a Chow test is
performed. See chow for details; as with the regular Chow test, this is a robust Wald test if the
original model was estimated with the --robust option, an F-test otherwise. The QLR statistic
is then the maximum of the individual test statistics.
An asymptotic p-value is obtained using the method of Hansen (1997).
Besides the standard hypothesis test accessors $test and $pvalue, $qlrbreak can be used to
retrieve the index of the observation at which the test statistic is maximized.
The --limit-to option can be used to limit the set of interactions with the split dummy varia-
ble in the Chow tests to a subset of the original regressors. The parameter for this option must
be a named list, all of whose members are among the original regressors. The list should not
include the constant.
When this command is run interactively (only), a plot of the Chow test statistic is displayed by
default. This can be adjusted via the --plot option. The acceptable parameters to this option
are none (to suppress the plot); display (to display a plot even when not in interactive mode);
or a file name. The effect of providing a file name is as described for the --output option of
the gnuplot command.
Caminho de Menu: Model window, /Tests/QLR test

qqplot
Variantes: qqplot y
qqplot y x
Opções: --z-scores (see below)
--raw (see below)
--output=filename (send output to specified file)
Given just one series argument, displays a plot of the empirical quantiles of the selected series
(given by name or ID number) against the quantiles of the normal distribution. The series must
include at least 20 valid observations in the current sample range. By default the empirical
quantiles are plotted against quantiles of the normal distribution having the same mean and
variance as the sample data, but two alternatives are available: if the --z-scores option is
given the data are standardized, while if the --raw option is given the “raw” empirical quantiles
are plotted against the quantiles of the standard normal distribution.
The option --output has the effect to send the output to the desiderd filename; use “display”
to force output to the screen, for example during a loop.
Given two series arguments, y and x, displays a plot of the empirical quantiles of y against
those of x. The data values are not standardized.
Caminho de Menu: /Variable/Normal Q-Q plot
Caminho de Menu: /View/Graph specified vars/Q-Q plot
Capítulo 1. Gretl commands 60

quantreg

Argumentos: tau depvar indepvars


Opções: --robust (robust standard errors)
--intervals[=level] (compute confidence intervals)
--vcv (print covariance matrix)
--quiet (suppress printing of results)
Exemplos: quantreg 0.25 y 0 xlist
quantreg 0.5 y 0 xlist --intervals
quantreg 0.5 y 0 xlist --intervals=.95
quantreg tauvec y 0 xlist --robust
Ver tambémmrw_qr.inp
Quantile regression. The first argument, tau, is the conditional quantile for which estimates
are wanted. It may be given either as a numerical value or as the name of a pre-defined scalar
variable; the value must be in the range 0.01 to 0.99. (Alternatively, a vector of values may
be given for tau; see below for details.) The second and subsequent arguments compose a
regression list on the same pattern as ols.
Without the --intervals option, standard errors are printed for the quantile estimates. By
default, these are computed according to the asymptotic formula given by Koenker and Bassett
(1978), but if the --robust option is given, standard errors that are robust with respect to
heteroskedasticity are calculated using the method of Koenker and Zhao (1994).
When the --intervals option is chosen, confidence intervals are given for the parameter es-
timates instead of standard errors. These intervals are computed using the rank inversion
method, and in general they are asymmetrical about the point estimates. The specifics of the
calculation are inflected by the --robust option: without this, the intervals are computed on
the assumption of IID errors (Koenker, 1994); with it, they use the robust estimator developed
by Koenker and Machado (1999).
By default, 90 percent confidence intervals are produced. You can change this by appending a
confidence level (expressed as a decimal fraction) to the intervals option, as in --intervals=0.95.
Vector-valued tau: instead of supplying a scalar, you may give the name of a pre-defined matrix.
In this case estimates are computed for all the given tau values and the results are printed in a
special format, showing the sequence of quantile estimates for each regressor in turn.
Caminho de Menu: /Model/Robust estimation/Quantile regression

quit
Exits from the program, giving you the option of saving the output from the session on the way
out.
Caminho de Menu: /File/Exit

rename
Argumentos: series newname
Changes the name of series (identified by name or ID number) to newname. The new name must
be of 31 characters maximum, must start with a letter, and must be composed of only letters,
digits, and the underscore character.
Caminho de Menu: /Variable/Edit attributes
Acesso alternativo: Main window pop-up menu (single selection)
Capítulo 1. Gretl commands 61

reset
Opções: --quiet (don’t print the auxiliary regression)
--squares-only (compute the test using only the squares)
--cubes-only (compute the test using only the cubes)
Must follow the estimation of a model via OLS. Carries out Ramsey’s RESET test for model
specification (non-linearity) by adding the square and/or the cube of the fitted values to the
regression and calculating the F statistic for the null hypothesis that the parameters on the
added terms are zero.
Both the square and the cube are added, unless one of the options --squares-only or --cubes-only
is given.
Caminho de Menu: Model window, /Tests/Ramsey’s RESET

restrict
Opções: --quiet (don’t print restricted estimates)
--silent (don’t print anything)
--wald (system estimators only – see below)
--bootstrap (bootstrap the test if possible)
--full (OLS and VECMs only, see below)
Imposes a set of (usually linear) restrictions on either (a) the model last estimated or (b) a system
of equations previously defined and named. In all cases the set of restrictions should be started
with the keyword “restrict” and terminated with “end restrict”.
In the single equation case the restrictions are always implicitly to be applied to the last model,
and they are evaluated as soon as the restrict block is closed.
In the case of a system of equations (defined via the system command), the initial “restrict”
may be followed by the name of a previously defined system of equations. If this is omitted and
the last model was a system then the restrictions are applied to the last model. By default the
restrictions are evaluated when the system is next estimated, using the estimate command. But
if the --wald option is given the restriction is tested right away, via a Wald chi-square test on
the covariance matrix. Note that this option will produce an error if a system has been defined
but not yet estimated.
Depending on the context, the restrictions to be tested may be expressed in various ways. The
simplest form is as follows: each restriction is given as an equation, with a linear combination
of parameters on the left and a scalar value to the right of the equals sign (either a numerical
constant or the name of a scalar variable).
In the single-equation case, parameters may be referenced in the form b[i], where i represents
the position in the list of regressors (starting at 1), or b[varname], where varname is the name
of the regressor in question. In the system case, parameters are referenced using b plus two
numbers in square brackets. The leading number represents the position of the equation within
the system and the second number indicates position in the list of regressors. For example
b[2,1] denotes the first parameter in the second equation, and b[3,2] the second parameter
in the third equation. The b terms in the equation representing a restriction may be prefixed
with a numeric multiplier, for example 3.5*b[4].
Here is an example of a set of restrictions for a previously estimated model:

restrict
b[1] = 0
b[2] - b[3] = 0
b[4] + 2*b[5] = 1
end restrict

And here is an example of a set of restrictions to be applied to a named system. (If the name of
the system does not contain spaces, the surrounding quotes are not required.)
Capítulo 1. Gretl commands 62

restrict "System 1"


b[1,1] = 0
b[1,2] - b[2,2] = 0
b[3,4] + 2*b[3,5] = 1
end restrict

In the single-equation case the restrictions are by default evaluated via a Wald test, using the
covariance matrix of the model in question. If the original model was estimated via OLS then
the restricted coefficient estimates are printed; to suppress this, append the --quiet option
flag to the initial restrict command. As an alternative to the Wald test, for models estimated
via OLS or WLS only, you can give the --bootstrap option to perform a bootstrapped test of
the restriction.
In the system case, the test statistic depends on the estimator chosen: a Likelihood Ratio test if
the system is estimated using a Maximum Likelihood method, or an asymptotic F -test otherwise.
There are two alternatives to the method of expressing restrictions discussed above. First, a set
of g linear restrictions on a k-vector of parameters, β, may be written compactly as Rβ − q = 0,
where R is an g × k matrix and q is a g-vector. You can specify a restriction by giving the names
of pre-defined, conformable matrices to be used as R and q, as in

restrict
R = Rmat
q = qvec
end restrict

Secondly, if you wish to test a nonlinear restriction (this is currently available for single-equation
models only) you should give the restriction as the name of a function, preceded by “rfunc =
”, as in

restrict
rfunc = myfunction
end restrict

The constraint function should take a single const matrix argument; this will be automatically
filled out with the parameter vector. And it should return a vector which is zero under the null
hypothesis, non-zero otherwise. The length of the vector is the number of restrictions. This
function is used as a “callback” by gretl’s numerical Jacobian routine, which calculates a Wald
test statistic via the delta method.
Here is a simple example of a function suitable for testing one nonlinear restriction, namely
that two pairs of parameter values have a common ratio.

function matrix restr (const matrix b)


matrix v = b[1]/b[2] - b[4]/b[5]
return v
end function

On successful completion of the restrict command the accessors $test and $pvalue give
the test statistic and its p-value.
When testing restrictions on a single-equation model estimated via OLS, or on a VECM, the
--full option can be used to set the restricted estimates as the “last model” for the purposes
of further testing or the use of accessors such as $coeff and $vcv. Note that some special con-
siderations apply in the case of testing restrictions on Vector Error Correction Models. Please
see the Gretl User’s Guide (Capítulo 30) for details.
Caminho de Menu: Model window, /Tests/Linear restrictions
Capítulo 1. Gretl commands 63

rmplot
Argumento: series
Opções: --trim (see below)
--quiet (suppress printed output)
Range–mean plot: this command creates a simple graph to help in deciding whether a time
series, y(t), has constant variance or not. We take the full sample t=1,...,T and divide it into
small subsamples of arbitrary size k. The first subsample is formed by y(1),...,y(k), the second
is y(k+1), ..., y(2k), and so on. For each subsample we calculate the sample mean and range (=
maximum minus minimum), and we construct a graph with the means on the horizontal axis
and the ranges on the vertical. So each subsample is represented by a point in this plane. If
the variance of the series is constant we would expect the subsample range to be independent
of the subsample mean; if we see the points approximate an upward-sloping line this suggests
the variance of the series is increasing in its mean; and if the points approximate a downward
sloping line this suggests the variance is decreasing in the mean.
Besides the graph, gretl displays the means and ranges for each subsample, along with the slope
coefficient for an OLS regression of the range on the mean and the p-value for the null hypothe-
sis that this slope is zero. If the slope coefficient is significant at the 10 percent significance
level then the fitted line from the regression of range on mean is shown on the graph. The
t-statistic for the null, and the corresponding p-value, are recorded and may be retrieved using
the accessors $test and $pvalue respectively.
If the --trim option is given, the minimum and maximum values in each sub-sample are dis-
carded before calculating the mean and range. This makes it less likely that outliers will distort
the analysis.
If the --quiet option is given, no graph is shown and no output is printed; only the t-statistic
and p-value are recorded.
Caminho de Menu: /Variable/Range-mean graph

run
Argumento: filename
Executes the commands in filename then returns control to the interactive prompt. This com-
mand is intended for use with the command-line program gretlcli, or at the “gretl console” in
the GUI program.
See also include.
Caminho de Menu: Run icon in script window

runs
Argumento: series
Opções: --difference (use first difference of variable)
--equal (positive and negative values are equiprobable)
Carries out the nonparametric “runs” test for randomness of the specified series, where runs
are defined as sequences of consecutive positive or negative values. If you want to test for
randomness of deviations from the median, for a variable named x1 with a non-zero median,
you can do the following:

series signx1 = x1 - median(x1)


runs signx1

If the --difference option is given, the variable is differenced prior to the analysis, hence
the runs are interpreted as sequences of consecutive increases or decreases in the value of the
variable.
Capítulo 1. Gretl commands 64

If the --equal option is given, the null hypothesis incorporates the assumption that positive
and negative values are equiprobable, otherwise the test statistic is invariant with respect to the
“fairness” of the process generating the sequence, and the test focuses on independence alone.
Caminho de Menu: /Tools/Nonparametric tests

scatters
Argumentos: yvar ; xvars ou yvars ; xvar
Opções: --with-lines (create line graphs)
--matrix=name (plot columns of named matrix)
--output=filename (send output to specified file)
--output=filename (send output to specified file)
Exemplos: scatters 1 ; 2 3 4 5
scatters 1 2 3 4 5 6 ; 7
scatters y1 y2 y3 ; x --with-lines
Generates pairwise graphs of yvar against all the variables in xvars, or of all the variables in
yvars against xvar. The first example above puts variable 1 on the y-axis and draws four
graphs, the first having variable 2 on the x-axis, the second variable 3 on the x-axis, and so
on. The second example plots each of variables 1 through 6 against variable 7 on the x-axis.
Scanning a set of such plots can be a useful step in exploratory data analysis. The maximum
number of plots is 16; any extra variable in the list will be ignored.
By default the graphs are scatterplots, but if you give the --with-lines flag they will be line
graphs.
For details on usage of the --output option, please see the gnuplot command.
If a named matrix is specified as the data source the x and y lists should be given as 1-based
column numbers; or alternatively, if no such numbers are given, all the columns are plotted
against time or an index variable.
If the dataset is time-series, then the second sub-list can be omitted, in which case it will impli-
citly be taken as "time", so you can plot multiple time series in separated sub-graphs.
Caminho de Menu: /View/Multiple graphs

sdiff
Argumento: varlist
The seasonal difference of each variable in varlist is obtained and the result stored in a new
variable with the prefix sd_. This command is available only for seasonal time series.
Caminho de Menu: /Add/Seasonal differences of selected variables

set
Variantes: set variable value
set --to-file=filename
set --from-file=filename
set stopwatch
set
Exemplos: set svd on
set csv_delim tab
set horizon 10
set --to-file=mysettings.inp
The most common use of this command is the first variant shown above, where it is used to set
the value of a selected program parameter. This is discussed in detail below. The other uses
Capítulo 1. Gretl commands 65

are: with --to-file, to write a script file containing all the current parameter settings; with
--from-file to read a script file containing parameter settings and apply them to the current
session; with stopwatch to zero the gretl “stopwatch” which can be used to measure CPU time
(see the entry for the $stopwatch accessor in the gretl function reference); or, if the word set
is given alone, to print the current settings.
Values set via this comand remain in force for the duration of the gretl session unless they are
changed by a further call to set. The parameters that can be set in this way are enumerated
below. Note that the settings of hc_version, hac_lag and hac_kernel are used when the
--robust option is given to an estimation command.
The available settings are grouped under the following categories: program interaction and
behavior, numerical methods, random number generation, robust estimation, filtering, time
series estimation, and interaction with GNU R.

Program interaction and behavior


These settings are used for controlling various aspects of the way gretl interacts with the user.

• csv_delim: either comma (the default), space, tab or semicolon. Sets the column delimi-
ter used when saving data to file in CSV format.
• csv_write_na: the string used to represent missing values when writing data to file in
CSV format. Maximum 7 characters; the default is NA.
• csv_read_na: the string taken to represent missing values (NAs) when reading data in
CSV format. Maximum 7 characters. The default depends on whether a data column is
found to contain numerical data (mostly) or string values. For numerical data the following
are taken as indicating NAs: an empty cell, or any of the strings NA, N.A., na, n.a., N/A,
#N/A, NaN, .NaN, ., .., -999, and -9999. For string-valued data only a blank cell, or a cell
containing an empty string, is counted as NA. These defaults can be reimposed by giving
default as the value for csv_read_na. To specify that only empty cells are read as NAs,
give a value of . Note that empty cells are always read as NAs regardless of the setting of
this variable.
• csv_digits: a positive integer specifying the number of significant digits to use when
writing data in CSV format. By default up to 15 digits are used depending on the precision
of the original data. Note that CSV output employs the C library’s fprintf function with
“%g” conversion, which means that trailing zeros are dropped.
• mwrite_g: on or off (the default). When writing a matrix to file as text, gretl by default
uses scientific notation with 18-digit precision, hence ensuring that the stored values are
a faithful representation of the numbers in memory. When writing primary data with no
more than 6 digits of precision it may be preferable to use %g format for a more compact
and human-readable file; you can make this switch via set mwrite_g on.
• echo: off or on (the default). Suppress or resume the echoing of commands in gretl’s
output.
• force_decpoint: on or off (the default). Force gretl to use the decimal point charac-
ter, in a locale where another character (most likely the comma) is the standard decimal
separator.
• loop_maxiter: one non-negative integer value (default 100000). Sets the maximum num-
ber of iterations that a while loop is allowed before halting (see loop). Note that this
setting only affects the while variant; its purpose is to guard against inadvertently infi-
nite loops. Setting this value to 0 has the effect of disabling the limit; use with caution.
• max_verbose: on or off (the default). Toggles verbose output for the BFGSmax and NRmax
functions (see the User’s Guide for details).
• messages: off or on (the default). Suppress or resume the printing of non-error messages
associated with various commands, for example when a new variable is generated or when
the sample range is changed.
Capítulo 1. Gretl commands 66

• warnings: off or on (the default). Suppress or resume the printing of warning messages
issued when arithmetical operations produce non-finite values.
• debug: 1, 2 or 0 (the default). This is for use with user-defined functions. Setting debug to
1 is equivalent to turning messages on within all such functions; setting this variable to 2
has the additional effect of turning on max_verbose within all functions.
• shell_ok: on or off (the default). Enable launching external programs from gretl via the
system shell. This is disabled by default for security reasons, and can only be enabled
via the graphical user interface (Tools/Preferences/General). However, once set to on, this
setting will remain active for future sessions until explicitly disabled.
• use_cwd: on or off (the default). This setting affects the behavior of the outfile and
store commands, which write external files. Normally, the file will be written in the user’s
default data directory; if use_cwd is on, on the contrary, the file will be created in the
working directory when gretl was started.
• bfgs_verbskip: one integer. This setting affects the behavior of the --verbose option
to those commands that use BFGS as an optimization algorithm and is used to compact
output. if bfgs_verbskip is set to, say, 3, then the --verbose switch will only print
iterations 3, 6, 9 and so on.
• skip_missing: on (the default) or off. Controls gretl’s behavior when contructing a
matrix from data series: the default is to skip data rows that contain one or more missing
values but if skip_missing is set off missing values are converted to NaNs.
• matrix_mask: the name of a series, or the keyword null. Offers greater control than
skip_missing when constructing matrices from series: the data rows selected for matri-
ces are those with non-zero (and non-missing) values in the specified series. The selected
mask remains in force until it is replaced, or removed via the null keyword.
• huge: a large positive number (by default, 1.0E100). This setting controls the value retur-
ned by the accessor $huge.

Numerical methods
These settings are used for controlling the numerical algorithms that gretl uses for estimation.

• optimizer: either auto (the default), BFGS or newton. Sets the optimization algorithm
used for various ML estimators, in cases where both BFGS and Newton–Raphson are ap-
plicable. The default is to use Newton–Raphson where an analytical Hessian is available,
otherwise BFGS.
• bhhh_maxiter: one integer, the maximum number of iterations for gretl’s internal BHHH
routine, which is used in the arma command for conditional ML estimation. If convergence
is not achieved after bhhh_maxiter, the program returns an error. The default is set at
500.
• bhhh_toler: one floating point value, or the string default. This is used in gretl’s inter-
nal BHHH routine to check if convergence has occurred. The algorithm stops iterating as
soon as the increment in the log-likelihood between iterations is smaller than bhhh_toler.
The default value is 1.0E−06; this value may be re-established by typing default in place
of a numeric value.
• bfgs_maxiter: one integer, the maximum number of iterations for gretl’s BFGS routine,
which is used for mle, gmm and several specific estimators. If convergence is not achieved
in the specified number of iterations, the program returns an error. The default value
depends on the context, but is typically of the order of 500.
• bfgs_toler: one floating point value, or the string default. This is used in gretl’s
BFGS routine to check if convergence has occurred. The algorithm stops as soon as
the relative improvement in the objective function between iterations is smaller than
bfgs_toler. The default value is the machine precision to the power 3/4; this value
may be re-established by typing default in place of a numeric value.
Capítulo 1. Gretl commands 67

• bfgs_maxgrad: one floating point value. This is used in gretl’s BFGS routine to check if
the norm of the gradient is reasonably close to zero when the bfgs_toler criterion is
met. A warning is printed if the norm of the gradient exceeds 1; an error is flagged if the
norm exceeds bfgs_maxgrad. At present the default is the permissive value of 5.0.

• bfgs_richardson: on or off (the default). Use Richardson extrapolation when computing


numerical derivatives in the context of BFGS maximization.

• initvals: either auto (the default) or the name of a pre-specified matrix. Allows manual
setting of the initial parameter estimates for numerical optimization problems (such as
ARMA estimation). For details see the Gretl User’s Guide (Capítulo 28).

• lbfgs: on or off (the default). Use the limited-memory version of BFGS (L-BFGS-B) instead
of the ordinary algorithm. This may be advantageous when the function to be maximized
is not globally concave.

• lbfgs_mem: an integer value in the range 3 to 20 (with a default value of 8). This de-
termines the number of corrections used in the limited memory matrix when L-BFGS-B is
employed.

• nls_toler: a floating-point value (the default is the machine precision to the power 3/4).
Sets the tolerance used in judging whether or not convergence has occurred in nonlinear
least squares estimation using the nls command.

• svd: on or off (the default). Use SVD rather than Cholesky or QR decomposition in least
squares calculations. This option applies to the mols function as well as various internal
calculations, but not to the regular ols command.

• fcp: on or off (the default). Use the algorithm of Fiorentini, Calzolari and Panattoni rather
than native gretl code when computing GARCH estimates.

• gmm_maxiter: one integer, the maximum number of iterations for gretl’s gmm command
when in iterated mode (as opposed to one- or two-step). The default value is 250.

• nadarwat_trim: one integer, the trim parameter used in the nadarwat function.

• fdjac_quality: one integer between 0 and 2, the algorithm used by the fdjac function.

Random number generation


• seed: an unsigned integer. Sets the seed for the pseudo-random number generator. By
default this is set from the system time; if you want to generate repeatable sequences of
random numbers you must set the seed manually.

• normal_rand: ziggurat (the default) or box-muller. Sets the method for generating
random normal samples based on uniform input.

Robust estimation
• bootrep: an integer. Sets the number of replications for the restrict command with the
--bootstrap option.

• garch_vcv: unset, hessian, im (information matrix) , op (outer product matrix), qml


(QML estimator), bw (Bollerslev–Wooldridge). Specifies the variant that will be used for
estimating the coefficient covariance matrix, for GARCH models. If unset is given (the de-
fault) then the Hessian is used unless the “robust” option is given for the garch command,
in which case QML is used.

• arma_vcv: hessian (the default) or op (outer product matrix). Specifies the variant to be
used when computing the covariance matrix for ARIMA models.
Capítulo 1. Gretl commands 68

• force_hc: off (the default) or on. By default, with time-series data and when the --robust
option is given with ols, the HAC estimator is used. If you set force_hc to “on”, this for-
ces calculation of the regular Heteroskedasticity Consistent Covariance Matrix (HCCM),
which does not take autocorrelation into account. Note that VARs are treated as a special
case: when the --robust option is given the default method is regular HCCM, but the
--robust-hac flag can be used to force the use of a HAC estimator.

• robust_z: off (the default) or on. This controls the distribution used when calculating
p-values based on robust standard errors in the context of least-squares estimators. By
default gretl uses the Student t distribution but if robust_z is turned on the normal
distribution is used.

• hac_lag: nw1 (the default), nw2, nw3 or an integer. Sets the maximum lag value or
bandwidth, p, used when calculating HAC (Heteroskedasticity and Autocorrelation Con-
sistent) standard errors using the Newey-West approach, for time series data. nw1 and
nw2 represent two variant automatic calculations based on the sample size, T : for nw1,
p = 0.75 × T 1/3 , and for nw2, p = 4 × (T /100)2/9 . nw3 calls for data-based bandwidth
selection. See also qs_bandwidth and hac_prewhiten below.

• hac_kernel: bartlett (the default), parzen, or qs (Quadratic Spectral). Sets the kernel,
or pattern of weights, used when calculating HAC standard errors.

• hac_prewhiten: on or off (the default). Use Andrews-Monahan prewhitening and re-


coloring when computing HAC standard errors. This also implies use of data-based bandwidth
selection.

• hc_version: 0 (the default), 1, 2, 3 or 3a. Sets the variant used when calculating Hete-
roskedasticity Consistent standard errors with cross-sectional data. The first four options
correspond to the HC0, HC1, HC2 and HC3 discussed by Davidson and MacKinnon in Eco-
nometric Theory and Methods, chapter 5. HC0 produces what are usually called “White’s
standard errors”. Variant 3a is the MacKinnon–White “jackknife” procedure.

• pcse: off (the default) or on. By default, when estimating a model using pooled OLS on
panel data with the --robust option, the Arellano estimator is used for the covariance
matrix. If you set pcse to “on”, this forces use of the Beck and Katz Panel Corrected
Standard Errors (which do not take autocorrelation into account).

• qs_bandwidth: Bandwidth for HAC estimation in the case where the Quadratic Spectral
kernel is selected. (Unlike the Bartlett and Parzen kernels, the QS bandwidth need not be
an integer.)

Time series
• horizon: one integer (the default is based on the frequency of the data). Sets the hori-
zon for impulse responses and forecast variance decompositions in the context of vector
autoregressions.

• vecm_norm: phillips (the default), diag, first or none. Used in the context of VECM
estimation via the vecm command for identifying the cointegration vectors. See the the
Gretl User’s Guide (Capítulo 30) for details.

Interaction with R

• R_lib: on (the default) or off. When sending instructions to be executed by R, use the R
shared library by preference to the R executable, if the library is available.

• R_functions: off (the default) or on. Recognize functions defined in R as if they were na-
tive functions (the namespace prefix “R.” is required). See the Gretl User’s Guide (Capítulo
39) for details on this and the previous item.
Capítulo 1. Gretl commands 69

setinfo
Argumento: series
Opções: --description=string (set description)
--graph-name=string (set graph name)
--discrete (mark series as discrete)
--continuous (mark series as continuous)
Exemplos: setinfo x1 --description="Description of x1"
setinfo y --graph-name="Some string"
setinfo z --discrete
Sets up to three attributes of series, given by name or ID number, as follows.
If the --description flag is given followed by a string in double quotes, that string is used to
set the variable’s descriptive label. This label is shown in response to the labels command, and
is also shown in the main window of the GUI program.
If the --graph-name flag is given followed by a quoted string, that string will be used in place
of the variable’s name in graphs.
If one or other of the --discrete or --continuous option flags is given, the variable’s nume-
rical character is set accordingly. The default is to treat all series as continuous; setting a series
as discrete affects the way the variable is handled in frequency plots.
Caminho de Menu: /Variable/Edit attributes
Acesso alternativo: Main window pop-up menu

setmiss
Argumentos: value [ varlist ]
Exemplos: setmiss -1
setmiss 100 x2
Get the program to interpret some specific numerical data value (the first parameter to the com-
mand) as a code for “missing”, in the case of imported data. If this value is the only parameter,
as in the first example above, the interpretation will be applied to all series in the data set. If
value is followed by a list of variables, by name or number, the interpretation is confined to the
specified variable(s). Thus in the second example the data value 100 is interpreted as a code for
“missing”, but only for the variable x2.
Caminho de Menu: /Data/Set missing value code

setobs
Variantes: setobs periodicity startobs
setobs unitvar timevar --panel-vars
Opções: --cross-section (interpret as cross section)
--time-series (interpret as time series)
--stacked-cross-section (interpret as panel data)
--stacked-time-series (interpret as panel data)
--panel-vars (use index variables, see below)
--panel-time (see below)
--panel-groups (see below)
Exemplos: setobs 4 1990:1 --time-series
setobs 12 1978:03
setobs 1 1 --cross-section
setobs 20 1:1 --stacked-time-series
setobs unit year --panel-vars
Capítulo 1. Gretl commands 70

This command forces the program to interpret the current data set as having a specified struc-
ture.
In the first form of the command the periodicity, which must be an integer, represents frequency
in the case of time-series data (1 = annual; 4 = quarterly; 12 = monthly; 52 = weekly; 5, 6, or
7 = daily; 24 = hourly). In the case of panel data the periodicity means the number of lines
per data block: this corresponds to the number of cross-sectional units in the case of stacked
cross-sections, or the number of time periods in the case of stacked time series. In the case of
simple cross-sectional data the periodicity should be set to 1.
The starting observation represents the starting date in the case of time series data. Years
may be given with two or four digits; subperiods (for example, quarters or months) should be
separated from the year with a colon. In the case of panel data the starting observation should
be given as 1:1; and in the case of cross-sectional data, as 1. Starting observations for daily or
weekly data should be given in the form YYYY-MM-DD (or simply as 1 for undated data).
If no explicit option flag is given to indicate the structure of the data the program will attempt
to guess the structure from the information given.
The second form of the command (which requires the --panel-vars flag) may be used to
impose a panel interpretation when the data set contains variables that uniquely identify the
cross-sectional units and the time periods. The data set will be sorted as stacked time series,
by ascending values of the units variable, unitvar.

Panel-specific options
The --panel-time and --panel-groups options can only be used with a dataset which has
already been defined as a panel.
The purpose of --panel-time is to set extra information regarding the time dimension of the
panel. This should be given on the pattern of the first form of setobs noted above. For example,
the following may be used to indicate that the time dimension of a panel is quarterly, starting
in the first quarter of 1990.

setobs 4 1990:1 --panel-time

The purpose of --panel-groups is to create a string-valued series holding names for the
groups (individuals, cross-sectional units) in the panel. (This will be used where appropriate
in panel graphs.) With this option you supply either one or two arguments as follows.
First case: the (single) argument is the name of a string-valued series. If the number of distinct
values equals the number of groups in the panel this series is used to define the group names.
If necessary, the numerical content of the series will be adjusted such that the values are all
1s for the first group, all 2s for the second, and so on. If the number of string values doesn’t
match the number of groups an error is flagged.
Second case: the first argument is the name of a series and the second is a string literal or
variable holding a name for each group. The series will be created if it does not already exist. If
the second argument is a string literal or string variable the group names should be separated
by spaces; if a name includes spaces it should be wrapped in backslash-escaped double-quotes.
Alternatively the second argument may be an array of strings.
For example, the following will create a series named country in which the names in cstrs are
each repeated T times, T being the time-series length of the panel.

string cstrs = sprintf("France Germany Italy \"United Kingdom\"")


setobs country cstrs --panel-groups

Caminho de Menu: /Data/Dataset structure


Capítulo 1. Gretl commands 71

setopt
Argumentos: command [ action ] options
Exemplos: setopt mle --hessian
setopt ols persist --quiet
setopt ols clear
This command enables the pre-setting of options for a specified command. Ordinarily this is
not required, but it may be useful for the writers of hansl functions when they wish to make
certain command options conditional on the value of an argument supplied by the caller.
For example, suppose a function offers a boolean “quiet” switch, whose intended effect is to
suppress the printing of results from a certain regression executed within the function. In that
case one might write:

if quiet
setopt ols --quiet
endif
ols ...

The --quiet option will then be applied to the next ols command if and only if the variable
quiet has a non-zero value.
By default, options set in this way apply only to the following instance of command; they are
not persistent. However if you give persist as the value for action the options will continue to
apply to the given command until further notice. The antidote to the persist action is clear:
this erases any stored setting for the specified command.
It should be noted that options set via setopt are compounded with any options attached to
the target command directly. So for example one might append the --hessian option to an
mle command unconditionally but use setopt to add --quiet conditionally.

shell
Argumento: shellcommand
Exemplos: ! ls -al
! notepad
launch notepad
An exclamation mark, !, or the keyword launch, at the beginning of a command line is inter-
preted as an escape to the user’s shell. Thus arbitrary shell commands can be executed from
within gretl. When ! is used, the external command is executed synchronously. That is, gretl
waits for it to complete before proceeding. If you want to start another program from within
gretl and not wait for its completion (asynchronous operation), use launch instead.
For reasons of security this facility is not enabled by default. To activate it, check the box titled
“Allow shell commands” under the File, Preferences menu in the GUI program. This also makes
shell commands available in the command-line program (and is the only way to do so).
Capítulo 1. Gretl commands 72

smpl
Variantes: smpl startobs endobs
smpl +i -j
smpl dumvar --dummy
smpl condition --restrict
smpl --no-missing [ varlist ]
smpl --no-all-missing [ varlist ]
smpl --contiguous [ varlist ]
smpl n --random
smpl full
Opções: --dummy (argument is a dummy variable)
--restrict (apply boolean restriction)
--replace (replace any existing boolean restriction)
--no-missing (restrict to valid observations)
--no-all-missing (omit empty observations (see below))
--contiguous (see below)
--random (form random sub-sample)
--permanent (see below)
--balanced (panel data: try to retain balanced panel)
Exemplos: smpl 3 10
smpl 1960:2 1982:4
smpl +1 -1
smpl x > 3000 --restrict
smpl y > 3000 --restrict --replace
smpl 100 --random
Resets the sample range. The new range can be defined in several ways. In the first alternate
form (and the first two examples) above, startobs and endobs must be consistent with the
periodicity of the data. Either one may be replaced by a semicolon to leave the value unchanged.
In the second form, the integers i and j (which may be positive or negative, and should be signed)
are taken as offsets relative to the existing sample range. In the third form dummyvar must
be an indicator variable with values 0 or 1 at each observation; the sample will be restricted to
observations where the value is 1. The fourth form, using --restrict, restricts the sample to
observations that satisfy the given Boolean condition (which is specified according to the syntax
of the genr command).
The options --no-missing and --no-all-missing may be used to exclude from the sample
observations for which data are missing. The first variant excludes those rows in the dataset
for which at least one variable has a missing value, while the second excludes just those rows
on which all variables have missing values. In each case the test is confined to the variables
in varlist if this argument is given, otherwise it is applied to all series — with the qualification
that in the case of --no-all-missing and no varlist, the generic variables index and time are
ignored.
The --contiguous form of smpl is intended for use with time series data. The effect is to trim
any observations at the start and end of the current sample range that contain missing values
(either for the variables in varlist, or for all data series if no varlist is given). Then a check
is performed to see if there are any missing values in the remaining range; if so, an error is
flagged.
With the --random flag, the specified number of cases are selected from the current dataset at
random (without replacement). If you wish to be able to replicate this selection you should set
the seed for the random number generator first (see the set command).
The final form, smpl full, restores the full data range.
Capítulo 1. Gretl commands 73

Note that sample restrictions are, by default, cumulative: the baseline for any smpl command
is the current sample. If you wish the command to act so as to replace any existing restriction
you can add the option flag --replace to the end of the command. (But this option is not
compatible with the --contiguous option.)
The internal variable obs may be used with the --restrict form of smpl to exclude particular
observations from the sample. For example

smpl obs!=4 --restrict

will drop just the fourth observation. If the data points are identified by labels,

smpl obs!="USA" --restrict

will drop the observation with label “USA”.


One point should be noted about the --dummy, --restrict and --no-missing forms of smpl:
“structural” information in the data file (regarding the time series or panel nature of the data)
is likely to be lost when this command is issued. You may reimpose structure with the setobs
command. A related option, for use with panel data, is the --balanced flag: this requests that
a balanced panel is reconstituted after sub-sampling, via the insertion of “missing rows” if need
be. But note that it is not always possible to comply with this request.
By default, restrictions on the current sample range are undoable: by doing smpl full you
can restore the unrestricted dataset. However, the --permanent flag can be used to substitute
the restricted dataset for the original. This option is only available in conjunction with the
--restrict, --dummy, --no-missing, --no-all-missing or --random forms of smpl.
Please see the Gretl User’s Guide (Capítulo 5) for further details.
Caminho de Menu: /Sample

spearman
Argumentos: series1 series2
Opção: --verbose (print ranked data)
Prints Spearman’s rank correlation coefficient for the series series1 and series2. The variables
do not have to be ranked manually in advance; the function takes care of this.
The automatic ranking is from largest to smallest (i.e. the largest data value gets rank 1). If
you need to invert this ranking, create a new variable which is the negative of the original. For
example:

series altx = -x
spearman altx y

Caminho de Menu: /Model/Robust estimation/Rank correlation

sprintf
Argumentos: stringvar format , args
This command works exactly like the printf command, printing the given arguments under the
control of the format string, except that the result is written into the named string, stringvar.

square
Argumento: varlist
Opção: --cross (generate cross-products as well as squares)
Generates new series which are squares of the series in varlist (plus cross-products if the
--cross option is given). For example, square x y will generate sq_x = x squared, sq_y =
Capítulo 1. Gretl commands 74

y squared and (optionally) x_y = x times y. If a particular variable is a dummy variable it is not
squared because we will get the same variable.
Caminho de Menu: /Add/Squares of selected variables

store
Argumentos: filename [ varlist ]
Opções: --csv (use CSV format)
--omit-obs (see below, on CSV format)
--no-header (see below, on CSV format)
--gnu-octave (use GNU Octave format)
--gnu-R (use GNU R format)
--gzipped[=level] (apply gzip compression)
--jmulti (use JMulti ASCII format)
--dat (use PcGive ASCII format)
--decimal-comma (use comma as decimal character)
--database (use gretl database format)
--overwrite (see below, on database format)
--comment=string (see below)
Save data to filename. By default all currently defined series are saved but the optional varlist
argument can be used to select a subset of series. If the dataset is sub-sampled, only the
observations in the current sample range are saved.
The format in which the data are written may be controlled in the first instance by the extension
or suffix of filename, as follows:

• .gdt, or no extension: gretl’s native XML data format. (If no extension is provided, “.gdt”
is added automatically.)

• .gtdb: gretl’s native binary data format.

• .csv: comma-separated values (CSV).

• .txt or .asc: space-separated values.

• .R: GNU R format.

• .m: GNU Octave format.

