raXL Stat, complemento estadístico para Ciencia de Datos en Excel

raXL Stat es un complemento para Microsoft Excel en Windows que convierte su hoja de cálculo en un software de análisis cuantitativo y predictivo, ofrece una colección de funciones para crear modelos estadísticos, econométricos, financieros y matemáticos. Puede llamar a estas funciones directamente desde la hoja de cálculo y devolverán los resultados directamente a ella. 

raXL Stat, version v0.5 (June 19, 2025)

Introducción

raXL Stat, es un complemento estadístico para Microsoft Excel, desarrollado en .NET con ExcelDna, que transforma las hojas de cálculo en herramientas avanzadas para análisis cuantitativo, econometría, finanzas y series temporales. Este manual detalla la instalación, configuración y uso de todas las funciones definidas por el usuario (FDU) disponibles, organizadas por categoría, con descripciones completas de cada función, su propósito y parámetros.

raXL Stat es un software de análisis estadístico que ofrecerá[1]  herramientas fáciles de usar para realizar y entregar un trabajo de calidad en poco tiempo. Está desarrollado[2]  para que se utilice tanto principiantes como expertos. La forma más sencilla e intuitiva de ejecutar las funciones es a través del menú de cinta de Excel. Si es necesario, el usuario puede escribir directamente las funciones en las celdas de la hoja de cálculo o puede invocar las funciones desde la programación en VBA (Visual Basic for Application).

Requisitos del Sistema

• Sistema Operativo: Windows 7 o posterior.
• Microsoft Excel: Versiones 2010 a 2024 o Microsoft 365 (32 o 64 bits).
• Espacio en Disco: 10 MB libres.
• RAM: Mínimo 512 MB (4 GB recomendados).
• Requiere: .NET Framework 4.5.2 o posterior.

Instalación

1. Descarga:
• Visita https://ruben-apaza.blogspot.com/p/raxl-stat.html o el repositorio de GitHub.
• Descarga el archivo raXL_Stat_v0.5.zip.
• 
  
  

1. Instalación:
   • El complemento no requiere instalación; simplemente ábralo .xll y ejecútelo.
   • 
     
     
2. Verificación:
   • Aparecerá una pestaña "raXL Stat" en la barra de herramientas, o las funciones estarán disponibles al escribir =ra. en una celda.

Licencia y Activación

• Verificación de Licencia: Usa =ra.raXLStat.License() con la contraseña proporcionada (por ejemplo, asociada con la Universidad Mayor de San Andrés, UMSA).
• Versiones Soportadas: Verifica con =ra.raXLStat.Version().

Primeros Pasos

1. Acceso a las Funciones:
   • Abre Excel, escribe =ra. en una celda para listar las UDFs, o usa la pestaña "raXL Stat".
2. Preparación de Datos:
   • Organiza los datos en columnas con encabezados claros (por ejemplo, "Ventas", "Fecha").
   • Verifica datos faltantes o no numéricos con =ra.MissingData.Info(RangeX).
3. Convenciones:
• RangeX: Variables independientes o rango de datos (por ejemplo, A1:B100).
• RangeY o RangeYt: Variable dependiente o serie temporal (por ejemplo, C1:C100).
• AscendingYt: VERDADERO (fecha más reciente en la parte superior), FALSO (fecha más reciente en la parte inferior).
• Alpha: Nivel de significancia (por ejemplo, 0.05).
• Lag: Rezago (entero positivo).
• ConstantC: VERDADERO (incluir intercepto), FALSO (excluir intercepto), o valor fijo.
• 
  
  

Las funciones de raXL Stat se pueden ejecutar de tres maneras diferentes: desde la pestaña o el menú de Excel, desde una función definida por el usuario (UDF) o desde la programación en VBA (Visual Basic para Aplicaciones). Para más detalles, puede consultar la lista de videos sobre cómo usar raXL Stat en nuestro canal de YouTube: https://www.youtube.com/c/rubenapaza.  

Funcionalidades Principales

Las UDFs de raXL Stat están agrupadas por categoría. Cada función se detalla con su Función, Descripción y Parámetros. .

1. Licencia y Sistema

1.1. ra.raXLStat.License

• Función: ra.raXLStat.License()
• Descripción: Verifica el estado de la licencia del complemento.

1.2. ra.raXLStat.Version

• Función: ra.raXLStat.Version()
• Descripción: Muestra las versiones de Excel soportadas.

1.3. ra.raXLStat.xIDCPU

• Función: ra.raXLStat.xIDCPU()
• Descripción: Devuelve el identificador único de la CPU para la activación.

2. Estadísticas Descriptivas

2.1. ra.Descriptive.Stats

• Función: ra.Descriptive.Stats(RangeX)
• Descripción: Calcula estadísticas descriptivas (media, mediana, desviación estándar, mínimo, máximo).
• Parámetros:
  • RangeX: Rango de datos (por ejemplo, A1:A100).

