Respuestas:
Comencemos desarrollando lo que dice el código EViews.
El código EViews dice que la variable CLOSE depende de su primera diferencia y también hay un término de error ARMA (3,3) incluido en el modelo. Supuestamente, el proceso de error ARMA consiste en blanquear los residuos, que pueden ser, y han sido, discutidos como una estrategia de modelado. También vale la pena señalar que no hay un término constante en la ecuación. La referencia a BACKCAST indica cómo se inicializa el proceso de MA, cuyos detalles se pueden encontrar en la documentación de EViews. ESTSMPL generalmente se refiere a la muestra de estimación.
Habiendo entendido el código EViews, la pregunta ahora es: ¿cómo se estima un modelo de regresión lineal con errores ARMA usando MS-Excel?
La solución más fácil sería encontrar un complemento existente que proporcione esta característica. Un método alternativo sería escribir el código usted mismo usando el lenguaje de programación MS-Excel (VBA). Sin embargo, tenga cuidado, lo que hace que esta aplicación sea complicada es el término MA; Los procesos AR son más fáciles de programar y más comunes en ciertos campos, por ejemplo, los modelos VAR aparecen con mayor frecuencia en economía que los modelos VARMA. Otro enfoque, si está dispuesto a profundizar en algún código, sería mirar algún código fuente R (ya sea código base o de algún paquete de series de tiempo) para tener una idea de la tarea por delante si decide programar desde cero . Sin embargo, programar esto desde cero parece una exageración, ya que este tipo de estimación ha existido durante décadas. ¿Por qué molestarse si lo único que le interesa son los parámetros estimados y no las rutinas subyacentes? No lo hace No responda su pregunta, pero mi consejo sería usar R si EViews no está disponible para usted. O bien, busque un complemento de MS-Excel que haga el trabajo por usted.
Un hilo útil del foro EViews está aquí: http://forums.eviews.com/viewtopic.php?f=7&t=465 . Nota: "La estimación y el pronóstico de los procesos de MA son complicados, especialmente cuando se utiliza la retrodifusión para obtener observaciones iniciales para los términos de error".
¡Buena suerte!