The format-related option flags shown above can be used to force the issue of the save format
independently of the filename (or to get gretl to write in the formats of PcGive or JMulTi).
However, if filename has extension .gdt or .gdtb this necessarily implies use of native format
and the addition of a conflicting option flag will generate an error.
When data are saved in native format (only), the --gzipped option may be used for data com-
pression, which can be useful for large datasets. The optional parameter for this flag controls
the level of compression (from 0 to 9): higher levels produce a smaller file, but compression
takes longer. The default level is 1; a level of 0 means that no compression is applied.
The option flags --omit-obs and --no-header are applicable only when saving data in CSV
format. By default, if the data are time series or panel, or if the dataset includes specific
observation markers, the CSV file includes a first column identifying the observations (e.g. by
date). If the --omit-obs flag is given this column is omitted. The --no-header flag suppresses
the usual printing of the names of the variables at the top of the columns.
The option flag --decimal-comma is also confined to the case of saving data in CSV format.
The effect of this option is to replace the decimal point with the decimal comma; in addition
the column separator is forced to be a semicolon.
Capítulo 1. Gretl commands 75

The option of saving in gretl database format is intended to help with the construction of large
sets of series, possibly having mixed frequencies and ranges of observations. At present this
option is available only for annual, quarterly or monthly time-series data. If you save to a file
that already exists, the default action is to append the newly saved series to the existing content
of the database. In this context it is an error if one or more of the variables to be saved has
the same name as a variable that is already present in the database. The --overwrite flag has
the effect that, if there are variable names in common, the newly saved variable replaces the
variable of the same name in the original dataset.
The --comment option is available when saving data as a database or in CSV format. The
required parameter is a double-quoted one-line string, attached to the option flag with an equals
sign. The string is inserted as a comment into the database index file or at the top of the CSV
output.
The store command behaves in a special manner in the context of a “progressive loop”. See
the Gretl User’s Guide (Capítulo 12) for details.
Caminho de Menu: /File/Save data; /File/Export data

summary
Variantes: summary [ varlist ]
summary --matrix=matname
Opções: --simple (basic statistics only)
--weight=wvar (weighting variable)
--by=byvar (see below)
In its first form, this command prints summary statistics for the variables in varlist, or for all the
variables in the data set if varlist is omitted. By default, output consists of the mean, standard
deviation (sd), coefficient of variation (= sd/mean), median, minimum, maximum, skewness
coefficient, and excess kurtosis. If the --simple option is given, output is restricted to the
mean, minimum, maximum and standard deviation.
If the --by option is given (in which case the parameter byvar should be the name of a discrete
variable), then statistics are printed for sub-samples corresponding to the distinct values taken
on by byvar. For example, if byvar is a (binary) dummy variable, statistics are given for the cases
byvar = 0 and byvar = 1. Note: at present, this option is incompatible with the --weight
option.
If the alternative form is given, using a named matrix, then summary statistics are printed for
each column of the matrix. The --by option is not available in this case.
Caminho de Menu: /View/Summary statistics
Acesso alternativo: Main window pop-up menu

system
Variantes: system method=estimator
sysname <- system
Exemplos: "Klein Model 1" <- system
system method=sur
system method=3sls
Ver tambémklein.inp, kmenta.inp, greene14_2.inp
Starts a system of equations. Either of two forms of the command may be given, depending on
whether you wish to save the system for estimation in more than one way or just estimate the
system once.
To save the system you should assign it a name, as in the first example (if the name contains
spaces it must be surrounded by double quotes). In this case you estimate the system using
Capítulo 1. Gretl commands 76

the estimate command. With a saved system of equations, you are able to impose restrictions
(including cross-equation restrictions) using the restrict command.
Alternatively you can specify an estimator for the system using method= followed by a string
identifying one of the supported estimators: ols (Ordinary Least Squares), tsls (Two-Stage
Least Squares) sur (Seemingly Unrelated Regressions), 3sls (Three-Stage Least Squares), fiml
(Full Information Maximum Likelihood) or liml (Limited Information Maximum Likelihood). In
this case the system is estimated once its definition is complete.
An equation system is terminated by the line end system. Within the system four sorts of
statement may be given, as follows.

• equation: specify an equation within the system. At least two such statements must be
provided.

• instr: for a system to be estimated via Three-Stage Least Squares, a list of instruments (by
variable name or number). Alternatively, you can put this information into the equation
line using the same syntax as in the tsls command.

• endog: for a system of simultaneous equations, a list of endogenous variables. This is


primarily intended for use with FIML estimation, but with Three-Stage Least Squares this
approach may be used instead of giving an instr list; then all the variables not identified
as endogenous will be used as instruments.

• identity: for use with FIML, an identity linking two or more of the variables in the system.
This sort of statement is ignored when an estimator other than FIML is used.

After estimation using the system or estimate commands the following accessors can be used
to retrieve additional information:

• $uhat: the matrix of residuals, one column per equation.

• $yhat: matrix of fitted values, one column per equation.

• $coeff: column vector of coefficients (all the coefficients from the first equation, followed
by those from the second equation, and so on).

• $vcv: covariance matrix of the coefficients. If there are k elements in the $coeff vector,
this matrix is k by k.

• $sigma: cross-equation residual covariance matrix.

• $sysGamma, $sysA and $sysB: structural-form coefficient matrices (see below).

If you want to retrieve the residuals or fitted values for a specific equation as a data series,
select a column from the $uhat or $yhat matrix and assign it to a series, as in

series uh1 = $uhat[,1]

The structural-form matrices correspond to the following representation of a simultaneous


equations model:
Γ yt = Ayt−1 + Bxt + t
If there are n endogenous variables and k exogenous variables, Γ is an n × n matrix and B is
n × k. If the system contains no lags of the endogenous variables then the A matrix is not
present. If the maximum lag of an endogenous regressor is p, the A matrix is n × np.
Caminho de Menu: /Model/Simultaneous equations
Capítulo 1. Gretl commands 77

tabprint
Opções: --rtf (Produce RTF instead of LATEX)
--csv (Produce CSV instead of LATEX)
--complete (Create a complete document)
--format="f1|f2|f3|f4" (Specify a custom format)
--output=filename (send output to specified file)
Must follow the estimation of a model. Prints the estimated model in tabular form — by default
as LATEX, but as RTF if the --rtf flag is given or as CSV is the --csv flag is given. If a filename
is specified using the --output option output goes to that file, otherwise it goes to a file with
a name of the form model_N followed by the extension tex, rtf or csv, where N is the number
of models estimated to date in the current session.
If CSV format is selected, values are comma-separated unless the decimal comma is in force, in
which case the separator is the semicolon. Note that CSV output may be less complete than the
other formats.
The further options discussed below are available only when printing the model as LATEX.
If the --complete flag is given the LATEX file is a complete document, ready for processing;
otherwise it must be included in a document.
If you wish alter the appearance of the tabular output, you can specify a custom row format
using the --format flag. The format string must be enclosed in double quotes and must be
tied to the flag with an equals sign. The pattern for the format string is as follows. There are
four fields, representing the coefficient, standard error, t-ratio and p-value respectively. These
fields should be separated by vertical bars; they may contain a printf-type specification for
the formatting of the numeric value in question, or may be left blank to suppress the printing
of that column (subject to the constraint that you can’t leave all the columns blank). Here are a
few examples:

--format="%.4f|%.4f|%.4f|%.4f"
--format="%.4f|%.4f|%.3f|"
--format="%.5f|%.4f||%.4f"
--format="%.8g|%.8g||%.4f"

The first of these specifications prints the values in all columns using 4 decimal places. The
second suppresses the p-value and prints the t-ratio to 3 places. The third omits the t-ratio.
The last one again omits the t, and prints both coefficient and standard error to 8 significant
figures.
Once you set a custom format in this way, it is remembered and used for the duration of the
gretl session. To revert to the default format you can use the special variant --format=default.
Caminho de Menu: Model window, /LaTeX

textplot
Argumento: varlist
Opções: --time-series (plot by observation)
--one-scale (force a single scale)
--tall (use 40 rows)
Quick and simple ASCII graphics. Without the --time-series flag, varlist must contain at
least two series, the last of which is taken as the variable for the x axis, and a scatter plot is
produced. In this case the --tall option may be used to produce a graph in which the y axis
is represented by 40 rows of characters (the default is 20 rows).
With the --time-series, a plot by observation is produced. In this case the option --one-scale
may be used to force the use of a single scale; otherwise if varlist contains more than one se-
ries the data may be scaled. Each line represents an observation, with the data values plotted
horizontally.
Capítulo 1. Gretl commands 78

See also gnuplot.

tobit
Argumentos: depvar indepvars
Opções: --llimit=lval (specify left bound)
--rlimit=rval (specify right bound)
--vcv (print covariance matrix)
--robust (robust standard errors)
--cluster=clustvar (see logit for explanation)
--verbose (print details of iterations)
Estimates a Tobit model, which may be appropriate when the dependent variable is “censored”.
For example, positive and zero values of purchases of durable goods on the part of individual
households are observed, and no negative values, yet decisions on such purchases may be
thought of as outcomes of an underlying, unobserved disposition to purchase that may be
negative in some cases.
By default it is assumed that the dependent variable is censored at zero on the left and is
uncensored on the right. However you can use the options --llimit and --rlimit to specify
a different pattern of censoring. Note that if you specify a right bound only, the assumption is
then that the dependent variable is uncensored on the left.
The Tobit model is a special case of interval regression, which is supported via the intreg com-
mand.
Caminho de Menu: /Model/Limited dependent variable/Tobit

tsls
Argumentos: depvar indepvars ; instruments
Opções: --no-tests (don’t do diagnostic tests)
--vcv (print covariance matrix)
--robust (robust standard errors)
--cluster=clustvar (clustered standard errors)
--liml (use Limited Information Maximum Likelihood)
--gmm (use the Generalized Method of Moments)
Exemplo: tsls y1 0 y2 y3 x1 x2 ; 0 x1 x2 x3 x4 x5 x6
Computes Instrumental Variables (IV) estimates, by default using two-stage least squares (TSLS)
but see below for further options. The dependent variable is depvar, indepvars is the list of
regressors (which is presumed to include at least one endogenous variable); and instruments is
the list of instruments (exogenous and/or predetermined variables). If the instruments list is
not at least as long as indepvars, the model is not identified.
In the above example, the ys are endogenous and the xs are the exogenous variables. Note that
exogenous regressors should appear in both lists.
Output for two-stage least squares estimates includes the Hausman test and, if the model is
over-identified, the Sargan over-identification test. In the Hausman test, the null hypothesis is
that OLS estimates are consistent, or in other words estimation by means of instrumental varia-
bles is not really required. A model of this sort is over-identified if there are more instruments
than are strictly required. The Sargan test is based on an auxiliary regression of the residuals
from the two-stage least squares model on the full list of instruments. The null hypothesis is
that all the instruments are valid, and suspicion is thrown on this hypothesis if the auxiliary
regression has a significant degree of explanatory power. For a good explanation of both tests
see chapter 8 of Davidson and MacKinnon (2004).
For both TSLS and LIML estimation, an additional test result is shown provided that the model
is estimated under the assumption of i.i.d. errors (that is, the --robust option is not selected).
Capítulo 1. Gretl commands 79

This is a test for weakness of the instruments. Weak instruments can lead to serious problems
in IV regression: biased estimates and/or incorrect size of hypothesis tests based on the cova-
riance matrix, with rejection rates well in excess of the nominal significance level (Stock et al.,
2002). The test statistic is the first-stage F -test if the model contains just one endogenous re-
gressor, otherwise it is the smallest eigenvalue of the matrix counterpart of the first stage F .
Critical values based on the Monte Carlo analysis of Stock and Yogo (2003) are shown when
available.
The R-squared value printed for models estimated via two-stage least squares is the square of
the correlation between the dependent variable and the fitted values.
For details on the effects of the --robust and --cluster options, please see the help for ols.
As alternatives to TSLS, the model may be estimated via Limited Information Maximum Like-
lihood (the --liml option) or via the Generalized Method of Moments (--gmm option). Note that
if the model is just identified these methods should produce the same results as TSLS, but if it
is over-identified the results will differ in general.
If GMM estimation is selected, the following additional options become available:

• --two-step: perform two-step GMM rather than the default of one-step.

• --iterate: Iterate GMM to convergence.

• --weights=Wmat: specify a square matrix of weights to be used when computing the


GMM criterion function. The dimension of this matrix must equal the number of instru-
ments. The default is an appropriately sized identity matrix.

Caminho de Menu: /Model/Instrumental variables

var
Argumentos: order ylist [ ; xlist ]
Opções: --nc (do not include a constant)
--trend (include a linear trend)
--seasonals (include seasonal dummy variables)
--robust (robust standard errors)
--robust-hac (HAC standard errors)
--quiet (skip output of individual equations)
--silent (don’t print anything)
--impulse-responses (print impulse responses)
--variance-decomp (print variance decompositions)
--lagselect (show criteria for lag selection)
Exemplos: var 4 x1 x2 x3 ; time mydum
var 4 x1 x2 x3 --seasonals
var 12 x1 x2 x3 --lagselect
Sets up and estimates (using OLS) a vector autoregression (VAR). The first argument specifies
the lag order — or the maximum lag order in case the --lagselect option is given (see below).
The order may be given numerically, or as the name of a pre-existing scalar variable. Then
follows the setup for the first equation. Do not include lags among the elements of ylist — they
will be added automatically. The semi-colon separates the stochastic variables, for which order
lags will be included, from any exogenous variables in xlist. Note that a constant is included
automatically unless you give the --nc flag, a trend can be added with the --trend flag, and
seasonal dummy variables may be added using the --seasonals flag.
While a VAR specification usually includes all lags from 1 to a given maximum, it is possible to
select a specific set of lags. To do this, substitute for the regular (scalar) order argument either
the name of a predefined vector or a comma-separated list of lags, enclosed in braces. We show
below two ways of specifying that a VAR should include lags 1, 2 and 4 (but not lag 3):
Capítulo 1. Gretl commands 80

var {1,2,4} ylist


matrix p = {1,2,4}
var p ylist

A separate regression is reported for each variable in ylist. Output for each equation includes F -
tests for zero restrictions on all lags of each of the variables, an F -test for the significance of the
maximum lag, and, if the --impulse-responses flag is given, forecast variance decompositions
and impulse responses.
Forecast variance decompositions and impulse responses are based on the Cholesky decompo-
sition of the contemporaneous covariance matrix, and in this context the order in which the
(stochastic) variables are given matters. The first variable in the list is assumed to be “most
exogenous” within-period. The horizon for variance decompositions and impulse responses
can be set using the set command. For retrieval of a specified impulse response function in
matrix form, see the irf function.
If the --robust option is given, standard errors are corrected for heteroskedasticity. Alterna-
tively, the --robust-hac option can be given to produce standard errors that are robust with
respect to both heteroskedasticity and autocorrelation (HAC). In general the latter correction
should not be needed if the VAR includes sufficient lags.
If the --lagselect option is given, the first parameter to the var command is taken as the
maximum lag order. Output consists of a table showing the values of the Akaike (AIC), Schwarz
(BIC) and Hannan–Quinn (HQC) information criteria computed from VARs of order 1 to the
given maximum. This is intended to help with the selection of the optimal lag order. The usual
VAR output is not presented. The table of information criteria may be retrieved as a matrix via
the $test accessor.
Caminho de Menu: /Model/Time series/Vector autoregression

varlist
Opções: --scalars (list scalars)
--accessors (list accessor variables)
By default, prints a listing of the (series) variables currently available; ls may be used as an
alias for this command.
If the --scalars option is given, prints a listing of any currently defined scalar variables and
their values. Otherwise, if the --accessors option is given, prints a list of the internal variables
currently available via accessors such as $nobs and $uhat.

vartest
Argumentos: series1 series2
Calculates the F statistic for the null hypothesis that the population variances for the variables
series1 and series2 are equal, and shows its p-value.
Caminho de Menu: /Tools/Test statistic calculator
Capítulo 1. Gretl commands 81

vecm
Argumentos: order rank ylist [ ; xlist ] [ ; rxlist ]
Opções: --nc (no constant)
--rc (restricted constant)
--uc (unrestricted constant)
--crt (constant and restricted trend)
--ct (constant and unrestricted trend)
--seasonals (include centered seasonal dummies)
--quiet (skip output of individual equations)
--silent (don’t print anything)
--impulse-responses (print impulse responses)
--variance-decomp (print variance decompositions)
Exemplos: vecm 4 1 Y1 Y2 Y3
vecm 3 2 Y1 Y2 Y3 --rc
vecm 3 2 Y1 Y2 Y3 ; X1 --rc
Ver tambémdenmark.inp, hamilton.inp
A VECM is a form of vector autoregression or VAR (see var), applicable where the variables in the
model are individually integrated of order 1 (that is, are random walks, with or without drift),
but exhibit cointegration. This command is closely related to the Johansen test for cointegration
(see coint2).
The order parameter to this command represents the lag order of the VAR system. The number
of lags in the VECM itself (where the dependent variable is given as a first difference) is one less
than order.
The rank parameter represents the cointegration rank, or in other words the number of cointe-
grating vectors. This must be greater than zero and less than or equal to (generally, less than)
the number of endogenous variables given in ylist.
ylist supplies the list of endogenous variables, in levels. The inclusion of deterministic terms
in the model is controlled by the option flags. The default if no option is specified is to include
an “unrestricted constant”, which allows for the presence of a non-zero intercept in the cointe-
grating relations as well as a trend in the levels of the endogenous variables. In the literature
stemming from the work of Johansen (see for example his 1995 book) this is often referred to
as “case 3”. The first four options given above, which are mutually exclusive, produce cases
1, 2, 4 and 5 respectively. The meaning of these cases and the criteria for selecting a case are
explained in the Gretl User’s Guide (Capítulo 30).
The optional lists xlist and rxlist allow you to specify sets of exogenous variables which enter
the model either unrestrictedly (xlist) or restricted to the cointegration space (rxlist). These
lists are separated from ylist and from each other by semicolons.
The --seasonals option, which may be combined with any of the other options, specifies
the inclusion of a set of centered seasonal dummy variables. This option is available only for
quarterly or monthly data.
The first example above specifies a VECM with lag order 4 and a single cointegrating vector.
The endogenous variables are Y1, Y2 and Y3. The second example uses the same variables but
specifies a lag order of 3 and two cointegrating vectors; it also specifies a “restricted cons-
tant”, which is appropriate if the cointegrating vectors may have a non-zero intercept but the Y
variables have no trend.
Following estimation of a VECM some special accessors are available: $jalpha, $jbeta and
$jvbeta retrieve, respectively, the α and β matrices and the estimated variance of β. For
retrieval of a specified impulse response function in matrix form, see the irf function.
Caminho de Menu: /Model/Time series/VECM
Capítulo 1. Gretl commands 82

vif
Must follow the estimation of a model which includes at least two independent variables. Calcu-
lates and displays the Variance Inflation Factors (VIFs) for the regressors. The VIF for regressor
j is defined as
1
1 − Rj2
where R j is the coefficient of multiple correlation between regressor j and the other regressors.
The factor has a minimum value of 1.0 when the variable in question is orthogonal to the other
independent variables. Neter et al. (1990) suggest inspecting the largest VIF as a diagnostic for
collinearity; a value greater than 10 is sometimes taken as indicating a problematic degree of
collinearity.
Caminho de Menu: Model window, /Tests/Collinearity

wls
Argumentos: wtvar depvar indepvars
Opções: --vcv (print covariance matrix)
--robust (robust standard errors)
--quiet (suppress printing of results)
Computes weighted least squares (WLS) estimates using wtvar as the weight, depvar as the de-
pendent variable, and indepvars as the list of independent variables. Let w denote the positive
square root of wtvar; then WLS is basically equivalent to an OLS regression of w * depvar on w
* indepvars. The R-squared, however, is calculated in a special manner, namely as

ESS
R2 = 1 −
WTSS
where ESS is the error sum of squares (sum of squared residuals) from the weighted regres-
sion and WTSS denotes the “weighted total sum of squares”, which equals the sum of squared
residuals from a regression of the weighted dependent variable on the weighted constant alone.
If wtvar is a dummy variable, WLS estimation is equivalent to eliminating all observations with
value zero for wtvar.
Caminho de Menu: /Model/Other linear models/Weighted Least Squares

xcorrgm

Argumentos: series1 series2 [ order ]


Opção: --plot=mode-or-filename (see below)
Exemplo: xcorrgm x y 12
Prints and graphs the cross-correlogram for series1 and series2, which may be specified by
name or number. The values are the sample correlation coefficients between the current value
of series1 and successive leads and lags of series2.
If an order value is specified the length of the cross-correlogram is limited to at most that
number of leads and lags, otherwise the length is determined automatically, as a function of
the frequency of the data and the number of observations.
By default, a plot of the cross-correlogram is produced: a gnuplot graph in interactive mode or
an ASCII graphic in batch mode. This can be adjusted via the --plot option. The acceptable
parameters to this option are none (to suppress the plot); ascii (to produce a text graphic even
when in interactive mode); display (to produce a gnuplot graph even when in batch mode); or
a file name. The effect of providing a file name is as described for the --output option of the
gnuplot command.
Caminho de Menu: /View/Cross-correlogram
Acesso alternativo: Main window pop-up menu (multiple selection)
Capítulo 1. Gretl commands 83

xtab
Argumentos: ylist [ ; xlist ]
Opções: --row (display row percentages)
--column (display column percentages)
--zeros (display zero entries)
--matrix=matname (use frequencies from named matrix)
Displays a contingency table or cross-tabulation for each combination of the variables included
in ylist; if a second list xlist is given, each variable in ylist is cross-tabulated by row against each
variable in xlist (by column). Variables in these lists can be referenced by name or by number.
Note that all the variables must have been marked as discrete. Alternatively, if the --matrix
option is given, treat the named matrix as a precomputed set of frequencies and display this as
a cross-tabulation.
By default the cell entries are given as frequency counts. The --row and --column options
(which are mutually exclusive), replace the counts with the percentages for each row or column,
respectively. By default, cells with a zero count are left blank; the --zeros option, which has
the effect of showing zero counts explicitly, may be useful for importing the table into another
program, such as a spreadsheet.
Pearson’s chi-square test for independence is displayed if the expected frequency under inde-
pendence is at least 1.0e-7 for all cells. A common rule of thumb for the validity of this statistic
is that at least 80 percent of cells should have expected frequencies of 5 or greater; if this
criterion is not met a warning is printed.
If the contingency table is 2 by 2, Fisher’s Exact Test for independence is computed. Note that
this test is based on the assumption that the row and column totals are fixed, which may or
may not be appropriate depending on how the data were generated. The left p-value should be
used when the alternative to independence is negative association (values tend to cluster in the
lower left and upper right cells); the right p-value should be used if the alternative is positive
association. The two-tailed p-value for this test is calculated by method (b) in section 2.1 of
Agresti (1992): it is the sum of the probabilities of all possible tables having the given row and
column totals and having a probability less than or equal to that of the observed table.

1.3 Commands by topic


The following sections show the available commands grouped by topic.

Estimação

ar Estimação autoregressiva ar1 Estimação AR(1)


arbond Arellano-Bond arch Modelo ARCH
arima Modelo ARMA biprobit Bivariate probit
dpanel Modelos de painel dinâmico duration Modelos de Durações
equation Define uma equação dentro de um estimate Estimar um sistema de equações
sistema de equações
garch Modelo GARCH gmm Estimação GMM
heckit Modelo de seleção Heckman hsk Heteroskedasticity-corrected esti-
mates
intreg Interval regression model lad Least Absolute Deviation estima-
tion
logistic Logistic regression logit Logit regression
mle Maximum likelihood estimation mpols Multiple-precision OLS
negbin Negative Binomial regression nls Nonlinear Least Squares
ols Ordinary Least Squares panel Panel models
poisson Poisson estimation probit Probit model
quantreg Quantile regression system Systems of equations
Capítulo 1. Gretl commands 84

tobit Tobit model tsls Instrumental variables regression


var Vector Autoregression vecm Vector Error Correction Model
wls Weighted Least Squares

Testes

add Acrescentar variáveis ao modelo adf Teste de Dickey-Fuller aumentado


chow Teste de Chow coeffsum Soma de coeficientes
coint Teste de cointegração Engle- coint2 Teste de cointegração de Johansen
Granger
cusum Teste CUSUM difftest Testes não paramétricos para as
diferenças
hausman Diagnósticos de Painel kpss KPSS stationarity test
leverage Influential observations levinlin Levin-Lin-Chu test
meantest Difference of means modtest Model tests
normtest Normality test omit Omit variables
qlrtest Quandt likelihood ratio test reset Ramsey’s RESET
restrict Testing restrictions runs Runs test
vartest Difference of variances vif Variance Inflation Factors

Transformações

diff Primeiras diferenças discrete Marca variáveis como sendo dis-


cretas
dummify Cria conjuntos de variáveis auxili- lags Create lags
ares (’dummies’)
ldiff Log-differences logs Create logs
orthdev Orthogonal deviations sdiff Seasonal differencing
square Create squares of variables

Estatísticas

anova ANOVA corr Coeficientes de correlação


corrgm Correlograma fractint Integração fracional
freq Distribução de frequência hurst Hurst exponent
mahal Mahalanobis distances pca Principal Components Analysis
pergm Periodogram spearman Spearmans’s rank correlation
summary Descriptive statistics xcorrgm Cross-correlogram
xtab Cross-tabulate variables

Conjunto de Dados

append Acrescentar dados data Importar de uma base de dados


dataset Manipular o conjunto de dados delete Apagar variáveis
genr Gerar uma nova variável info Information on data set
join Manage data sources labels Labels for variables
markers Observation markers nulldata Creating a blank dataset
open Open a data file rename Rename variables
setinfo Edit attributes of variable setmiss Missing value code
setobs Set frequency and starting obser- smpl Set the sample range
vation
store Save data varlist Listing of variables
Capítulo 1. Gretl commands 85

Gráficos

boxplot Gráficos caixa-com-bigodes gnuplot Criar um gráfico gnuplot


graphpg Página dos gráficos de Gretl plot
qqplot Q-Q plot rmplot Range-mean plot
scatters Multiple pairwise graphs textplot ASCII plot

Impressão

eqnprint Mostra o modelo como equação modprint Print a user-defined model


outfile Direct printing to file print Print data or strings
printf Formatted printing sprintf Printing to a string
tabprint Print model in tabular form

Predição

fcast Gerar predições

Programação

break Sair de um ciclo catch Capturar erros


clear debug Despiste de erros de programa
elif Controlo de fluxo else Controlo de fluxo
end Termina um bloco de comandos endif Controlo de fluxo
endloop Termina um ciclo de comandos flush
foreign Comandos não-nativos function Definir uma função
if Flow control include Include function definitions
loop Start a command loop makepkg Make function package
run Execute a script set Set program parameters
setopt Set options for next command

Utilidades

eval help Help on commands


modeltab The model table pvalue Compute p-values
quit Exit the program shell Execute shell commands
Capítulo 2

Funções Gretl

2.1 Introdução
Este capítulo apresenta duas listagens por ordem alfabética: primeiro, os acessores que per-
mitem ao usuário obter os valores de variáveis internas; e em segundo, as funções que estão
disponíveis no contexto do comando genr.

2.2 Accessors
$ahat
Resultado: série
Deve seguir a estimação de um modelo de dados em painel com efeitos fixos. Retorna uma série
com as estimativas dos efeitos individuais fixos (interceptos por unidade).

$aic
Resultado: escalar
Retorna o Critério de Informação de Akaike do último modelo estimado, quando disponível.
Veja the Gretl User’s Guide (Capítulo 25) para detalhes sobre os cálculos.

$bic
Resultado: escalar
Retorna o Critério de Informação Bayesiano de Schwarz para o último modelo estimado, quando
disponível. Veja the Gretl User’s Guide (Capítulo 25) para detalhes sobre os cálculos.

$chisq
Resultado: escalar
Retorna estatística qui-quadrado global do último modelo estimado, quando disponível.

$coeff
Resultado: matriz ou escalar
Argumento: s (nome do coeficiente, opcional)
Quando utilizado sem argumentos, $coeff retorna um vetor coluna com os coeficientes esti-
mados do último modelo. Com o argumento opcional de texto (string) a função retorna, na
forma de um escalar, o parâmetro estimado s. Ver também$stderr, $vcv.
Exemplo:

open bjg
arima 0 1 1 ; 0 1 1 ; lg
b = $coeff # fornece um vetor
macoef = $coeff(theta_1) # fornece um escalar

86
Capítulo 2. Funções Gretl 87

Se o “modelo” em questão for um sistema, o resultado dependerá das características do sistema:


para VARs e VECMs o valor retornado será uma matriz com uma coluna por equação, caso
contrário será um vetor coluna contendo os coeficientes da primeira equação seguidos pelos
coeficientes da segunda equação e assim sucessivamente.

$command
Resultado: texto
Deve ser utilizada após a estimação de um modelo e retorna o seu tipo, por exemplo ols ou
probit.

$compan
Resultado: matriz
Deve ser utilizada após a estimação de um VAR ou um VECM e retorna a matriz companheira.

$datatype
Resultado: escalar
Retorna um número representando o tipo dos dados que estão sendo atualmente utilizados: 0
= sem dados, 1 = dados de corte transversal (não datados), 2 = dados de séries temporais, 3 =
dados em painel.

$depvar
Resultado: texto
Deve ser utilizada após a estimação de um modelo com equação única e retorna o nome da
variável dependente.

$df
Resultado: escalar
Retorna os graus de liberdade do último modelo estimado. Se o último modelo for um sistema
de equações, o valor retornado será o número de graus de liberdade por equação. Se os graus
de liberdade das equações forem diferentes então o valor dado será calculado como a diferença
entre o número de observações e a média do número de coeficientes por equação (essa média
será arredondada para o valor inteiro imediatamente superior).

$diagpval

Resultado: escalar
Deve ser utilizada após a estimação de um sistema de equações e retorna o P -valor associado
com a estatística $diagtest.

$diagtest

Resultado: escalar
Deve ser utilizada após a estimação de um sistema de equações. Retorna a estatística de teste
para a hipótese nula de que a matriz de covariâncias dos resíduos das equações do sistema
é diagonal. Este é o teste de Breusch–Pagan, exceto quando o estimador for o SUR iterado
(irrestrito), nesse caso será um teste de razão de verossimilhança. Veja the Gretl User’s Guide
(Capítulo 31) para detalhes e também $diagpval.
Capítulo 2. Funções Gretl 88

$dw
Resultado: escalar
Retorna a estatística de Durbin–Watson para a correlação de primeira ordem do último modelo
estimado (quando disponível).

$dwpval
Resultado: escalar
Retorna o p-valor para a estatística de Durbin–Watson do último modelo estimado (quando
disponível). É calculada via procedimento de Imhof.
Devido à precisão limitada da aritmética computacional, a integral de Imhof pode se tornar ne-
gativa quando a estatística de Durbin–Watson estiver próxima de seu limite inferior. Nesse caso
a função de acesso retorna NA. Uma vez que qualquer outra falha será sinalizada, é possivel-
mente seguro assumir que um resultado NA indica que o verdadeiro p-valor é “muito pequeno”,
embora não seja possível quantificá-lo.

$ec
Resultado: matriz
Deve ser utilizada após a estimação de um VECM e retorna uma matriz contendo os termos de
correção de erros. O número de linhas é igual ao número de observações utilizadas e o número
de colunas é igual à ordem de cointegração do sistema.

$error
Resultado: escalar
Retorna o código interno de erro do programa. Esse código será um valor não-nulo quando
a função catch tiver sido utilizada. Note que o código interno de erro irá retornar para zero
quando esta função de acesso for utilizada novamente. Para consultar, posteriormente, a men-
sagem de erro associada a um dado $error será necessário armazená-la em uma variável. Isso
pode ser feito da seguinte forma:

err = $error
if (err)
printf "Got error %d (%s)\n", err, errmsg(err);
endif

Ver tambémcatch, errmsg.

$ess
Resultado: escalar
Retorna o erro da soma dos quadrados do último modelo estimado, quando disponível.

$evals
Resultado: matriz
Deve ser utilizada após a estimação de um VECM e retorna um vetor contendo os autovalores
que foram utilizados no cálculo do teste traço para verificação da cointegração.
Capítulo 2. Funções Gretl 89

$fcast
Resultado: matriz
Deve ser utilizada após o comando fcast e retorna os valores previstos na forma de uma matriz.
Se foi utilizado um sistema de equações para realizar as previsões a matriz será composta por
uma coluna para cada equação, caso contrário será um vetor coluna.

$fcse
Resultado: matriz
Deve ser utilizada após o comando fcast e retorna os erros padrão das previsões, quando dis-
poníveis, na forma de uma matriz. Se foi utilizado um sistema de equações para realizar as
previsões a matriz será composta por uma coluna para cada equação, caso contrário será um
vetor coluna.

$fevd
Resultado: matriz
Deve ser utilizada após a estimação de um VAR e retorna uma matriz contendo a decomposição
da variância dos erros de previsão (FEVD, na sigla em inglês). Essa matriz possui h linhas, onde
h indica a quantidade de períodos do horizonte de previsão que, por sua vez, pode ser escolhida
via comando set horizon ou de forma automática com base na frequência dos dados.
Para um VAR com p variáveis, a matriz possui p 2 colunas: as primeiras p colunas contêm a
FEVD para a primeira variável do VAR, as p colunas seguintes contêm a FEVD para a segunda
variável do VAR e assim sucessivamente. A fração (em termos decimais) do erro de previsão da
variável i causado por uma inovação na variável j é então encontrado na coluna (i − 1) p + j.
Para uma variante mais flexível desta funcionalidade, ver a função fevd.

$Fstat
Resultado: escalar
Retorna estatística F global do último modelo estimado, quando disponível.

$gmmcrit

Resultado: escalar
Deve ser utilizada após um bloco gmm. Retorna o valor da função objetivo GMM em seu mínimo.

$h
Resultado: série
Deve ser utilizada após o comando garch. Retorna a série da variância condicional estimada.

$hausman
Resultado: vetor linha
Deve ser utilizada após a estimação de um modelo via tsls ou panel com a opção de efeitos
aleatórios. Retorna um vetor 1 × 3 contendo o valor da estatística do teste de Hausman, os
graus de liberdade correspondentes e o p-valor para o teste, respectivamente.

$hqc
Resultado: escalar
Retorna o Critério de Informação de Hannan-Quinn para o último modelo estimado, quando
disponível. Veja the Gretl User’s Guide (Capítulo 25) para detalhes sobre os cálculos.
Capítulo 2. Funções Gretl 90

$huge

Resultado: escalar
Retorna um número positivo com valor bastante elevado. Por padrão é igual a 1.0E100, mas
pode ser alterado via comando set.

$jalpha

Resultado: matriz
Deve ser utilizada após a estimação de um VECM e retorna a matriz de cargas. O número de
linhas dessa matriz é igual ao número de variáveis do VECM e o número de colunas é igual a
ordem de cointegração.

$jbeta

Resultado: matriz
Deve ser utilizada após a estimação de um VECM e retorna a matriz de cointegração. O número
de linhas dessa matriz é igual ao número de variáveis no VECM (se existirem variáveis exógenas
restritas ao espaço de cointegração adiciona-se mais uma linha) e o número de colunas é igual
a ordem de cointegração.

$jvbeta

Resultado: matriz quadrada


Deve ser utilizada após a estimação de um VECM e retorna a matriz de covariâncias estimada
para os elementos dos vetores de cointegração.
No caso de uma estimação sem restrições, o número de linhas dessa matriz é igual ao número
de elementos irrestritos do espaço de cointegração após a normalização de Phillips. Entretanto,
se for estimado um sistema restrito via comando restrict com a opção --full, uma matriz
singular com (n + m)r linhas será retornada (sendo n o número de variáveis endógenas, m o
número de variáveis exógenas restritas ao espaço de cointegração e r a ordem de cointegração).
Exemplo: o código

open denmark.gdt
vecm 2 1 LRM LRY IBO IDE --rc --seasonals -q
s0 = $jvbeta

restrict --full
b[1,1] = 1
b[1,2] = -1
b[1,3] + b[1,4] = 0
end restrict
s1 = $jvbeta

print s0
print s1

produz a seguinte saída.

s0 (4 x 4)

0.019751 0.029816 -0.00044837 -0.12227


0.029816 0.31005 -0.45823 -0.18526
-0.00044837 -0.45823 1.2169 -0.035437
-0.12227 -0.18526 -0.035437 0.76062
Capítulo 2. Funções Gretl 91

s1 (5 x 5)

0.0000 0.0000 0.0000 0.0000 0.0000


0.0000 0.0000 0.0000 0.0000 0.0000
0.0000 0.0000 0.27398 -0.27398 -0.019059
0.0000 0.0000 -0.27398 0.27398 0.019059
0.0000 0.0000 -0.019059 0.019059 0.0014180

$lang

Resultado: texto
Retorna o texto (string) com o código do idioma que está sendo utilizado no momento, desde
que este possa ser determinado. O texto é composto pelo código ISO 639-1 com duas letras
(por exemplo, en para inglês, jp para japonês, el para grego) seguido de um sublinhado e o
código do país de acordo com o ISO 3166-1. Assim, por exemplo, o português de Portugal é
representado por pt_PT enquanto o português do Brasil é representado por pt_BR.
Se o idioma não puder ser determinado será retornado o texto “unknown”.

$llt
Resultado: série
Para determinados modelos estimados via Máxima Verossimilhança a função retorna os valores
do log da verossimilhança para cada observação. Atualmente essa função está disponível para
logit e probit binários, tobit e heckit.

$lnl
Resultado: escalar
Retorna a log-verossimilhança para o último modelo estimado (quando for aplicável).

$macheps
Resultado: escalar
Retorna o valor do “épsilon da máquina” que, por sua vez, fornece um limite superior para o
erro relativo devido ao arredondamento na aritmética de ponto flutuante com precisão dupla.

$mnlprobs
Resultado: matriz
Deve seguir a estimação de um modelo logit multinomial (apenas) e retorna uma matriz com
as probabilidades estimadas para cada resultado possível em cada observação dentro da amos-
tra utilizada na estimação do modelo. Cada linha representa uma observação e cada coluna
representa um resultado.

$model
Resultado: lote
Deve seguir a estimação de modelos de equação única e retorna um pacote (bundle) contendo
vários itens pertencentes ao modelo. Todas as funções de acesso de modelos regulares são in-
cluídas e são referenciados por chaves iguais aos nomes das funções de acesso regulares menos
o cifrão inicial. Assim, por exemplo, os resíduos aparecem sob a chave uhat e o quadrado da
soma dos erros sob ess.
Dependendo do estimador, informações adicionais podem ser disponibilizadas. As chaves para
tais informações são normalmente auto-explicativas. Para ver o que está disponível basta salvar
o pacote e imprimir seu conteúdo. Isso é mostrado no exemplo a seguir:
Capítulo 2. Funções Gretl 92

ols y 0 x
bundle b = $model
print b

$ncoeff
Resultado: número inteiro
Retorna o número total de coeficientes estimados no último modelo.

$nobs
Resultado: número inteiro
Retorna o número de observações na amostra atualmente selecionada. Veja também: $tmax.

$nvars
Resultado: número inteiro
Retorna o número de variáveis no conjunto de dados (incluindo a constante).

$obsdate
Resultado: série
Deve ser utilizada quando o conjunto de dados corrente for composto por séries temporais
com frequência decenal, anual, trimestral, mensal, semanal (datada) ou diária (datada). Pode
ser utilizada também com dados em painel quando a informação temporal estiver ajustada cor-
retamente (veja o comando setobs). A série que será retornada é composta por números com 8
dígitos seguindo o padrão YYYYMMDD (formato de dados “básico” do ISO 8601), que correspon-
dem ao dia da observação ou ao primeiro dia da observação no caso de frequências de séries
temporais menores que a diária.
Esta série pode ser útil na utilização do comando join.