2.2. ra.Correlation.Matrix

• Función: ra.Correlation.Matrix(RangeX, Population)
• Descripción: Devuelve la matriz de coeficientes de correlación de múltiples rangos de datos, variables aleatorias o series temporales.
• Parámetros:
  • RangeX: Rango de variables (por ejemplo, A1:C100).
  • Population: Booleano. VERDADERO para correlación poblacional, FALSO para muestral.

2.3. ra.Correlation.Matrix.Test

• Función: ra.Correlation.Matrix.Test(RangeX, LowerTriang, Alpha)
• Descripción: Genera una matriz de correlación de Pearson con opciones para coeficientes, R-cuadrado, valores p o pruebas de significancia.
• Parámetros:
  • RangeX: Rango de datos multi-columna (por ejemplo, A1:C100).
  • LowerTriang: Entero. 0 (coeficientes de correlación R), 1 (R-cuadrado), 2 (valores p para R basados en t-Stat), 3 (prueba para R=0).
  • Alpha: Doble. Nivel de significancia (predeterminado = 0.05).

2.4. ra.Correlation.Vector

• Función: ra.Correlation.Vector(RangeX, RangeY)
• Descripción: Devuelve los coeficientes de correlación entre una variable dependiente y múltiples variables independientes.
• Parámetros:
  • RangeX: Variables independientes (por ejemplo, A1:B100).
  • RangeY: Variable dependiente (por ejemplo, C1:C100).

2.5. ra.Covariance.Matrix

• Función: ra.Covariance.Matrix(RangeX, Population)
• Descripción: Devuelve la matriz de covarianza para múltiples rangos de datos, variables aleatorias o series temporales.
• Parámetros:
  • RangeX: Rango de datos multi-columna (por ejemplo, A1:C100).
  • Population: Booleano. VERDADERO para covarianza poblacional, FALSO para muestral.

2.6. ra.Means.Vector

• Función: ra.Means.Vector(RangeX)
• Descripción: Devuelve un vector de medias para múltiples conjuntos de datos.
• Parámetros:
  • RangeX: Rango de datos de una o varias columnas (por ejemplo, A1:C100).

2.7. ra.StdDev.Vector

• Función: ra.StdDev.Vector(CovarianceMatrix)
• Descripción: Devuelve un vector de desviaciones estándar a partir de una matriz de covarianza.
• Parámetros:
  • CovarianceMatrix: Matriz de covarianza de retornos.

3. Análisis de Series Temporales [3]

3.1. ra.Autocorrelation.ACF

• Función: ra.Autocorrelation.ACF(RangeYt, Lag, Interval, Alpha)
• Descripción: Calcula la función de autocorrelación (ACF) para un Rezago k especificado.
• Parámetros:
  • RangeYt: Serie temporal (por ejemplo, A1:A100).
  • Lag: Entero. Rezago k (positivo, predeterminado = 0).
  • Interval: Booleano. VERDADERO para intervalo de confianza, FALSO (predeterminado).
  • Alpha: Doble. Nivel de significancia (predeterminado = 0.05).

3.2. ra.Autocovariance.Matrix

• Función: ra.Autocovariance.Matrix(RangeYt, MaxLag)
• Descripción: Devuelve la matriz de la función de autocovarianza (ACVF) para un Rezago máximo k especificado.
• Parámetros:
  • RangeYt: Serie temporal (por ejemplo, A1:A100).
  • MaxLag: Entero. Rezago máximo k (positivo).

3.3. ra.Partial.Autocorr.PACF

• Función: ra.Partial.Autocorr.PACF(RangeYt, Lag, Interval, Alpha)
• Descripción: Calcula la función de autocorrelación parcial (PACF) para un Rezago k especificado.
• Parámetros:
  • RangeYt: Serie temporal (por ejemplo, A1:A100).
  • Lag: Entero. Rezago k (positivo, predeterminado = 0).
  • Interval: Booleano. VERDADERO para intervalo de confianza, FALSO (predeterminado).
  • Alpha: Doble. Nivel de significancia (predeterminado = 0.05).

3.4. ra.LjungBox.Test

• Función: ra.LjungBox.Test(RangeYt, Lag, AutocorrType, Alpha)
• Descripción: Realiza la prueba de Ljung-Box para autocorrelación significativa.
• Parámetros:
  • RangeYt: Serie temporal (por ejemplo, A1:A100).
  • Lag: Entero. Número de Rezagos (positivo, predeterminado = 1).
  • AutocorrType: Booleano. VERDADERO para ACF (predeterminado), FALSO para PACF.
  • Alpha: Doble. Nivel de significancia (predeterminado = 0.05).

