Econometría
Elegís qué querés explicar y con qué variables; ChartBay estima el modelo, revisa los supuestos y te devuelve la lectura en castellano. Todo corre en tu navegador: tus datos no salen de tu computadora.
2. Revisar datos
Primeras filas3. Elegir variables
ModeloSugerencia de forma funcional
Restricción RLS (opcional)
Ejemplos: beta_x1 = beta_x2 · beta_x1 + beta_x2 = 4 · beta_x3 = 0
También sin prefijo: x1 = x2 · x1 + x2 = 4 · x3 = 0
Solo aplica al motor Pro (statsmodels). Los coeficientes no cambian; solo la inferencia (errores estándar, t, p-values). HC1/HC3 corrigen heterocedasticidad; HAC corrige además autocorrelación (series de tiempo).
Vacío usa la regla de Newey-West: L = 4·(n/100)^(2/9). El resultado informa el rezago aplicado.
Es lo que hacen Stata, R y statsmodels por defecto. ChartBay no lo aplica solo: sin tildar, un hueco en las columnas del modelo frena la estimación. El resultado informa cuántas filas se excluyeron. No corrige el sesgo si los datos no faltan al azar.
"Arreglar y calcular" detecta y corrige multicolinealidad o matrices singulares antes de estimar.
Time Series
Serie temporalTime Series Transformations
TRANSFORMACIONESAutocorrelation / ACF
DIAGNOSTICOPACF
Ljung-Box
ADF
Suggested next step
Interpretacion
Pro · Diagnósticos de series de tiempo
PYODIDE · PYTHON EN NAVEGADORChartBay Pro corre diagnósticos de series de tiempo con statsmodels (Python/Pyodide) en el navegador: ADF (raíz unitaria / estacionariedad), ACF y PACF (rezagos candidatos) y Ljung-Box (autocorrelación conjunta). La columna temporal es opcional: si la elegís, Pro ordena la serie por fecha y usa períodos reales en el forecast cuando puede inferir una frecuencia estable. Si no, muestra pasos genéricos t+1, t+2. Opcionalmente estima un ARIMA(p,d,q) manual con forecast básico e intervalos de confianza. La selección automática de modelo (auto-ARIMA) todavía no está implementada.
RESULTADO CALCULADO
ADF (Augmented Dickey-Fuller)
ACF / PACF
Ljung-Box
Gráfico de forecast
4. Resultados
OLSRESULTADO CALCULADO
Ecuación estimada
Coeficientes
| Variable | Coef. | Err. Est. | t-stat | p-valor | IC 95% | Sig. |
|---|
Resumen del modelo
| Indicador | Valor |
|---|
*** p<0.01 · ** p<0.05 · * p<0.10 · n.s. no significativo
Análisis de restricción
RLS · MÍNIMOS CUADRADOS RESTRINGIDOSRegresión Logística
VARIABLE BINARIAActual vs Predicho
DISPERSIÓN DIAGNÓSTICAMatriz de correlación
PEARSON RTests estructurales
VIF · MULTICOLINEALIDADDiagnósticos de residuos
VALIDACIÓN DEL MODELODiagnóstico de heterocedasticidad
BREUSCH-PAGANTabla de predicciones y residuos
Resultado ChartBay Pro v1
PYODIDE · PYTHON EN NAVEGADORChartBay Pro v1 ejecuta OLS con statsmodels (Python/Pyodide) en el navegador, con las 4 formas funcionales (lin-lin, log-lin, lin-log, log-log), intercepto automático, errores estándar clásicos o robustos (HC1/HC3 para heterocedasticidad, HAC/Newey-West para heterocedasticidad y autocorrelación) y test de restricciones lineales (Rβ = q) vía statsmodels.
El test de restricción evalúa si Rβ = q es compatible con los datos (Wald/F), pero los coeficientes que se muestran son siempre del OLS no restringido: Pro no re-estima β bajo la restricción como sí lo hace Lite. Las variables X categóricas se codifican como dummies (categoría base omitida) con la misma lógica que Lite. Cualquier selección ambigua o no soportada se bloquea con un aviso — no se ignora en silencio.
RESULTADO CALCULADO
Coeficientes (OLS no restringido)
| Variable | Coef. | Err. Est. | t | p-value |
|---|
Resumen del modelo
| Indicador | Valor |
|---|