$obsmajor

Resultado: série

É aplicável quando as observações no conjunto de dados corrente têm uma estrutura maior:menor,
como em séries temporais trimestrais (ano:trimestre), séries temporais mensais (ano:mês), da-
dos de horas (dia:hora) e dados em painel (indivíduo:período). Retorna uma série contendo o
componente maior, ou de menor frequência, de cada observação (por exemplo, o ano).
Ver também$obsminor, $obsmicro.

$obsmicro
Resultado: série

É aplicável quando as observações no conjunto de dados corrente têm uma estrutura maior:menor:micro,
como em séries temporais datadas diárias (ano:mês:dia). Retorna uma série contendo o compo-
nente micro, ou de maior frequência, de cada observação (por exemplo, o dia).
Ver também$obsmajor, $obsminor.

$obsminor
Resultado: série
Capítulo 2. Funções Gretl 93

É aplicável quando as observações no conjunto de dados corrente têm uma estrutura maior:menor,
como em séries temporais trimestrais (ano:trimestre), séries temporais mensais (ano:mês), da-
dos de horas (dia:hora) e dados em painel (indivíduo:período). Retorna uma série contendo o
componente menor, ou de maior frequência, de cada observação (por exemplo, o mês).
No caso de dados diários datados, $obsminor retorna o mês de cada observação.
Ver também$obsmajor, $obsmicro.

$pd
Resultado: número inteiro
Retorna a frequência ou periodicidade dos dados (por exemplo: 4 para dados trimestrais). No
caso de dados em painel o valor retornado será a quantidade de períodos de tempo no conjunto
de dados.

$pi
Resultado: escalar
Retorna o valor de π com dupla precisão.

$pvalue
Resultado: escalar ou matriz
Retorna o p-valor da estatística de teste que foi gerada pelo último comando explícito de teste
de hipóteses (por exemplo: chow). Veja the Gretl User’s Guide (Capítulo 9) para detalhes.
Geralmente retorna um escalar, mas em alguns casos retorna uma matriz. Isso ocorre, por
exemplo, com os p-valores dos testes lambda traço e lambda máximo associadas ao teste de
cointegração de Johansen). Nesse caso os valores na matriz estarão dispostos da mesma forma
que na saída do teste.
Ver também$test.

$qlrbreak
Resultado: escalar
Deve ser utilizada após o comando qlrtest (que realiza o teste QLR para quebra estrutural em
um ponto desconhecido. Retorna o número da observação no qual a estatística de teste é
maximizada.

$rho
Resultado: escalar
Argumento: n (escalar, opcional)
Se for utilizada sem argumentos a função retorna o coeficiente autorregressivo de primeira
ordem para os resíduos do último modelo. Após a estimação de um modelo via comando ar, a
sintaxe $rho(n) retorna a estimativa correspondente de ρ(n).

$rsq
Resultado: escalar
Retorna o R 2 não ajustado do último modelo estimado, quando disponível.
Capítulo 2. Funções Gretl 94

$sample
Resultado: série
Deve ser utilizada após a estimação de um modelo com equação simples e retorna uma variável
dummy com valores iguais a 1 nas observações utilizadas na estimação, 0 nas observações
na amostra corrente e que não foram utilizadas na estimação (possivelmente devido a valores
ausentes) e NA nas observações fora da amostra selecionada corrente.
Caso se queira calcular estatísticas baseadas na amostra que foi utilizada para um dado modelo,
pode-se fazer, por exemplo:

ols y 0 xlist
genr sdum = $sample
smpl sdum --dummy

$sargan

Resultado: vetor linha


Deve ser utilizada após o comando tsls. Retorna um vetor 1 × 3 contendo a estatística do teste
de sobre-identificação de Sargan e os correspondentes graus de liberdade e p-valor, respecti-
vamente. Se o modelo for exatamente identificado a estatística não estará disponível e tentar
acessá-la irá provocar um erro.

$sigma

Resultado: escalar ou matriz


Se o último modelo estimado foi uma equação simples, retorna o erro padrão da regressão na
forma de um escalar (ou, em outras palavras, retorna o desvio padrão dos resíduos com uma
correção apropriada de graus de liberdade). Se o último modelo foi um sistema de equações,
retorna a matriz de covariâncias dos resíduos das equações do sistema.

$stderr
Resultado: matriz ou escalar
Argumento: s (nome do coeficiente, opcional)
Quando utilizado sem argumentos, $stderr retorna um vetor coluna com os erros padrão dos
coeficientes do último modelo estimado. Com o argumento opcional de texto (string) a função
retorna, na forma de um escalar, o parâmetro estimado s.
Se o “modelo” um sistema, o resultado dependerá de suas características: para VARs e VECMs o
valor retornado será uma matriz contendo uma coluna para cada equação, caso contrário, será
um vetor coluna contendo os coeficientes da primeira equação seguidos pelos coeficientes da
segunda equação e assim sucessivamente.
Ver também$coeff, $vcv.

$stopwatch
Resultado: escalar
Deve ser precedida pelo comando set stopwatch que, por sua vez, ativa a medição de tempo
da CPU. Na primeira utilização da função de acesso obtém-se a quantidade de segundos que se
passaram desde o comando set stopwatch. A cada acesso o relógio será reiniciado de forma
que as utilizações subsequentes de $stopwatch irão fornecer os segundos da CPU entre as duas
utilizações.
Capítulo 2. Funções Gretl 95

$sysA
Resultado: matriz
Deve ser utilizada após a estimação de um sistema de equações simultâneas. Retorna a matriz
com os coeficientes das variáveis endógenas defasadas, caso existam, na forma estrutural do
sistema. Veja o comando system.

$sysB
Resultado: matriz
Deve ser utilizada após a estimação de um sistema de equações simultâneas. Retorna a matriz
com os coeficientes das variáveis exógenas na forma estrutural do sistema. Veja o comando
system.

$sysGamma
Resultado: matriz
Deve ser utilizada após a estimação de um sistema de equações simultâneas. Retorna a matriz
com os coeficientes das variáveis endógenas contemporâneas na forma estrutural do sistema.
Veja o comando system.

$sysinfo
Resultado: lote
Retorna um pacote (bundle) contendo informações sobre o Gretl e o sistema operacional onde
está sendo executado. O elementos do pacote são especificados a seguir.

• mpi: inteiro, igual a 1 se o sistema suporta MPI (Message Passing Interface), caso contrário
0.

• omp: inteiro, igual a 1 se o Gretl foi compilado com suporte a Open MP, caso contrário 0.

• nproc: inteiro, indica o número de processadores disponíveis.

• mpimax: inteiro, indica o número máximo de processos MPI que podem ser executados em
paralelo. É igual a zero se não houver suporte para MPI, caso contrário é igual ao valor
de nproc local. Se for especificado um arquivo de hosts MPI, mpimax será igual a soma
do número de processadores ou “slots” ao longo de todas a máquinas referenciadas no
arquivo.

• wordlen: inteiro, igual a 32 ou 64 para sistemas de 32 bit e 64, respectivamente.

• os: texto representando o sistema operacional e é igual a linux, osx, windows ou other.

• hostname: informa o nome da máquina (ou “host”) onde o Gretl está sendo executado no
momento. Se não for possível determinar o nome, será retornado o localhost.

Note que elementos individuais no pacote podem ser acessados via utilização da notação “dot”
sem a necessidade de copiar o pacote inteiro. Por exemplo,

if $sysinfo.os == "linux"
# faça alguma coisa que seja própria do Linux
endif
Capítulo 2. Funções Gretl 96

$system
Resultado: lote
Deve seguir a estimação de um sistema de equações via comandos system, var ou vecm. Retorna
um pacote (bundle) contendo os ítems que fazem parte do sistema. Todas as funções de acesso
regulares são incluídas: estas estão referenciadas de acordo com indicadores que são iguais aos
nomes de acesso regular, sem utilizar o símbolo cifrão. Por exemplo, os resíduos aparecem sob
o indicador uhat e os coeficientes sob coeff. Os os indicadores para as informações adicionais
deverão ser auto-explicativos. Para verificar quais estão disponíveis pode-se exibir os conteúdos
do pacote. Exemplo:

var 4 y1 y2 y2
bundle b = $system
print b

Um pacote definido dessa forma pode ser utilizado como o argumento final (que é opcional)
nas funções fevd e irf.

$T
Resultado: número inteiro
Retorna o número de observações utilizadas na estimação do último modelo.

$t1
Resultado: número inteiro
Retorna o número da primeira observação na amostra selecionada corrente.

$t2
Resultado: número inteiro
Retorna o número da última observação na amostra selecionada corrente.

$test
Resultado: escalar ou matriz
Retorna o valor da estatística de teste que foi gerada pelo último comando explícito de teste de
hipóteses (por exemplo: chow). Veja the Gretl User’s Guide (Capítulo 9) para detalhes.
Geralmente retorna um escalar, mas em alguns casos retorna uma matriz. Isso ocorre, por
exemplo, com as estatísticas lambda traço e lambda máximo associadas ao teste de cointegração
de Johansen). Nesse caso os valores na matriz estarão dispostos da mesma forma que na saída
do teste.
Ver também$pvalue.

$tmax
Resultado: número inteiro
Devolve o máximo valor possível para indicar o fim do intervalo de uma amostra alterada com
o comando smpl. Na maior parte das vezes, isto vai ser igual ao número de observações do
conjunto de dados, mas numa função em Hansl, o valor $tmax pode ser menor, pois em geral
o acesso aos dados a partir do interior de funções está limitado ao intervalo amostral definido
pela função chamadora.
Notar que, em geral, o $tmax não é igual a $nobs, que indica número de observações do intervalo
da amostra actual.
Capítulo 2. Funções Gretl 97

$trsq
Resultado: escalar
Retorna T R 2 (tamanho da amostra multiplicado pelo R-quadrado) do último modelo, quando
disponível.

$uhat
Resultado: série
Retorna os resíduos do último modelo. Isto pode ter diferentes significados a depender dos
estimadores utilizados. Por exemplo, após a estimação de um ARMA $uhat irá conter os erros
de previsão de 1 passo à frente, após a estimação de um probit irá conter os resíduos generali-
zados.
Se o “modelo” em questão for um sistema (um VAR, um VECM ou um sistema de equações
simultâneas), o $uhat sem parâmetros fornece a matriz de resíduos, uma coluna por equação.

$unit
Resultado: série
Vale apenas para dados de painel. Retorna uma série com valor igual a 1 em todas as observa-
ções na primeira unidade ou grupo, 2 em todas as observações na segunda unidade ou grupo e
assim sucessivamente.

$vcv
Resultado: matriz ou escalar
Argumentos: s1 (nome do coeficiente, opcional)
s2 (nome do coeficiente, opcional)
Quando utilizado sem argumentos, $vcv retorna uma matriz contendo a matriz de covariâncias
estimadas para os coeficientes do último modelo. Se o último modelo foi uma equação simples,
então é possível fornecer os nomes dos dois parâmetros entre parênteses para se obter a cova-
riância estimada entre s1 e s2. Ver também$coeff, $stderr.
Este acessor não está disponível para VARs ou VECMs. Para modelos desse tipo $sigma e $xt-
xinv.

$vecGamma
Resultado: matriz
Deve ser utilizada após a estimação de um VECM e retorna uma matriz na qual as matrizes
Gama (coeficientes das diferenças defasadas das variáveis cointegradas) são empilhadas lado
a lado. Cada linha representa uma equação. Para um VECM de ordem p existem p − 1 sub-
matrizes.

$version
Resultado: escalar
Retorna um valor inteiro que identifica a versão do Gretl. Atualmente a versão do Gretl é
composta por um texto com o seguinte formato: ano, com 4 dígitos, seguido de uma letra, de a
até j, representando as atualizações dentro desse ano (por exemplo, 2015d). O valor retornado
por essa função é igual ao ano multiplicado por 10 e adicionado de um número representando,
em ordem léxica, a letra. Assim, 2015d seria representado por 20153.
Em versões anteriores ao Gretl 2015d, o identificador possuia a seguinte forma: x.y.z (três
inteiros separados por pontos) e o valor da função era calculado como 10000*x + 100*y + z
. Assim, por exemplo, a versão 1.10.2 era traduzida como 11002. Note que dessa forma a ordem
numérica de $version foi preservada mesmo com a mudança no esquema de versões.
Capítulo 2. Funções Gretl 98

$vma
Resultado: matriz
Deve ser utilizada após a estimação de um VAR ou um VECM e retorna uma matriz contendo a
representação VMA até a ordem especificada via comando set horizon. Veja the Gretl User’s
Guide (Capítulo 29) para detalhes.

$windows
Resultado: número inteiro
Retorna o valor 1 se o Gretl estiver sendo utilizado no Windows e 0 caso contrário. Através
dessa função é possível utilizar comandos “shell” em scripts que possam ser executados em
diferentes sistemas operacionais.
Veja também o comando shell.

$xlist
Resultado: lista
Se o último modelo estimado foi um equação simples a função retorna uma lista com os regres-
sores. Se o último modelo foi um sistema de equações ela retorna uma lista “global” com as
variáveis exógenas e predeterminadas (na mesma ordem que aparecem na função $sysB). Se o
último modelo foi um VAR ela retorna uma lista com os regressores exógenos, caso existam.

$xtxinv
Resultado: matriz
Após a estimação de um VAR ou VECM (apenas), retorna X 0 X −1 , onde X é a matriz comum de
regressores utilizados em cada equação. Essa função de acesso não está disponível para VECMs
estimados com restrições impostas na matriz de cargas(α).

$yhat
Resultado: série
Retorna os valores ajustados da última regressão.

$ylist
Resultado: lista
Se o último modelo estimado foi um VAR, um VECM ou um sistema de equações simultâneas
a função retorna uma lista com as variáveis endógenas. Se o último modelo foi uma equação
simples a função de acesso retorna uma lista com apenas um elemento, a variável dependente.
No caso especial do modelo biprobit a lista irá conter dois elementos.

2.3 Functions proper


abs
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar, série ou matriz)
Retorna o valor absoluto de x.
Capítulo 2. Funções Gretl 99

acos
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar, série ou matriz)
Retorna o arco-cosseno de x, isto é, o valor cujo cosseno é x. Resultado em radianos e o argu-
mento deve estar entre −1 e 1.

acosh
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar, série ou matriz)
Retorna o cosseno hiperbólico inverso de x (solução positiva). x deve ser maior que 1, caso
contrário a função retornará NA. Ver tambémcosh.

aggregate

Resultado: matriz
Argumentos: x (série ou lista)
byvar (série ou lista)
funcname (texto, opcional)
Na forma mais simples de uso, x é igual a null, byvar é uma séries individual e o terceiro argu-
mento é omitido. Neste caso é retornada uma matriz com duas colunas contendo na primeira
coluna os valores distintos de byvar, ordenados de forma crescente, e na segunda a quantidade
de observações de byvar para cada um dos valores distintos. Por exemplo,

open data4-1
eval aggregate(null, bedrms)

mostrará que a serie bedrms tem valores 3 (num total de 5 vezes) e 4 (num total de 9 vezes).
Se x e byvar são ambas séries individuais, e é indicado um terceiro argumento, o valor retor-
nado é uma matriz com três colunas contendo, respectivamente, os valores distintos de byvar,
por ordem crescente; a contagem das observações em que o byvar toma em cada um desses va-
lores; e os valores da estatística especificada por funcname calculada na série x, usando apenas
aquelas observações nas quais byvar tem valor igual aos dados na primeira coluna.
Mais geralmente, se byvar for uma lista com n membros então as n colunas a esquerda contêm
as combinações dos valores distintos de cada uma das n séries e a coluna de contagem contém
o número de observações nas quais cada combinação é feita. Se x for uma lista com m membros
então as m colunas mais a direita contêm os valores da estatística especificada para cada uma
das x variáveis, novamente calculadas na subamostra indicada na(s) primeira(s) coluna(s).
Os seguintes valores de funcname são suportados de forma “nativa”: sum, sumall, mean, sd,
var, sst, skewness, kurtosis, min, max, median, nobs e gini. Cada uma dessas funções utiliza
uma série como argumento e retorna um valor escalar e, nesse sentido, pode-se dizer que
“agregam” a série de alguma forma. É possível utilizar uma função definida pelo usuário como
um agregador. Da mesma forma que as funções nativas, tal função deve ter como argumento
apenas uma única série e retornar um valor escalar.
Note que apesar de a contagem de casos ser realizada de forma automática pela função nobs,
a função aggregate não é redundante como uma agregadora, uma vez que fornece o número
de observações válidas (não ausentes) em x em cada combinação byvar.
Para exemplificar isso, suponha que region representa um código de uma região geográfica
usando valores inteiros de 1 até n e income representa a renda doméstica. Então o cálculo a
seguir deverá produzir uma matriz de ordem n×3 contendo os códigos das regiões, a contagem
de observações em cada região e a renda média doméstica para cada uma das regiões:
Capítulo 2. Funções Gretl 100

matrix m = aggregate(income, region, mean)

Para um exemplo usando listas, seja gender uma variável dummy macho/fêmea, seja race uma
variável categórica com três valores e considere o seguinte código:

list BY = gender race


list X = income age
matrix m = aggregate(X, BY, sd)

A utilização de aggregate produzirá uma matriz de ordem 6 × 5. As primeiras duas colunas


contêm as 6 distintas combinações dos valores de gênero e raça. A coluna do meio contém
a contagem para cada uma dessas combinações. As duas colunas mais à direita contêm os
desvios padrão amostrais de income e age.
Note que se byvar for uma lista, algumas combinações dos valores de byvar podem não estar
presentes nos dados (fornecendo uma contagem igual a zero). Nesse caso os valores das es-
tatísticas para x são considerados como NaN (ou seja, não são números). Caso seja desejado
ignorar esses casos é possível utilizar a função selifr para selecionar apenas aquelas linhas que
não possuam uma contagem igual a zero. A coluna a ser testada estará uma posição à direita
após o número de variáveis de byvar, assim, pode-se utilizar o seguinte código:

matrix m = aggregate(X, BY, sd)


scalar c = nelem(BY)
m = selifr(m, m[,c+1])

argname

Resultado: texto
Argumento: s (texto)
Seja s o nome de um parâmetro de uma função definida pelo usuário, retorna o nome do argu-
mento correspondente ou uma variável de texto (string) vazia se o argumento for anônimo.

array
Resultado: ver abaixo
Argumento: n (número inteiro)

É a função “construtora” básica de uma nova variável do tipo arranjo (array). Ao usar esta
função é necessário que se especifique um tipo (na forma plural) para o arranjo: strings,
matrices, bundles ou lists. O valor de retorno é um arranjo do tipo especificado e com
n elementos “vazios” (exemplos: variável de texto/string vazia ou matriz nula). Exemplos de
utilização:

strings S = array(5)
matrices M = array(3)

Veja também defarray.

asin
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar, série ou matriz)
Retorna o arco-seno de x, isto é, o valor cujo seno é x. Resultado em radianos e o argumento
deve estar entre −1 e 1.
Capítulo 2. Funções Gretl 101

asinh
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar, série ou matriz)
Retorna o seno hiperbólico inverso de x. Ver tambémsinh.

atan
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar, série ou matriz)
Retorna o arco-tangente de x, isto é, o valor cuja tangente é x. Resultado em radianos.
Ver tambémcos, sin, tan.

atanh
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar, série ou matriz)
Retorna a tangente hiperbólica inversa de x. Ver tambémtanh.

atof
Resultado: escalar
Argumento: s (texto)
Função semelhante à existente na linguagem de programação C, retorna o resultado da conver-
são da variável de texto (string) s (ou sua porção inicial, após descartar quaisquer espaços em
branco no seu início) em número de ponto flutuante. Diferente do que ocorre na linguagem C,
a função atof (por questões de portabilidade) sempre assume que o caractere decimal é o “.”.
Todos os caracteres que se seguem após a parte de s que pode ser convertida para um número
de ponto flutuante são ignorados.
Se nenhum dos caracteres de s (que se seguem após os espaços em branco que são descartados)
puderem ser convertidos a função retornará NA.

# Exemplos:
x = atof("1.234") # retorna x = 1.234
x = atof("1,234") # retorna x = 1
x = atof("1.2y") # retorna x = 1.2
x = atof("y") # retorna x = NA
x = atof(",234") # retorna x = NA

Veja também sscanf para maior flexibilidade nas conversões de textos em números.

bessel
Resultado: o mesmo tipo que o argumento
Argumentos: type (caractere)
v (escalar)
x (escalar, série ou matriz)
Calcula uma das variantes da função de Bessel de ordem v e argumento x. O valor retornado
será do mesmo tipo de x. A função específica é selecionada pelo primeiro argumento e deve ser
J, Y, I ou K. Uma boa discussão sobre as funções de Bessel pode ser encontrada na Wikipédia.
Aqui serão feitos comentários breves.
caso J: função de Bessel de primeiro tipo. Se assemelha a uma onda senoidal amortecida.
Definida para v real e x. Se x for negativo então v deve ser um inteiro.
Capítulo 2. Funções Gretl 102

caso Y: função de Bessel de segundo tipo. Definida para v real e x, mas com uma singularidade
em x = 0.
caso I: função de Bessel modificada de primeiro tipo. Uma função com crescimento exponen-
cial. Argumentos que podem ser usados são os mesmos do caso J.
caso K: função de Bessel modificada de segundo tipo. Uma função com decaimento exponencial.
Diverge em x = 0 e não é definida para valores negativos de x. É simétrica em torno de v = 0.

BFGSmax
Resultado: escalar
Argumentos: &b (referência a matriz)
f (chamada a função)
g (chamada a função, opcional)
Realiza a maximização numérica via método de Broyden, Fletcher, Goldfarb e Shanno. O argu-
mento b deve conter os valores iniciais de um conjunto de parâmetros e o argumento f deve
especificar uma chamada à função que calcule o critério (escalar) a ser maximizado, dados os
valores correntes dos parâmetros e quaisquer outros dados que sejam relevantes. Se o objetivo
for de fato uma minimização, esta função deverá retornar o negativo do critério. Se for com-
pletada com sucesso, BFGSmax retorna o valor maximizado do critério e b armazena os valores
dos parâmetros que maximizam a função.
O terceiro argumento, opcional, estabelece uma maneira de fornecer derivadas analíticas (caso
contrário o gradiente será computado numericamente). A função gradiente g deve ter como
primeiro argumento uma matriz pré-definida que tenha o tamanho adequado para armazenar o
gradiente, dado na forma de ponteiro. Ela também precisa ter o vetor de parâmetros como um
argumento (na forma de ponteiro ou não). Outros argumentos são opcionais.
Para maiores detalhes e exemplos veja o capítulo sobre métodos numéricos em the Gretl User’s
Guide (Capítulo 34). Ver tambémBFGScmax, NRmax, fdjac, simann.

BFGSmin
Resultado: escalar

É uma forma alternativa da função BFGSmax. Se invocada com este nome a função comporta-se
como minimizadora.

BFGScmax
Resultado: escalar
Argumentos: &b (referência a matriz)
bounds (matriz)
f (chamada a função)
g (chamada a função, opcional)
Realiza a maximização com restrições via L-BFGS-B (BFGS com memória limitada, veja Byrd
et al. (1995)). O argumento b deve conter os valores iniciais de um conjunto de parâmetros,
bounds deve conter as restrições que aplicadas aos valores dos parâmetros (veja abaixo) e
f deve especificar uma chamada à função que calcule o critério (escalar) a ser maximizado,
dados os valores correntes dos parâmetros e quaisquer outros dados que sejam relevantes. Se
o objetivo for de fato uma minimização, esta função deverá retornar o negativo do critério.
Se for completada com sucesso, BFGScmax retorna o valor maximizado do critério, sujeito às
restrições em bounds e b contém os valores dos parâmetros que maximizam a função.
A matriz bounds deve ter 3 colunas e um número de linhas igual ao número de elementos res-
tritos no vetor de parâmetros. O primeiro elemento de uma dada linha é o índice (de base 1)
do parâmetro restrito, o segundo e o terceiro são os limites inferiores e superiores, respectiva-
mente. Os valores -$huge e $huge devem ser usados para indicar que o parâmetro não possui
Capítulo 2. Funções Gretl 103

restrições inferiores ou superiores, respectivamente. Por exemplo, a expressão a seguir é a


forma de se especificar que o segundo elemento do vetor de parâmetros deve ser não-negativo:

matrix bounds = {2, 0, $huge}

O quarto argumento, opcional, estabelece uma maneira de fornecer derivadas analíticas (caso
contrário o gradiente será computado numericamente). A função gradiente g deve ter como
primeiro argumento uma matriz pré-definida que tenha o tamanho adequado para armazenar o
gradiente, dado na forma de ponteiro. Ela também precisa ter o vetor de parâmetros como um
argumento (na forma de ponteiro ou não). Outros argumentos são opcionais.
Para maiores detalhes e exemplos veja o capítulo sobre métodos numéricos em the Gretl User’s
Guide (Capítulo 34). Ver tambémBFGSmax, NRmax, fdjac, simann.

BFGScmin
Resultado: escalar

É uma forma alternativa da função BFGSmax.Se invocada com este nome a função comporta-se
como minimizadora.

bkfilt
Resultado: série
Argumentos: y (série)
f1 (número inteiro, opcional)
f2 (número inteiro, opcional)
k (número inteiro, opcional)
Retorna o resultado da aplicação do filtro passa-banda de Baxter–King para a série y. Os parâme-
tros opcionais f1 e f2 representam, respectivamente, os limites inferior e superior da amplitude
de frequência a ser extraída, enquanto k é a ordem de aproximação a ser utilizada.
Se esses argumentos não forem fornecidos então os valores padrão irão depender da perio-
dicidade do conjunto de dados. Para dados anuais os padrões para f1, f2 e k são 2, 8 e 3,
respectivamente. Para dados trimestrais são 6, 32 e 12. Para dados mensais são 18, 96 e 36.
Esses valores são escolhidos para coincidir com a escolha mais comum entre os praticantes, que
é a utilização desse filtro para extrair o componente de frequência do “ciclo de negócios”. Isso,
por sua vez, é comumente definido como sendo entre 18 meses e 8 anos. O filtro, por escolha
padrão, abrange 3 anos de dados.
Se f2 for maior ou igual ao número de observações disponíveis, então a versão “passa-baixa”
do filtro será executada e a série resultante deve ser considerada como uma estimativa do
componente de tendência, ao invés de ciclo. Ver tambémbwfilt, hpfilt.

boxcox
Resultado: série
Argumentos: y (série)
d (escalar)
Retorna a transformação de Box–Cox com parâmetro d para uma série positiva y.

ytd −1
if d≠0

(d) d
yt =
 log(y ) if d=0
t
Capítulo 2. Funções Gretl 104

bread
Resultado: lote
Argumentos: fname (texto)
import (booleano, opcional)
Lê um pacote (bundle) a partir de um arquivo de texto. A variável de texto (string) fname deve
conter o nome do arquivo no qual o pacote será lido. Se esse nome tiver a extensão “.gz” será
assumido que foi aplicada a compactação do arquivo via gzip.
O arquivo em questão deve ser um XML apropriadamente definido: ele dever conter um ele-
mento gretl-bundle, utilizado para armazenar zero ou mais elementos bundled-item. Por
exemplo:

<?xml version="1.0" encoding="UTF-8"?>


<gretl-bundle name="temp">
<bundled-item key="s" type="string">moo</bundled-item>
<bundled-item key="x" type="scalar">3</bundled-item>
</gretl-bundle>

Como esperado, tais arquivos são gerados automaticamente pela função associada bwrite.
Se o nome do arquivo não contiver a especificação completa de seu caminho, ele será procurado
em vários locais “prováveis”, começando no workdir corrente. Entretanto, se for dado um valor
não-nulo para o argumento opcional import, o arquivo será procurado no diretório “@dotdir”.
Nesse caso o argumento fname deverá ser um nome simples, sem a inclusão do caminho.
Se ocorrer algum erro (tal como o arquivo ter sido mal formatado ou ser inacessível), um erro
será retornado via acessor $error.
Ver tambémmread, bwrite.

bwfilt
Resultado: série
Argumentos: y (série)
n (número inteiro)
omega (escalar)
Retorna o resultado da aplicação de um filtro passa-baixo de Butterworth de ordem n e frequên-
cia de corte omega na série y. O corte é expresso em graus e deve ser maior ou igual a 0 e menor
que 180. Valores de corte menores restringem o passa-banda a menores frequências e assim
produzem uma tendência mais suave. Valores maiores de n produzem um corte mais agudo,
mas ao custo de possível instabilidade numérica.
A inspeção preliminar do periodograma da série de interesse é útil quando se deseja aplicar
esta função. Veja the Gretl User’s Guide (Capítulo 27) para detalhes. Ver tambémbkfilt, hpfilt.

bwrite
Resultado: número inteiro
Argumentos: B (lote)
fname (texto)
export (booleano, opcional)
Escreve um pacote (bundle) B em um arquivo XML com nome fname. Para uma descrição sumá-
ria de seu formato, veja bread. Se já existir um arquivo fname ele será sobrescrito. O valor de
retorno da função é 0 em caso de sucesso. Se ocorrerem erros, tais como a impossibilidade de
sobrescrever o arquivo, a função retorna um valor não-nulo.
O arquivo de saída será salvo no diretório workdir, a menos que a variável fname contenha um
caminho para o diretório onde será armazenado. Entretanto, se for dado um valor não-nulo para
Capítulo 2. Funções Gretl 105

o argumento export, o arquivo de saída será armazenado no diretório “@dotdir”. Neste caso um
nome simples, sem especificação de caminho, deverá ser utilizado como segundo argumento.
Por padrão, o arquivo XML é armazenado sem compressão, mas se fname tiver a extensão .gz
é aplicada a compressão gzip.
Ver tambémbread, mwrite.

cdemean
Resultado: matriz
Argumento: X (matriz)
Centraliza as colunas da matriz X em torno de suas médias.

cdf
Resultado: o mesmo tipo que o argumento
Argumentos: d (texto)
. . . (ver abaixo)
x (escalar, série ou matriz)
Exemplos: p1 = cdf(N, -2.5)
p2 = cdf(X, 3, 5.67)
p3 = cdf(D, 0.25, -1, 1)
Calculadora da função de distribuição acumulada. Retorna P (X ≤ x), onde a distribuição de
X é especificada pela letra d. Entre os argumentos d e x, zero ou mais argumentos adicionais
são necessários para que se especifique os parâmetros da distribuição. Isso é feito da seguinte
forma (note que a distribuição normal tem, por conveniência, uma função própria, cnorm):

Distribuição d Arg 2 Arg 3 Arg 4


Normal padrão z, n ou N – – –
Normal bivariada D ρ – –
t de Student (central) t g.l. – –
Qui-quadrado c, x ou X g.l. – –
F de Snedecor f ou F g.l. (num.) g.l. (den.) –
Gama g ou G forma escala –
Binomial b ou B probabilidade tentativas –
Poisson p ou P média – –
Exponencial exp escala – –
Weibull w ou W forma escala –
Laplace l ou L media escala –
Erro Generalizado E forma – –
2
χ não-central ncX g.l. não-centralidade –
F não-central ncF g.l. (num.) g.l. (den.) não-centralidade
Non-central t nct g.l. não-centralidade –

Note que na maioria dos casos existem pseudônimos para ajudar na memorização dos códigos.
O caso da norma bivariada é especial: a sintaxe é x = cdf(D, rho, z1, z2) onde rho é a
correlação entre as variáveis z1 e z2.
A parametrização que o Gretl usa para a a variável aleatória Gama implica que sua função de
densidade pode ser escrita como

x k−1 e−x/θ
f (x; k, θ) =
θ k Γ (k)
Capítulo 2. Funções Gretl 106

onde k > 0 é o parâmetro de forma e θ > 0 é o parâmetro de escala.


Ver tambémpdf, critical, invcdf, pvalue.

cdiv
Resultado: matriz
Argumentos: X (matriz)
Y (matriz)
Divisão de números complexos. Os dois argumentos devem possuir o mesmo número de linhas,
n, e devem possuir uma ou duas colunas. A primeira coluna contém a parte real e a segunda
(se estiver presente) contém a parte imaginária. A função retorna uma matriz de ordem n × 2
ou, caso não exista a parte imaginária, um vetor com n linhas. Ver tambémcmult.

cdummify
Resultado: lista
Argumento: L (lista)
Esta função devolve uma lista em que cada série do argumento L que tenha o atributo “codi-
ficado” é substituída por un conjunto de variáveis fictícias/dummy que representam cada um
dos seus valores codificados, mas omitindo o valor mais pequeno/menor. Se o argumento L não
contém nenhuma série codificada, o valor retornado vai ser idêntico ao argumento L.
As variáveis fictícias/dummy, se geradas, terão os nomes criados de acordo com o padrão D
nome-da-variável _vi onde vi é o i-ésimo valor representado da variável codificada. Caso alguns
valores sejam negativos, será inserido “m” antes do valor (absoluto) de vi.
Por exemplo, supondo que L contém, uma série codificada chamada C1 com valores −9, −7, 0,
1 e 2. Então, as variáveis dummy/fictícias geradas vão ser DC1_m7 (que codifica quando C1 =
−7), DC1_0 (que codifica quando C1 = 0), etc.
Ver tambémdummify, getinfo.

ceil
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar, série ou matriz)
Consiste na função teto. Retorna o menor inteiro que seja maior ou igual a x. Ver tambémfloor,
int.

cholesky
Resultado: matriz quadrada
Argumento: A (matriz positiva definida)
Realiza a decomposição de Cholesky da matriz A, assumindo que seja simétrica e definida
positiva. O resultado será uma matriz triangular inferior L que satisfaz A = LL0 . A função irá
falhar se A não for simétrica ou não for definida positiva. Ver tambémpsdroot.

chowlin
Resultado: matriz
Argumentos: Y (matriz)
xfac (número inteiro)
X (matriz, opcional)
Expande os dados de entrada, Y, para uma frequência maior utilizando o método de Chow and
Lin (1971). É assumido que as colunas de Y representam séries. A matriz retornada tem a
mesma quantidade de colunas de Y e xfac vezes o número de linhas.
Capítulo 2. Funções Gretl 107

O segundo argumento representa o fator de expansão. Deve ser igual a 3 para expandir dados
trimestrais em mensais ou igual a 4 para expandir de anual para trimestral (estes são os únicos
fatores atualmente suportados). O terceiro argumento, que é opcional, pode ser utilizado para
fornecer uma matriz de covariáveis com frequência maior.
Os regressores utilizados por padrão são uma constante e uma tendência quadrática. Se X for
fornecido, suas colunas devem ser utilizadas como regressores adicionais. A função retornará
um erro se o número de linhas em X não for igual a xfac vezes o número de linhas em Y.

cmult
Resultado: matriz
Argumentos: X (matriz)
Y (matriz)
Multiplicação complexa. Os dois argumentos devem ter o mesmo número de linhas, n, e uma ou
duas colunas. A primeira coluna contendo a parte real e a segunda (se existir) a parte imaginária.
O valor retornado é uma matriz n×2, ou, se o resultado não contiver parte imaginária, um vetor
de tamanho n. Ver tambémcdiv.

cnorm
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar, série ou matriz)
Retorna a função de distribuição acumulada para uma normal padrão. Ver tambémdnorm,
qnorm.

cnumber
Resultado: escalar
Argumento: X (matriz)
Retorna o número condicional da matriz X de ordem n × k, conforme definido em Belsley
et al. (1980). Se as colunas de X forem mutuamente ortogonais o número condicional de X é
a unidade. Um número condicional grande é um indicador de multicolinearidade, sendo que é
considerado normalmente um valor “grande” algo acima de 50 (ou, algumas vezes, de 30).
Os passos para esses cálculos são: (1) construir uma matriz Z onde suas colunas são a divisão
das colunas de X divididas por suas respectivas normas euclidianas; (2) construir Z 0 Z e obter
seus autovalores e; (3) calcular a raiz quadrada da razão entre o maior e o menor autovalor.
Ver tambémrcond.

cnameget

Resultado: texto ou cadeia de texto


Argumentos: M (matriz)
col (número inteiro, opcional)
Se o argumento col for dado, retorna o nome da coluna col da matriz M. Se as colunas de M não
possuírem nomes então será retornada um texto (string) vazio. Se col for maior que o número
de colunas da matriz será sinalizado um erro.
Se não se indicar o segundo argumento, retornará um vetor de texto que contém os nomes das
colunas de M, ou um vetor de texto vazio se M não tiver nomes de colunas atribuídos.
Exemplo:

matrix A = { 11, 23, 13 ; 54, 15, 46 }


cnameset(A, "Col_A Col_B Col_C")
string name = cnameget(A, 3)
Capítulo 2. Funções Gretl 108

print name

Ver tambémcnameset.

cnameset
Resultado: escalar
Argumentos: M (matriz)
S (cadeia de texto ou lista)
Adiciona nomes para as colunas da matriz M de ordem T × k . Se S for uma lista, os nomes
serão os das séries listadas. A lista precisa ter k membros. Se S for um arranjo (array) de textos
(string), ele precisa ter k elementos. Para manter a compatibilidade com versões anteriores do
Gretl, uma única variável de texto também pode ser utilizada como segundo argumento. Nesse
caso ela precisa ter k textos separados por espaços.
Retorna o valor 0 se as colunas forem nomeadas com sucesso. Caso contrário retorna um valor
não-nulo. Veja também rownames.
Exemplo:

matrix M = {1, 2; 2, 1; 4, 1}
variável de textos S = array(2)
S[1] = "Col1"
S[2] = "Col2"
colnames(M, S)
print M

cols
Resultado: número inteiro
Argumento: X (matriz)
Retorna o número de colunas da matriz X. Ver tambémmshape, rows, unvech, vec, vech.

corr
Resultado: escalar
Argumentos: y1 (série ou vetor)
y2 (série ou vetor)
Calcula o coeficiente de correlação entre y1 e y2. Os argumentos devem ser duas séries ou dois
vetores com o mesmo tamanho. Ver tambémcov, mcov, mcorr, npcorr.

corrgm

Resultado: matriz
Argumentos: x (série, matriz ou lista)
p (número inteiro)
y (série ou vetor, opcional)
Se forem fornecidos apenas os dois primeiros argumentos a função calcula o correlograma de
x para as defasagens de 1 até p. Sendo k o número de elementos em x (igual a 1 se x for uma
série, ao número de colunas se x for uma matriz ou ao número de membros se x for uma lista).
O valor retornado será uma matriz com p linhas e 2k colunas, onde as k primeiras colunas
conterão as respectivas autocorrelações e o restante as respectivas autocorrelações parciais.
Se um terceiro argumento for fornecido a função irá computar o correlograma cruzado para
cada um dos k elementos em x e y, partindo de +p até − p. A matriz retornada possui 2p + 1
Capítulo 2. Funções Gretl 109

linhas e k colunas. Se x for uma série ou lista e y for um vetor, y precisa ter linhas na mesma
quantidade que o total de observações na amostra selecionada.

cos
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar, série ou matriz)
Retorna o cosseno de x. Ver tambémsin, tan, atan.

cosh
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar, série ou matriz)
Retorna o cosseno hiperbólico de x.

ex + e−x
cosh x =
2

Ver tambémacosh, sinh, tanh.

cov
Resultado: escalar
Argumentos: y1 (série ou vetor)
y2 (série ou vetor)
Retorna a covariância y1 e y2. Os argumentos devem ser duas séries ou dois vetores (estes
devem possuir o mesmo comprimento). Ver tambémcorr, mcov, mcorr.

critical
Resultado: o mesmo tipo que o argumento
Argumentos: c (caractere)
. . . (ver abaixo)
p (escalar, série ou matriz)
Exemplos: c1 = critical(t, 20, 0.025)
c2 = critical(F, 4, 48, 0.05)
Calculadora de valores críticos. Retorna x tal que P (X > x) = p, onde a distribuição X é
determinada pela letra c. Entre os argumentos c e p, zero ou mais argumentos escalares são
necessários para especificar os parâmetros da distribuição, Isso é feito da seguinte forma:

Distribuição c Arg 2 Arg 3


Normal padrão z, n ou N – –
t de Student (central) t graus de liberdade –
Qui-quadrado c, x ou X graus de liberdade –
F de Snedecor f ou F g.l. (num.) g.l. (den.)
Binomial b ou B p n
Poisson p ou P λ –
Laplace l ou L média escala
Erro Generalizado E forma –

Ver tambémcdf, invcdf, pvalue.