3.5. ra.BoxPierce.Test

• Función: ra.BoxPierce.Test(RangeYt, Lag, AutocorrType, Alpha)
• Descripción: Realiza la prueba de Box-Pierce para autocorrelación.
• Parámetros:
  • RangeYt: Serie temporal (por ejemplo, A1:A100).
  • Lag: Entero. Número de Rezagos (positivo, predeterminado = 1).
  • AutocorrType: Booleano. VERDADERO para ACF (predeterminado), FALSO para PACF.
  • Alpha: Doble. Nivel de significancia (predeterminado = 0.05).

3.6. ra.DickeyFuller.ADF.Test

• Función: ra.DickeyFuller.ADF.Test(RangeYt, AscendingYt, Lag, TermType, Alpha)
• Descripción: Ejecuta la prueba de Dickey-Fuller Aumentada (ADF) para estacionariedad.
• Parámetros:
  • RangeYt: Serie temporal (por ejemplo, A1:A100).
  • AscendingYt: Booleano. VERDADERO para orden ascendente, FALSO (predeterminado).
  • Lag: Entero. Número de Rezagos (positivo, predeterminado = 1).
  • TermType: Entero. 0 (sin constante), 1 (constante, predeterminado), 2 (constante y tendencia).
  • Alpha: Doble. Nivel de significancia (predeterminado = 0.05).

3.7. ra.DickeyFuller.ADF.Reg

• Función: ra.DickeyFuller.ADF.Reg(RangeYt, AscendingYt, Lag, TermType)
• Descripción: Ejecuta la autorregresión para la prueba de Dickey-Fuller Aumentada (ADF) para estacionariedad.
• Parámetros:
  • RangeYt: Serie temporal (por ejemplo, A1:A100).
  • AscendingYt: Booleano. VERDADERO para orden ascendente, FALSO (predeterminado).
  • Lag: Entero. Número de Rezagos (positivo, predeterminado = 1).
  • TermType: Entero. 0 (sin constante), 1 (constante, predeterminado), 2 (constante y tendencia).

3.8. ra.KPSS.Test

• Función: ra.KPSS.Test(RangeYt, AscendingYt, Lag, TermType, Alpha)
• Descripción: Realiza la prueba KPSS para estacionariedad.
• Parámetros:
  • RangeYt: Serie temporal (por ejemplo, A1:A100).
  • AscendingYt: Booleano. VERDADERO para orden ascendente, FALSO (predeterminado).
  • Lag: Entero. Número de Rezagos (positivo, predeterminado = 1).
  • TermType: Entero. 1 (constante, predeterminado), 2 (constante y tendencia).
  • Alpha: Doble. Nivel de significancia (predeterminado = 0.05).

3.9. ra.KPSS.Reg

• Función: ra.KPSS.Reg(RangeYt, AscendingYt, Lag, TermType)
• Descripción: Realiza la autorregresión para la prueba KPSS para estacionariedad.
• Parámetros:
  • RangeYt: Serie temporal (por ejemplo, A1:A100).
  • AscendingYt: Booleano. VERDADERO para orden ascendente, FALSO (predeterminado).
  • Lag: Entero. Número de Rezagos (positivo, predeterminado = 1).
  • TermType: Entero. 1 (constante, predeterminado), 2 (constante y tendencia).

3.10. ra.ARIMA.Coeff

• Función: ra.ARIMA.Coeff(RangeYt, AscendingYt, ARp, DiffD, MAq, OptMethod)
• Descripción: Estima los coeficientes para un modelo ARIMA(p,d,q).
• Parámetros:
  • RangeYt: Serie temporal (por ejemplo, A1:A100).
  • AscendingYt: Booleano. VERDADERO para orden ascendente, FALSO (predeterminado).
  • ARp: Entero. Orden AR (predeterminado = 1).
  • DiffD: Entero. Orden de diferenciación (predeterminado = 0).
  • MAq: Entero. Orden MA (predeterminado = 1).
  • OptMethod: Cadena. Método de estimación, predeterminado "NR" (Newton-Raphson).

3.11. ra.ARMA.Fitted

• Función: ra.ARMA.Fitted(RangeYt, AscendingYt, Constant, RangeAR, RangeMA)
• Descripción: Devuelve los valores ajustados de un modelo ARMA.
• Parámetros:
  • RangeYt: Serie temporal (por ejemplo, A1:A100).
  • AscendingYt: Booleano. VERDADERO para orden ascendente, FALSO (predeterminado).
  • Constant: Doble. Constante del modelo.
  • RangeAR: Rango de coeficientes AR (phi).
  • RangeMA: Rango de coeficientes MA (theta).