Capítulo 2. Funções Gretl 110

cum
Resultado: o mesmo tipo que o argumento
Argumento: x (série ou matriz)
Pt
Acumula x. Quando x or uma série, produz uma série yt = s=m xs . O ponto de partida para a
acumulação, m, é a primeira observação não-ausente a amostra selecionada corrente. Se forem
encontrados valores ausentes em x, os valores subsequentes de y serão definidos como valor
ausente. Quando xfor uma matriz, seus elementos são acumulados por colunas.
Ver tambémdiff.

curl
Resultado: escalar
Argumento: &b (referência a lote)
Fornece uma maneira relativamente flexível de se obter um buffer de texto contendo dados de
um servidor de internet utilizando a biblioteca libcurl. O argumento b, do tipo pacote (bundle),
deve conter uma variável de texto (string) chamada URL que fornece o endereço completo do
recurso no host alvo. Outros elementos opcionais são apresentados a seguir.

• “header”: a variável de texto especificando um header HTTP que será enviado para o host.

• “postdata”: a variável de texto contendo os dados que serão enviados para o host.

Os campos header e postdata são destinados para o uso com uma requisição HTTP do tipo
POST. Se postdata estiver presente o método POST é implícito, caso contrário o método GET
é implícito. Mas note que para requisições GET diretas a função readfile oferece uma interface
mais simples.
Se outro elemento opcional do pacote, um escalar chamado include estiver presente e possuir
valor não-nulo, a requisição irá incluir o header recebido do host com o corpo de saída.
Ao completar-se a requisição, o texto recebido do servidor é adicionado ao pacote e recebe o
nome de “output”.
Se um erro ocorrer na formulação da requisição (por exemplo, não existir a URL na entrada) a
função irá falhar, caso contrário ela retornará o valor 0 se a requisição for bem sucedida ou um
valor não nulo, sendo que neste caso a mensagem de erro da biblioteca curl será adicionado
ao pacote e identificado como “errmsg”. Note, entretanto, que “sucesso” neste sentido não
significa necessariamente que os dados desejados foram obtidos. Na verdade significa apenas
que alguma resposta foi recebida do servidor. Assim, é necessário conferir o conteúdo do buffer
de saída (que pode ser de fato uma mensagem tal como “Página não encontrada”).
Um bom exemplo de como utilizar essa função é baixar alguns dados do site do US Bureau of
Labor Statistics, que requere o envio de uma consulta (query) JSON. Note o uso de sprintf para
inserir aspas duplas no dado POST.

bundle req
req.URL = "http://api.bls.gov/publicAPI/v1/timeseries/data/"
req.include = 1
req.header = "Content-Type: application/json"
string s = sprintf("{\"seriesid\":[\"LEU0254555900\"]}")
req.postdata = s
err = curl(&req)
if err == 0
s = req.output
string line
loop while getline(s, line) --quiet
printf "%s\n", line
endloop
endif
Capítulo 2. Funções Gretl 111

Veja também as funções jsonget e xmlget para processamento de dados recebidos no formato
JSON e XML, respectivamente.

dayspan
Resultado: número inteiro
Argumentos: dia1 (número inteiro)
dia2 (número inteiro)
dias por semana (número inteiro)
Retorna o número de dias (relevantes) entre os dias dia1 e dia2, inclusive. Os dias por semana,
que têm que ser 5, 6 ou 7, dão o número de dias na semana que devem contar (um valor de 6,
ignora domingos, e um valor de 5 ignora sábados e domingos).
Para obter dias de época a partir de formas mais familiares de datas, ver epochday. Veja tam-
bém: smplspan.

defarray
Resultado: ver abaixo
Argumento: . . . (ver abaixo)
Permite a definição de uma variável do tipo arranjo (array) de forma direta, através do forneci-
mento de um ou mais elementos. Ao utilizar essa função é necessário que se especifique um
tipo (na forma plural) para o arranjo: strings, matrices, bundles ou lists. Cada um dos
argumentos dever ser um objeto do mesmo tipo que o especificado na definição do arranjo. Em
caso de sucesso na definição, será retornado um arranjo com n elementos, onde n é igual ao
número de argumentos.

strings S = defarray("foo", "bar", "baz")


matrices M = defarray(I(3), X’X, A*B, P[1:])

Veja também array.

defbundle
Resultado: lote
Argumento: . . . (ver abaixo)
Permite a definição inicial de uma variável pacote (bundle) por extenso, com a indicação de zero
ou mais pares com o formato chave, membro. Se contarmos os argumentos a partir de 1, cada
argumento numerado ímpar tem de corresponder a uma cadeia de texto (chave) e cada argu-
mento numerado par deve representar um objeto/objecto de um tipo que possa ser incluído
num pacote.
Alguns exemplos simples:

bundle b1 = defbundle("s", "Texto exemplo", "m", I(3))


bundle b2 = defbundle("yn", normal(), "x", 5)

O primeiro exemplo é um pacote cujos membros são uma cadeia de texto e uma matriz. O
segundo, um pacote com um membro que é uma série e outro que é escalar. Notar que não
se pode especificar o tipo de cada argumento quando se utiliza esta função, por isso deve-se
aceitar o tipo “natural” do argumento em questão. Por exemplo, se se pretendia acrescentar
uma série com valor constante 5, a um pacote chamado b1 seria necessário escrever algo como
o seguinte (depois de declarar b1):

series b1.s5 = 5
Capítulo 2. Funções Gretl 112

Se não se fornecer nenhum argumento a esta função, isso equivale a criar um pacote vazio (ou
esvaziar o conteúdo um pacote existente), o que também poderia ser feito via:

bundle b = null

deflist
Resultado: lista
Argumento: . . . (ver abaixo)
Gera uma lista (de séries já definidas) dados um ou mais argumentos apropriados. Cada argu-
mento deve ser uma série já definida (indicada pelo seu nome ou número ID), uma lista definida
previamente ou por uma expressão cujo resultado seja uma lista (incluindo um vetor que possa
ser interpretado como um conjunto de números ID).
Um ponto a ser considerado é que esta função simplesmente concatena seus argumentos para
produzir a lista que ela devolve. Quando se pretende que o valor a ser retornado não tenha
duplicados (que não se refira a nenhuma série mais que uma vez), fica a cargo do utilizador
garantir que esse requisito seja seguido.

deseas
Resultado: série
Argumentos: x (série)
c (caractere, opcional)
Precisa que o TRAMO/SEATS e/ou X-12-ARIMA estejam instalados. Retorna a série x dessazo-
nalizada (ou seja, sazonalmente ajustada). A série a ser dessazonalizada precisa ser mensal ou
trimestral. Para utilizar o X-12-ARIMA deve-se fornecer X como segundo argumento e para usar
o TRAMO/SEATS deve-se fornecer T. Se o segundo argumento for omitido o Gretl irá utilizar o
X-12-ARIMA.
Note que se a série de entrada não possuir um componente sazonal detectável a execução da
função irá falhar. Note também que tanto o TRAMO/SEATS quanto o X-12-ARIMA oferecem
um grande número de opções, mas a função deseas utilizará apenas os seus valores padrão.
Em ambos os programas os fatores sazonais são calculados com base em um modelo ARIMA
automaticamente selecionado. Uma das diferenças entre os dois que pode levar a resultados
bastante distintos é o ajuste prévio de observações aberrantes que o TRAMO/SEATS realiza e
que não é feito pelo X-12-ARIMA.

det
Resultado: escalar
Argumento: A (matriz quadrada)
Retorna o determinante de A, calculado via decomposição LU. Ver tambémldet, rcond, cnumber.

diag

Resultado: matriz
Argumento: X (matriz)
Retorna a diagonal principal de X em um vetor coluna. Se X for uma matriz de ordem m × n o
número de elementos do vetor resultante será igual a min(m, n). Ver tambémtr.

diagcat

Resultado: matriz
Argumentos: A (matriz)
B (matriz)
Capítulo 2. Funções Gretl 113

Retorna a soma direta de A e B, isto é, uma matriz contendo A no canto superior esquerdo e B
no canto inferior direito. Se A e B forem ambas quadradas, a matriz resultante será diagonal
em blocos.

diff
Resultado: o mesmo tipo que o argumento
Argumento: y (série, matriz ou lista)
Calcula a primeira diferença. Se y for uma série ou uma lista de séries, os valores iniciais serão
iguais a NA. Se y for uma matriz, a diferenciação é feita por colunas e os valores iniciais serão
iguais a 0.
Quando for retornada uma lista, cada uma das variáveis será automaticamente nomeada con-
forme o modelo d_varname, onde varname é o nome da série original. O nome será truncado
caso necessário e pode ser ajustado caso já exista uma variável com o mesmo nome.
Ver tambémcum, ldiff, sdiff.

digamma

Resultado: o mesmo tipo que o argumento


Argumento: x (escalar, série ou matriz)
d
Retorna a função digama (ou Psi) de x, isto é, dx ln Γ (x).

dnorm
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar, série ou matriz)
Retorna a densidade da distribuição normal padrão em x. Para obter a densidade para uma
distribuição normal não-padrão em x, utilize o escore-z de x como argumento da função dnorm
e multiplique o resultado pela jacobiana da transformação z, ou seja, 1/σ , conforme ilustrado
a seguir:

mu = 100
sigma = 5
x = 109
fx = (1/sigma) * dnorm((x-mu)/sigma)

Ver tambémcnorm, qnorm.

dropcoll
Resultado: lista
Argumentos: X (lista)
epsilon (escalar, opcional)
Retorna uma lista com os mesmo elementos de X, mas excluindo as séries colineares. Assim,
se todas as séries em X forem linearmente independentes, a lista resultante será simplesmente
uma cópia de X.
O algoritmo utiliza a decomposição QR (transformação de Householder), de forma que está su-
jeita a erro de precisão finita. Para avaliar a sensibilidade do algoritmo, um segundo parâmetro
(opcional) epsilon pode ser especificado para tornar o teste de colinearidade mais ou menos
estrito, conforme desejado. O valor padrão para epsilon é 1.0e-8. Ajustando epsilon para um
maior valor eleva a probabilidade de uma série ser descartada.
Exemplo:
Capítulo 2. Funções Gretl 114

nulldata 20
set seed 9876
series foo = normal()
series bar = normal()
series foobar = foo + bar
list X = foo bar foobar
list Y = dropcoll(X)
list print X
list print Y
# defina épsilon como sendo um valor bastante pequeno
list Y = dropcoll(X, 1.0e-30)
list print Y

produz

? list print X
foo bar foobar
? list print Y
foo bar
? list Y = dropcoll(X, 1.0e-30)
Replaced list Y
? list print Y
foo bar foobar

dsort
Resultado: o mesmo tipo que o argumento
Argumento: x (série ou vetor)
Ordena x de forma decrescente, descartando observações com valores ausentes quando x for
uma série. Ver tambémsort, values.

dummify
Resultado: lista
Argumentos: x (série)
omitval (escalar, opcional)
O argumento x deve ser uma série discreta. Essa função cria um conjunto de variáveis dummy,
sendo uma para cada um dos valores distintos na série. Por padrão o menor valor é tratado
como a categoria omitida e não é explicitamente representado.
O segundo argumento (opcional) representa o valor de x que deve ser tratado como sendo
a categoria omitida. O efeito quando o argumento único for dado é equivalente a utilizar o
seguinte comando: dummify(x, min(x)). Para produzir um conjunto completo de dummies,
ou seja, sem a categoria omitida, pode-se usar dummify(x, NA).
As variáveis geradas são automaticamente nomeadas de acordo com o seguinte padrão: Dvarname_i
onde varname é o nome da séries original e i é um índice iniciado em 1. A porção que repre-
senta o nome original da série será truncado, caso seja necessário, e ajustado no caso de não
ser único no conjunto de nomes assim construído.

easterday
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar, série ou matriz)
Com o argumento x representando um ano, retorna a data da Páscoa no calendário gregoriano
no formato mês + dia/100. Note que 10 de abril é, nesta convenção, 4.1. Assim, 4.2 representa
20 de abril e não 2 de abril (que seria representado por 4.02).
Capítulo 2. Funções Gretl 115

scalar e = easterday(2014)
scalar m = floor(e)
scalar d = 100*(e-m)

ecdf
Resultado: matriz
Argumento: y (série ou vetor)
Calcula a função distribuição acumulada (FDA) empírica de y. Esta é retornada em uma ma-
triz com duas colunas: a primeira contém os valores únicos e ordenados de y e a segunda a
frequência relativa acumulada,
n
1 X
F (y) = I(yi ≤ y)
n i=1
onde n é o número total de observações e I() representa a função indicadora.

eigengen

Resultado: matriz
Argumentos: A (matriz quadrada)
&U (referência a matriz, ou null)
Calcula os autovalores e, opcionalmente, os autovetores, da matriz A de ordem n × n. Se todos
os autovalores forem reais uma matriz n × 1 é retornada. Caso contrário, o resultado é uma
matriz n × 2, com a primeira coluna contendo os componentes reais e a segunda coluna os
componentes imaginários. Não é garantido que os autovalores sejam classificados em alguma
ordem particular.
Existem duas possibilidades para o segundo argumento. Ele deve ser o nome de uma matriz
existente precedida por & (para indicar o “endereço” da matriz em questão), sendo que nesse
caso um resultado auxiliar é armazenado nesta matriz. A outra possibilidade é a utilização da
palavra-chave null, sendo que nesse caso o resultado auxiliar não é produzido.
Se o segundo argumento for não-nulo, a matriz especificada será sobrescrita com o resultado
auxiliar. Vale salientar que não é necessário que a matriz existente tenha a dimensão adequada
para receber o resultado. A matriz U é organizada da seguinte forma:

• Se o i-ésimo autovalor for real, a i-ésima coluna de U irá conter o autovetor correspon-
dente;
• Se o i-ésimo autovalor for complexo, a i-ésima coluna de U irá conter a parte real do
autovetor correspondente e a coluna seguinte a parte imaginária. O autovetor para o
autovalor conjugado é a conjugada do autovetor.

Em outras palavras, os autovetores são armazenados na mesma ordem que os autovalores, mas
os autovetores reais ocupam uma coluna, enquanto que os autovetores complexos ocupam duas
(sendo que a parte real é armazenada primeiro). O número total de colunas ainda é n, pois o
autovetor conjugado é ignorado.
Ver tambémeigensym, eigsolve, qrdecomp, svd.

eigensym

Resultado: matriz
Argumentos: A (matriz simétrica)
&U (referência a matriz, ou null)
Funciona da mesma forma que eigengen, mas o argumento A deve ser simétrico (sendo que
neste caso os cálculos podem ser reduzidos). Diferentemente de eigengen, autovalores são
retornados em ordem ascendente.
Capítulo 2. Funções Gretl 116

Note: se o interesse é na decomposição espectral de uma matriz da forma X 0 X, onde X é uma


matriz grande, é preferível calculá-la via operador X’X ao invés de utilizar a sintaxe mais geral
X’*X. A primeira expressão utiliza um algoritmo especializado que tem a dupla vantagem de
ser mais eficiente computacionalmente e de garantir que o resultado seja livre, por construção,
dos artefatos de precisão de máquina que podem torná-la numericamente não-simétrico.

eigsolve

Resultado: matriz
Argumentos: A (matriz simétrica)
B (matriz simétrica)
&U (referência a matriz, ou null)
Resolve o problema do autovalor generalizado |A − λB| = 0, onde A e B são simétricas e B é
positiva definida. Os autovalores são retornados diretamente, ordenados de forma ascendente.
Se for utilizado o terceiro argumento (opcional) ele deve ser o nome de uma matriz existente
precedida por &. Neste caso os autovetores generalizados serão escritos nesta matriz.

epochday
Resultado: escalar ou série
Argumentos: ano (escalar ou série)
mês (escalar ou série)
dia (escalar ou série)
Retorna o número do dia na época corrente especificada pelo ano, mês e dia. O número do dia é
igual a 1 para o dia 1 de janeiro do ano 1 depois de Cristo, no calendário gregoriano proléptico,
e 733786 na data 2010-01-01. Se algum dos argumentos for uma série, os valores retornados
também terão a forma de uma série, caso contrário será retornado um escalar.
Por padrão os valores do ano, mês e dia assumem-se serem relativos ao calendário gregoriano,
mas se o ano for um valor negativo a interpretação muda para o calendário juliano.
Para a inversa dessa função, veja isodate. Veja também a função juldate para o calendário
juliano.

errmsg

Resultado: texto
Argumento: errno (número inteiro)
Retorna a mensagem de erro do Gretl associada a errno. Veja também $error.

exists
Resultado: número inteiro
Argumento: name (texto)
Retorna um valor não-nulo se name é o identificador de um objeto existente, seja um escalar,
uma série, uma matriz, uma lista, uma variável de texto, um pacote (bundle) ou um arranjo
(array). Caso contrário retorna 0. Veja também typeof.

exp
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar, série ou matriz)
x
Retorna e . Note que no caso de matrizes a função é aplicada em cada elemento. Para a função
exponencial matricial veja mexp.
Capítulo 2. Funções Gretl 117

fcstats
Resultado: matriz
Argumentos: y (série ou vetor)
f (série, lista ou matriz)
Produz uma matriz contendo várias estatísticas que podem ser utilizadas para avaliar a série f,
que consiste na previsão da série observada y.
Quando f é uma série ou um vetor/vector, o resultado é um vetor/vector coluna. Quando f é
uma lista com k membros ou uma matriz de ordem T × k, o resultado tem k colunas, sendo que
cada uma contém as estatísticas do elemento correspondente (série ou coluna) do argumento
de entrada (série, vetor, lista ou matriz) como uma predição de y.
Em todos os casos, a dimensão “vertical” do argumento de entrada (o comprimento da amostra
corrente para uma série ou uma lista, e o número de linhas para uma matriz) deve coincidir
entre os dois argumentos.
As linhas da matriz retornada são constituídas pelas seguintes estatísticas:

1 Erro Médio (ME)


2 Raiz do Erro Quadrado Médio (RMSE)
3 Erro Absoluto Médio (MAE)
4 Erro Percentual Médio (MPE)
5 Erro Percentual Absoluto Médio (MAPE)
6 U de Theil
7 Proporção do viés, UM
8 Proporção da regressão, UR
9 Proporção do distúrbio, UD

Para mais detalhes sobre o cálculo dessas estatísticas e a interpretação dos valores de U, veja o
the Gretl User’s Guide (Capítulo 32).

fdjac

Resultado: matriz
Argumentos: b (vetor coluna)
fcall (chamada a função)
h (escalar, opcional)
Calcula uma aproximação numérica para a jacobiana associada ao vetor b de ordem n e a
função de transformação especificada pelo argumento fcall. A chamada da função deve ter b
como primeiro argumento (tanto na forma direta quanto na forma de ponteiro), seguido por
quaisquer argumentos adicionais que podem ser necessários e o valor retornado deverá ser
uma matriz de ordem m × 1. Se executada com sucesso, fdjac retorna uma matriz de ordem
m × n contendo a jacobiana. Exemplo:
Pode-se utilizar o terceiro argumento (opcional) para determinar o tamanho da medida h que
se usa no mecanismo de aproximação (ver mais abaixo). Quando se omite este argumento, o
tamanho da medida determina-se automaticamente.
Aqui está um exemplo do seu uso:

matrix J = fdjac(theta, myfunc(&theta, X))

A função pode utilizar três diferentes métodos: diferença anterior, diferença bilateral ou extra-
polação de Richardson com 4 nós. Respectivamente:

f (x + h) − f (x)
J0 =
h
Capítulo 2. Funções Gretl 118

f (x + h) − f (x − h)
J1 =
2h

8(f (x + h) − f (x − h)) − (f (x + 2h) − f (x − 2h))


J2 =
12h

As três alternativas acima trazem, geralmente, um dilema entre acurácia e velocidade. É possível
escolher os métodos através do comando set, ajustando a variável fdjac_quality em 0, 1 ou
2.
Para mais detalhes e exemplos veja o capítulo sobre métodos numéricos no the Gretl User’s
Guide (Capítulo 34).
Ver tambémBFGSmax, numhess, set.

fevd
Resultado: matriz
Argumentos: target (número inteiro)
shock (número inteiro)
sys (lote, opcional)
Essa função é uma alternativa mais flexível à função de acesso $fevd para a obtenção da matriz
de decomposição da variância do erro de previsão (FEVD) que pode ser obtida após a estimação
de um VAR ou VECM. Quando utilizada sem o argumento final, sys, está disponível apenas
imediatamente após a estimação de um VAR ou VECM. Alternativamente, as informações de
uma VAR ou VECM podem ser armazenadas em um pacote via função $system que, por sua
vez, pode ser utilizado como o último argumento da função fevd.
Os argumentos target e shock são índices das variáveis endógenas no sistema, com 0 indicando
“todas”. Os seguintes exemplos ilustram sua utilização. No primeiro deles a matriz fe1 ar-
mazena as proporções da variância do erro de previsão para y1 causadas por y1, y2 e y3 (as
linhas somam 1). No segundo, fe2 armazena as contribuições de y2 para a variância do erro
de previsão de todas as três variáveis (logo as linhas não somam 1). No terceiro caso o valor
retornado é um vetor coluna contendo a “própria parcela” da variância do erro de previsão de
y1.

var 4 y1 y2 y3
bundle vb = $system
matrix fe1 = fevd(1, 0, vb)
matrix fe2 = fevd(0, 2, vb)
matrix fe3 = fevd(1, 1, vb)

O número de períodos (linhas) ao longo dos quais a decomposição é traçada é determinado


automaticamente com base na frequência dos dados, mas isso pode ser ajustado via comando
set, como por exemplo set horizon 10.
Ver tambémirf.

fft
Resultado: matriz
Argumento: X (matriz)
Calcula a transformada de Fourier real discreta. Se a matriz de entrada X tiver n colunas, a saída
terá 2n colunas, onde as partes reais são armazenadas nas colunas ímpares e as complexas nas
pares.
Quando seja necessário calcular a transformada de Fourier em vários vetores com o mesmo
número de elementos, é mais eficiente, do ponto de vista numérico, agrupar esses vetores em
Capítulo 2. Funções Gretl 119

uma única matriz ao invés de aplicar a função fft em cada vetor de forma separada. Ver
tambémffti.

ffti
Resultado: matriz
Argumento: X (matriz)
Calcula a inversa da transformada de Fourier real discreta. Assume-se que X contém n colunas
complexas, com a parte real nas colunas ímpares e a parte real nas pares. Assim, o número
total de colunas deverá ser 2n. Uma matriz com n colunas é retornada. returned.
Quando seja necessário calcular a inversa da transformada de Fourier em vários vetores com
o mesmo número de elementos, é mais eficiente, do ponto de vista numérico, agrupar esses
vetores em uma única matriz ao invés de aplicar a função fft em cada vetor de forma separada.
Ver tambémfft.

filter
Resultado: ver abaixo
Argumentos: x (série ou matriz)
a (escalar ou vetor, opcional)
b (escalar ou vetor, opcional)
y0 (escalar, opcional)
Calcula uma filtragem semelhante ao ARMA do argumento x. A transformação pode ser escrita
como

q p
X X
yt = ai xt−i + bi yt−i
i=0 i=1

Se o argumento x for uma série, o resultado será também uma série. Caso contrário, se x for
uma matriz com T linhas e k colunas, o resultado será uma matriz com o mesmo tamanho e
com a filtragem sendo realizada coluna por coluna.
Os argumentos a e b são opcionais. Eles podem ser escalares, vetores ou a palavra-chave null.
Se a for um escalar, isto é usado como a0 e implica em q = 0. Se ele for um vetor com
q + 1 elementos, eles contêm os coeficientes de a0 a aq . Se a for null ou for omitido, isso
é equivalente a definir a0 = 1 e q = 0.
Se b for um escalar, isto é usado como b1 e implica em p = 1. Se ele for um vetor com
p elementos, eles contêm os coeficientes de b1 a bp . Se b for null ou for omitido, isso é
equivalente a definir B(L) = 1.
O argumento escalar opcional y0 for tomado para representa todos os valores de y anteriores
ao início da amostra (usado apenas quando p > 0). Se for omitido, subentende-se que é igual a
0. Assume-se que valores pré-amostrais de x são sempre 0.
Ver tambémbkfilt, bwfilt, fracdiff, hpfilt, movavg, varsimul.
Exemplo:

nulldata 5
y = filter(index, 0.5, -0.9, 1)
print index y --byobs
x = seq(1,5)’ ~ (1 | zeros(4,1))
w = filter(x, 0.5, -0.9, 1)
print x w

produz
Capítulo 2. Funções Gretl 120

index y

1 1 -0.40000
2 2 1.36000
3 3 0.27600
4 4 1.75160
5 5 0.92356

x (5 x 2)

1 1
2 0
3 0
4 0
5 0

w (5 x 2)

-0.40000 -0.40000
1.3600 0.36000
0.27600 -0.32400
1.7516 0.29160
0.92356 -0.26244

firstobs
Resultado: número inteiro
Argumento: y (série)
Retorna o número da primeira observação não ausente da série y. Note que se alguma forma
de subamostragem estiver sendo utilizada o valor retornado poderá ser menor que o valor
retornado pela função $t1. Ver tambémlastobs.

fixname
Resultado: texto
Argumentos: rawname (texto)
underscore (booleano, opcional)
Tem como intuito principal a utilização em conjunto com o comando join. Retorna o resultado
da conversão de rawname em um identificador válido do Gretl, que deve ser iniciado por uma
letra, conter apenas letras ASCII, dígitos e traço inferior (“underscore”), e não deve ter mais que
31 caracteres. As regras utilizadas na conversão são:
1. Remover quaisquer caracteres que não sejam letras no início do nome.
2. Até o limite de 31 caracteres não ter sido ultrapassado ou a entrada tiver sido exaurida:
transcreve os caracteres “legais ”, omite os caracteres “ilegais”, com exceção dos espaços, e
substitui os espaços por traços inferiores. Se o caractere anterior for um traço inferior o espaço
será omitido.
Se você estiver seguro de que a entrada não é muito extensa (e, dessa forma, não está sujeita a
truncagem), você pode querer que um ou mais dos caracteres ilegais sejam substituídos por um
traço inferior ao invés de simplesmente deletá-los. Isto pode produzir um identificador mais
legível. Para que isso ocorra, forneça um valor diferente de 0 para o segundo argumento (que é
opcional). Vale salientar que esse procedimento não é aconselhável quando o comando join for
utilizado, uma vez que os nomes automaticamente “corrigidos ” não utilizarão o traço inferior.

floor
Resultado: o mesmo tipo que o argumento
Argumento: y (escalar, série ou matriz)
Capítulo 2. Funções Gretl 121

Consiste na função piso. Retorna o maior inteiro menor que ou igual x. Note que int e
floor possuem efeitos distintos em argumentos negativos: int(-3.5) gera −3, enquanto
floor(-3.5) gera −4.

fracdiff
Resultado: série
Argumentos: y (série)
d (escalar)

X
∆d yt = yt − ψi yt−i
i=1

onde
Γ (i − d)
ψi =
Γ (−d)Γ (i + 1)

Note que teoricamente a diferenciação fracionária é um filtro infinitamente longo. Na prática,


valores antes da amostra de y t são assumidos com sendo iguais a zero.
É possível utilizar valores de d negativos. Nesse caso é realizada a integração fracionária.

gammafun

Resultado: o mesmo tipo que o argumento


Argumento: x (escalar, série ou matriz)
Retorna a função gama de x.

genseries

Resultado: escalar
Argumentos: varname (texto)
rhs (série)
Permite que sejam geradas séries cujos nomes não são conhecidos a priori e/ou que sejam
criadas séries e adicionadas a uma lista utilizando apenas uma única operação.
O primeiro argumento fornece o nome da série a ser criada (ou modificada) e pode ser um texto
literal, uma variável de texto (string), ou uma expressão cujo resultado seja uma variável de
texto. O segundo argumento, rhs (abreviação em inglês de “lado direito”), define a fonte da
série: isto pode ser o nome de uma série existente ou uma expressão cujo resultado seja uma
série, da forma que aparece do lado direito do sinal de igualdade quando se definem séries da
forma usual.
O valor de retorno dessa função é o número ID das séries no conjunto de dados, um valor que
pode ser utilizado para incluir as séries em uma lista (ou −1 caso a execução da função falhe).
Por exemplo, suponha que se queira adicionar n séries aleatórias com distribuição normal ao
conjunto de dados e colocá-las em uma lista. O código a seguir fará isso:

list Normals = null


loop i=1..n --quiet
Normals += genseries(sprintf("norm%d", i), normal())
endloop

Ao término da execução a lista Normals irá conter as séries norm1, norm2 e assim sucessiva-
mente.
Capítulo 2. Funções Gretl 122

getenv

Resultado: texto
Argumento: s (texto)
Se uma variável de ambiente de nome s estiver definida a função retorna uma variável com o
texto dessa variável, caso contrário, retorna um texto vazio. Veja também ngetenv.

getinfo

Resultado: lote
Argumento: y (série)
Retorna, na forma de um pacote (bundle) informações sobre a série especificada, o que pode
ser feito por meio de seu nome ou de seu número ID. O pacote retornado contém os atributos
que podem ser definidos via comando setinfo. Ele também contém informações relevantes
adicionais das séries que tenham sido criadas por meio de transformações nos dados primários
(defasagens, logs, etc.): isso inclui o nome do comando do Gretl para a transformação sob
código “transform” e o nome da série primária associada sob o código “parent”. Para séries
defasadas, o número específico de defasagens pode ser encontrado sob o código “lag”.
Exemplo de utilização:

open data9-7
lags QNC
bundle b = getinfo(QNC_2)
print b

Ao executar o código acima tem-se:

has_string_table = 0
lag = 2
parent = QNC
name = QNC_2
graph_name =
coded = 0
discrete = 0
transform = lags
description = = QNC(t - 2)

Para verificar se a série 5 no conjunto de dados é um termo defasado pode-se proceder da


seguinte forma:

if getinfo(5).lag != 0
printf "a série 5 é uma defasagem de %s\n", getinfo(5).parent
endif

Deve-se ter em mente que a notação ponto (.) para acessar os membros do pacote pode ser
utilizada mesmo este seja “anônimo” (ou seja, armazenado sem seu próprio nome).

getkeys

Resultado: cadeia de texto


Argumento: b (lote)
Retorna um vetor de textos contendo os códigos que identificam os conteúdos de b. Se o pacote
(bundle) estiver vazio é retornado um vetor também vazio.
Capítulo 2. Funções Gretl 123

getline

Resultado: escalar
Argumentos: source (texto)
target (texto)
Essa função lê sucessivamente as linhas de source, que deve ser uma variável de texto (string).
A cada chamada uma linha do texto é escrita em target (que também deve ser uma variável de
texto) com o caractere de nova linha removido. O valor retornado é 1, se existir algo a ser lido
(incluindo-se linhas em branco), ou 0, se todas as linhas de source tiverem sido lidas.
A seguir é apresentado um exemplo onde o conteúdo de um arquivo de texto é dividido em
linhas:

string s = readfile("data.txt")
string line
scalar i = 1
loop while getline(s, line)
printf "line %d = ’%s’\n", i++, line
endloop

Neste exemplo pode-se ter a certeza de que o texto foi exaurido quando o loop terminar. Se
não for desejado exaurir todas as linhas do texto pode-se chamar a função getline, sendo que
sucessivas chamadas substituirão o conteúdo de target pela nova linha lida. Para reiniciar a
leitura a partir da primeira linha de source basta utilizar null no argumento target (ou apenas
deixá-lo em branco). Exemplos:

getline(s, line) # recupera uma única linha


getline(s, null) # reinicia a leitura

Note que apesar de a posição de leitura avançar em cada chamada de getline, o argumento
source não é modificado por essa função, apenas target é alterado.

ghk

Resultado: matriz
Argumentos: C (matriz)
A (matriz)
B (matriz)
U (matriz)
&dP (referência a matriz, ou null)
Calcula a aproximação GHK (Geweke, Hajivassiliou, Keane) para a função de distribuição normal
multivariada. Veja, por exemplo, Geweke (1991). O valor retornado é um vetor de probabilida-
des de ordem n × 1.
O argumento C (m × m) deve fornecer o fator de Cholesky (triangular inferior) da matriz de
covariância de m variáveis normais. Ambos os argumentos A e B devem ser de ordem n × m,
fornecendo, respectivamente, os limites inferior e superior aplicados às variáveis em cada uma
das n observações. Quando as variáveis não possuírem limites é necessário que tal caracterís-
tica seja indicada através da constante $huge ou de sua negativa.
A matriz U deve ter ordem m × r , sendo r o número de elementos pseudo-aleatórios extraídos
da distribuição uniforme. Funções convenientes para a criação de U são muniform e halton.
A seguir encontra-se um caso relativamente simples onde as probabilidades multivariadas po-
dem ser calculada de forma analítica. As séries P e Q devem ser numericamente muito similares
entre si, sendo P a probabilidade “verdadeira” e Q sua aproximação GHK:
Capítulo 2. Funções Gretl 124

nulldata 20
series inf1 = -2*uniform()
series sup1 = 2*uniform()
series inf2 = -2*uniform()
series sup2 = 2*uniform()

scalar rho = 0.25


matrix V = {1, rho; rho, 1}

series P = cdf(D, rho, inf1, inf2) - cdf(D, rho, sup1, inf2) \


- cdf(D, rho, inf1, sup2) + cdf(D, rho, sup1, sup2)

C = cholesky(V)
U = halton(2, 100)

series Q = ghk(C, {inf1, inf2}, {sup1, sup2}, U)

O argumento opcional dP pode ser usado para recuperar a matriz n × k de derivadas das
probabilidades, onde k é igual a 2m + m (m + 1)/2. As primeiras m colunas contêm as derivadas
em relação aos limites inferiores, as próximas m as derivadas em relação aos limites superiores
e as colunas restantes as derivadas em relação aos elementos únicos da matriz C na ordem
“vech”.

gini

Resultado: escalar
Argumento: y (série ou vetor)
Retorna o índice de desigualdade de Gini para a série ou o vetor (não negativos). Um valor
de Gini igual a zero indica igualdade perfeita. O valor máximo de Gini para uma série com n
elementos é (n − 1)/n, ocorrendo quando apenas um membro possui um valor positivo. Um
Gini igual a 1,0 é, dessa forma, o limite aproximado por uma grande série com desigualdade
máxima y.

ginv

Resultado: matriz
Argumento: A (matriz)
+
Retorna A , a Moore–Penrose ou inversa generalizada de A, calculada via decomposição em
valores singulares.
Essa matriz possui as seguintes propriedades:

AA+ A = A
+ +
A AA = A+

Além disso, os produtos A+ A e AA+ são simétricos por construção.


Ver tambéminv, svd.

GSSmax
Resultado: escalar
Argumentos: &b (referência a matriz)
f (chamada a função)
toler (escalar, opcional)
Maximização de unidimensional via método Golden Section Search (GSS). A matriz b deve ser
um vetor de ordem 3. Na entrada o primeiro elemento é ignorado enquanto que o segundo e
Capítulo 2. Funções Gretl 125

o terceiro elementos determinam os limites inferior e superior da busca. O argumento fncall


deve especificar a chamada a uma função que retorna o valor da variável a ser maximizada. O
elemento 1 de b, que irá armazenar o valor corrente do parâmetro ajustável quando a função
for chamada, deve ser determinado como seu primeiro argumento. Quaisquer argumentos
requeridos podem então ser incluídos em seguida. A função em questão de ser unimodal (ou
seja, não deve possuir máximos locais, apenas o máximo global) ao longo da amostra estipulada,
caso contrário não se pode garantir que o GSS irá encontrar o máximo.
Ao ser executada com sucesso GSSmax retorna o valor ótimo da variável a ser maximizada,
enquanto b armazena o valor do parâmetro ótimo juntamente dos limites de seu intervalo.
O terceiro argumento, que é opcional, pode ser utilizado para ajustar a convergência, isto é, a
largura máxima aceitável do intervalo final do parâmetro. Se esse argumento não for fornecido,
será utilizado o valor 0,0001.
Se o objetivo é de fato a minimização, a chamada à função deve retornar o critério com o sinal
negativo. Alternativamente, ao invés de se utilizar GSSmax pode-se utilizar a função GSSmin.
Exemplo de utilização:

function scalar trigfunc (scalar theta)


return 4 * sin(theta) * (1 + cos(theta))
end function

matrix m = {0, 0, $pi/2}


eval GSSmax(&m, trigfunc(m[1]))
printf "\n%10.7f", m

GSSmin
Resultado: escalar

É uma forma alternativa da função GSSmax. Se invocada com este nome a função comporta-se
como minimizadora.

halton
Resultado: matriz
Argumentos: m (número inteiro)
r (número inteiro)
offset (número inteiro, opcional)
Retorna uma matriz m × r contendo m sequências de Halton de comprimento r . O m é limi-
tado a um máximo de 40. As sequências são construídas utilizando os primeiros m primos.
Por padrão os primeiros 10 elementos de cada sequência são descartados, mas isso pode ser
ajustado via argumento opcional offset, que deve ser um número inteiro não negativo. Maiores
detalhes podem ser encontrados em Halton and Smith (1964).

hdprod
Resultado: matriz
Argumentos: X (matriz)
Y (matriz)
Calcula o produto direto horizontal. Os dois argumentos devem ter o mesmo número de linhas,
r . O valor retornado é uma matriz com r linhas, onde a i-ésima linha corresponde ao produto
de Kronecker das linhas correspondentes de X e Y.
Em outras palavras, se X é uma matriz r × k, Y é uma matriz r × m e Z é a matriz resultante
do produto direto horizontal de X vezes Y , logo Z terá r linhas e k · m colunas. Além disso,

Zin = Xij Yil


Capítulo 2. Funções Gretl 126

onde n = (j − 1)m + l.
Esta operação é chamada de “produto horizontal direto” em conformidade com sua implemen-
tação na linguagem de programação GAUSS. Sua equivalente na álgebra linear padrão seria
chamada de produto linha a linha de Khatri-Rao.
Exemplo: o código

A = {1,2,3; 4,5,6}
B = {0,1; -1,1}
C = hdprod(A, B)

produz a seguinte matriz:

0 1 0 2 0 3
-4 4 -5 5 -6 6

hfdiff
Resultado: lista
Argumentos: hfvars (lista)
multiplier (escalar)
Dada uma MIDAS list, produz uma lista com o mesmo tamanho contendo as primeiras diferen-
ças de alta frequência. O segundo argumento é opcional e tem como valor padrão 1: ele pode
ser utilizado para multiplicar as diferenças por alguma constante.

hfldiff
Resultado: lista
Argumentos: hfvars (lista)
multiplier (escalar)
Dada uma MIDAS list, produz uma lista com o mesmo tamanho contendo as diferenças logarít-
micas de alta frequência. O segundo argumento é opcional e tem como valor padrão 1: ele pode
ser utilizado para multiplicar as diferenças por alguma constante. Um exemplo da utilização
desse argumento é utilizar o valor 100 para obter as variações percentuais (aproximadas).

hflags

Resultado: lista
Argumentos: minlag (número inteiro)
maxlag (número inteiro)
hfvars (lista)
Dada uma MIDAS list, hfvars, produz uma lista contendo as defasagens de auta frequência de
minlag a maxlag. Deve-se utilizar valores positivos para defasagens (t - 1) e negativos para
adiantamentos (t + 1). Por exemplo, se minlag for −3 e maxlag for 5 então a lista retornada irá
conter 9 séries: 3 adiantamentos, o valor atual e 5 defasagens.
Note que a defasagem de alta frequência 0 corresponde ao primeiro período de alta frequência
dentro de um período de baixa frequência, por exemplo, o primeiro mês de um trimestre ou o
primeiro dia de um mês.
Capítulo 2. Funções Gretl 127

hflist
Resultado: lista
Argumentos: x (vetor)
m (número inteiro)
prefix (texto)
Produz a partir de um vetor x uma lista MIDAS (MIDAS list) de m séries, onde m é a razão entre
a frequência das observações para a variável em x em relação a frequência base do conjunto de
dados corrente. O valor de m deve ser ao menos 3 e o comprimento de x deve ser m vezes o
comprimento da amostra selecionada corrente.
Os nomes das séries na lista retornada são definidos a partir de um dado prefixo, dado pelo
argumento prefix (este deve ser um texto ASCII com 24 ou menos caracteres e que seja um
identificador válido para o Gretl) mais 1 ou mais prefixos representando o subperíodo da ob-
servação. Um erro será apresentado se algum desses nomes seja idêntico a nomes de objetos
já existentes.

hpfilt
Resultado: série
Argumentos: y (série)
lambda (escalar, opcional)
one-sided (booleano, opcional)
Retorna o componente cíclico do filtro de Hodrick–Prescott aplicado à série y. Se o parâmetro
de suavização lambda não for fornecido o Gretl usará valores padrão com base na periodicidade
dos dados. O parâmetro será igual a 100 vezes o quadrado da periodicidade (100 para dados
anuais, 1600 para dados trimestrais, 14400 para dados mensais, etc.).
Por padrão o filtro é a versão bilateral, “two-sided”, mas se o terceiro argumento (opcional)
for um valor diferente de zero é computada a versão unilateral, “one-sided”, (de forma não
prospectiva) é computada na forma proposta por Stock and Watson (1999).
O uso mais comum do filtro HP é a retirada de tendência de séries, mas se o interesse for pela
tendência em si, basta utilizar a seguinte expressão:

series hptrend = y - hfilt(y)

Ver tambémbkfilt, bwfilt.

I
Resultado: matriz quadrada
Argumento: n (número inteiro)
Retorna uma matriz identidade com n linhas e colunas.

imaxc
Resultado: vetor linha
Argumento: X (matriz)
Retorna um vetor com os números das linhas onde as colunas de X atingem seus valores máxi-
mos.
Ver tambémimaxr, iminc, maxc.
Capítulo 2. Funções Gretl 128

imaxr
Resultado: vetor coluna
Argumento: X (matriz)
Retorna um vetor com os números das colunas onde as linhas de X atingem seus valores máxi-
mos.
Ver tambémimaxc, iminr, maxr.

imhof
Resultado: escalar
Argumentos: M (matriz)
x (escalar)
Computes Prob(u0 Au < x) para uma forma quadrática em variáveis normais padrão, u, utili-
zando o procedimento desenvolvido por Imhof (1961).
Se o primeiro argumento, M, for uma matriz quadrada ela será utilizada para especificar A, caso
contrário, se for um vetor coluna, será utilizada como sendo os autovalores pré-calculados de
A, caso contrário um erro será apresentado.
Ver tambémpvalue.

iminc
Resultado: vetor linha
Argumento: X (matriz)
Retorna um vetor com os números das linhas onde as colunas de X atingem seus valores míni-
mos.
Ver tambémiminr, imaxc, minc.

iminr
Resultado: vetor coluna
Argumento: X (matriz)
Retorna um vetor com os números das colunas onde as linhas de X atingem seus valores míni-
mos.
Ver tambémiminc, imaxr, minr.

inbundle
Resultado: número inteiro
Argumentos: b (lote)
key (texto)
Verifica se um pacote (bundle) b contém um item com o nome key. O valor retornado é um
código (na forma de um número inteiro) para o tipo de item: 0 caso não seja encontrado, 1
para escalar, 2 para série,3 para matriz, 4 para variável de texto, 5 para pacote (bundle) e 6 para
arranjo (array). A função typestr pode ser utilizada para se obter o nome do tipo do item na
forma de variável de texto com base em seu código.

infnorm
Resultado: escalar
Argumento: X (matriz)
Capítulo 2. Funções Gretl 129

Retorna a norma-∞ da matriz X de ordem r × c matrix, ou seja:


c
X
kXk∞ = max |Xij |
i
j=1

Ver tambémonenorm.

inlist
Resultado: número inteiro
Argumentos: L (lista)
y (série)
Retorna a posição de y na lista L, ou 0 se y não estiver presente em L.
O segundo argumento pode ser dado tanto como o nome da série quanto como o número ID
da série. Se é sabido que uma série com dado nome (como por exemplo foo) existe, então é
possível chamar essa função da seguinte forma:

pos = inlist(L, foo)

O que a expressão acima está solicitando é: “Informe a posição da série foo na lista L (sendo
0 se ela não estiver incluída na lista L)”. Entretanto, se não houver certeza se a série com dado
nome existe, deve-se inserir o nome entre aspas. Isso é feito da seguinte forma:

pos = inlist(L, "foo")

Neste caso o que está sendo solicitado é: “Se existir uma série chamada foo na lista L, me
informe sua posição ou 0 caso ela não exista.”

instring

Resultado: número inteiro


Argumentos: s1 (texto)
s2 (texto)
Função booleana relacionada à strstr. Retorna 1 se s1 contiver s2, 0 caso contrário. Assim, a
expressão condicional

if instring("cattle", "cat")

é logicamente equivalente a, mas mais eficiente que,

if strlen(strstr("cattle", "cat")) > 0

int
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar, série ou matriz)
Retorna a parte inteira x, truncando a parte fracional. Note que int e floor possuem efeitos
distintos em argumentos negativos: int(-3.5) gera −3, enquanto floor(-3.5) gera −4. Ver
tambémceil.
Capítulo 2. Funções Gretl 130

inv
Resultado: matriz
Argumento: A (matriz quadrada)
Retorna a inversa de A. Se A for singular ou não quadrada, uma mensagem de erro é produzida
e nada é retornado. Note que o Gretl confere automaticamente a estrutura de A e utiliza o
procedimento numérico mais eficiente para realizar a inversão.
Os tipos de matriz que o Gretl confere são: identidade, diagonal, simétrica e positiva definida,
simétrica mas não positiva definida e triangular.
Observação: faz sentido utilizar essa função apenas se o intuito for utilizar a inversa de A mais
de uma vez. Se o objetivo for apenas calcular uma expressão da forma A−1 B, será preferível
utilizar os operadores de “divisão” \ e /. Veja the Gretl User’s Guide (Capítulo 16) para detalhes.
Ver tambémginv, invpd.

invcdf
Resultado: o mesmo tipo que o argumento
Argumentos: d (texto)
. . . (ver abaixo)
p (escalar, série ou matriz)
Calculadora da função de distribuição acumulada inversa. Retorna x tal que P (X ≤ x) = p,
onde a distribuição de X é especificada pela letra d. Entre os argumentos d e p, zero ou mais
argumentos adicionais são necessários para que se especifique os parâmetros da distribuição.
Isso é feito da seguinte forma:

Distribuição d Arg 2 Arg 3 Arg 4


Normal padrão z, n or N – – –
Gama g ou G forma escala –
t de Student (central) t graus de liberdade – –
Qui-quadrado c, x ou X graus de liberdade – –
F de Snedecor f ou F g.l. (num.) g.l. (den.) –
Binomial b ou B p n –
Poisson p ou P λ – –
Laplace l or L média escala –
GED padronizada E forma – –
2
χ não-central ncX g.l. não-centralidade –
F não-central ncF g.l. (num.) g.l. (den.) não-centralidade
t não-central nct g.l. não-centralidade –

Ver tambémcdf, critical, pvalue.

invmills
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar, série ou matriz)
Retorna a razão inversa de Mills em x, isto é a razão entre a densidade normal padrão e o
complemento para para a função de distribuição normal padrão, ambas avaliadas em x.
Essa função utiliza um algoritmo dedicado que fornece maior precisão quando comparado ao
cálculo via dnorm e cnorm, mas a diferença entre os dois métodos é considerável apenas para
valores muito negativos de x.
Ver tambémcdf, cnorm, dnorm.
Capítulo 2. Funções Gretl 131

invpd
Resultado: matriz quadrada
Argumento: A (matriz positiva definida)
Retorna a inversa da matriz simétrica positiva definida A. Essa função é ligeiramente mais
rápida que inv para matrizes grandes, uma vez que não é verificado se a matriz é simétrica. Por
essa razão, essa função deve ser utilizada com cuidado.
Observação: se o intuito for inverter uma matriz na forma X 0 X, onde X é uma matriz grande, é
preferível computá-la via operador X’X ao invés de utilizar a sintaxe mais geral X’*X. A primeira
expressão utiliza um algoritmo especializado que tem a dupla vantagem de ser mais eficiente
computacionalmente e de garantir que o resultado seja livre, por construção, dos artefatos de
precisão de máquina que podem torná-la numericamente não-simétrico.

irf
Resultado: matriz
Argumentos: target (número inteiro)
shock (número inteiro)
alpha (escalar entre 0 e 1, opcional)
sys (lote, opcional)
Sem utilizar o argumento sys, opcional, essa função está disponível apenas quando o último
modelo estimado foi um VAR ou um VECM. Alternativamente, as informações de uma VAR ou
VECM podem ser armazenadas em um pacote via função $system que, por sua vez, pode ser
utilizado como o último argumento.
Ela retorna uma matriz contendo as respostas estimadas da variável target a um impulso (cho-
que) de 1 desvio padrão na variável shock. Essas variáveis são identificadas de acordo com suas
posições na especificação do modelo: por exemplo, se para target e shock são dados os valores
1 e 3, respectivamente, a matriz que será retornada fornece as respostas da primeira variável
no sistema a um choque na terceira variável.
Se o terceiro argumento alpha, que é opcional, for dado, a matriz retornada terá três colunas:
a estimativa pontual das respostas, seguida dos limites inferior e superior de um intervalo de
confiança obtido via bootstrap de 1 − α. Onde alpha = 0.1 corresponde a 90 por cento de
confiança. Se alpha for omitido ou igualado a zero, apenas a estimativa pontual será fornecida.
O número de períodos (linhas) da resposta é determinado automaticamente com base na frequên-
cia dos dados, mas isso pode ser ajustado via comando set, como por exemplo set horizon
10.
Ver tambémfevd.

irr
Resultado: escalar
Argumento: x (série ou vetor)
Retorna a Taxa Interna de Retorno para x, considerado como sendo uma sequência de paga-
mentos (negativo) e recebimentos (positivo). Ver tambémnpv.

isconst
Resultado: número inteiro
Argumentos: y (série ou vetor)
panel-code (número inteiro, opcional)
Sem o segundo argumento (opcional), retorna 1 caso y tenha um valor constante ao longo
da amostra selecionada (ou ao longo de toda sua extensão no caso de y ser um vetor), caso
contrário retorna 0.
Capítulo 2. Funções Gretl 132

O segundo argumento somente é aceito se o conjunto de dados corrente for um painel e y for
uma série. Neste caso um valor de panel-code igual a 0 faz a função verificar se a série não
varia em relação ao tempo. Um valor igual a 1 faz a função verificar se a série não varia entre
as unidades de corte transversal (ou seja, se o valor de y é o mesmo para todos os grupos).
Se y for uma série, valores ausentes são ignorados durante a verificação da constância da série.

isdiscrete
Resultado: número inteiro
Argumento: name (texto)
Se name for um identificador para uma série correntemente definida, a função retorna 1 se a
série for marcada como sendo discreta, caso contrário retorna 0. Se name não identifica uma
série a função retorna NA.

isdummy
Resultado: número inteiro
Argumento: x (série ou vetor)
Se todos os valores contidos em x são iguais a 0 ou 1 (ou ausentes), a função retorna o número
de ocorrências do valor 1, caso contrário retorna 0.

isnan
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar ou matriz)
Dado um escalar como argumento, retorna 1 se x não for um número, “Not a Number” (NaN),
caso contrário 0. Dada uma matriz como argumento, retorna uma matriz com a mesma di-
mensão com elementos iguais a 1 nas posições onde o elemento correspondente da matriz de
entrada for NaN e 0 nas demais posições.

isoconv
Resultado: escalar
Argumentos: date (série)
&year (referência a série)
&month (referência a série)
&day (referência a série, opcional)
Dada uma série date contendo datas no formato ISO 8601 “básico” (YYYYMMDD), essa função
escreve os componentes ano, mês e (opcionalmente) dia em séries nomeadas pelos argumen-
tos year, month e dayecond. Um exemplo, assumindo que a série dates contém os valores
adequados de 8 dígitos, seria:

series y, m, d
isoconv(dates, &y, &m, &d)

Essa função retorna 0 em caso de sucesso e um valor não-nulo em caso de erro.

isodate
Resultado: ver abaixo
Argumentos: ed (escalar ou série)
as-string (booleano, opcional)
Capítulo 2. Funções Gretl 133

O argumento ed é interpretado como um dia na época corrente (que por sua vez é igual a 1 para
o primeiro dia de janeiro do ano 1 depois de Cristo, no calendário gregoriano proléptico). O
valor padrão de retorno — de mesmo tipo que o de ed — é um número com 8 dígitos, ou uma
série composta por tais números, seguindo o padrão YYYYMMDD (formato ISO 8601 “básico”),
fornecendo a data correspondente no calendário gregoriano ao dia na época.
Se ed for (apenas) um escalar e o segundo argumento opcional as-string for não-nulo, o valor de
retorno não é numérico mas sim uma variável de texto (string) no padrão YYYY-MM-DD (padrão
ISO 8601 “estendido”).
Para a função inversa veja epochday. Veja também a função juldate.

iwishart
Resultado: matriz
Argumentos: S (matriz simétrica)
v (número inteiro)
Dado S (uma matriz de ordem p ×p positiva definida), retorna um valor extraído da distribuição
Inversa de Wishart com v graus de liberdade. A matriz retornada é também uma p × p. O
algoritmo de Odell and Feiveson (1966) é utilizado.

jsonget

Resultado: texto
Argumentos: buf (texto)
path (texto)
nread (referência a escalar, opcional)
O argumento buf deve ser um buffer JSON, que ser obtido de alguma página na internet via
função curl, e o argumento path deve ser uma especificação JsonPath.
Esta função retorna uma variável de texto (string) representando os dados encontrados no buf-
fer no path especificado. Dados do tipo double (ponto flutuante), int (inteiro) e string (variável
de texto) são suportados. No caso de doubles ou ints, sua representação em forma de texto é
retornada (utilizando o locale “C” para os doubles). Se o objeto ao qual o path se refere for um
arranjo (array), cada um dos membros será escrito em uma linha diferente na variável de texto
retornada.
Por padrão, um erro será sinalizado se o path não possuir uma correspondência no buffer JSON,
porém esse comportamento pode ser modificado se o terceiro argumento, opcional, for dado:
nesse caso o argumento recupera o número de correspondências e uma variável de texto vazia
é retornada caso nenhuma tenha sido encontrada. Por exemplo:

ngot = 0
ret = jsonget(jbuf, "$.some.thing", &ngot)

Apesar disso, um erro ainda será sinalizado no caso de uma consulta (query) mal formulada.
Para maiores detalhes sobre a sintaxe do JsonPath pode-se consultar o website http://goessner.
net/articles/JsonPath/. Entretanto, deve-se notar que o back-end para o jsonget é forne-
cido pelo json-glib que, por sua, vez não suporta todos os elementos do JsonPath. Além
disso, a funcionalidade exata do json-glib pode diferir dependendo da versão instalada no
sistema. Para maiores detalhes ver: http://developer.gnome.org/json-glib/
Dito isto, os seguintes operadores deverão estar disponíveis para jsonget:

• root node, via caractere $

• operador descendente recursivo: ..

• operador curinga/wildcard: *
Capítulo 2. Funções Gretl 134

• operador subscrito: []

• operador de notação de conjunto, por exemplo [i,j]

• operador de repartição: [start:end:step]

jsongetb

Resultado: lote
Argumentos: buf (texto)
path (texto, opcional)
O argumento buf deve ser um buffer JSON que, por sua vez, pode ser obtido de um website
apropriado via função curl. A especificação e a utilização do argumento opcional path, são
descritos abaixo.
O valor retornado pela função é um pacote (bundle) em que a estrutura basicamente emula a da
entrada: objetos JSON se tornam pacotes (bundles) do Gretl e arrays JASON se tornam arranjos
(arrays) do Gretl, com cada um armazenando tanto textos (strings) quanto pacotes (bundles).
Nós de “valor” JSON se tornam ou membros de pacotes ou elementos de arranjos. No último
caso, valores numéricos são convertidos em texto via função sprintf. Note que uma vez que
arranjos do Gretl não podem ser aninhados, a entrada aceita por essa função é um pouco mais
restritiva que a especificação JSON, que permite aninhamento de arrays.
O argumento opcional path pode ser utilizado para limitar os elementos JSON incluídos no
bundle retornado. Note que isto não é um “JsonPath” conforme descrito na ajuda da função
jsonget. É uma simples construção sujeita às seguintes especificações:

• path é um array de elemento separados por barras, onde as barras (“/”) indicam a movi-
mentação em um nível mais “profundo” na árvore JSON representada por buf. Uma barra
no início é permitida, mas não é necessária. Implicitamente o path sempre tem início na
raiz. Não devem ser incluídos espaços em branco

• Cada elemento separado por barras deve assumir uma das seguintes formas: (a) um nome
único, de forma que apenas um elemento JSON cujo nome coincide com um dado nível
estrutural será incluído; ou (b) “*” (asterisco), de forma que todos os elementos de um
dado nível são incluídos; ou (c) um array de nomes separados por vírgulas, delimitados
por colchetes (“” e “”), de forma que apenas os elementos JSON cujos nomes coincidam
com algum dos nomes dados serão incluídos.

Veja também a função orientada à textos jsonget. A depender de seu objetivo uma dessas
funções pode ser mais útil que a outra.

juldate

Resultado: ver abaixo


Argumentos: ed (escalar ou série)
as-string (booleano, opcional)
O argumento ed é interpretado como um dia de época que é igual a 1 no primeiro dia de janeiro
do ano 1 depois de Cristo no calendário gregoriano proléptico. O valor de retorno padrão —
do mesmo tipo de ed —é um número de 8 dígitos, ou uma série de tais números, seguindo
o padrão YYYYMMDD (formato ISO 8601 “básico”), fornecendo a data correspondente ao dia de
época no calendário juliano.
Se ed for (apenas) um escalar e o segundo parâmetro as-string (que é opcional) for não-nulo,
o valor retornado não será numérico e sim um texto (string) seguindo o padrão YYYY-MM-DD
(formato ISO 8601 “estendido”).
Veja também isodate.
Capítulo 2. Funções Gretl 135

kdensity
Resultado: matriz
Argumentos: x (série ou vetor)
scale (escalar, opcional)
control (booleano, opcional)
Calcula a estimativa de densidade pelo método do núcleo (kernel) para a série ou vetor x. A
matriz retornada tem duas colunas, com a primeira contendo um conjunto abscissas uniforme-
mente espaçadas e a segunda a densidade estimada em cada um desses pontos.
O parâmetro opcional scale pode ser utilizado para ajustar o grau de suavização em relação ao
valor padrão 1.0 (maiores valores geram resultados mais suavizados). O parâmetro control age
como um booleano: 0 (que é o padrão) implica na utilização do núcleo gaussiano, enquanto que
um valor não-nulo implica na utilização do núcleo de Epanechnikov.
Um gráfico dos resultados pode ser obtido via comando gnuplot, como por exemplo:

matrix d = kdensity(x)
gnuplot 2 1 --matrix=d --with-lines --fit=none

kdsmooth
Resultado: escalar
Argumentos: &Mod (referência a lote)
MSE (booleano, opcional)
Realiza a suavização dos distúrbios para um pacote (bundle) de Kalman previamente definido
via função ksetup e retorna 0 caso a execução tenha sucesso ou 1 se se forem encontrados
problemas numéricos.
Se a operação for completada com sucesso os distúrbios suavizados estarão disponíveis como
Mod.smdist.
O argumento opcional MSE determina os conteúdos de Mod.smdisterr. Se for omitido ou for
igual a 0, essa matriz irá conter os erros padrão não-condicionais dos distúrbios suavizados
que, por sua vez, normalmente, são utilizados para calcular os chamados resíduos auxiliares.
Caso contrário, Mod.smdisterr irá conter a raiz do erro quadrado médio estimado dos resíduos
auxiliares em relação aos seus valores verdadeiros.
Para maiores detalhes veja the Gretl User’s Guide (Capítulo 33).
Ver tambémksetup, kfilter, ksmooth, ksimul.

kfilter
Resultado: escalar
Argumento: &Mod (referência a lote)
Realiza a filtragem em um pacote (bundle) de Kalman previamente definido via ksetup e retorna
0 caso a execução tenha sucesso ou 1 se forem encontrados problemas numéricos.
Se a operação for completada com sucesso os erros de previsão de 1 passo à frente estarão
disponíveis como Mod.prederr e a sequência de suas variâncias como Mod.pevar. Além disso,
Mod.llt dará acesso a um vetor de ordem T contendo o log da verossimilhança por observação.
Para maiores detalhes veja the Gretl User’s Guide (Capítulo 33).
Ver tambémkdsmooth, ksetup, ksmooth, ksimul.
Capítulo 2. Funções Gretl 136

kmeier
Resultado: matriz
Argumentos: d (série ou vetor)
cens (série ou vetor, opcional)
Dada uma amostra de dados de duração, d, possivelmente acompanhada por um registro de
status de censura, cens, calcula o estimador não-paramétrico de Kaplan–Meier da função de
sobrevivência (Kaplan and Meier (1958)). A matriz retornada possui três colunas contendo,
respectivamente, os valores únicos de d de forma ordenada, a função de sobrevivência esti-
mada correspondente ao valor de duração na coluna 1 e o (elevado) erro padrão do estimador,
calculado via método de Greenwood (1926).
Se a série cens for dada, um valor 0 serve para indicar uma observação não-censurada, enquanto
que um valor 1 indica uma observação censurada à direita (isto é, o período de observação do
indivíduo em questão terminou antes que a duração ou o período tenham sido registrados como
finalizados). Se cens não for dado é assumido que todas as observações são não-censuradas.
Observação: a interpretação de cens pode ser estendida em algum momento de forma a cobrir
outros tipos de censura.
Ver tambémnaalen.

kpsscrit
Resultado: matriz
Argumentos: T (escalar)
trend (booleano)
Retorna um vetor linha contendo os valores críticos aos níveis de 10, 5 e 1 porcento do teste
KPSS para a estacionariedade de uma série temporal. O argumento T deve fornecer o número
de observações e o argumento trend deve ser igual a 1 se o teste inclui uma constante, ou 0,
caso contrário.
Os valores críticos são baseados nas superfícies de resposta estimados conforme sugerido por
Sephton (1995). Veja também o comando kpss.

ksetup
Resultado: lote
Argumentos: Y (série, matriz ou lista)
H (escalar ou matriz)
F (escalar ou matriz)
Q (escalar ou matriz)
C (matriz, opcional)
Especifica um pacote (bundle) de Kalman, isto é, um objeto que contém todas as informações
necessárias para se definir um modelo linear de espaço de estados na forma

yt = H 0 αt

e com a equação de transição de estados

αt+1 = F αt + ut

onde Var(u) = Q.
Objetos criados através dessa função podem ser posteriormente utilizados via funções dedica-
das kfilter para filtragem, ksmooth e kdsmooth para suavização e ksimul para realizar simula-
ções.
A amplitude de classes de modelos que o Gretl pode manusear é, de fato, bem mais abrangente
que o implicado pela representação acima: é possível a estimação de modelos com parâmetros
Capítulo 2. Funções Gretl 137

variando no tempo, com prioris difusas, com variáveis exógenas na equação de medida e mode-
los com resíduos interrelacionados. Para maiores detalhes veja the Gretl User’s Guide (Capítulo
33).
Ver tambémkdsmooth, kfilter, ksmooth, ksimul.

ksimul
Resultado: escalar
Argumento: &Mod (referência a lote)
Utiliza um pacote (bundle) de Kalman previamente definido através da função ksetup para
simular dados.
Para maiores detalhes veja the Gretl User’s Guide (Capítulo 33).
Ver tambémksetup, kfilter, ksmooth.

ksmooth
Resultado: matriz
Argumento: &Mod (referência a lote)
Realiza uma suavização de ponto fixo em um pacote (bundle) de Kalman previamente definido
via função ksetup e retorna 0 caso a operação tenha sido realizada com sucesso ou 1 se surgirem
problemas numéricos.
Em caso de sucesso, os estados suavizados estarão disponíveis como Mod.state e a sequência
de suas matrizes de covariância como Mod.stvar. Para maiores detalhes veja the Gretl User’s
Guide (Capítulo 33).
Ver tambémksetup, kdsmooth, kfilter, ksimul.

kurtosis
Resultado: escalar
Argumento: x (série)
Retorna o excesso de curtose da série x, descartando quaisquer observações ausentes.

lags

Resultado: lista ou matriz


Argumentos: p (escalar ou vetor)
y (série, lista ou matriz)
bylag (booleano, opcional)
Se o primeiro argumento for um escalar, gera as defasagens de 1 até p da série y, se y for uma
lista, retorna as defasagens de todas as séries na lista e se for uma matriz, retorna as defasagens
de todas as colunas na matriz. Se p = 0 e y for uma série ou lista, são geradas defasagens até
o máximo da periodicidade dos dados. Caso contrário, o valor de p deve ser positivo.
Se o primeiro argumento for um vetor, as defasagens serão aquelas especificadas no vetor. Um
uso típico neste caso seria fornecer p como, por exemplo, seq(3,7), omitindo assim a primeira
e a segunda defasagens. Entretanto ambém é possível fornecer um vetor não contínuo como
em {3,5,7}, contanto que as defasagens estejam sempre ordenadas de forma crescente.
Quando o valor retornado for uma lista, as variáveis geradas são nomeadas automaticamente de
acordo com o esquema varname_i, onde varname é o nome da série original e i é a defasagem
específica. A parte original do nome é truncada, caso necessário, e pode ser ajustada no caso
de não-singularidade no conjunto de nomes assim construído.
Quando y for uma lista, ou uma matriz com mais de uma coluna, e a ordem de defasagem for
maior que 1, a ordenação padrão dos termos no valor retornado pela função é feita por variável:
Capítulo 2. Funções Gretl 138

todas as defasagens da primeira série ou coluna seguida por todas as defasagens da segunda
e assim sucessivamente. O terceiro argumento (opcional) pode ser utilizado para alterar esse
comportamento: se bylag for não-nulo então os termos são ordenados por defasagem: defasa-
gem 1 de todas as séries ou colunas, seguida pela defasagem 2 de todas as séries e colunas e
assim sucessivamente.
Veja também mlag para o uso com matrizes.

lastobs
Resultado: número inteiro
Argumento: y (série)
Retorna o número da última observação não ausente da série y. Note que se alguma forma de
subamostragem estiver sendo utilizada o valor retornado poderá ser maior que o valor retor-
nado pela função $t2. Ver tambémfirstobs.

ldet
Resultado: escalar
Argumento: A (matriz quadrada)
Retorna o log natural do determinante de A, calculado via decomposição LU. Ver tambémdet,
rcond, cnumber.

ldiff
Resultado: o mesmo tipo que o argumento
Argumento: y (série ou lista)
Calcula as diferenças logarítmicas. Os valores iniciais são considerados como NA.
Quando uma lista for retornada, as variáveis individuais são automaticamente nomeadas de
acordo com o esquema ld_varname, onde varname é o nome da série original. Se necessário,
o nome será truncado e poderá ser ajustado caso o nome resultante já esteja sendo utilizado
pelo Gretl.
Ver tambémdiff, sdiff.

lincomb
Resultado: série
Argumentos: L (lista)
b (vetor)
Calcula uma nova série como uma combinação linear das séries na lista L. Os coeficientes são
dados pelo vetor b cujo tamanho deve ser igual ao número de séries em series in L.
Ver tambémwmean.

linearize
Resultado: série
Argumento: x (série)

É necessário possuir o TRAMO instalado. Retorna uma versão “linearizada” da série de entrada.
Isto é, uma série onde quaisquer valores ausentes são substituídos por valores interpolados e
onde as observações aberrantes são ajustadas. O mecanismo completamente automático do
TRAMO é usado para isso. Consulte a documentação do TRAMO para detalhes.
Note que se a série de entrada não possuir valores ausentes e e observações aberrantes (con-
forme identificadas pelo TRAMO), a função retornará uma cópia da série original.
Capítulo 2. Funções Gretl 139

ljungbox

Resultado: escalar
Argumentos: y (série)
p (número inteiro)
Calcula a estatística Q de Ljung–Box para a série y, utilizando a ordem de defasagem p, ao longo
da amostra selecionada. A defasagem deve ser maior ou igual a 1 e menor que o número de
observações disponíveis.
Essa estatística pode ser testada contra a distribuição qui-quadrado com p graus de liberdade
para verificar a hipótese nula de que a série y não é serialmente correlacionada. Ver tam-
bémpvalue.

lngamma

Resultado: o mesmo tipo que o argumento


Argumento: x (escalar, série ou matriz)
Retorna o log da função gama de x.

loess
Resultado: série
Argumentos: y (série)
x (série)
d (número inteiro, opcional)
q (escalar, opcional)
robust (booleano, opcional)
Realiza a regressão polinomial localmente ponderada (LOESS) e retorna uma série contendo os
valores previstos de y para cada valor não-ausente de x. O método utilizado é o descrito por
Cleveland (1979).
Os argumentos opcionais d e q especificam, respectivamente, a ordem do polinômio em x e a
proporção dos pontos de dados a ser utilizada na estimação local. Por padrão os valores são d
= 1 e q = 0,5. Os outros valores aceitáveis para d são 0 e 2. Definir d = 0 reduz a regressão
local para a forma de uma média móvel. O valor de q deve ser maior que 0 e não pode exceder
1. Valores maiores produzem saídas mais suaves.
Se um valor não-nulo for dado ao argumento robust as regressões locais serão iteradas duas
vezes, com os pesos sendo modificados com base nos resíduos da iteração prévia de forma a
reduzir a influência das observações aberrantes (“ outliers”).
Veja também nadarwat e, para maiores detalhes sobre métodos não-paramétricos, veja the Gretl
User’s Guide (Capítulo 37).

log

Resultado: o mesmo tipo que o argumento


Argumento: x (escalar, série, matriz ou lista)
Retorna o logaritmo natural de x. Gera NA para valores não-positivos. Note que ln é um pseudô-
nimo aceitável para log.
Quando uma lista for retornada, as variáveis individuais serão automaticamente nomeadas de
acordo com o modelo l_varname, onde varname é o nome da série original. O nome será
truncado se necessário e pode ser ajustado no caso de já estar sendo usado pelo Gretl.
Capítulo 2. Funções Gretl 140

log10

Resultado: o mesmo tipo que o argumento


Argumento: x (escalar, série ou matriz)
Retorna o logaritmo na base 10 de x. A função irá gerar NA para valores não-positivos.

log2

Resultado: o mesmo tipo que o argumento


Argumento: x (escalar, série ou matriz)
Retorna o logaritmo na base 2 de x. A função irá gerar NA para valores não-positivos.

logistic

Resultado: o mesmo tipo que o argumento


Argumento: x (escalar, série ou matriz)
Retorna a função logística do argumento x, isto é, Λ(x) = ex /(1 + ex ). Se x for uma matriz, a
função será aplicada em cada elemento.

lower
Resultado: matriz quadrada
Argumento: A (matriz)
Retorna uma matriz triangular inferior B onde Bij = Aij se i ≥ j, e 0 caso contrário.
Ver tambémupper.

lrcovar
Resultado: matriz
Argumentos: A (matriz)
demean (booleano, opcional)
Retorna a matriz de variância-covariância de longo prazo das colunas de A. Em primeiro lugar é
retirada a média dos dados, a menos que o segundo argumento (que é opcional) seja igual a zero.
O tipo de kernel/núcleo e o parâmetro de truncagem de defasagem (tamanho da janela) pode
ser escolhido antes que a função seja chamada com as opções relacionadas ao HAC, que são
oferecidas pelo comando set, tais como hac_kernel, hac_lag, hac_prewhiten. Veja também
a seção sobre dados de séries de tempo e matrizes de covariância no the Gretl User’s Guide
(Capítulo 19).
Ver tambémlrvar.

lrvar
Resultado: escalar
Argumentos: y (série ou vetor)
k (número inteiro)
Retorna a variância de longo prazo de y, calculada utilizando um núcleo de Bartlett com tama-
nho de janela igual a k. Se o segundo argumento for omitido, ou for um valor menor que zero,
o tamanho da janela toma como padrão a parte inteira da raiz cúbica do tamanho da amostra.
Fórmula:  
T −k k
2 1 XX
ω̂ (k) = wi (yt − X̄)(yt−i − Ȳ )
T t=k i=−k
Capítulo 2. Funções Gretl 141

com
|i|
wi = 1 −
k+1

Ver a função lrcovar para o caso multivariado.

max
Resultado: escalar ou série
Argumento: y (série ou lista)
Se o argumento y for uma série, retorna, na forma de um escalar, o valor máximo das observa-
ções não ausentes na série. Se o argumento for uma lista, retorna uma série onde cada elemento
é o valor máximo em cada observação entre as séries listadas.
Ver tambémmin, xmax, xmin.

maxc
Resultado: vetor linha
Argumento: X (matriz)
Retorna um vetor com os valores máximos das colunas de X.
Ver tambémimaxc, maxr, minc.

maxr
Resultado: vetor coluna
Argumento: X (matriz)
Retorna um vetor com os valores máximos das linhas X.
Ver tambémimaxr, maxc, minr.

mcorr
Resultado: matriz
Argumento: X (matriz)
Calcula a matriz de correlações tratando cada coluna de X como sendo uma a variável. Ver
tambémcorr, cov, mcov.

mcov
Resultado: matriz
Argumento: X (matriz)
Calcula a matriz de covariâncias tratando cada coluna de X como sendo uma variável. Ver
tambémcorr, cov, mcorr.

mcovg

Resultado: matriz
Argumentos: X (matriz)
u (vetor, opcional)
w (vetor, opcional)
p (número inteiro)
Retorna uma matriz covariograma para uma matriz X de ordem T × k (normalmente contendo
regressores), um vetor u (opcional) com T elementos (normalmente contendo resíduos), um
Capítulo 2. Funções Gretl 142

vetor de pesos w (opcional) com p+1 elementos e uma ordem de defasagem p, que deve ser
maior ou igual a 0.
A matriz retornada é dada por
p
X X
0
w|j| (Xt ut ut−j Xt−j )
j=−p j

Se u for null os termos u são omitidos, e se w for null todos os pesos são considerados como
sendo iguais a 1,0.
Por exemplo, o seguinte código

set seed 123


X = mnormal(6,2)
Lag = mlag(X,1)
Lead = mlag(X,-1)
print X Lag Lead
eval X’X
eval mcovg(X, , , 0)
eval X’(X + Lag + Lead)
eval mcovg(X, , , 1)

produz estes resultados:

? print X Lag Lead


X (6 x 2)

-0.76587 -1.0600
-0.43188 0.30687
-0.82656 0.40681
0.39246 0.75479
0.36875 2.5498
0.28855 -0.55251

Lag (6 x 2)

0.0000 0.0000
-0.76587 -1.0600
-0.43188 0.30687
-0.82656 0.40681
0.39246 0.75479
0.36875 2.5498

Lead (6 x 2)

-0.43188 0.30687
-0.82656 0.40681
0.39246 0.75479
0.36875 2.5498
0.28855 -0.55251
0.0000 0.0000

? eval X’X
1.8295 1.4201
1.4201 8.7596

? eval mcovg(X,,, 0)
1.8295 1.4201
1.4201 8.7596
Capítulo 2. Funções Gretl 143

? eval X’(X + Lag + Lead)


3.0585 2.5603
2.5603 10.004

? eval mcovg(X,,, 1)
3.0585 2.5603
2.5603 10.004

mean
Resultado: escalar ou série
Argumento: x (série ou lista)
Se x for uma série a função retorna a média amostral (na forma de um escalar), descartando
quaisquer observações ausentes.
Se x for uma lista a função retorna uma série y tal que y t é a média dos valores das variáveis
da lista na observação t, ou NA se existir algum valor ausente em t.

meanc
Resultado: vetor linha
Argumento: X (matriz)
Retorna um vetor com as médias das colunas de X. Ver tambémmeanr, sumc, sdc.

meanr
Resultado: vetor coluna
Argumento: X (matriz)
Retorna um vetor com as médias das linhas de X. Ver tambémmeanc, sumr.

median
Resultado: escalar ou série
Argumento: x (série ou lista)
Se x for uma série, a função retorna sua mediana amostral (na forma de um escalar), ignorando
quaisquer observações ausentes.
Se x for uma lista, a função retorna uma séries y tal que y t é a mediana dos valores das
variáveis da lista na observação t, ou NA se existir algum valor ausente em t.

mexp
Resultado: matriz quadrada
Argumento: A (matriz quadrada)
Calcula a matriz exponencial,

X Ak I A A2 A3
eA = = + + + + ···
k=0
k! 0! 1! 2! 3!