3.12. ra.ARMA.Forecast

• Función: ra.ARMA.Forecast(RangeYt, AscendingYt, Constant, RangeAR, RangeMA, Forecast, Interval, Iterations)
• Descripción: Pronostica valores futuros usando un modelo ARMA.
• Parámetros:
  • RangeYt: Serie temporal (por ejemplo, A1:A100).
  • AscendingYt: Booleano. VERDADERO para orden ascendente, FALSO (predeterminado).
  • Constant: Doble. Constante del modelo.
  • RangeAR: Rango de coeficientes AR (phi).
  • RangeMA: Rango de coeficientes MA (theta).
  • Forecast: Entero. Número de períodos a pronosticar (predeterminado = 10).
  • Interval: Entero. 0 (sin intervalo, predeterminado), 1 (68%), 2 (95%), 3 (99.7%).
  • Iterations: Entero. Iteraciones de simulación (predeterminado = 1000).

3.13. ra.GARCH.Coeff

• Función: ra.GARCH.Coeff(RangeYt, AscendingYt, AlphaP, BetaQ, CondMean, ErrorDist, OptMethod)
• Descripción: Estima los coeficientes para un modelo GARCH(p,q).
• Parámetros:
  • RangeYt: Serie temporal (por ejemplo, A1:A100).
  • AscendingYt: Booleano. VERDADERO para orden ascendente, FALSO (predeterminado).
  • AlphaP: Entero. Orden ARCH (predeterminado = 1).
  • BetaQ: Entero. Orden GARCH (predeterminado = 1).
  • CondMean: Booleano. VERDADERO para incluir media condicional, FALSO (predeterminado).
  • ErrorDist: Cadena. Distribución de errores, predeterminado "Normal".
  • OptMethod: Cadena. Método de estimación, predeterminado "NR" (Newton-Raphson).

3.14. ra.GARCH.Fitted

• Función: ra.GARCH.Fitted(RangeYt, AscendingYt, RangeAlpha, RangeBeta)
• Descripción: Devuelve los valores ajustados para un modelo GARCH(p,q).
• Parámetros:
  • RangeYt: Serie temporal (por ejemplo, A1:A100).
  • AscendingYt: Booleano. VERDADERO para orden ascendente, FALSO (predeterminado).
  • RangeAlpha: Rango de coeficientes ARCH (Alpha).
  • RangeBeta: Rango de coeficientes GARCH (Beta).

3.15. ra.GARCH.Forecast

• Función: ra.GARCH.Forecast(RangeYt, AscendingYt, RangeAlpha, RangeBeta, Forecast, Interval, Iterations)
• Descripción: Pronostica la volatilidad usando un modelo GARCH(p,q).
• Parámetros:
  • RangeYt: Serie temporal (por ejemplo, A1:A100).
  • AscendingYt: Booleano. VERDADERO para orden ascendente, FALSO (predeterminado).
  • RangeAlpha: Rango de coeficientes ARCH (Alpha).
  • RangeBeta: Rango de coeficientes GARCH (Beta).
  • Forecast: Entero. Número de períodos a pronosticar (predeterminado = 10).
  • Interval: Entero. 0 (sin intervalo), 1 (68%), 2 (95%, predeterminado), 3 (99.7%).
  • Iterations: Entero. Número de iteraciones de simulación (predeterminado = 1000).

3.16. ra.GBM.Brownian.Coeff

• Función: ra.GBM.Brownian.Coeff(RangeYt, AscendingYt)
• Descripción: Calcula parámetros (media, desviación estándar) para un Movimiento Browniano Geométrico (GBM).
• Parámetros:
  • RangeYt: Serie temporal (por ejemplo, A1:A100).
  • AscendingYt: Booleano. VERDADERO para orden ascendente, FALSO (predeterminado).

3.17. ra.GBM.Brownian.Forecast

• Función: ra.GBM.Brownian.Forecast(RangeMuSigma, Initial, Iterations, Forecast, Seed, Interval)
• Descripción: Pronostica usando un modelo de Movimiento Browniano Geométrico (GBM) con simulación Monte Carlo.
• Parámetros:
  • RangeMuSigma: Rango con media y desviación estándar.
  • Initial: Doble. Valor inicial.
  • Iterations: Entero. Número de simulaciones (predeterminado = 100).
  • Forecast: Entero. Períodos a pronosticar (predeterminado = 15).
  • Seed: Entero. Semilla aleatoria (predeterminada = 1234).
  • Interval: Entero. 0 (aleatorio simple), 1 (68%), 2 (95%, predeterminado), 3 (99.7%).

3.18. ra.FanChart.Table

• Función: ra.FanChart.Table(RangeY, IntervalType)
• Descripción: Devuelve columnas para gráfico de abanico, banda de tendencia o gráfico de intervalos de líneas.
• Parámetros:
  • RangeY: Rango de datos multi-columna (por ejemplo, A1:C100).
  • IntervalType: Entero. 0 (media, sin intervalo), 1 (banda de tendencia 68%-95%), 2 (gráfico de abanico 68%-95%, predeterminado).