(Essa série irá necessariamente convergir.) O algoritmo utilizado é o 11.3.1 de Golub and
Van Loan (1996).
Capítulo 2. Funções Gretl 144

mgradient

Resultado: matriz
Argumentos: p (número inteiro)
theta (vetor)
type (número inteiro ou texto)
Derivadas analíticas para os pesos MIDAS. Seja k o número de elementos no vetor de hiper-
parâmetros, theta. Esta função retorna uma matriz de ordem p × k contendo o gradiente do
vetor de pesos (conforme calculado por mweights) em relação aos elemento de theta. O primeiro
argumento representa a ordem de defasagem desejada e o último argumento especifica o tipo
de parametrização. Veja mweights para uma explicação sobre os valores aceitáveis de type.
Ver tambémmweights, mlincomb.

min
Resultado: escalar ou série
Argumento: y (série ou lista)
Se o argumento y for uma série, retorna, na forma de um escalar, o valor mínimo das observa-
ções não ausentes na série. Se o argumento for uma lista, retorna uma série onde cada elemento
é o valor mínimo em cada observação entre as séries listadas.
Ver tambémmax, xmax, xmin.

minc
Resultado: vetor linha
Argumento: X (matriz)
Retorna um vetor com os valores mínimos das colunas de X.
Ver tambémiminc, maxc, minr.

minr
Resultado: vetor coluna
Argumento: X (matriz)
Retorna um vetor com os valores mínimos das linhas de X.
Ver tambémiminr, maxr, minc.

missing

Resultado: o mesmo tipo que o argumento


Argumento: x (escalar, série ou lista)
Retorna uma variável binária igual a 1 se x for NA e 0, caso contrário. Se x for uma série,
a comparação é feita em cada um de seus elementos. Se x for uma lista de séries, a função
retorna uma série igual a 1 nas observações nas quais ao menos uma das séries apresente um
NA e 0, caso contrário.
Ver tambémmisszero, ok, zeromiss.

misszero
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar ou série)
Converte NAs em zeros. Se x for uma série a conversão será feita elemento por elemento. Ver
tambémmissing, ok, zeromiss.
Capítulo 2. Funções Gretl 145

mlag

Resultado: matriz
Argumentos: X (matriz)
p (escalar ou vetor)
m (escalar, opcional)
Desloca para cima ou para baixo as linhas de X . Se p for um número positivo, a matriz retornada
Y terá como elementos Yi,j = Xi−p,j para i ≥ p e zero caso contrário. Em outras palavras, as
colunas de X são deslocadas p linhas para baixo e as primeiras p linhas são preenchidas com
o valor m. Se p for um número negativo, X é deslocado para cima e as últimas linhas são
preenchidas com o valor m. Se m não for fornecido, será considerado como sendo igual a zero.
Se p for um vetor, a operação acima é realizada para cada elemento em p, combinando as
matrizes resultantes horizontalmente.
Veja também lags.

mlincomb
Resultado: série
Argumentos: hfvars (lista)
theta (vetor)
type (número inteiro ou texto)

É uma função MIDAS de conveniência, combinando lincomb com mweights. Dada uma lista
hfvars, a função calcula uma série que é uma soma ponderada dos elementos da lista, com os
pesos baseados no vetor de hiper-parâmetros theta e o tipo de parametrização. Veja mweights
para maiores detalhes. Note que hflags é, geralmente, a melhor forma de criar uma lista que
pode ser adequadamente utilizada como primeiro argumento desta função.
De forma mais explícita, a chamada

series s = mlincomb(hfvars, theta, 2)

é equivalente a

matrix w = mweights(nelem(hfvars), theta, 2)


series s = lincomb(hfvars, w)

A vantagem é que a utilização de mlincomb é mais concisa e eficiente em termos de processa-


mento.

mnormal
Resultado: matriz
Argumentos: r (número inteiro)
c (número inteiro)
Retorna uma matriz com r linhas e c colunas, preenchida com variáveis pseudo aleatórias com
distribuição normal padrão. Ver tambémnormal, muniform.

mols
Resultado: matriz
Argumentos: Y (matriz)
X (matriz)
&U (referência a matriz, ou null)
&V (referência a matriz, ou null)
Capítulo 2. Funções Gretl 146

Retorna uma matriz de ordem k × n com os parâmetros obtidos da regressão MQO da matriz Y
de ordem T × n contra a matriz X de ordem T × k.
Se o terceiro argumento for diferente de null, a matriz U de ordem T ×n irá conter os resíduos.
Se o último argumento for dado e for diferente de null a matriz V de ordem k × k irá conter
(a) a matriz de covariância das estimativas dos parâmetros, se Y tiver apenas uma coluna, ou
(b) X 0 X −1 se Y tiver múltiplas colunas.
Por padrão, estimativas são obtidas via decomposição de Cholesky. Caso as colunas de X apre-
sentem elevada colinearidade é utilizada a decomposição QR. A utilização de SVD pode ser
forçada via comando set svd on.
Ver tambémmpols, mrls.

monthlen
Resultado: número inteiro
Argumentos: mês (número inteiro)
ano (número inteiro)
dias na semana (número inteiro)
Retorna o número de dias (relevantes) no mês e ano especificados (no calendário gregoriano
proléptico). O argumento dias na semana, que pode ser igual a 5, 6 ou 7, indica o número de
dias da semana que devem ser considerados (se for escolhido 6 os domingos são omitidos e se
for escolhido 5 os sábados e os domingos serão omitidos).

movavg

Resultado: série
Argumentos: x (série)
p (escalar)
control (número inteiro, opcional)
y0 (escalar, opcional)
Dependendo do valor do parâmetro p, retorna a média móvel simples ou exponencialmente
ponderada da série x.
Pp−1
Se p > 1, é calculada a média móvel (MM/MA) simples de ordem p, isto é, p1 i=0 xt−i . Se for
escolhido um valor diferente de zero para o argumento opcional control é calculada a média
móvel centrada, caso contrário é calculada a média móvel simples. Nesse caso, o argumento
opcional y0 é ignorado.
Se 0 < p < 1, é calculada a média móvel:

yt = pxt + (1 − p)yt−1

Esta é a fórmula de Roberts (1959). Por padrão a série de saída y é inicializada utilizando
o primeiro valor válido de x, mas o argumento control pode ser utilizado para especificar
o número inicial de observações cuja média deve ser utilizada para produzir y0 . Um valor
zero para control indica que todas as observações devem ser utilizadas. Alternativamente, um
valor de inicialização pode ser especificado utilizando o argumento opcional y0. Nesse caso o
argumento control é ignorado.

mpols
Resultado: matriz
Argumentos: Y (matriz)
X (matriz)
&U (referência a matriz, ou null)
Capítulo 2. Funções Gretl 147

Funciona de forma semelhante à função mols. A diferença é que os cálculos são realizados com
precisão múltipla utilizando a biblioteca GMP.
Por padrão, a biblioteca GMP utiliza 256 bits para cada número de ponto flutuante. Isso pode
ser ajustado via variável de ambiente GRETL_MP_BITS, por exemplo, GRETL_MP_BITS=1024.

mrandgen

Resultado: matriz
Argumentos: d (texto)
p1 (escalar)
p2 (escalar, condicional)
p3 (escalar, condicional)
rows (número inteiro)
cols (número inteiro)
Exemplos: matrix mx = mrandgen(u, 0, 100, 50, 1)
matrix mt14 = mrandgen(t, 14, 20, 20)
Funciona da mesma forma que randgen exceto pelo fato de retornar uma matriz ao invés de
uma série. Os argumentos iniciais para essa função (os números que a distribuição selecio-
nada depende) são descritos por randgen, mas eles devem ser seguidos por dois inteiros para
especificar o número de linhas e colunas da matriz aleatória desejada.
O primeiro exemplo acima gera um vetor coluna com 50 elementos seguindo uma distribuição
uniforme, enquanto que o segundo exemplo especifica uma matriz aleatória de ordem 20 × 20
com valores extraídos da distribuição t com 14 graus de liberdade.
Ver tambémmnormal, muniform.

mread
Resultado: matriz
Argumentos: fname (texto)
import (booleano, opcional)
Lê uma matriz armazenada no arquivo chamado fname . Se o arquivo possuir a extensão “.gz
” é assumido que ele foi comprimido no formato gzip, se tiver a extensão “.bin” é assumido
que o arquivo está em formato binário (veja mwrite para detalhes). Caso contrário assume-se
que é um arquivo de texto simples, seguindo as seguintes especificações:

• O arquivo pode começar com qualquer qualquer quantidade de comentários, definidos


por linhas iniciadas com o caractere #. Essas linhas serão ignoradas.

• A primeira que não for de comentário deve conter dois inteiros, separados por um espaço
ou uma tabulação, indicando o número de linhas e colunas, respectivamente.

• As colunas devem estar separadas por espaços ou por tabulações.

• O separador decimal deve ser o ponto (“.”).

Se no primeiro argumento não estiver especificado o caminho completo até o arquivo ele será
em vários locais que sejam considerados como sendo “prováveis”. O primeiro deles será o
diretório de trabalho em uso workdir. Entretanto, se o segundo argumento da função, import,
for um valor não-nulo o arquivo será procurado no diretório “@dotdir”. Isto ocorre para que
essa função seja utilizada em conjunto com as que exportam matrizes presentes no contexto
do comando foreign. Nesse caso o argumento fname deve ser um nome simples, sem que se
especique o caminho para o arquivo.
Ver tambémbread, mwrite.
Capítulo 2. Funções Gretl 148

mreverse
Resultado: matriz
Argumentos: X (matriz)
bycol (booleano, opcional)
Retorna uma matriz contendo as linhas de X em ordem reversa. Para obter uma matriz con-
tendo as colunas em ordem reversa pode-se utilizar um valor não-nulo como segundo argu-
mento.

mrls
Resultado: matriz
Argumentos: Y (matriz)
X (matriz)
R (matriz)
q (vetor coluna)
&U (referência a matriz, ou null)
&V (referência a matriz, ou null)
Mínimos quadrados restritos: retorna uma matriz k × n de parâmetros estimados obtidos atra-
vés da regressão via mínimos quadrados da matriz Y, de ordem T × n, contra a matriz X, de
ordem T × k, sujeitos à restrição linear RB = q, onde B representa o vetor de coeficientes empi-
lhados. R deve possuir kn colunas. Cada linha dessa matriz representa uma restrição linear. O
número de linhas em q deve coincidir com o número de linhas em R.
Se o quinto argumento não for null, a matriz U de ordem T × n irá armazenar os resíduos. Se
o argumento final for dado e não for null então a matriz V de ordem k × k irá armazenar a
contraparte restrita da matriz X 0 X −1 . A matriz de variância das estimativas para a equação i
pode ser construída multiplicando-se a sub-matriz apropriada de V por uma estimativa do erro
para esta equação.

mshape
Resultado: matriz
Argumentos: X (matriz)
r (número inteiro)
c (número inteiro)
Rearranja os elementos de X em uma matriz com r linhas e c colunas. Os elementos de X
são copiados e escritos na matriz de destino. A cópia tem início na coluna 1, linha 1, depois
linha 2 e assim sucessivamente. Se X tiver menos que k = r c elementos, estes são repetidos
de forma cíclica. Caso contrário, se X tiver mais elementos, apenas os primeiros k elementos
serão utilizados.
Ver tambémcols, rows, unvech, vec, vech.

msortby
Resultado: matriz
Argumentos: X (matriz)
j (número inteiro)
Retorna uma matriz onde as linhas de X são reordenadas de forma crescente de acordo com os
elementos da coluna j. Essa ordenação é estável: linhas que compartilham o mesmo valor na
coluna j não serão invertidas.
Capítulo 2. Funções Gretl 149

muniform
Resultado: matriz
Argumentos: r (número inteiro)
c (número inteiro)
Retorna uma matriz com r linhas e c colunas, preenchida com números pseudo-aleatórios se-
guindo uma distribuição uniforme (0,1). Observação: o método preferencial para gerar escalares
pseudo-aleatórios com distribuição uniforme é através da utilização da função randgen1.
Ver tambémmnormal, uniform.

mweights

Resultado: matriz
Argumentos: p (número inteiro)
theta (vetor)
type (número inteiro ou texto)
Retorna um vetor de ordem p de pesos MIDAS a serem aplicados nas p defasagens de uma série
de alta frequência, com base no vetor de hiper-parâmetros theta.
O argumento type identifica o tipo de parametrização, a qual determina o número de elementos
necessários, k, em theta: 1 = exponencial normalizado de Almon (k ao menos 1, tipicamente
2); 2 = beta normalizado com última defasagem nula (k = 2); 3 = beta normalizado com última
defasagem não-nula (k = 3); e 4 = polinômio de Almon (k ao menos 1). Note que no caso do beta
normalizado os primeiros dois elementos de theta devem ser positivos.
O type pode ser fornecido como sem um código inteiro, como mostrado acima, ou por um dos
seguintes textos (respectivamente): nealmon, beta0, betan, almonp. Se for utilizado texto, ele
deve ser escrito com aspas duplas. Por exemplo, as duas expressões abaixo são equivalentes:

W = mweights(8, theta, 2)
W = mweights(8, theta, "beta0")

Ver tambémmgradient, mlincomb.

mwrite
Resultado: número inteiro
Argumentos: X (matriz)
fname (texto)
export (booleano, opcional)
Salva a matriz X em um arquivo especificado por fname. Por padrão este arquivo será um ar-
quivo de texto simples. A primeira linha terá dois números inteiros, separados por um caractere
de tabulação (tab), representando o número de linhas e colunas. Nas linhas seguintes estarão
os elementos da matriz, em notação científica, separados por tabulações (uma linha da matriz
em cada linha do arquivo). Veja a seguir os formatos alternativos.
Se já existir um arquivo com o nome fname ele será sobrescrito. O valor a ser retornado pela
função é 0 em caso de sucesso. Se ocorrer um erro na escrita, que pode ocorrer, por exemplo,
se o arquivo estiver bloqueado, o valor de retorno será diferente de 0.
O arquivo de saída será salvo no workdir selecionado, a menos que no argumento filename seja
escrito o caminho completo. Entretanto, se o argumento export for diferente de 0, o arquivo
será salvo no diretório do usuário, ou seja, no diretório “@dotdir”, onde é acessado por padrão
pelas funções que manipulam matrizes no contexto do comando foreign. Nesse caso, um nome
simples, sem a inclusão do caminho para o arquivo, deve ser usado como segundo argumento.
Matrizes armazenadas via função mwrite na sua forma padrão podem ser facilmente lidas por
outros programas. Para maiores detalhes veja the Gretl User’s Guide (Capítulo 16).
Capítulo 2. Funções Gretl 150

Duas variantes, mutuamente exclusivas, estão disponíveis para esta função:

• Se o nome dado para o arquivo, fname, terminar com “.gz” então ele será armazenado
com compressão gzip.

• Se fname terminar com “.bin ” então o arquivo será armazenado no formato binário.
Neste caso os primeiros 19 bytes contêm os caracteres gretl_binary_matrix,
os 8 bytes seguintes contêm dois inteiros de 32 bit, fornecendo o número de linhas e
colunas da matriz, e o restante do arquivo contém os elementos da matriz como “doubles”,
com extremidade do tipo little-endian, orientado a coluna (column-major). Se o Gretl for
executado em um sistema com extremidade do tipo big-endian, os valores binários são
convertidos para little-endian na escrita e convertidos para big-endian na leitura.

Note que se o armazenamento da matriz em um arquivo for para seu uso em outros programas
não é aconselhável utilizar as variantes gzip ou binária. Mas se o intuito for a posterior leitura
pelo próprio Gretl, esses formatos alternativos economizam espaço em disco e, no caso do
armazenamento no formato binário, torna a leitura de grandes matrizes bem mais rápida. O
formato gzip não é recomendado para matrizes muito grandes, uma vez que a descompressão
desses arquivos é bastante lenta.
Ver tambémmread.

mxtab
Resultado: matriz
Argumentos: x (série ou vetor)
y (série ou vetor)
Retorna uma matriz contendo a tabulação cruzada dos valores contidos em x (por linha) e y
(por coluna). Os dois argumentos devem ser do mesmo tipo (ambos séries ou ambos vetores) e,
devido à forma que essa função é comumente utilizada, assume-se que contêm apenas valores
inteiros.
Ver tambémvalues.

naalen
Resultado: matriz
Argumentos: d (série ou vetor)
cens (série ou vetor, opcional)
Dada uma amostra de dados de duração, d, possivelmente acompanhada por um registro de
status de censura, cens, calcula o estimador não-paramétrico de Nelson–Aalen da função de
risco (Nelson (1972); Aalen (1978)). A matriz retornada possui três colunas contendo, respec-
tivamente, os valores únicos de d de forma ordenada, a função de risco acumulada estimada
correspondendo ao valor de duração na coluna 1 e o erro padrão do estimador.
Se a série cens for dada, um valor 0 serve para indicar uma observação não-censurada, enquanto
que um valor 1 indica uma observação censurada à direita (isto é, o período de observação do
indivíduo em questão terminou antes que a duração ou o período tenham sido registrados como
finalizados). Se cens não for dado é assumido que todas as observações são não-censuradas.
Observação: a interpretação de cens pode ser estendida em algum momento de forma a cobrir
outros tipos de censura.
Ver tambémkmeier.
Capítulo 2. Funções Gretl 151

nadarwat
Resultado: série
Argumentos: y (série)
x (série)
h (escalar)
Estimador não paramétrico de Nadaraya–Watson da média condicional de y dado x. Retorna
uma série contendo a estimativa não-paramétrica de E(y i |x i ) para cada valor não ausente da
série x.

Pn
j=1 yj · Kh (xi − xj )
m(xi ) = Pn
j=1 Kh (xi − xj )
onde a função núcleo (ou função kernel) Kh (·) é dada por
!
x2
Kh (x) = exp −
2h
para |x| < τ e, caso contrário, zero.
O argumento h, conhecido como largura de banda (bandwidth), é um número real positivo
escolhido pelo usuário. Normalmente este é um número pequeno: maiores valores de h tornam
m(x) mais suave. Uma escolha comumente utilizada é h ∝ n−0.2 . Mais detalhes podem ser
encontrados no the Gretl User’s Guide (Capítulo 37).
O escalar τ é utilizado para prevenir problemas numéricos quando a função núcleo é avaliada
em um ponto muito distante de zero e é chamado de parâmetro de truncagem.
O parâmetro de truncagem pode ser alterado através do ajuste de nadarwat_trim, como um
múltiplo de h . O valor padrão é 4.
O usuário pode fornecer valores negativos para a largura de banda: esta é interpretada como
sintaxe convencional para obter o estimador leave-one-out. Este é uma variante do estima-
dor que não usa a i-ésima observação para avaliar m(x i ). Isso faz com que o estimador de
Nadaraya–Watson seja mais numericamente robusto e sua utilização é normalmente aconse-
lhada quando o estimador é calculado com o propósito de realizar inferências. Vale salientar
que a largura de banda utilizada é, na verdade, o valor absoluto de h.
Em termos algébricos, o estimador leave-one-out estimator é dado por:
P
j6=i yj · Kh (xi − xj )
m(xi ) = P
j6=i Kh (xi − xj )

nelem
Resultado: número inteiro
Argumento: L (lista, matriz, lote ou cadeia)
Retorna o número de elementos no argumento que, por sua vez, pode ser uma lista, uma matriz,
um pacote (bundle) ou um arranjo (array). A função não pode ser utilizada em séries.

ngetenv

Resultado: escalar
Argumento: s (texto)
Se uma variável de ambiente de nome s estiver definida e possuir um valor numérico a função
retorna este valor, caso contrário, retorna NA. Veja também getenv.

nlines
Resultado: escalar
Argumento: buf (texto)
Capítulo 2. Funções Gretl 152

Retorna a quantidade de linhas completas (isto é, linhas que terminam com um caractere de
nova linha) em buf.
Exemplo:

string web_page = readfile("http://gretl.sourceforge.net/")


scalar number = nlines(web_page)
print number

NMmax
Resultado: escalar
Argumentos: &b (referência a matriz)
f (chamada a função)
maxfeval (número inteiro, opcional)
Realiza a maximização numérica via método simplex sem derivadas de Nelder–Mead. O argu-
mento b deve conter os valores iniciais de um conjunto de parâmetros e o argumento f deve
especificar uma chamada à função que calcule o critério (escalar) a ser maximizado, dados os
valores correntes dos parâmetros e quaisquer outros dados que sejam relevantes. Se for com-
pletada com sucesso, NMmax retorna o valor maximizado do critério e b armazena os valores
dos parâmetros que maximizam a função.
O terceiro argumento, opcional, pode ser utilizado para determinar o número máximo de ava-
liações da função. Se for omitido ou for igual a zero o máximo de avaliações será, por padrão,
igual a 2000. O valor do argumento maxfeval pode ser especificado como um número negativo.
Neste caso é tomado o valor absoluto e a função NMmax sinaliza um erro se o melhor valor en-
contrado para a função objetivo, respeitando o número máximo de avaliações de funções, não
for um ótimo local. Caso contrário a falta de convergência neste sentido não é tratada como um
erro.
Se de fato o objetivo for a minimização, a função pode retornar o valor negativo do critério.
Alternativamente pode-se utilizar a função NMmax através de sua forma alternativa NMmin.
Para maiores detalhes e exemplos the Gretl User’s Guide (Capítulo 34). Ver tambémsimann.

NMmin
Resultado: escalar

É uma forma alternativa da função NMmax. Se invocada com este nome a função comporta-se
como minimizadora.

nobs
Resultado: número inteiro
Argumento: y (série)
Retorna o número de observações não ausentes para a variável y na amostra corrente selecio-
nada.

normal
Resultado: série
Argumentos: µ (escalar)
σ (escalar)
Cria uma série de números gaussianos pseudo-aleatórios com média µ e desvio padrão σ . Se
não forem fornecidos argumentos, será produzida uma série padrão normalizada N(0,1). Os
valores são calculados utilizando o método Ziggurat (Marsaglia and Tsang, 2000).
Ver tambémrandgen, mnormal, muniform.
Capítulo 2. Funções Gretl 153

normtest
Resultado: matriz
Argumentos: y (série ou vetor)
method (texto, opcional)
Realiza um teste de normalidade em y. Por padrão é utilizado o teste de Doornik–Hansen, mas
é possível escolher outros métodos via argumento opcional method. Os testes disponíveis são:
swilk para o teste de Shapiro–Wilk, jbera para o teste de Jarque–Bera, ou lillie para o de
teste Lilliefors.
O segundo argumento pode ser fornecido com ou sem aspas. Porém, quando o argumento
estiver na forma de uma variável de texto (string), o valor dessa variável é substituído. Os
seguintes exemplos mostram três formas aceitáveis de se realizar o teste de Shapiro–Wilk:

matrix nt = normtest(y, swilk)


matrix nt = normtest(y, "swilk")
string testtype = "swilk"
matrix nt = normtest(y, testtype)

A matriz retornada tem ordem 1×2 e armazena a estatística de teste e seu p-valor. Veja também
o comando normtest.

npcorr
Resultado: matriz
Argumentos: x (série ou vetor)
y (série ou vetor)
method (texto, opcional)
Calcula uma medida de correlação entre x e y utilizando um método não-paramétrico. Se for
dado, o terceiro argumento deve ser kendall (para a versão b do tau de Kendall, sendo este o
método padrão) ou spearman (para o rô de Spearman).
O valor de retorno é um vetor de ordem 3 contendo a medida de correlação, a estatística de
teste e o p-valor para a hipótese nula de não-autocorrelação. Note que se o tamanho da amostra
for muito pequeno a estatística de teste e/ou p-valor podem NaN (ou seja, não é um número ou
é ausente).
Veja também corr para a correlação de Pearson.

npv
Resultado: escalar
Argumentos: x (série ou vetor)
r (escalar)
Retorna o Valor Presente Líquido (VPL ou NPV) de x , considerado como sendo uma sequência
de pagamentos (negativos) e recebimentos (positivos), avaliada à taxa de desconto anual r, que
deve ser expressa como uma fração decimal e não como uma porcentagem (ou seja, 0.05 ao
invés de 5%). O primeiro valor é considerado como sendo o “agora” e não é descontado. Para
emular a função npv na qual o primeiro valor é descontado, basta inserir um zero no início da
sequência.
A função pode ser utilizada com dados anuais, trimestrais, mensais e sem data (neste último
caso, os dados são tratados como sendo anuais).
Ver tambémirr.
Capítulo 2. Funções Gretl 154

NRmax
Resultado: escalar
Argumentos: &b (referência a matriz)
f (chamada a função)
g (chamada a função, opcional)
h (chamada a função, opcional)
Realiza a maximização numérica via método de Newton–Raphson. O argumento b deve conter
os valores iniciais de um conjunto de parâmetros e o argumento f deve especificar uma cha-
mada à função que calcule o critério (escalar) a ser maximizado, dados os valores correntes
dos parâmetros e quaisquer outros dados que sejam relevantes. Se o objetivo for de fato uma
minimização, esta função deverá retornar o negativo do critério. Se for completada com su-
cesso, NRmax retorna o valor maximizado do critério e b armazena os valores dos parâmetros
que maximizam a função.
O terceiro e o quarto argumento, opcionais, estabelecem uma maneira de fornecer derivadas
analíticas e uma hessiana (negativa) analítica, respectivamente. As funções representadas por
g e h devem ter como seus primeiros argumentos uma matriz pré-definida que tenha o tama-
nho adequado para armazenar o gradiente ou hessiana, respectivamente, dado na forma de
ponteiro. Elas também precisam ter o vetor de parâmetros como um argumento (na forma de
ponteiro ou não). Outros argumentos são opcionais. Se alguns dos parâmetros opcionais forem
omitidos, é utilizada uma aproximação numérica.
Para maiores detalhes e exemplos veja the Gretl User’s Guide (Capítulo 34). Ver tambémBFGSmax,
fdjac.

NRmin
Resultado: escalar

É uma forma alternativa da função NRmax. Se invocada com este nome a função comporta-se
como minimizadora.

nullspace
Resultado: matriz
Argumento: A (matriz)
Calcula o espaço nulo direito de A, via decomposição em valores singulares: o resultado é uma
matriz B tal que

• AB = [0], exceto quando A tem posto completo, nesse caso uma matriz vazia é retornada.
Caso contrário, se A é uma matriz m × n, B será uma matriz n × (n − r ), onde r é o posto
de A.

• Se A não tiver posto completo a concatenação vertical de A com B 0 produz uma matriz de
posto completo.

Exemplo:

A = mshape(seq(1,6),2,3)
B = nullspace(A)
C = A | B’

print A B C

eval A*B
eval rank(C)

O exemplo acima produz:


Capítulo 2. Funções Gretl 155

? print A B C
A (2 x 3)

1 3 5
2 4 6

B (3 x 1)

-0.5
1
-0.5

C (3 x 3)

1 3 5
2 4 6
-0.5 1 -0.5

? eval A*B
-4.4409e-16
-4.4409e-16

? eval rank(C)
3

Ver tambémrank, svd.

numhess
Resultado: matriz
Argumentos: b (vetor coluna)
fcall (chamada a função)
d (escalar, opcional)
Calcula uma aproximação numérica para a hessiana associada ao vetor b de ordem n e à função
objetivo especificada pelo argumento fcall. A chamada à função deve ter b como primeiro argu-
mento (de forma direta ou na forma de ponteiro), seguido de quaisquer argumentos adicionais
que possam ser necessários. A função retorna um escalar como resultado. Se executada com
sucesso, numhess retorna uma matriz de ordem n × n contendo a hessiana que, por sua vez, é
simétrica por construção.
O método utilizado é a extrapolação de Richardson, com quatro passos. O terceiro argumento,
opcional, pode ser utilizado para ajustar a fração d do valor do parâmetro utilizado no ajuste
do tamanho do passo inicial. Se este argumento for omitido, será utilizado d = 0,01 como
padrão.
Exemplo::

matrix H = numhess(theta, myfunc(&theta, X))

Ver tambémBFGSmax, fdjac.

obs
Resultado: série
Retorna uma série de números inteiros consecutivos começando em 1 no início do conjunto de
dados. Note que esse resultado não é afetado por subamostragem. Essa função é especialmente
útil com conjunto de dados de séries temporais. Você também pode escrever t ao invés de obs
para obter a série.
Capítulo 2. Funções Gretl 156

Ver tambémobsnum.

obslabel
Resultado: texto
Argumento: t (número inteiro)
Retorna o rótulo da observação t, onde t é número que representa esta observação. A função
inversa é dada por obsnum.

obsnum
Resultado: número inteiro
obsnum Retorna o número que corresponde a observação es-
Argumento: s (texto)
pecificada pela variável s. Note que o resultado desta função não é afetado por subamostragens.
Ela é especialmente útil em dados de séries temporais. Por exemplo, o código seguinte

open denmark
k = obsnum(1980:1)

fornece k = 25, indicando que o primeiro trimestre de 1980 é a vigésima quinta observação
nos dados denmark.
Ver tambémobs, obslabel.

ok
Resultado: ver abaixo
Argumento: x (escalar, série, matriz ou lista)
Se x for um escalar, retorna 1 se x não for NA, caso contrário 0. Se x for uma série, retorna
uma série com valor 1 nas observações sem valores ausentes e 0 onde houver valores ausentes.
Se x for uma lista, a saída da função é uma série com 0 nas observações onde ao menos uma
das séries na lista tenha valor ausente, caso contrário retorna 1.
Se x for uma matriz o comportamento da função é um pouco diferente, uma vez que matrizes
não podem conter NA’s. Assim, nesse caso, a função retorna uma matriz com as mesmas
dimensões que x, com 1’s nas posições com elementos finitos de x and 0’s nas posições onde
os elementos são não-finitos (podendo ser números infinitos ou NaN, conforme padrão IEEE
754).
Ver tambémmissing, misszero, zeromiss. Mas note que essas funções não são aplicáveis no
caso de matrizes.

onenorm
Resultado: escalar
Argumento: X (matriz)
Retorna a norma-1 of the r × c matrix X :
r
X
kXk1 = max |Xij |
j
i=1

Ver tambéminfnorm, rcond.


Capítulo 2. Funções Gretl 157

ones
Resultado: matriz
Argumentos: r (número inteiro)
c (número inteiro)
Retorna uma matriz com r linhas e c colunas preenchida com valores iguais a 1.
Ver tambémseq, zeros.

orthdev
Resultado: série
Argumento: y (série)
Aplicável apenas quando o conjunto de dados atualmente aberto é composto por dados em
painel. Calcula os desvios ortogonais anteriores (ou seja, o desvio entre t e t + 1) da variável y,
isto é  
Ti
s
Ti − t  1 X
ỹi,t = yi,t − yi,s 
Ti − t + 1 Ti − t s=t+1

Esta transformação é realizada algumas vezes ao invés da diferenciação para remover efeitos
individuais do dado em painel. Para fins de compatibilidade com a primeira diferença, os des-
vios são armazenados um paso à frente em relação à sua verdadeira localização temporal (isto
é, o valor na observação t é o desvio que, estritamente falando, pertence ao tempo t −1). Assim,
perde-se a primeira observação em cada série de tempo, e não a última.
Ver tambémdiff.

pdf
Resultado: o mesmo tipo que o argumento
Argumentos: d (texto)
. . . (ver abaixo)
x (escalar, série ou matriz)
Exemplos: f1 = pdf(N, -2.5)
f2 = pdf(X, 3, y)
f3 = pdf(W, forma, escala, y)
Calculadora de função densidade de probabilidade. Retorna a densidade em x da distribuição
identificada pelo código d. Veja cdf para detalhes acerca dos argumentos (escalares) requeridos.
As distribuições suportadas pela função pdf são: normal, t de Student, qui-quadrado, F , Gama,
Exponencial, Weibull, Laplace, Erro Generalizado, Binomial e Poisson. Note que para a Binomial
e a Poisson o que de fato é calculado é a massa de probabilidade no ponto especificado. Para t
de Student, qui-quadrado e F também estão disponíveis as suas variantes não-centrais.
Para a distribuição normal veja também dnorm.

pergm

Resultado: matriz
Argumentos: x (série ou vetor)
bandwidth (escalar, opcional)
Se apenas o primeiro argumento for dado, calcula o periodograma da amostra para dada va-
riável ou vetor. Se o segundo argumento for dado, calcula uma estimativa do espectro de x
utilizando janela de defasagem de Bartlett para a largura de banda dada, até o número de ob-
servações (T /2).
Retorna uma matriz com duas colunas e T /2 linhas: a primeira coluna contendo a frequência,
ω, de 2π /T até π e a segunda contendo a densidade espectral correspondente.
Capítulo 2. Funções Gretl 158

pexpand
Resultado: série
Argumento: v (vetor)

É aplicável somente se o conjunto de dados corrente tiver uma estrutura de painel. Realiza
a operação inversa de pshrink. Isto é, dado um vetor de comprimento igual ao número de
indivíduos na amostra (de painel) corrente, retorna uma série na qual cada valor é repetido T
vezes, onde T representa o comprimento temporal do painel. A série resultante é dessa forma
não variante em relação ao tempo.

pmax
Resultado: série
Argumentos: y (série)
mask (série, opcional)

É aplicável somente se o conjunto de dados corrente tiver uma estrutura de painel. Retorna uma
série contendo o máximo da variável y para cada unidade de corte transversal (isso é repetido
parar cada período de tempo).
Se o segundo argumento (opcional) for fornecido, as observações onde o valor de mask for igual
a zero são ignoradas.
Ver tambémpmin, pmean, pnobs, psd, pxsum, pshrink, psum.

pmean
Resultado: série
Argumentos: y (série)
mask (série, opcional)

É aplicável somente se o conjunto de dados corrente tiver uma estrutura de painel. Calcula a
média temporal de y para cada unidade de corte transversal, isto é,
Ti
1 X
ȳi = yi,t
Ti t=1

onde Ti é o número de observações válidas da unidade i.


Se o segundo argumento (opcional) for fornecido, as observações onde o valor de mask for igual
a zero são ignoradas.
Ver tambémpmax, pmin, pnobs, psd, pxsum, pshrink, psum.

pmin
Resultado: série
Argumentos: y (série)
mask (série, opcional)

É aplicável somente se o conjunto de dados corrente tiver uma estrutura de painel. Retorna uma
série contendo o mínimo da variável y para cada unidade de corte transversal (isso é repetido
para cada período de tempo).
Se o segundo argumento (opcional) for fornecido, as observações onde o valor de mask for igual
a zero são ignoradas.
Ver tambémpmax, pmean, pnobs, psd, pshrink, psum.
Capítulo 2. Funções Gretl 159

pnobs
Resultado: série
Argumentos: y (série)
mask (série, opcional)

É aplicável somente se o conjunto de dados corrente tiver uma estrutura de painel. Retorna uma
série contendo o número de observações válidas em y para cada unidade de corte transversal
(isso é repetido para cada período de tempo).
Se o segundo argumento (opcional) for fornecido, as observações onde o valor de mask for igual
a zero são ignoradas.
Ver tambémpmax, pmin, pmean, psd, pshrink, psum.

polroots
Resultado: matriz
Argumento: a (vetor)
Encontra as raízes de um polinômio. Se o polinômio for de ordem p, o vetor a deverá conter
p + 1 coeficientes em ordem crescente, i.e. iniciando com a constante e terminando com o
coeficiente de x p .
Se todas as raízes forem reais elas serão retornadas em um vetor coluna de comprimento p,
caso contrário uma matriz de ordem p × 2 será retornada, com as partes reais na primeira
coluna e as partes imaginárias na segunda.

polyfit
Resultado: série
Argumentos: y (série)
q (número inteiro)
Ajusta uma tendência polinomial de ordem q à série y usando o método dos polinômios orto-
gonais. A série retornada contém os valores ajustados.

princomp
Resultado: matriz
Argumentos: X (matriz)
p (número inteiro)
covmat (booleano, opcional)
Seja a matriz X de ordem T × k, contendo T observações de k variáveis. O argumento p deve
ser um inteiro positivo menor ou igual a k. Esta função retorna a matriz de ordem T × p, P ,
contendo os primeiros p principais componentes de X.
O terceiro argumento, opcional, age como uma chave booleana: se for um valor não-nulo os
componentes principais são calculados com base na matriz de covariâncias das colunas de X (o
padrão desta função é a utilização da matriz de correlação).
Os elementos de P são calculados como
k
(j)
X
Ptj = Zti vi
i=1

(j)
onde Zti é o valor padronizado da variável i na observação t, Zti = (Xti − X̄i )/σ̂i , e vi é o
j-ésimo autovetor da matriz de correlação (ou covariância) dos Xi s, com os autovetores orde-
nados de forma decrescente de acordo com o valores dos autovalores correspondentes.
Ver tambémeigensym.
Capítulo 2. Funções Gretl 160

prodc
Resultado: vetor linha
Argumento: X (matriz)
Retorna o produto dos elementos das colunas de X. Ver tambémprodr, meanc, sdc, sumc.

prodr
Resultado: vetor coluna
Argumento: X (matriz)
Retorna o produto dos elementos das linhas de X. Ver tambémprodc, meanr, sumr.

psd
Resultado: série
Argumentos: y (série)
mask (série, opcional)

É aplicável somente se o conjunto de dados corrente tiver uma estrutura de painel. Calcula o
desvio padrão amostral da variável y para cada unidade de corte transversal, isto é,
v
Ti
u
u 1
u X
σi = t (yi,t − ȳi )2
Ti − 1 t=1

A fórmula acima mantém-se para Ti ≥ 2, onde Ti é o número de observações válidas para a


unidade i. Se Ti = 0 será retornado NA e se Ti = 1 será retornado 0.
Se o segundo argumento (opcional) for fornecido, as observações onde o valor de mask for igual
a zero são ignoradas.
Observação: essa função torna possível testar se dada variável (como por exemplo, X) não varia
ao longo do tempo utilizando a condição max(psd(X)) == 0.
Ver tambémpmax, pmin, pmean, pnobs, pshrink, psum.

psdroot
Resultado: matriz quadrada
Argumento: A (matriz simétrica)
Calcula a variante generalizada da decomposição de Cholesky da matriz A, que deve ser positiva
semi-definida (mas que pode ser singular). Se a matriz de entrada não for quadrada é sinalizado
um erro, apesar disso, a simetria é assumida pela função, mas não verificada. Apenas o triân-
gulo inferior de A é lido. O resultado é uma matriz triangular inferior L que satisfaz A = LL0 .
Elementos indeterminados na solução são zerados.
Para o caso onde A é positivo definido, veja cholesky.

pshrink
Resultado: matriz
Argumento: y (série)

É aplicável somente se o conjunto de dados corrente tiver uma estrutura de painel. Retorna
um vetor coluna contendo a primeira observação válida da série y para cada unidade de corte
transversal no painel, ao longo extensão da amostra corrente. Se uma unidade não possuir
observações válidas da série de entrada ela será ignorada.
Essa função fornece uma maneira de compactar as séries retornadas por funções como pmax
e pmean, nas quais um valor pertencente a cada unidade de corte transversal é repetido para
cada período de tempo.
Capítulo 2. Funções Gretl 161

Veja pexpand para a operação inversa.

psum
Resultado: série
Argumentos: y (série)
mask (série, opcional)

É aplicável somente se o conjunto de dados corrente tiver uma estrutura de painel. Calcula a
soma ao longo do tempo da variável y para cada unidade de corte transversal, isto é,

Ti
X
Si = yi,t
t=1

onde Ti é o número de observações válidas da unidade i.


Se o segundo argumento (opcional) for fornecido, as observações onde o valor de mask for igual
a zero são ignoradas.
Ver tambémpmax, pmean, pmin, pnobs, psd, pxsum, pshrink.

pvalue
Resultado: o mesmo tipo que o argumento
Argumentos: c (caractere)
. . . (ver abaixo)
x (escalar, série ou matriz)
Exemplos: p1 = pvalue(z, 2.2)
p2 = pvalue(X, 3, 5.67)
p2 = pvalue(F, 3, 30, 5.67)
Calculadora de P -valores. Retorna P (X > x), onde a distribuição de X é especificada pela letra
c. Entre os argumentos c e x, zero ou mais argumentos adicionais são necessários para que
especifique os parâmetros da distribuição. Veja cdf para detalhes. As distribuições suportadas
pela função pvalue são: normal padrão, t, qui-quadrada, F , gama, binomial, Poisson, Weibull e
Erro Generalizado.
Ver tambémcritical, invcdf, urcpval, imhof.

pxnobs
Resultado: série
Argumentos: y (série)
mask (série, opcional)

É aplicável somente se o conjunto de dados corrente tiver uma estrutura de painel. Retorna
uma série contendo o número de observações válidas de y em cada período de tempo (essa
operação é repetida para cada unidade de corte transversal).
Se o segundo argumento (opcional) for fornecido, as observações onde o valor de mask for igual
a zero são ignoradas.
Note que esta função opera em uma dimensão diferente da função pnobs.

pxsum
Resultado: série
Argumentos: y (série)
mask (série, opcional)
Capítulo 2. Funções Gretl 162

É aplicável somente se o conjunto de dados corrente tiver uma estrutura de painel. Calcula a
dos valores da variável y em cada período de tempo. Isto é,
N
X
ỹt = yi,t
i=1

onde N é o número de unidades de corte transversal.


Se o segundo argumento (opcional) for fornecido, as observações onde o valor de mask for igual
a zero são ignoradas.
Note que esta função opera em uma dimensão diferente da função psum.

qform
Resultado: matriz
Argumentos: x (matriz)
A (matriz simétrica)
Calcula a forma quadrática Y = xAx 0 . A utilização desta função, ao invés da multiplicação
matricial comum, garante mais velocidade e maior precisão quando A é uma matriz simétrica
genérica. Porém, no caso especial A = I, a simples expressão x’x tem desempenho bastante
superior em relação a qform(x’,I(rows(x)).
Se x e A não forem compatíveis, ou A não for simétrica, é retornado um erro.

qlrpval
Resultado: escalar
Argumentos: X2 (escalar)
df (número inteiro)
p1 (escalar)
p2 (escalar)
Fornece os p-valores para a estatística de teste do teste sup-Wald QLR para uma quebra estru-
tural em um ponto desconhecido (veja qlrtest), conforme Hansen (1997).
O primeiro argumento, X2, representa a máxima estatística de teste (na forma de qui-quadrado)
de Wald e df representa os graus de liberdade. O terceiro e o quarto argumento representa, na
forma de frações decimais da amplitude de estimação geral, os pontos inicial e final da ampli-
tude central das observações ao longo das quais os sucessivos testes de Wald são calculados.
Por exemplo, se a abordagem padrão de corte de 15 por cento for utilizada p1 deve ser igual a
0.15 e p2 igual a 0.85.
Ver tambémpvalue, urcpval.

qnorm
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar, série ou matriz)
Retorna os quantis para a distribuição normal padrão. Se x não estiver entre 0 e 1, será retor-
nado NA. Ver tambémcnorm, dnorm.

qrdecomp
Resultado: matriz
Argumentos: X (matriz)
&R (referência a matriz, ou null)
Capítulo 2. Funções Gretl 163

Calcula a decomposição QR de uma matriz X de ordem m × n, isto é, X = QR onde Q é uma


matriz ortogonal m × n e R é uma matriz triangular superior n × n. A matriz Q é retornada
diretamente, enquanto que R pode ser obtida via utilização do segundo argumento (opcional).
Ver tambémeigengen, eigensym, svd.

quadtable
Resultado: matriz
Argumentos: n (número inteiro)
type (número inteiro, opcional)
a (escalar, opcional)
b (escalar, opcional)
Retorna uma matriz de ordem n × 2 para utilização a quadratura gaussiana (integração numé-
rica). A primeira coluna contém os nós ou abscissas e a segunda os pesos.
O primeiro argumento especifica o número de pontos (linhas) a serem computados. O segundo
argumento indica o tipo de quadratura: use 1 para Gauss–Hermite (tipo padrão); 2 para Gauss–
Legendre; ou 3 para Gauss–Laguerre. O significado dos parâmetros opcionais a e b dependem
da escolha do argumento type, conforme explicado a seguir.
A quadratura gaussiana é um método para aproximar numericamente a integral definida de
dada função de interesse. Seja a função representada pelo produto f (x)W (x). Os tipos de
quadratura diferem de acordo com a especificação do componente W (x): no caso de Hermite
ela é definida como W (x) = exp(−x 2 ); no caso de Laguerre, W (x) = exp(−x); e no caso de
Legendre W (x) = 1.
Para cadaPnespecificação de W (x), pode-se calcular um conjunto de abscissas, xi , e pesos, wi ,
tais que i=1 f (xi )wi se aproxima da integral desejada. O método de Golub and Welsch (1969)
é utilizado.
Quando o tipo Gauss–Legendre é selecionado, os argumentos opcionais a e b podem ser utili-
zados para controlar os limites inferior e superior de integração, sendo os valores padrão −1 e
1. Na quadratura de Hermite os limites são fixados entre −∞ e +∞, enquanto que no caso de
Laguerre eles são fixados entre 0 e ∞.)
No caso de Hermite a e b exercem um papel diferente: eles podem ser utilizados para substituir
a forma padrão de W (x) pela (proximamente relacionada) distribuição normal com média a
desvio padrão b. Fornecendo os valores de 0 e 1 para estes parâmetros, por exemplo, tem
√ W (x) em uma FDP normal padrão, que√é equivalente a multiplicar os
o efeito de transformar
valores padrão xi por 2 e dividir os valores padrão de wi por π .

quantile
Resultado: escalar ou matriz
Argumentos: y (série ou matriz)
p (escalar entre 0 e 1)
Se y for uma série, retorna o quantil p da série. Por exemplo, quando p = 0,5, a mediana é
retornada.
Se y for uma matriz, retorna um vetor linha contendo os p-quantis das colunas de y. Isto é,
cada coluna é tratada como sendo uma série.
Adicionalmente, para a matriz y existe uma segunda alternativa para o segundo argumento: p
pode ser dado como um vetor. Nesse caso o valor de retorno é uma matriz de ordem m × n
onde m representa o número de elementos em p e n é o número de colunas em y.
Para uma série de comprimento n, o p-ésimo quantil, q, é definido como:

q = y[k] + [(n + 1) · p − k](y[k+1] − y[k] )


Capítulo 2. Funções Gretl 164

onde k é a parte inteira de (n + 1) · p e y[i] é o i-ésimo elemento da série quando ordenada do


menor para o maior valor.

randgen

Resultado: série
Argumentos: d (texto)
p1 (escalar ou série)
p2 (escalar ou série, condicional)
p3 (escalar, condicional)
Exemplos: series x = randgen(u, 0, 100)
series t14 = randgen(t, 14)
series y = randgen(B, 0.6, 30)
series g = randgen(G, 1, 1)
series P = randgen(P, mu)
Gerador de número aleatório de uso geral. O argumento d é um texto (string) (sendo geral-
mente composto por apenas um caractere) que especifica a distribuição da qual serão extraídos
os pseudo-números. Os argumentos p1 a p3 especificam os parâmetros da distribuição selecio-
nada, sendo que o número de parâmetros depende da distribuição escolhida. Para distribuições
que não a beta-binomial, os parâmetros p1 e p2 (se for aplicável) podem estar na forma es-
calar ou de série. Se forem utilizados na forma escalar a série resultante será identicamente
distribuída. Se forem utilizadas séries em p1 ou p2 a distribuição será condicional ao valor
do parâmetro em cada observação. No caso da beta-binomial todos os parâmetros devem ser
escalares.
Especificidades são apresentadas abaixo: o código para cada distribuição é mostrado entre
parênteses, seguido da interpretação do argumento p1 e, quando for aplicável, p2 e p3.

Distribuição d p1 p2 p3
Uniforme (contínua) u ou U mínimo máximo –
Uniforme (discreta) i mínimo máximo –
Normal z, n ou N média desvio padrão –
t de Student t graus de liberdade – –
Qui-quadrado c, x ou X graus de liberdade – –
F de Snedecor f ou F g.l. (num.) g.l. (den.) –
Gama g ou G forma escala –
Binomial b ou B p n –
Poisson p ou P média – –
Exponencial exp escala – –
Weibull w ou W forma escala –
Laplace l ou L média escala –
Erro Generalizado e ou E forma – –
Beta beta forma1 forma2 –
Beta-Binomial bb n forma1 forma2

Ver tambémnormal, uniform, mrandgen, randgen1.


Capítulo 2. Funções Gretl 165

randgen1

Resultado: escalar
Argumentos: d (caractere)
p1 (escalar)
p2 (escalar, condicional)
Exemplos: scalar x = randgen1(z, 0, 1)
scalar g = randgen1(g, 3, 2.5)
Funciona da mesma forma que randgen exceto pelo fato de retornar um escalar ao invés de uma
série.
O primeiro exemplo acima retorna um valor da distribuição normal padrão, enquanto que o
segundo especifica um valor a ser extraído da distribuição Gama com forma 3 e escala 2.5.
Ver tambémmrandgen.

randint
Resultado: número inteiro
Argumentos: min (número inteiro)
max (número inteiro)
Retorna um inteiro pseudo-aleatório no intervalo fechado [min, max]. Ver tambémrandgen.

rank
Resultado: número inteiro
Argumento: X (matriz)
Retorna o posto de X, calculada numericamente via decomposição em valores singulares. Ver
tambémsvd.

ranking

Resultado: o mesmo tipo que o argumento


Argumento: y (série ou vetor)
Retorna uma série ou vetor com os ranks de y. O rank para a observação i é o número de
elementos que são menores que y i mais 1. Se houver números iguais a y i adiciona-se 0,5.
Intuitivamente, pode-se pensar em uma partida de xadrez, onde uma vitória vale 1 ponto e um
empate vale 0,5 pontos). É adicionado 1 ao rank de forma que o menor rank possível é 1 ao
invés de 0.
Formalmente tem-se,
Xh i
rank(yi ) = 1 + I(yj < yi ) + 0.5 · I(yj = yi )
j6=i

onde I representa a função indicadora.


Ver tambémsort, sortby.

rcond
Resultado: escalar
Argumento: A (matriz quadrada)
Retorna o número condicional recíproco para A em relação à norma-1. Em várias circunstâncias,
é uma medida de sensibilidade melhor de A em relação a operações numéricas, tais como a
inversão, que o determinante.
Capítulo 2. Funções Gretl 166

Dado que A é não-singular, podemos definir

κ(A) = ||A||1 · ||A−1 ||1

Essa função retorna κ(A)−1 .


Ver tambémdet, ldet, onenorm.

readfile
Resultado: texto
Argumentos: fname (texto)
codeset (texto, opcional)
Se um arquivo com o nome fname existir e puder ser lido, a função retorna um texto (string) com
o conteúdo desse arquivo, caso contrário retorna um erro. Se fname não contiver o caminho
completo até o arquivo, ele será procurado em algumas localizações “prováveis”, começando
pelo workdir corrente.
Se fname começar com o identificador de um protocolo de internet suportado (http://, ftp://
ou https://), libcurl será utilizado para baixar o arquivo. Veja também curl para baixar arqui-
vos de forma mais elaborada.
Se o texto a ser lido não estiver codificado como UTF-8, Gretl tentará recodificá-lo a partir da
codificação corrente se esta não for UTF-8, ou, caso contrário, a partir da codificação ISO-8859-
15. Se essa estratégia padrão não funcionar é possível utilizar o segundo argumento (que é
opcional) para especificar a codificação. Por exemplo, caso seja desejada a leitura de texto com
codificação Microsoft 1251 e esta não seja a configuração local, pode-se fornecer o segundo
argumento "cp1251".
Exemplos:

string web_page = readfile("http://gretl.sourceforge.net/")


print web_page

string current_settings = readfile("@dotdir/.gretl2rc")


print current_settings

Veja também as funções sscanf e getline.

regsub

Resultado: texto
Argumentos: s (texto)
match (texto)
repl (texto)
Retorna uma cópia de s onde todas as ocorrências do padrão match são substituídas por repl.
Os argumentos match e repl são interpretados como expressões regulares no estilo Perl.
Veja também strsub para substituições simples de textos.

remove
Resultado: número inteiro
Argumento: fname (texto)
Deleta o arquivo fname caso ele exista e seja gravável pelo usuário. Retorna 0 em caso de
sucesso e um valor não-nulo se o arquivo não existir ou não puder ser removido.
Se fname contiver o caminho completo para o arquivo o Gretl tentará deletá-lo e retornará
um erro se ele não existir ou não puder ser apagado por algum motivo (um exemplo seria
Capítulo 2. Funções Gretl 167

um arquivo do tipo somente-leitura). Se fname não contiver o caminho completo então será
assumido que o arquivo está no diretório de trabalho (workdir). Se o arquivo não existir ou não
for gravável o Gretl não irá procurá-lo em nenhum outro diretório.

replace
Resultado: o mesmo tipo que o argumento
Argumentos: x (série ou matriz)
find (escalar ou vetor)
subst (escalar ou vetor)
Substitui cada elemento de x igual ao i-ésimo elemento de find pelo correspondente elemento
de subst.
Se find for um escalar, subst também deve ser um escalar. Se find e subst forem vetores, eles
precisam ter o mesmo número de elementos. Mas se find for um vetor e subst um escalar,
então todas as ocorrências serão substituídas por subst.
Exemplo:

a = {1,2,3;3,4,5}
find = {1,3,4}
subst = {-1,-8, 0}
b = replace(a, find, subst)
print a b

produz

a (2 x 3)

1 2 3
3 4 5

b (2 x 3)

-1 2 -8
-8 0 5

resample
Resultado: o mesmo tipo que o argumento
Argumentos: x (série ou matriz)
blocksize (número inteiro, opcional)
A descrição inicial desta função refere-se aos dados de corte transversal ou de séries de tempo.
Ao final é tratado o caso de dados em painel.
Realiza a reamostragem de x com substituição. Quando uma série é utilizada como argumento,
cada valor da série de retorno, y t , é sorteado entre todos os valores de x t com igual proba-
bilidade. Quando uma matriz é utilizada como argumento, cada linha da matriz retornada é
sorteada entre todas as linhas de x com igual probabilidade.
O argumento opcional blocksize representa o tamanho do bloco para a reamostragem via des-
locamento de blocos. Caso este argumento seja dado, ele deve ser um número inteiro positivo
maior ou igual a 2. Ao se utilizar este argumento a saída é composta pela seleção aleatória
com substituição de todas as sequências contíguas possíveis com tamanho igual ao valor de
blocksize na entrada (no caso da utilização de matrizes na entrada as linhas são contíguas). Se
o comprimento do dado não for um número inteiro e múltiplo do tamanho do bloco, o bloco
selecionado será truncado para se ajustar.
Capítulo 2. Funções Gretl 168

Se o argumento x for uma série e o conjunto de dados for do tipo painel, a reamostragem via
deslocamento de blocos não é suportada. A forma básica de reamostragem é suportada, mas
passa a ter a seguinte interpretação: os dados são reamostrado “por indivíduo”. Suponha que
você tenha um painel no qual 100 indivíduos são observados ao longo de 5 períodos. Nesse
caso a série retornada será novamente composta de 100 blocos de 5 observações: cada bloco
será sorteado com igual probabilidade entre 100 séries de tempo individuais, com a ordem da
série temporal sendo preservada.

round
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar, série ou matriz)
Arredondamento para o número inteiro mais próximo. Note que quando x estiver exatamente
entre dois inteiros, o arredondamento é feito de moda a "se afastar de zero", assim, por exemplo,
2.5 é arredondado para 3, mas round(-3.5) retorna −4. Esta é uma convenção comum em
programas de planilha eletrônica, mas outros programas podem gerar resultados diferentes.
Ver tambémceil, floor, int.

rnameget

Resultado: texto ou cadeia de texto


Argumentos: M (matriz)
row (número inteiro, opcional)
Se o argumento row for dado, retorna o nome da linha col da matriz M. Se M não possuir nomes
em suas linhas então será retornada um texto (string) vazio. Se row for maior que o número de
linhas da matriz será sinalizado um erro.
Se não se indicar o segundo argumento, retornará um vetor de texto contendo os nomes das
linhas de M, ou um vetor de texto vazio se M não tiver nomes de linhas atribuídos.
Exemplo:

matrix A = { 11, 23, 13 ; 54, 15, 46 }


rnameset(A, "First Second")
string name = rnameget(A, 2)
print name

Ver tambémrnameset.

rnameset
Resultado: número inteiro
Argumentos: M (matriz)
S (cadeia de texto ou lista)
Adiciona nomes para as linhas da matriz M de ordem m × n . Se S for uma lista, os nomes serão
os das séries listadas. A lista precisa ter m membros. Se S for um arranjo (array) de variáveis
de texto (string), ele precisa ter m elementos. Para manter a compatibilidade com versões
anteriores do Gretl, uma única variável de texto também pode ser utilizada como segundo
argumento. Nesse caso ela precisa ter m textos separados por espaços.
Retorna o valor 0 se as linhas forem nomeadas com sucesso. Caso contrário será retornado um
valor não-nulo. Veja também cnameset.
Exemplo:

matrix M = {1, 2; 2, 1; 4, 1}
strings S = array(3)
Capítulo 2. Funções Gretl 169

S[1] = "Row1"
S[2] = "Row2"
S[3] = "Row3"
rnameset(M, S)
print M

rows
Resultado: número inteiro
Argumento: X (matriz)
Retorna o número de linhas da matriz X. Ver tambémcols, mshape, unvech, vec, vech.

sd
Resultado: escalar ou série
Argumento: x (série ou lista)
Se x for uma série a função retorna o desvio padrão amostral, descartando as observações
ausentes.
Se x for uma lista a função retorna uma série y tal que y t representa o desvio padrão amostral
dos valores das variáveis na lista na observação t, ou NA se existirem valores ausentes em t.
Ver tambémvar.

sdc
Resultado: vetor linha
Argumentos: X (matriz)
df (escalar, opcional)
Retorna os desvios padrão das colunas da matriz X . Se df for positivo ele será utilizado como
o divisor para as variâncias das colunas, caso contrário o divisor será igual ao número de linhas
em X (isto é, não será aplicada a correção de graus de liberdade). Ver tambémmeanc, sumc.

sdiff
Resultado: o mesmo tipo que o argumento
Argumento: y (série ou lista)
Calcula diferenças sazonais: yt − yt−k , onde k é a periodicidade do conjunto de dados corrente
(veja $pd). Valores iniciais são definidos como NA.
Quando uma lista for retornada, as variáveis individuais são automaticamente nomeadas de
acordo com o seguinte padrão sd_varname, onde varname é o nome da série original. A porção
que representa o nome original da série será truncado, caso seja necessário, e ajustado no caso
de não ser único no conjunto de nomes assim construído.
Ver tambémdiff, ldiff.

seasonals
Resultado: lista
Argumentos: baseline (número inteiro, opcional)
center (booleano, opcional)
Aplicável somente se o conjunto de dados tiver uma estrutura de série temporal com perio-
dicidade maior que 1. Retorna uma lista com variáveis dummy que representam os períodos
sazonais. As dummies sazonais são nomeadas como S1, S2 e assim por diante.
Capítulo 2. Funções Gretl 170

O argumento opcional baseline pode ser utilizado para excluir um período do conjunto de
dummies. Por exemplo, se for fornecido um valor igual a 1 em um conjunto de dados trimestrais
a lista retornada conterá as dummies apenas para os trimestres 2, 3 e 4. Se este argumento for
omitido ou for igual a 0 serão geradas as dummies para todos os períodos. É importante notar
que o argumento deve ser um número inteiro e menor ou igual a periodicidade dos dados.
O argumento center, se for não-nulo, faz com que as dummies sejam centradas, isto é, que
sejam subtraídas suas médias populacionais. Por exemplo, com dados trimestrais as dummies
sazonais centradas terão valores iguais a −0.25 e 0.75 ao invés de 0 e 1.

selifc
Resultado: matriz
Argumentos: A (matriz)
b (vetor linha)
Seleciona em A apenas as colunas para as quais o elemento correspondente em b é não-nulo. b
deve ser um vetor linha com o mesmo número de colunas de A.
Ver tambémselifr.

selifr
Resultado: matriz
Argumentos: A (matriz)
b (vetor coluna)
Seleciona em A apenas as linhas para as quais o elemento correspondente em b é não-nulo. b
deve ser um vetor coluna com o mesmo número de linhas de A.
Ver tambémselifc, trimr.

seq
Resultado: vetor linha
Argumentos: a (escalar)
b (escalar)
k (escalar, opcional)
Retorna um vetor com a sequência crescente de a até b se o primeiro argumento for menor que
o segundo. Se o primeiro argumento for maior que o segundo a sequência será decrescente. Em
ambos os casos o incremento/decremento será de 1 unidade.
Se o argumento opcional k for dado a função retorna um vetor com a sequência iniciada em a
e aumentada, caso a for menor b), em k unidades a cada passo. A sequência será finalizada
no maior valor possível que seja menor ou igual a b. Se o primeiro argumento for maior que
o segundo a sequência será reduzida em k unidades e será finalizada no menor valor possível
que seja maior ou igual a b). O argumento k deve ser positivo.
Ver tambémones, zeros.

setnote
Resultado: número inteiro
Argumentos: b (lote)
key (texto)
note (texto)
Insere uma nota descritiva para o objeto identificado por key em um pacote (bundle) b. Esta
nota será apresentada quando o comando print for utilizado no pacote. A função retorna 0
em caso de sucesso e um valor não-nulo em caso de falha (por exemplo, se não existir o objeto
key em b).
Capítulo 2. Funções Gretl 171

simann
Resultado: escalar
Argumentos: &b (referência a matriz)
f (chamada a função)
maxit (número inteiro, opcional)
Implementa o algoritmo “simulated annealing” (conhecido também por recozimento simulado)
que pode ser útil para melhorar a questão da inicialização em problemas de otimização numé-
rica.
O primeiro argumento contém o valor inicial de vetor de parâmetros e o segundo especifica uma
chamada de função que retorna o valor (escalar) valor da variável a ser maximizada. O terceiro
argumento, que é opcional, especifica o número máximo de iterações (a quantidade padrão é
1024). Caso seja executada com sucesso, a função simann retorna o valor final da variável a
ser maximizada e b armazena o vetor de parâmetros associado.
Para maiores detalhes e exemplo veja the Gretl User’s Guide (Capítulo 34). Ver tambémBFGSmax,
NRmax.

sin
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar, série ou matriz)
Retorna o seno de x. Ver tambémcos, tan, atan.

sinh
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar, série ou matriz)
Retorna o seno hiperbólico de x.

ex − e−x
sinh x =
2

Ver tambémasinh, cosh, tanh.

skewness
Resultado: escalar
Argumento: x (série)
Retorna o valor de assimetria para a série x, descartando quaisquer observações ausentes.

sleep
Resultado: escalar
Argumento: ns (número inteiro)
Faz com que o processo (thread) corrente “hiberne” — isto é, que interrompa suas atividades —
por ns segundos. Ao despertar da hibernação, a função retorna o valor 0. Apesar de não ser
diretamente relacionada à econometria, essa função pode ser útil para testes de métodos de
paralelização.
Capítulo 2. Funções Gretl 172

smplspan
Resultado: escalar
Argumentos: startobs (texto)
endobs (texto)
pd (número inteiro)
Retorna o número de observações entre startobs e endobs (inclusive) de uma série temporal
com frequência pd.
Os dois primeiros argumentos devem ser dados na forma padrão do Gretl para dados anuais,
trimestrais ou mensais— por exemplo, 1970, 1970:1 ou 1970:01 para cada uma das frequên-
cias, respectivamente—ou como datas no formato ISO 8601, YYYY-MM-DD.
O argumento pd deve ser igual a 1, 4 ou 12 (anual, trimestral, mensal); uma das frequências
diárias (5, 6, 7); ou 52 (semanal). Se pd for igual a 1, 4 ou 12, então pode-se utilizar datas no
formato ISO 8601 nos dois primeiros argumentos se elas indicarem o início e o fim do período
em questão. Por exemplo, 2015-04-01 pode ser utilizada no lugar de 2015:2 para representar
o segundo trimestre de 2015.
Se um conjunto de dados já aberto e com frequência pd, com uma suficiente quantidade de
observações, então o resultado dessa função poderia ser facilmente emulada utilizando obs-
num. A vantagem de smplspan é o fato de poder calcular o número de observações sem que
seja necessário um conjunto de dados adequado (ou até mesmo nenhum conjunto de dados).
Exemplo:

scalar T = smplspan("2010-01-01", "2015-12-31", 5)


nulldata T
setobs 7 2010-01-01

O código acima produz o seguinte resultado:

? scalar T = smplspan("2010-01-01", "2015-12-31", 5)


Gerou-se o escalar T = 1565
? nulldata T
periodicidade: 1, máx. obs: 1565
intervalo das observações: 1 a 1565
? setobs 7 2010-01-01
Intervalo completo dos dados: 2010-01-01 - 2014-04-14 (n = 1565)

Após utilizar esse código pode-se ter a certeza de que a última observação no conjunto de dados
criado via comando nulldata será 2015-12-31. Note que a obtenção do número 1565 seria bem
mais complicada de sem o uso dessa função.

sort
Resultado: o mesmo tipo que o argumento
Argumento: x (série ou vetor)
Ordena x de forma ascendente, descartando observações com valores ausentes quando x for
uma série. Ver tambémdsort, values. Especificamente para matrizes veja msortby.

sortby
Resultado: série
Argumentos: y1 (série)
y2 (série)
Retorna uma série contendo os elementos de y2 ordenados de acordo com os valores crescente
do primeiro argumento y1. Ver tambémsort, ranking.
Capítulo 2. Funções Gretl 173

sprintf
Resultado: texto
Argumentos: format (texto)
. . . (ver abaixo)
O texto (string) retornado é construído pela exibição dos valores dos argumentos finais, indi-
cados pelas reticências acima, sob o controle do argumento format. Esta função tem como
objetivo oferecer mais flexibilidade na criação de textos. O argumento format é utilizado para
especificar de uma maneira precisa a forma como você deseja que os argumentos sejam exibi-
dos.
Em geral, o argumento format (que pode ser chamado de texto de formatação) deve ser uma
expressão avaliada como um texto, mas na maioria dos casos será apenas um texto literal (uma
sequência alfanumérica delimitada por aspas duplas). Algumas sequências de caracteres em
format têm um significado especial: aqueles iniciados pelo símbolo de porcentagem (reserva-
dos” para os ítens contidos na lista de argumentos. Além disso, caracteres especiais, tal como
o que indica nova linha (\n ), são representados através da combinação com uma barra in-
vertida.
Por exemplo, o código a seguir

scalar x = sqrt(5)
string claim = sprintf("sqrt(%d) é (aproximadamente) %6.4f.\n", 5, x)
print claim

irá produzir

sqrt(5) é (aproximadamente) 2.2361.

A expressão %d dentro do argumento format indica que queremos na saída um número inteiro
neste local. Como é a expressão “porcento” mais a esquerda, ela então tem efeito sobre o
primeiro argumento, isto é, 5. A segunda sequência especial é %6.4f, que indica um valor
decimal com ao menos 6 dígitos de largura e com ao menos 4 casas decimais. A quantidade de
sequências como estas deve coincidir com o número de argumentos após o texto de formatação.
Ver também a ajuda para o comando printf para maiores detalhes sobre a sintaxe que você
pode utilizar para a formatação de textos (strings).

sqrt
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar, série ou matriz)
Retorna a raiz quadrada positiva de x. Gera NA quando utilizada em valores negativos.
Note que se o argumento for uma matriz, a operação será realizada para cada elemento. Além
disso, dado que as matrizes não podem conter valores NA, a função irá gerar um erro se existi-
rem valores negativos. Para a “raiz quadrada matricial” veja cholesky.

square
Resultado: lista
Argumentos: L (lista)
cross-products (booleano, opcional)
Retorna uma lista contendo os quadrados das variáveis na lista L. Seus elementos são nomeados
de acordo com o seguinte esquema :sq_varname. Se o segundo argumento (opcional) estiver
presente e tiver um valor não-nulo, a lista também incluirá os produtos cruzados dos elementos
Capítulo 2. Funções Gretl 174

de L que, por sua vez, são nomeados de acordo com o seguinte esquema: var1_var2. Nesses
esquemas os nomes das séries de entrada serão truncados caso seja necessário e os nomes de
saída podem ser ajustados em caso de de nomes duplicados na lista retornada.

sscanf
Resultado: número inteiro
Argumentos: src (texto)
format (texto)
. . . (ver abaixo)
Lê os valores de src sob controle do argumeto format e os usa para determinar os valores de um
ou mais argumentos subsequentes, indicados pelas reticências acima. A função retorna o nú-
mero de valores determinados. Esta é uma versão simplificada da função sscanf na linguagem
de programação C.
O argumento src pode ser tanto um texto literal, delimitado por aspas duplas, ou o nome de
uma variável de texto (string) previamente definida. O format é definido de forma similar ao
texto de formatação utilizado em printf (mais detalhes serão dados abaixo). Os demais ar-
gumentos, representados acima pelas reticências devem ser uma lista separada por vírgulas
contendo os nomes de variáveis pré-definidas: estas são os alvos da conversão de src. Para os
usuários com familiaridade com a linguagem C, pode-se prefixar os nomes de variáveis numéri-
cas com &, mas isso não é uma exigência.
O texto literal em format é comparado com src . Especificadores de conversão começam com
%, sendo os especificadores reconhecidos %f, %g ou %lf para números de ponto flutuante; %d
para inteiros; %s para textos; e %m para matrizes. Você pode inserir um número inteiro positivo
após o símbolo de porcentagem: isso ajusta o número máximo de caracteres a serem lidos
por dado especificador de conversão (ou o número máximo de linhas no caso de conversão de
matrizes). Alternativamente, você pode inserir um asterisco (*) após o símbolo de porcentagem
para suprimir a conversão (ignorando assim quaisquer caracteres que teriam sido convertidos
para um dado tipo). Por exemplo, %3d converte os próximos 3 caracteres de source em um
número inteiro, se possível; %*g ignora a quantidade necessária de caracteres de source para
que se obtenha apenas um número de ponto flutuante.
A conversão de matrizes funciona da seguinte forma: a função lê uma linha da entrada e conta
(com base na separação por espaço ou por tabulação) o número de campos numéricos. Isto
define o número de colunas na matriz. Por padrão a leitura continua sendo feita enquanto
enquanto a leitura de linhas devolver a mesma quantidade de colunas numéricas, mas o número
máximo de linhas a serem lidas pode ser limitado de acorodo com o descrito acima.
No caso de textos, em adição especificador %s, também é possível utilizar uma versão simplifi-
cada do formato utilizado na linguagem C: %N [chars ]. Neste formato N é o número máximo de
caracteres a serem lidos chars é um conjunto de caracteres aceitáveis, delimitados por colche-
tes: a leitura para se N for atingido ou se um caractere que não está em chars for encontrado.
O comportamento de chars pode ser revertido se for utilizado um circunflexo, ^, como sendo o
primeiro caractere. Neste caso a leitura para se um caractere no dado conjunto for encontrado.
Diferentemente de C, o hífen não exerce papel especial no conjunto chars.
Se o texto fonte (src) não apresentar correspondência (completa) com o texto de formatação
(format), o número de conversões pode ficar abaixo do número de argumentos dados. Isto não
é por si só um erro no que diz respeito ao Gretl. Caso queira verificar o número de conversões
realizadas basta utilizar o valor retornado pela função.
Alguns exemplos:

scalar x
scalar y
sscanf("123456", "%3d%3d", x, y)

S = sprintf("1 2 3 4\n5 6 7 8")


S
Capítulo 2. Funções Gretl 175

matrix m
sscanf(S, "%m", m)
print m

sst
Resultado: escalar
Argumento: y (série)
Retorna a soma dos quadrados dos desvios em relação à média das observações não ausentes
na série y. Ver tambémvar.

stringify

Resultado: número inteiro


Argumentos: y (série)
S (cadeia de texto)
Fornece uma maneira de definir valores de texto para a série y. Duas condições são necessárias
para isso: a variável alvo deve ser formada apenas por números inteiros, com nenhum deles
sendo menor que 1, e o arranjo (array) S deve possuir ao menos n elementos, onde n é o
maior valor em y. Adicionalmente, cada elemento de S deve estar representado com base na
codificação UTF-8. Ver tambémstrvals.
O valor retornado é zero em caso de sucesso ou um código positivo de erro caso a função não
tenha sucesso.

strlen
Resultado: número inteiro
Argumento: s (texto)
Retorna o número de caracteres no texto (string) s. Note que isso não será necessariamente
igual ao número de bytes se alguns caracteres estiverem fora do intervalo de impressão ASCII.
Exemplo:

string s = "regression"
scalar number = strlen(s)
print number

strncmp
Resultado: número inteiro
Argumentos: s1 (texto)
s2 (texto)
n (número inteiro, opcional)
Compara dois textos (string) e retorna um inteiro menor que, igual ou maior que 0 se s1 se for,
respectivamente menor que, igual ou maior que s2, até o primeiro caractere n. Se n for omitido
a comparação irá prosseguir até onde for possível.
Caso deseje apenas verificar se dois textos são iguais não é necessário utilizar esta função. Ao
invés disso é pode-se usar a seguinte expressão: if (s1 == s2)....
Capítulo 2. Funções Gretl 176

strsplit
Resultado: texto ou cadeia de texto
Argumentos: s (texto)
i (número inteiro, opcional)
sep (texto, opcional)
Em seu uso mais simples, ou seja, com apenas um argumento, retorna o arranjo (array) com
textos (string) resultante da separação de s de acordo com os espaços em branco.
Se for fornecido um número inteiro e maior que zero como segundo argumento, retorna o
elemento i do texto s, após ter sido separado por espaços. Se i for menor irá gerar um erro. Se
i for maior que o número total de elementos será retornado um texto vazio.
O terceiro argumento opcional pode ser utilizado para definir qual será o critério a ser utilizado
para separar s. Por exemplo:

string basket = "banana,apple,jackfruit,orange"


strings S = strsplit(basket,,",")

Os comandos acima irão separar o texto de entrada em um vetor contendo quatro textos utili-
zando a vírgula como separadora. A vírgula “extra” na entrada acima serve para indicar que o
argumento i não foi utilizado.
As sequências de escape “\n” e “\t” são utilizadas para representar uma nova linha ou um
espaço por tabulação no argumento opcional sep. Caso o separador seja literalmente uma
barra invertida deve-se utilizar a barra de forma duplicada, “\\”. Exemplo:

string s = "c:\fiddle\sticks"
strings S = strsplit(s, "\\")

strstr
Resultado: texto
Argumentos: s1 (texto)
s2 (texto)
Procura em s1 o texto s2. Se o texto for encontrado a função retorna uma cópia da parte de s1
que começa com s2, caso contrário retorna um texto vazio.
Exemplo:

string s1 = "Gretl is an econometrics package"


string s2 = strstr(s1, "an")
print s2

Se o objetivo for apenas verificar se s1 contém s2 (teste booleano), ver instring.

strstrip
Resultado: texto
Argumento: s (texto)
Retorna uma cópia de s na qual os espaços em branco do início e do fim do texto são removidos.
Exemplo:

string s1 = " A lot of white space. "


string s2 = strstrip(s1)
print s1 s2
Capítulo 2. Funções Gretl 177

strsub
Resultado: texto
Argumentos: s (texto)
find (texto)
subst (texto)
Retorna uma cópia de s na qual todas as ocorrências de find são substituídas por subst. Veja
também regsub para substituições mais complexas via expressões regulares.
Exemplo:

string s1 = "Hello, Gretl!"


string s2 = strsub(s1, "Gretl", "Hansl")
print s2

strvals
Resultado: cadeia de texto
Argumento: y (série)
Se uma série y for não-numérica, retorna um arranjo (array) contendo todos os seus valores
distintos, ordenados pelos valores numéricos associados iniciados em 1. Se y não for não-
numérico, retorna um arranjo de texto (strings) vazio. Observação: variáveis não-numéricas sur-
gem, normalmente, quando existem séries cujas observações são textos. Ver tambémstringify.

substr
Resultado: texto
Argumentos: s (texto)
start (número inteiro)
end (número inteiro)
Retorna uma parte do texto s começando em start e terminando em end, inclusive.
Exemplos:

string s1 = "Hello, Gretl!"


string s2 = substr(s1, 8, 12)
string s3 = substr("Hello, Gretl!", 8, 12)
print s2
print s3

Esses exemplos fornecem:

? print s2
Gretl
? print s3
Gretl

Deve-se notar que em alguns casos pode-se desejar trocar a clareza da sintaxe pela sua simpli-
cidade e usar operadores de seleção e incremento. Por exemplo:

string s1 = "Hello, Gretl!"


string s2 = s1[8:12]
string s3 = s1 + 7
print s2
print s3
Capítulo 2. Funções Gretl 178

Esses exemplos fornecem:

? print s2
Gretl
? print s3
Gretl!

sum
Resultado: escalar ou série
Argumento: x (série, matriz ou lista)
Se x for uma série, retorna a soma, na forma de um escalar, das observações não ausentes em
x. Veja também sumall.
Se x for uma matriz, retorna a soma dos elementos da matriz.
Se x for uma lista, retorna uma série y na qual y t é a soma dos valores das variáveis da lista
na observação t, ou NA se existir qualquer valor ausente em t.

sumall
Resultado: escalar
Argumento: x (série)
Retorna a soma das observações de x dentro da amostra selecionada. Se existir qualquer valor
ausente a função retornará NA. Use sum caso deseje que os valores correntes sejam descartados.

sumc
Resultado: vetor linha
Argumento: X (matriz)
Retorna um vetor com a soma das colunas de X Ver tambémmeanc, sumr.

sumr
Resultado: vetor coluna
Argumento: X (matriz)
Retorna um vetor com a soma das linhas de X Ver tambémmeanr, sumc.

svd
Resultado: vetor linha
Argumentos: X (matriz)
&U (referência a matriz, ou null)
&V (referência a matriz, ou null)
Realiza a decomposição em valores singulares da matriz X de ordem r × c:
 
σ1
σ2
 
 
X =U V
 
..