4. Pruebas de Normalidad

4.1. ra.JarqueBera.Test

• Función: ra.JarqueBera.Test(RangeX, Population, Alpha)
• Descripción: Realiza la prueba de Jarque-Bera para normalidad.
• Parámetros:
  • RangeX: Rango de datos (por ejemplo, A1:A100).
  • Population: Booleano. VERDADERO para poblacional (predeterminado), FALSO para muestral.
  • Alpha: Doble. Nivel de significancia (predeterminado = 0.05).

4.2. ra.ShapiroWilk.Test

• Función: ra.ShapiroWilk.Test(RangeX, Alpha)
• Descripción: Realiza la prueba de Shapiro-Wilk para normalidad usando el algoritmo de Royston (2 a 5000 observaciones).
• Parámetros:
  • RangeX: Rango de datos (por ejemplo, A1:A100).
  • Alpha: Doble. Nivel de significancia (predeterminado = 0.05).

4.3. ra.AndersonDarling.Test

• Función: ra.AndersonDarling.Test(RangeX, DistType, Alpha)
• Descripción: Realiza la prueba de Anderson-Darling para normalidad.
• Parámetros:
  • RangeX: Rango de datos (por ejemplo, A1:A100).
  • DistType: Entero. 0 (genérico), 1 (normal, predeterminado), 2 (normal no modificado), 3 (lognormal).
  • Alpha: Doble. Nivel de significancia (predeterminado = 0.05).

4.4. ra.Skew.S

• Función: ra.Skew.S(RangeX)
• Descripción: Devuelve el valor de asimetría de la distribución basado en la muestra.
• Parámetros:
  • RangeX: Rango de datos (por ejemplo, A1:A100).

4.5. ra.Kurt.S

• Función: ra.Kurt.S(RangeX)
• Descripción: Devuelve el valor de curtosis de la distribución basado en la muestra.
• Parámetros:
  • RangeX: Rango de datos (por ejemplo, A1:A100).

4.6. ra.Skew.P

• Función: ra.Skew.P(RangeX)
• Descripción: Devuelve el valor de asimetría de la distribución basado en la población.
• Parámetros:
  • RangeX: Rango de datos (por ejemplo, A1:A100).

4.7. ra.Kurt.P

• Función: ra.Kurt.P(RangeX, Restar3)
• Descripción: Devuelve el valor de curtosis de la distribución basado en la población.
• Parámetros:
  • RangeX: Rango de datos (por ejemplo, A1:A100).
  • Restar3: Booleano. VERDADERO para restar 3 (curtosis de distribución normal = 0), FALSO (sin resta).

5. Regresión Lineal (MCO)

5.1. ra.LinearReg.Coeff

• Función: ra.LinearReg.Coeff(RangeX, RangeY, ConstantC, RobustStdErrHC, Alpha)
• Descripción: Estima coeficientes, errores estándar, estadísticas t, valores p e intervalos de confianza.
• Parámetros:
  • RangeX: Variables independientes (por ejemplo, A1:B100).
  • RangeY: Variable dependiente (por ejemplo, C1:C100).
  • ConstantC: Booleano o Doble. VERDADERO (intercepto, predeterminado), FALSO (sin intercepto), o valor fijo.
  • RobustStdErrHC: Entero. 0=HC0, 1=HC1, 2=HC2, 3=HC3, 4=HC4, 5=HAC, 6=OLS (predeterminado).
  • Alpha: Doble. Nivel de significancia (predeterminado = 0.05).

5.2. ra.LinearReg.Fitted

• Función: ra.LinearReg.Fitted(RangeX, RangeY, ConstantC, Interval, Alpha)
• Descripción: Devuelve valores ajustados e intervalos de confianza o predicción opcionales.
• Parámetros:
  • RangeX: Variables independientes (por ejemplo, A1:B100).
  • RangeY: Variable dependiente (por ejemplo, C1:C100).
  • ConstantC: Booleano o Doble. VERDADERO (intercepto, predeterminado), FALSO (sin intercepto), o valor fijo.
  • Interval: Entero. 0 (sin intervalo, predeterminado), 1 (confianza), 2 (predicción).
  • Alpha: Doble. Nivel de significancia (predeterminado = 0.05).

5.3. ra.LinearReg.Forecast

• Función: ra.LinearReg.Forecast(RangeX, RangeY, RangeXo, ConstantC, Interval, Alpha)
• Descripción: Genera pronósticos para nuevos datos con intervalos opcionales.
• Parámetros:
  • RangeX: Variables independientes (por ejemplo, A1:B100).
  • RangeY: Variable dependiente (por ejemplo, C1:C100).
  • RangeXo: Nuevos datos de variables independientes (por ejemplo, E1:F10).
  • ConstantC: Booleano o Doble. VERDADERO (intercepto, predeterminado), FALSO (sin intercepto), o valor fijo.
  • Interval: Booleano. VERDADERO (incluir intervalo), FALSO (solo pronóstico, predeterminado).
  • Alpha: Doble. Nivel de significancia (predeterminado = 0.05).