 . 

σn ,

onde n = min(r , c). U tem ordem r × n e V tem ordem n × c, com U 0 U = I e V V 0 = I.


Os valores singulares são retornados em um vetor linha. Os vetores singulares à esquerda e/ou
à direta U e V podem ser obtidos ao se fornecer valores não-nulos para os argumentos 2 e 3,
respectivamente. Para qualquer matriz A, o código
Capítulo 2. Funções Gretl 179

s = svd(A, &U, &V)


B = (U .* s) * V

deve gerar B idêntico a A (desconsiderando as possíveis discrepâncias geradas pela questão da


precisão de máquina).
Ver tambémeigengen, eigensym, qrdecomp.

tan
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar, série ou matriz)
Retorna a tangente de x. Ver tambématan, cos, sin.

tanh
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar, série ou matriz)
Retorna a tangente hiperbólica de x.

e2x − 1
tanh x =
e2x + 1
Ver tambématanh, cosh, sinh.

toepsolv
Resultado: vetor coluna
Argumentos: c (vetor)
r (vetor)
b (vetor)
Resolve um sistema de Toeplitz de equações lineares, isto é T x = b onde T é uma matriz
quadrada cujo elemento T i,j é igual a c i−j para i ≥ j e r j−i para i ≤ j. Note que os primeiros
elementos de c e r precisam ser iguais, caso contrário um erro é retornado. Se executada com
sucesso, a função retorna o vetor x.
O algoritmo utilizado por esta função se aproveita da estrutura especial que a matriz T possui,
o que o torna bem mais eficiente que outros algoritmos não especializados, em especial para
grandes problemas. Atenção! Em certos casos a função pode, de forma espúria, emitir uma
mensagem apontando que a matriz tem problemas de singularidade quando na verdade T é
não-singular. Este problema, entretanto, não pode ocorrer quando T é definida positiva.

tolower
Resultado: texto
Argumento: s (texto)
Retorna uma cópia de s na qual todos os caracteres maiúsculos são convertidos em minúsculos.
Exemplos:

string s1 = "Hello, Gretl!"


string s2 = tolower(s1)
print s2

string s3 = tolower("Hello, Gretl!")


print s3
Capítulo 2. Funções Gretl 180

toupper
Resultado: texto
Argumento: s (texto)
Retorna uma cópia de s na qual todos os caracteres minúsculos são convertidos em maiúsculos.
Exemplos:

string s1 = "Hello, Gretl!"


string s2 = toupper(s1)
print s2

string s3 = toupper("Hello, Gretl!")


print s3

tr
Resultado: escalar
Argumento: A (matriz quadrada)
Retorna o traço de uma matriz quadrada A, isto é, a soma dos elementos de sua diagonal. Ver
tambémdiag.

transp
Resultado: matriz
Argumento: X (matriz)
Retorna a transposta de X. Observação: esta função é raramente utilizada. Para transpor uma
matriz, na maior parte dos casos, pode-se simplesmente utilizar o operador de transposição:
X’.

trimr
Resultado: matriz
Argumentos: X (matriz)
ttop (número inteiro)
tbot (número inteiro)
Retorna uma cópia da matriz X com ttop linhas superiores excluídas e tbot linhas inferiores
excluídas. Os dois últimos argumentos devem ser não-negativos e sua soma deve ser menor
que o total de linhas de X.
Ver tambémselifr.

typeof
Resultado: número inteiro
Argumento: name (texto)
Retorna o código numérico de tipo se name for o identificador de um objeto definido: 1 para
escalar, 2 para série, 3 para matriz, 4 para texto (string), 5 para pacote (bundle), 6 para arranjo
(array) e 7 para lista. Caso contrário retorna 0. A função typestr pode ser utilizada para obter o
nome do objeto que corresponde ao código numérico.
Essa função também pode ser utilizada para obter o tipo de um membro de um pacote ou de
um elemento de um arranjo. Por exemplo:

matrices M = array(1)
eval typestr(typeof(M))
Capítulo 2. Funções Gretl 181

eval typestr(typeof(M[1]))

O primeiro resultado do comando eval é “array ” e o segundo é “matrix”.

typestr
Resultado: texto
Argumento: typecode (número inteiro)
Retorna o nome do tipo de dado correspondente a typecode. Pode ser utilizada em conjunto
com as funções typeof e inbundle. O valor retornado pode ser “scalar”, “series”, “matrix”,
“string”, “bundle”, “array” ou “null”.

uniform
Resultado: série
Argumentos: a (escalar)
b (escalar)
Cria uma variável pseudo-aleatória uniforme no intervalo ( a, b) ou, se não forem fornecidos ar-
gumentos, será utilizado o intervalo (0,1). O algoritmo utilizado por padrão é o “SIMD-oriented
Fast Mersenne Twister” desenvolvido por Saito and Matsumoto (2008).
Ver tambémrandgen, normal, mnormal, muniform.

uniq
Resultado: vetor coluna
Argumento: x (série ou vetor)
Retorna um vetor contendo os elementos distintos de x de forma não ordenada, mas na or-
dem em que aparecem em x. Veja values para a variante desta função que retorna os valores
ordenados.

unvech
Resultado: matriz quadrada
Argumento: v (vetor)
Retorna uma matriz simétrica de ordem n × n rearranjando os elementos de v. O número de
elementos de v deve ser um inteiro triangular, ou seja, um número k tal que exista um inteiro
n que tenha a seguinte propriedade: k = n(n + 1)/2. Esta função é a inversa de vech.
Ver tambémmshape, vech.

upper
Resultado: matriz quadrada
Argumento: A (matriz quadrada)
Retorna uma matriz triangular superior B de ordem n × n onde Bij = Aij se i ≤ j, e 0 caso
contrário.
Ver tambémlower.
Capítulo 2. Funções Gretl 182

urcpval
Resultado: escalar
Argumentos: tau (escalar)
n (número inteiro)
niv (número inteiro)
itv (número inteiro)
P -valores para a estatística de teste do teste de raízes unitárias de Dickey–Fuller e do teste de
cointegração de Engle–Granger, conforme MacKinnon (1996).
Os argumentos dessa função são: tau representa a estatística de teste; n representa o número
de observações (ou 0 para um resultado assintótico); niv representa o número de variáveis
potencialmente cointegradas quando se estiver testando a cointegração (ou 1 para testes uni-
variados de raiz unitária) e; itv é um código para a especificação do modelo: 1 para teste sem
constante, 2 para teste com constante, 3 para teste com contante e tendência linear, 4 para teste
com constante e tendência quadrática.
Note que se a regressão de teste for “aumentada” com defasagens da variável dependente, então
será necessário fornecer um valor n igual a 0 para obter resultados assintóticos.
Ver tambémpvalue, qlrpval.

values
Resultado: vetor coluna
Argumento: x (série ou vetor)
Retorna um vetor contendo os elementos distintos de x ordenados de forma ascendente. Caso
deseje truncar a parte decimal antes de aplicar a função, utilize a expressão values(int(x)).
Ver tambémuniq, dsort, sort.

var
Resultado: escalar ou série
Argumento: x (série ou lista)
Se x for uma série, retorna a variância amostral na forma de um escalar, ignorando quaisquer
observações ausentes.
Se x for uma lista, retorna uma série y tal que y t é a variância amostral dos valores das variáveis
na lista na observação t, ou NA se existir algum valor ausente em t.
Em cada caso, a soma dos desvios ao quadrado em relação à média é dividido por (n − 1) para
n > 1. Caso contrário, a variância é igual a zero se n = 1, ou é NA se n = 0.
Ver tambémsd.

varname
Resultado: texto
Argumento: v (número inteiro ou lista)
Se for utilizado um inteiro como argumento, a função retorna o nome da variável com número
ID igual a v ou um erro se esta variável não existir.
Se for utilizado uma lista como argumento, retorna o texto (string) contendo os nomes das
variáveis na lista, separados por vírgulas. Se for fornecida uma lista vazia será retornado um
texto vazio. Para obter um arranjo (array) de textos pode-se utilizar varnames.
Exemplo:

open broiler.gdt
string s = varname(7)
Capítulo 2. Funções Gretl 183

print s

varnames
Resultado: cadeia de texto
Argumento: L (lista)
Retorna um arranjo (array) de textos (string) contendo os nomes das variáveis na lista L. Se a
lista for vazia será retornado um arranjo vazio.
Exemplo:

open keane.gdt
list L = year wage status
strings S = varnames(L)
eval S[1]
eval S[2]
eval S[3]

varnum
Resultado: número inteiro
Argumento: varname (texto)
Retorna o número ID da variável varname ou NA se a variável não existir.

varsimul
Resultado: matriz
Argumentos: A (matriz)
U (matriz)
y0 (matriz)
Pp
Simula um VAR de ordem p com n variáveis, ou seja, yt = i=1 Ai yt−i + ut . A matriz de
coeficientes A é composta através do empilhamento das matrizes Ai horizontalmente, e tem
ordem n × np, com uma linha por equação. Isso corresponde as primeiras n linhas da matriz
companheira, acessada via $compan após o uso dos comandos var e vecm.
Os vetores ut estão contidos (como linhas) em U (T × n). Valores iniciais estão contidos em y0
(p × n).
Se o VAR contiver termos determinísticos e/ou regressores exógenos, estes podem ser incluídos
na matriz U. Cada linha de U passa a incluir esses termos, ou seja, ut = B 0 xt + et .
A matriz de saída tem T + p linhas e n colunas e armazena os p valores iniciais das variáveis
endógenas mais T valores simulados.
Ver também$compan, var, vecm.

vec
Resultado: vetor coluna
Argumento: X (matriz)
Empilha as colunas de X como um vetor coluna. Ver tambémmshape, unvech, vech.

vech
Resultado: vetor coluna
Argumento: A (matriz quadrada)
Capítulo 2. Funções Gretl 184

Retorna em um vetor coluna os elementos de A que estão em sua diagonal e acima dela. Nor-
malmente essa função é utilizada em matrizes simétricas. Neste caso a essa operação pode ser
revertida através da função unvech. Ver tambémvec.

weekday
Resultado: o mesmo tipo que o argumento
Argumentos: ano (escalar ou série)
mês (escalar ou série)
dia (escalar ou série)
Retorna o dia da semana (domingo = 0, segunda-feira = 1, etc.) para a(s) data(s) especificadas
por três argumentos ou NA se a data for inválida. Note que os três argumentos devem ser do
mesmo tipo, ou seja, devem ser todos do tipo escalar (inteiro) ou todos do tipo séries.

wmean
Resultado: série
Argumentos: Y (lista)
W (lista)
Retorna uma série y tal que y t é a média ponderada dos valores das variáveis na lista Y na
observação t, com os respectivos pesos dados pelos valores das variáveis na lista W em t. Os
pesos podem assim variar no tempo. As listas Y e W devem ter o mesmo tamanho e os pesos
devem ser não-negativos.
Ver tambémwsd, wvar.

wsd
Resultado: série
Argumentos: Y (lista)
W (lista)
Retorna uma série y tal que y t é o desvio padrão amostral ponderado dos valores das variáveis
na lista Y na observação t, com os respectivos pesos dados pelos valores das variáveis na lista
W em t. Os pesos podem assim variar no tempo. As listas Y e W devem ter o mesmo tamanho
e os pesos devem ser não-negativos.
Ver tambémwmean, wvar.

wvar
Resultado: série
Argumentos: X (lista)
W (lista)
Retorna uma série y tal que y t é a variância amostral ponderada dos valores das variáveis na
lista Y na observação t, com os respectivos pesos dados pelos valores das variáveis na lista W
em t. Os pesos podem assim variar no tempo. As listas Y e W devem ter o mesmo tamanho e
os pesos devem ser não-negativos.
A variância amostral ponderada é calculada como:
Pn 2
2 n0 i=1 wi (xi − x̄w )
sw = 0 Pn
n −1 i=1 wi

onde n0 é o número de pesos não-nulos e x̄w é a média ponderada.


Ver tambémwmean, wsd.
Capítulo 2. Funções Gretl 185

xmax
Resultado: escalar
Argumentos: x (escalar)
y (escalar)
Retorna o maior valor na comparação entre x e y. Se algum dos valores for ausente será retor-
nado NA.
Ver tambémxmin, max, min.

xmin
Resultado: escalar
Argumentos: x (escalar)
y (escalar)
Retorna o menor valor na comparação entre x e y. Se algum dos valores for ausente será
retornado NA.
Ver tambémxmax, max, min.

xmlget

Resultado: texto
Argumentos: buf (texto)
path (texto ou cadeia de texto)
O argumento buf deve ser um buffer XML, que pode ser obtido de alguma página na internet
via função curl (ou lida a partir de arquivo via função ), e o argumento path deve ser uma
especificação única ou um vetor de especificações.
Esta função retorna uma variável de texto (string) representando os dados encontrados no buf-
fer XML no path especificado. Se múltiplos nós corresponderem com a expressão path, os itens
dos dados são apresentados em linhas separadas no texto retornado. Se um vetor de paths for
utilizado como segundo argumento, o texto retornado assume a forma de um buffer separado
por vírgulas, com a coluna i contendo as correspondências do path i. Nesse caso, se um texto
obtido do buffer XML contiver quaisquer espaços ou vírgulas ela ficará entre aspas duplas.
Por padrão um erro é sinalizado se path não encontrar correspondência no buffer XML, mas esse
comportamento é modificado se o terceiro argumento, que é opcional, for dado: nesse caso o
argumento recupera o número de correspondências e uma variável de texto vazia é retornada
caso não haja correspondências. Exemplo:

ngot = 0
ret = xmlget(xbuf, "//some/thing", &ngot)

Entretanto, um erro ainda é sinalizado no caso de uma consulta (query) mal formada.
Uma boa introdução sobre a utilização da sintaxe de XPath pode ser encontrada em https:
//www.w3schools.com/xml/xml_xpath.asp. O backend para xmlget é fornecido pelo módulo
xpath do biblioteca libxml2 que, por sua vez, suporta o XPath 1.0 mas não o XPath 2.0.
Ver tambémjsonget, readfile.

zeromiss
Resultado: o mesmo tipo que o argumento
Argumento: x (escalar ou série)
Converte zeros para NAs. Se x for uma série a conversão será feita elemento por elemento. Ver
tambémmissing, misszero, ok.
Capítulo 2. Funções Gretl 186

zeros
Resultado: matriz
Argumentos: r (número inteiro)
c (número inteiro)
Retorna uma matriz nula com r linhas e c colunas. Ver tambémones, seq.
Capítulo 3

Comments in scripts

When a script does anything non-obvious, it’s a good idea to add comments explaining what’s
going on. This is particularly useful if you plan to share the script with others, but it’s also
useful as a reminder to yourself — when you revisit a script some months later and wonder
what it was supposed to be doing.
The comment mechanism can also be helpful when you’re developing a script. There may
come a point where you want to execute a script, but bypass execution of some portion of it.
Obviously you could delete the portion you wish to bypass, but rather than lose that section
you can “comment it out” so that it is ignored by gretl.
Two sorts of comments are supported by gretl. The simpler one is this:

• If a hash mark, #, is encountered in a gretl script, everything from that point to the end of
the current line is treated as a comment, and ignored.

If you wish to “comment out” several lines using this mode, you’ll have to place a hash mark at
the start of each line.
The second sort of comment is patterned after the C programming language:

• If the sequence /* is encountered in a script, all the following input is treated as a com-
ment until the sequence */ is found.

Comments of this sort can extend over several lines. Using this mode it is easy to add lengthy
explanatory text, or to get gretl to ignore substantial blocks of commands. As in C, comments
of this type cannot be nested.
How do these two comment modes interact? You can think of gretl as starting at the top of a
script and trying to decide at each point whether it should or should not be in “ignore mode”.
In doing so it follows these rules:

• If we’re not in ignore mode, then # puts us into ignore mode till the end of the current
line.

• If we’re not in ignore mode, then /* puts us into ignore mode until */ is found.

This means that each sort of comment can be masked by the other.

• If /* follows # on a given line which does not already start in ignore mode, then there’s
nothing special about /*, it’s just part of a #-style comment.

• If # occurs when we’re already in ignore mode, it is just part of a comment.

A few examples follow.

/* multi-line comment
# hello
# hello */

In the above example the hash marks are not special; in particular the hash mark on the third
line does not prevent the multi-line comment from terminating at */.

187
Capítulo 3. Comments in scripts 188

# single-line comment /* hello

Assuming we were not in ignore mode before the line shown above, it is just a single-line
comment: the /* is masked, and does not open a multi-line comment.
You can append a comment to a command:

ols 1 0 2 3 # estimate the baseline model

Example of “commenting out”:

/*
# let’s skip this for now
ols 1 0 2 3 4
omit 3 4
*/
Capítulo 4

Options, arguments and path-searching

4.1 Invoking gretl


gretl (under MS Windows, gretlw32.exe)1 .
— Opens the program and waits for user input.
gretl datafile
— Starts the program with the specified datafile in its workspace. The data file may be in any
of several formats (see the Gretl User’s Guide); the program will try to detect the format of the
file and treat it appropriately. See also Section 4.4 below for path-searching behavior.
gretl --help (or gretl -h)
— Print a brief summary of usage and exit.
gretl --version (or gretl -v)
— Print version identification for the program and exit.
gretl --english (or gretl -e)
— Force use of English instead of translation.
gretl --run scriptfile (or gretl -r scriptfile)
— Start the program and open a window displaying the specified script file, ready to run. See
Section 4.4 below for path-searching behavior.
gretl --db database (or gretl -d database)
— Start the program and open a window displaying the specified database. If the database files
(the .bin file and its accompanying .idx file) are not in the default system database directory,
you must specify the full path. See also the Gretl User’s Guide for details on databases.
gretl --dump (or gretl -c)
— Dump the program’s configuration information to a plain text file (the name of the file is
printed on standard output). May be useful for trouble-shooting.
gretlw32 --debug (or gretlw32 -g)
— (MS Windows only) Open a console window to display any messages sent to the “standard
output” or “standard error” streams. Such messages are not usually visible on Windows; this
may be useful for trouble-shooting.

4.2 Preferences dialog


Various things in gretl are configurable under the “Tools, Preferences” menu. Separate menu
items are devoted to the choice of the monospaced font to be used in gretl screen output,
and, on some platforms, the font used for menus and other messages. The other options are
organized under five tabs, as follows.
General: Here you can configure the base directory for gretl’s shared files. In addition there are
several check boxes. Checking “Tell me about gretl updates” makes gretl attempt to query the
update server at start-up. If your native language setting is not English and the local decimal
1 On Linux, a “wrapper” script named gretl is installed. This script checks whether the DISPLAY environment

variable is set; if so, it launches the GUI program, gretl_x11, and if not it launches the command-line program,
gretlcli

189
Capítulo 4. Options, arguments and path-searching 190

point character is not the period (“.”), unchecking “Use locale setting for decimal point” will
make gretl use the period regardless. Checking “Allow shell commands” makes it possible to
invoke shell commands in scripts and in the gretl console (this facility is disabled by default for
security reasons).
Databases tab: You can select the directory in which to start looking for native gretl databases;
the directory in which to start looking for RATS 4 databases; the host name of the gretl database
server to access; and the IP number and port number of the HTTP proxy server to use when
contacting the database server (if you’re behind a firewall).
Programs tab: You can specify the names or paths to various third-party programs that may
called by gretl under certain conditions. Note that the item “Command to compile TEX files” can
be set to either latex or pdflatex; if latex is selected, TEX output will be previewed in DVI format;
if pdflatex is selected, the preview will be in PDF format.
HCCME tab: Set preferences regarding robust covariance matrix estimation. See the Gretl User’s
Guide for details.
Manuals tab: Select your preferred language for the full gretl documentation in PDF format
(currently only English and Italian are supported). When using the English documentation you
can also choose between US letter paper and A4 paper.
Settings chosen via the Preferences dialog are stored from one gretl session to the next. Under
MS Windows they are stored in the Windows registry; on other platforms they are stored in a
plain text file named .gretl2rc in the user’s home directory.

4.3 Invoking gretlcli


gretlcli
— Opens the program and waits for user input.
gretlcli datafile
— Starts the program with the specified datafile in its workspace. The data file may be in any
format supported by gretl (see the Gretl User’s Guide for details). The program will try to detect
the format of the file and treat it appropriately. See also Section 4.4 for path-searching behavior.
gretlcli --help (or gretlcli -h)
— Prints a brief summary of usage.
gretlcli --version (or gretlcli -v)
— Prints version identification for the program.
gretlcli --english (or gretlcli -e)
— Force use of English instead of translation.
gretlcli --run scriptfile (or gretlcli -r scriptfile)
— Execute the commands in scriptfile then hand over input to the command line. See Section
4.4 for path-searching behavior.
gretlcli --batch scriptfile (or gretlcli -b scriptfile)
— Execute the commands in scriptfile then exit. When using this option you will probably want
to redirect output to a file. See Section 4.4 for path-searching behavior.
When using the --run and --batch options, the script file in question must call for a data file
to be opened. This can be done using the open command within the script.

4.4 Path searching


When the name of a data file or script file is supplied to gretl or gretlcli on the command line,
the file is looked for as follows:
Capítulo 4. Options, arguments and path-searching 191

1. “As is”. That is, in the current working directory or, if a full path is specified, at the
specified location.

2. In the user’s gretl directory (see Table 4.1 for the default values; note that PERSONAL is a
placeholder that is expanded by Windows in a user- and language-specific way, typically
involving “My Documents” on English-language systems).

3. In any immediate sub-directory of the user’s gretl directory.

4. In the case of a data file, search continues with the main gretl data directory. In the case
of a script file, the search proceeds to the system script directory. See Table 4.1 for the
default settings. (PREFIX denotes the base directory chosen at the time gretl is installed.)

5. In the case of data files the search then proceeds to all immediate sub-directories of the
main data directory.

Tabela 4.1: Default path settings

Linux MS Windows
User directory $HOME/gretl PERSONAL\gretl
System data directory PREFIX/share/gretl/data PREFIX\gretl\data
System script directory PREFIX/share/gretl/scripts PREFIX\gretl\scripts

Thus it is not necessary to specify the full path for a data or script file unless you wish to
override the automatic searching mechanism. (This also applies within gretlcli, when you supply
a filename as an argument to the open or run commands.)
When a command script contains an instruction to open a data file, the search order for the
data file is as stated above, except that the directory containing the script is also searched,
immediately after trying to find the data file “as is”.

MS Windows
Under MS Windows configuration information for gretl and gretlcli is stored in the Windows
registry. A suitable set of registry entries is created when gretl is first installed, and the settings
can be changed under gretl’s “Tools, Preferences” menu. In case anyone needs to make manual
adjustments to this information, the entries can be found (using the standard Windows program
regedit.exe) under Software\gretl in HKEY_LOCAL_MACHINE (the main gretl directory and the
paths to various auxiliary programs) and HKEY_CURRENT_USER (all other configurable variables).
Capítulo 5

Reserved Words

Reserved words, which cannot be used as the names of variables, fall into the following catego-
ries:

• Names of constants and data types, plus a few specials: const, NA, null, obs, scalar,
series, matrix, string, list, bundle, array, void, for, continue, next, to.

• Names of gretl commands (see section 1.2).

User-defined functions cannot have names which collide with built-in functions, the names of
which are shown in Table 5.1.

192
Capítulo 5. Reserved Words 193

Tabela 5.1: Function names

BFGScmax BFGScmin BFGSmax BFGSmin GSSmax GSSmin I Lsolve


NMmax NMmin NRmax NRmin abs acos acosh aggregate
argname array asin asinh atan atan2 atanh atof
bessel bkfilt bootci bootpval boxcox bread brename bwfilt
bwrite cdemean cdf cdiv cdummify ceil cholesky chowlin
cmult cnameget cnameset cnorm cnumber cols corr corrgm
cos cosh cov critical cum curl dayspan defarray
defbundle deflist deseas det diag diagcat diff digamma
dnorm dropcoll dsort dummify easterday ecdf eigengen eigensym
eigsolve epochday errmsg exists exp fcstats fdjac feval
fevd fft ffti filter firstobs fixname floor fracdiff
fraclag freq gammafun genseries getenv getinfo getkeys getline
ghk gini ginv grab halton hdprod hfdiff hflags
hfldiff hflist hpfilt hyp2f1 imaxc imaxr imhof iminc
iminr inbundle infnorm inlist instring int inv invcdf
invmills invpd irf irr isconst isdiscrete isdummy isnan
isnull isoconv isocountry isodate isoweek isstring iwishart jsonget
jsongeta jsongetb juldate kdensity kdsmooth kfilter kmeier kpsscrit
ksetup ksimdata ksimul ksmooth kurtosis lags lastobs ldet
ldiff lincomb linearize ljungbox lngamma loess log log10
log2 logistic lower lrcovar lrvar max maxc maxr
mcorr mcov mcovg mean meanc meanr median mexp
mgradient min minc minr missing misszero mlag mlincomb
mnormal mols monthlen movavg mpiallred mpibcast mpirecv mpireduce
mpiscatter mpisend mpols mrandgen mread mreverse mrls mshape
msortby muniform mweights mwrite mxtab naalen nadarwat nelem
ngetenv nlines nobs normal normtest npcorr npv nullspace
numhess obslabel obsnum ok onenorm ones orthdev pdf
pergm pexpand pmax pmean pmin pnobs polroots polyfit
princomp printf prodc prodr psd psdroot pshrink psum
pvalue pxnobs pxsum qform qlrpval qnorm qrdecomp quadtable
quantile randgen randgen1 randint rank ranking rcond readfile
regsub remove replace resample rnameget rnameset round rows
sd sdc sdiff seasonals selifc selifr seq setnote
simann sin sinh skewness sleep smplspan sort sortby
sprintf sqrt square sscanf sst strftime stringify strlen
strncmp strptime strsplit strstr strstrip strsub strvals substr
sum sumall sumc sumr svd svm tan tanh
toepsolv tolower toupper tr transp trimr typeof typestr
uniform uniq unvech upper urcpval values var varname
varnames varnum varsimul vec vech weekday wmean wsd
wvar xmax xmin xmlget zeromiss zeros
Bibliografia

Aalen, O. (1978) ‘Nonparametric inference for a family of counting processes’, Annals of Sta-
tistics 6(4): 701–726.

Agresti, A. (1992) ‘A survey of exact inference for contingency tables’, Statistical Science 7:
131–153.

Akaike, H. (1974) ‘A new look at the statistical model identification’, IEEE Transactions on
Automatic Control AC-19: 716–723.

Arellano, M. and S. Bond (1991) ‘Some tests of specification for panel data: Monte carlo evi-
dence and an application to employment equations’, The Review of Economic Studies 58: 277–
297.

Belsley, D., E. Kuh and R. Welsch (1980) Regression Diagnostics, New York: Wiley.

Breusch, T. S. and A. R. Pagan (1979) ‘A simple test for heteroscedasticity and random coeffici-
ent variation’, Econometrica 47: 1287–1294.

Byrd, R. H., P. Lu, J. Nocedal and C. Zhu (1995) ‘A limited memory algorithm for bound cons-
trained optimization’, SIAM Journal on Scientific Computing 16(5): 1190–1208.

Choi, I. (2001) ‘Unit root tests for panel data’, Journal of International Money and Finance 20(2):
249–272.

Chow, G. C. and A.-l. Lin (1971) ‘Best linear unbiased interpolation, distribution, and extrapo-
lation of time series by related series’, The Review of Economics and Statistics 53(4): 372–375.

Cleveland, W. S. (1979) ‘Robust locally weighted regression and smoothing scatterplots’, Jour-
nal of the American Statistical Association 74(368): 829–836.

Davidson, R. and J. G. MacKinnon (1993) Estimation and Inference in Econometrics, New York:
Oxford University Press.

(2004) Econometric Theory and Methods, New York: Oxford University Press.

Doornik, J. A. (1998) ‘Approximations to the asymptotic distribution of cointegration tests’,


Journal of Economic Surveys 12: 573–593. Reprinted with corrections in McAleer and Oxley
(1999).

Edgerton, D. and C. Wells (1994) ‘Critical values for the cusumsq statistic in medium and large
sized samples’, Oxford Bulletin of Economics and Statistics 56: 355–365.

Elliott, G., T. J. Rothenberg and J. H. Stock (1996) ‘Efficient tests for an autoregressive unit
root’, Econometrica 64: 813–836.

Fiorentini, G., G. Calzolari and L. Panattoni (1996) ‘Analytic derivatives and the computation of
GARCH estimates’, Journal of Applied Econometrics 11: 399–417.

Geweke, J. (1991) ‘Efficient simulation from the multivariate normal and student-t distribu-
tions subject to linear constraints’. In Computer Science and Statistics: Proceedings of the
Twenty-third symposium on the Interface, pp. 571–578. Alexandria, VA: American Statistical
Association.

Geweke, J. and S. Porter-Hudak (1983) ‘The estimation and application of long memory time
series models’, Journal of Time Series Analysis 4: 221–238.

Godfrey, L. G. (1994) ‘Testing for serial correlation by variable addition in dynamic models
estimated by instrumental variables’, The Review of Economics and Statistics 76(3): 550–559.

194
Bibliografia 195

Golub, G. H. and C. F. Van Loan (1996) Matrix Computations, Baltimore and London: The John
Hopkins University Press, third edn.

Golub, G. H. and J. H. Welsch (1969) ‘Calculation of Gauss quadrature rules’, Mathematics of


Computation 23: 221–230.

Greenwood, M. (1926) ‘The natural duration of cancer’, Ministry of Health Reports on Public
Health and Medical Subjects 33: 1–26.

Halton, J. H. and G. B. Smith (1964) ‘Algorithm 247: Radical-inverse quasi-random point se-
quence’, Communications of the ACM 7: 701–702.

Hamilton, J. D. (1994) Time Series Analysis, Princeton, NJ: Princeton University Press.

Hansen, B. E. (1997) ‘Approximate asymptotic p values for structural-change tests’, Journal of


Business & Economic Statistics 15: 60–67.

Heckman, J. (1979) ‘Sample selection bias as a specification error’, Econometrica 47: 153–161.

Im, K. S., M. H. Pesaran and Y. Shin (2003) ‘Testing for unit roots in heterogeneous panels’,
Journal of Econometrics 115: 53–74.

Imhof, J. P. (1961) ‘Computing the distribution of quadratic forms in normal variables’, Biome-
trika 48: 419–426.

Kaplan, E. L. and P. Meier (1958) ‘Nonparametric estimation from incomplete observations’,


Journal of the American Statistical Association 53(282): 457–481.

Kiviet, J. F. (1986) ‘On the rigour of some misspecification tests for modelling dynamic relati-
onships’, Review of Economic Studies 53: 241–261.

Koenker, R. (1981) ‘A note on studentizing a test for heteroscedasticity’, Journal of Econome-


trics 17: 107–112.

(1994) ‘Confidence intervals for regression quantiles’. In P. Mandl and M. Huskova


(eds.), Asymptotic Statistics, pp. 349–359. New York: Springer-Verlag.

Koenker, R. and G. Bassett (1978) ‘Regression quantiles’, Econometrica 46: 33–50.

Koenker, R. and J. Machado (1999) ‘Goodness of fit and related inference processes for quantile
regression’, Journal of the American Statistical Association 94: 1296–1310.

Koenker, R. and Q. Zhao (1994) ‘L-estimation for linear heteroscedastic models’, Journal of
Nonparametric Statistics 3: 223–235.

Kwiatkowski, D., P. C. B. Phillips, P. Schmidt and Y. Shin (1992) ‘Testing the null of stationarity
against the alternative of a unit root: How sure are we that economic time series have a unit
root?’, Journal of Econometrics 54: 159–178.

Levin, A., C.-F. Lin and J. Chu (2002) ‘Unit root tests in panel data: asymptotic and finite-sample
properties’, Journal of Econometrics 108: 1–24.

Locke, C. (1976) ‘A test for the composite hypothesis that a population has a gamma distribu-
tion’, Communications in Statistics — Theory and Methods A5: 351–364.

MacKinnon, J. G. (1996) ‘Numerical distribution functions for unit root and cointegration tests’,
Journal of Applied Econometrics 11: 601–618.

Maddala, G. S. (1992) Introduction to Econometrics, Englewood Cliffs, NJ: Prentice-Hall.

Marsaglia, G. and W. W. Tsang (2000) ‘The ziggurat method for generating random variables’,
Journal of Statistical Software 5: 3–30.

McAleer, M. and L. Oxley (1999) Practical Issues in Cointegration Analysis, Oxford: Blackwell.

Nelson, W. (1972) ‘Theory and applications of hazard plotting for censored failure data’, Tech-
nometrics 14(4): 945–966.
Bibliografia 196

Nerlove, M. (1971) ‘Further evidence on the estimation of dynamic economic relations from a
time series of cross sections’, Econometrica 39: 359–382.

Neter, J., W. Wasserman and M. H. Kutner (1990) Applied Linear Statistical Models, Boston:
Irwin, third edn.

Ng, S. and P. Perron (2001) ‘Lag length selection and the construction of unit root tests with
good size and power’, Econometrica 69(6): 1519–1554.

Odell, P. L. and A. H. Feiveson (1966) ‘A numerical procedure to generate a sample covariance


matrix’, Journal of the American Statistical Association 61: 199–203.

Perron, P. and Z. Qu (2007) ‘A simple modification to improve the finite sample properties of
Ng and Perron’s unit root tests’, Economics Letters 94(1): 12–19.

Pesaran, M. H. and L. W. Taylor (1999) ‘Diagnostics for IV regressions’, Oxford Bulletin of Eco-
nomics and Statistics 61(2): 255–281.

Phillips, P. C. B. and K. Shimotsu (2004) ‘Local Whittle estimation in nonstationary and unit root
cases’, The Annals of Statistics 32(2): 659–692. URL http://arxiv.org/pdf/math/0406462.

Ramanathan, R. (2002) Introductory Econometrics with Applications, Fort Worth: Harcourt, fifth
edn.

Roberts, S. W. (1959) ‘Control chart tests based on geometric moving averages’, Technometrics
1(3): 239–250.

Robinson, P. (1995) ‘Gaussian semiparametric estimation of long range dependence’, Annals of


Statistics 22: 1630–1661.

Saito, M. and M. Matsumoto (2008) ‘SIMD-oriented Fast Mersenne Twister: a 128-bit pseudo-
random number generator’. In A. Keller, S. Heinrich and H. Niederreiter (eds.), Monte Carlo and
Quasi-Monte Carlo Methods 2006, pp. 607–622. Berlin: Springer.

Satterthwaite, F. E. (1946) ‘An approximate distribution of estimates of variance components’,


Biometrics Bulletin 2(6): 110–114.

Schwert, G. W. (1989) ‘Tests for unit roots: A Monte Carlo investigation’, Journal of Business
and Economic Statistics 7(2): 5–17.

Sephton, P. S. (1995) ‘Response surface estimates of the KPSS stationarity test’, Economics
Letters 47: 255–261.

Shapiro, S. and L. Chen (2001) ‘Composite tests for the gamma distribution’, Journal of Quality
Technology 33: 47–59.

Stock, J. H. and M. W. Watson (1999) ‘Forecasting inflation’, Journal of Monetary Economics


44(2): 293–335.

Stock, J. H., J. H. Wright and M. Yogo (2002) ‘A survey of weak instruments and weak iden-
tification in generalized method of moments’, Journal of Business & Economic Statistics 20(4):
518–529.

Stock, J. H. and M. Yogo (2003) ‘Testing for weak instruments in linear IV regression’. NBER
Technical Working Paper 284. URL https://www.nber.org/papers/t0284.

Swamy, P. A. V. B. and S. S. Arora (1972) ‘The exact finite sample properties of the estimators
of coefficients in the error components regression models’, Econometrica 40: 261–275.

Welch, B. L. (1951) ‘On the comparison of several mean values: An alternative approach’, Bio-
metrika 38: 330–336.

Windmeijer, F. (2005) ‘A finite sample correction for the variance of linear efficient two-step
GMM estimators’, Journal of Econometrics 126: 25–51.