5.4. ra.LinearReg.Residuals

• Función: ra.LinearReg.Residuals(RangeX, RangeY, ConstantC, ResidualType, Alpha, Critical)
• Descripción: Calcula residuos, estandarizados, estudiantizados, Pearson, DFFITS, apalancamiento o distancia de Cook.
• Parámetros:
  • RangeX: Variables independientes (por ejemplo, A1:B100).
  • RangeY: Variable dependiente (por ejemplo, C1:C100).
  • ConstantC: Booleano o Doble. VERDADERO (intercepto, predeterminado), FALSO (sin intercepto), o valor fijo.
  • ResidualType: Entero. 0=residuos, 1=resi, 2=estandarizados, 3=estudiantizados, 4=Pearson, 5=DFFITS, 6=apalancamiento, 7=distancia de Cook.
  • Alpha: Doble. Nivel de significancia para z-Stat y t-Stat (predeterminado = 0.1587).
  • Critical: Doble. Valor crítico para Cook (4/n), Apalancamiento (3*mu), DFFITS (1).

5.5. ra.LinearReg.Residuals.2

• Función: ra.LinearReg.Residuals.2(RangeX, RangeY, ConstantC, MeasureType, Alpha, Critical)
• Descripción: Genera una tabla de dispersión XY y calcula medidas diagnósticas para detección de valores atípicos.
• Parámetros:
  • RangeX: Variables independientes (por ejemplo, A1:B100).
  • RangeY: Variable dependiente (por ejemplo, C1:C100).
  • ConstantC: Booleano o Doble. VERDADERO (intercepto, predeterminado).
  • MeasureType: Entero. 0=residuos-ajustados, 1=estandarizados-ajustados, 2=estudiantizados-ajustados, 3=estandarizados-apalancamiento, 4=estudiantizados-apalancamiento, 5=estudiantizados-Cook, 6=estudiantizados-DFFITS.
  • Alpha: Doble. Nivel de significancia para z-Stat y t-Stat (predeterminado = 0.05).
  • Critical: Doble. Valor crítico para Cook (4/n), Apalancamiento (2*mu), DFFITS (1).

5.6. ra.LinearReg.Influence

• Función: ra.LinearReg.Influence(RangeX, RangeY, readjust)
• Descripción: Calcula la medida de Pratt para la importancia relativa de variables en R².
• Parámetros:
  • RangeX: Variables independientes (por ejemplo, A1:B100).
  • RangeY: Variable dependiente (por ejemplo, C1:C100).
  • readjust: Booleano. VERDADERO para ajustar índices al 100% (predeterminado), FALSO (sin ajuste).

5.7. ra.LinearReg.Anova

• Función: ra.LinearReg.Anova(RangeX, RangeY, ConstantC)
• Descripción: Genera una tabla ANOVA con sumas de cuadrados, medias cuadráticas, estadístico F y valor p.
• Parámetros:
  • RangeX: Variables independientes (por ejemplo, A1:B100).
  • RangeY: Variable dependiente (por ejemplo, C1:C100).
  • ConstantC: Booleano o Doble. VERDADERO (intercepto, predeterminado), FALSO (sin intercepto), o valor fijo.

5.8. ra.LinearReg.Stat

• Función: ra.LinearReg.Stat(RangeX, RangeY, ConstantC)
• Descripción: Calcula métricas de ajuste como R², R² ajustado, error estándar, Durbin-Watson, LLH, AIC y BIC.
• Parámetros:
  • RangeX: Variables independientes (por ejemplo, A1:B100).
  • RangeY: Variable dependiente (por ejemplo, C1:C100).
  • ConstantC: Booleano o Doble. VERDADERO (intercepto, predeterminado), FALSO (sin intercepto), o valor fijo.

5.9. ra.RamseyRESET.Test

• Función: ra.RamseyRESET.Test(RangeX, RangeY, ConstantC, Power, Alpha)
• Descripción: Realiza la prueba Ramsey RESET para verificar especificación incorrecta probando si términos polinómicos de valores ajustados mejoran el modelo.
• Parámetros:
  • RangeX: Variables independientes (por ejemplo, A1:B100).
  • RangeY: Variable dependiente (por ejemplo, C1:C100).
  • ConstantC: Booleano o Doble. VERDADERO (intercepto, predeterminado), FALSO (sin intercepto), o valor fijo.
  • Power: Entero. Orden polinómico máximo de valores ajustados (predeterminado = 1 para cuadrático).
  • Alpha: Doble. Nivel de significancia (predeterminado = 0.05).

5.10. ra.RamseyRESET.Reg

• Función: ra.RamseyRESET.Reg(RangeX, RangeY, ConstantC, Power)
• Descripción: Realiza la regresión para la prueba Ramsey RESET.
• Parámetros:
  • RangeX: Variables independientes (por ejemplo, A1:B100).
  • RangeY: Variable dependiente (por ejemplo, C1:C100).
  • ConstantC: Booleano o Doble. VERDADERO (intercepto, predeterminado), FALSO (sin intercepto), o valor fijo.
  • Power: Entero. Orden polinómico máximo de valores ajustados (predeterminado = 1 para cuadrático).

5.11. ra.RecursiveCUSUM

• Función: ra.RecursiveCUSUM(RangeX, RangeY, ConstantC, RecursiveType)
• Descripción: Realiza la prueba CUSUM Recursiva para detectar quiebres estructurales o inestabilidad de parámetros usando residuos recursivos.
• Parámetros:
  • RangeX: Variables independientes (por ejemplo, A1:B100).
  • RangeY: Variable dependiente (por ejemplo, C1:C100).
  • ConstantC: Booleano o Doble. VERDADERO (intercepto, predeterminado), FALSO (sin intercepto), o valor fijo.
  • RecursiveType: Entero. 0 (CUSUM + intervalo 5%, predeterminado), 1 (residuos recursivos), 2 (residuos recursivos estandarizados).

5.12. ra.Acorr.BreuschGodfrey.Test

• Función: ra.Acorr.BreuschGodfrey.Test(RangeX, RangeY, ConstantC, Lag, Alpha, Chi2)
• Descripción: Realiza la prueba de Breusch-Godfrey para detectar autocorrelación en residuos de regresión hasta un rezago especificado.
• Parámetros:
  • RangeX: Variables independientes (por ejemplo, A1:B100).
  • RangeY: Variable dependiente (por ejemplo, C1:C100).
  • ConstantC: Booleano o Doble. VERDADERO (intercepto, predeterminado), FALSO (sin intercepto).
  • Lag: Entero. Número de rezagos a probar (predeterminado = 2).
  • Alpha: Doble. Nivel de significancia (predeterminado = 0.05).
  • Chi2: Booleano. VERDADERO para prueba Chi-cuadrado (predeterminado), FALSO para F-Stat.

5.13. ra.Acorr.BreuschGodfrey.Reg

• Función: ra.Acorr.BreuschGodfrey.Reg(RangeX, RangeY, ConstantC, Lag)
• Descripción: Realiza la regresión para la prueba de Breusch-Godfrey.
• Parámetros:
  • RangeX: Variables independientes (por ejemplo, A1:B100).
  • RangeY: Variable dependiente (por ejemplo, C1:C100).
  • ConstantC: Booleano o Doble. VERDADERO (intercepto, predeterminado), FALSO (sin intercepto).
  • Lag: Entero. Número de rezagos a probar (predeterminado = 2).

5.14. ra.Acorr.ACF.Test

• Función: ra.Acorr.ACF.Test(RangeYt, Lag, Alpha)
• Descripción: Prueba autocorrelación significativa en residuos usando la función de autocorrelación (ACF) hasta un rezago especificado.
• Parámetros:
  • RangeYt: Serie temporal o residuos (por ejemplo, A1:A100).
  • Lag: Entero. Número de rezagos a probar (predeterminado = 1).
  • Alpha: Doble. Nivel de significancia (predeterminado = 0.05).

5.15. ra.Acorr.DurbinWatson.Stat

• Función: ra.Acorr.DurbinWatson.Stat(RangeYt)
• Descripción: Calcula el estadístico de Durbin-Watson para probar autocorrelación de primera orden en residuos.
• Parámetros:
  • RangeYt: Serie temporal o residuos (por ejemplo, A1:A100).

5.16. ra.MulticolLin.VIF

• Función: ra.MulticolLin.VIF(RangeX, Column, MeasureType)
• Descripción: Calcula el Factor de Inflación de la Varianza (VIF) para cada variable independiente para evaluar multicolinealidad.
• Parámetros:
  • RangeX: Rango de datos multi-columna (por ejemplo, A1:C100).
  • Column: Entero. Índice de columna de la matriz X (predeterminado = 0 para todas las columnas).
  • MeasureType: Entero. 0 (VIF, predeterminado), 1 (Tolerancia), 2 (R-cuadrado).

5.17. ra.MulticolLin.Lambda

• Función: ra.MulticolLin.Lambda(RangeX)
• Descripción: Calcula los valores propios (λ) de la matriz de correlación de variables independientes para evaluar multicolinealidad.
• Parámetros:
  • RangeX: Rango de datos multi-columna (por ejemplo, A1:C100).

5.18. ra.MulticolLin.Kappa

• Función: ra.MulticolLin.Kappa(RangeX)
• Descripción: Calcula el número de condición (Kappa) de la matriz de variables independientes para detectar multicolinealidad.
• Parámetros:
  • RangeX: Rango de datos multi-columna (por ejemplo, A1:C100).

5.19. ra.MulticolLin.Nu

• Función: ra.MulticolLin.Nu(RangeX)
• Descripción: Devuelve varianzas asociadas con ejes principales (cargas) o vectores propios (υ) de la matriz de correlación.
• Parámetros:
  • RangeX: Rango de datos multi-columna (por ejemplo, A1:C100).

5.20. ra.Leverage

• Función: ra.Leverage(RangeX, Constant, MeasureType)
• Descripción: Calcula valores de apalancamiento para cada observación para identificar puntos influyentes en variables independientes.
• Parámetros:
  • RangeX: Rango de datos multi-columna (por ejemplo, A1:C100).
  • Constante: Booleano. VERDADERO (incluir intercepto, predeterminado), FALSO (sin intercepto).
  • MeasureType: Entero. 0 (apalancamiento, predeterminado), 1 (apalancamiento + 2*mu), 2 (apalancamiento + 2*mu valores atípicos).

5.21. ra.Normalized.Distances

• Función: ra.Normalized.Distances(RangeX, Alpha, MeasureType)
• Descripción: Calcula distancias normalizadas para observaciones para detectar valores atípicos en variables independientes.
• Parámetros:
  • RangeX: Rango de datos multi-columna (por ejemplo, A1:C100).
  • Alpha: Doble. Nivel de significancia (predeterminado = 0.05).
  • MeasureType: Entero. 0 (distancias, predeterminado), 1 (Chi² crítico).

Ejemplo: Regresión Lineal con Diagnósticos

Este ejemplo demuestra cómo realizar una regresión lineal múltiple y analizar los resultados.

1. Preparar Datos:
   • Organice los datos en Excel: Columna A (X1, ej., "Gasto en Publicidad"), Columna B (X2, ej., "Tamaño del Mercado"), Columna C (Y, ej., "Ventas").
   • Rango: A2:B101 (X), C2:C101 (Y).
2. Estimar Coeficientes:
   • En una celda, ingrese: =ra.LinearReg.Coeff(A2:B101, C2:C101, VERDADERO, 6, 0.05).
   • Seleccione un rango de salida (ej., E1:I5) para coeficientes, errores estándar, t-Stat, valores p e intervalos de confianza.
3. Obtener Valores Ajustados:
   • En una celda, ingrese: =ra.LinearReg.Fitted(A2:B101, C2:C101, VERDADERO, 1, 0.05).
   • Seleccione un rango (ej., J2:L101) para valores ajustados e intervalos de confianza.
4. Diagnosticar Residuales:
   • En una celda, ingrese: =ra.LinearReg.Residuals(A2:B101, C2:C101, VERDADERO, 3, 0.1587, 1) para residuales estudiantizados.
   • Seleccione un rango para los resultados.
5. Verificar Multicolinealidad:
   • En una celda, ingrese: =ra.MulticolLin.VIF(A2:B101, 0, 0) para VIF de todas las columnas.
6. Crear Gráficos:
   • Use valores ajustados y residuales para crear gráficos en Excel (ej., gráfico de dispersión de residuales vs. valores ajustados).

Llamar a UDFs desde Macros VBA

Las funciones definidas por el usuario (UDFs) de raXL Stat pueden ser llamadas desde macros VBA para automatizar tareas o integrarse con flujos de trabajo personalizados. El siguiente ejemplo en VBA muestra cómo llamar a la función ra.GARCH.Coeff (de la categoría de Análisis de Series Temporales en la Parte 1) para estimar coeficientes GARCH(1,1) para un rango de datos.

[Option Explicit
Option Base 1

Function Func_GARCHCoeff() As Variant
    Application.Calculation = xlCalculationManual
    Dim runResult As Variant
    Dim result() As Double
    Dim rngRange As Range
    Dim boolAscend As Boolean
    Dim intP As Integer
    Dim intQ As Integer
    Dim intMuCond As Boolean
    Dim i As Integer
    
    Set rngRange = ActiveSheet.Range("B2:B1001")
    boolAscend = False
    intP = 1
    intQ = 1
    intMuCond = False
    
    ReDim result(intP + intQ + 1, 1)
    runResult = Application.Run("ra.GARCH.Coeff", rngRange, boolAscend, intP, intQ, intMuCond)
    
    For i = 1 To intP + intQ + 1
        result(i, 1) = runResult(i, 1)
    Next i
    
    Func_GARCHCoeff = result
    Application.Calculation = xlCalculationAutomatic
End Function]

Explicación:

• Esta función VBA llama a ra.GARCH.Coeff para calcular coeficientes GARCH(1,1) para datos en el rango B2:B1001.
• Establece el cálculo en manual (xlCalculationManual) para mejorar el rendimiento, luego restaura el cálculo automático (xlCalculationAutomatic) después de la ejecución.
• Parámetros: rngRange (rango de datos), boolAscend (FALSE para orden descendente), intP (1 para orden ARCH), intQ (1 para orden GARCH), intMuCond (FALSE para excluir condición de media).
• El resultado se almacena en un arreglo dinámico (result) y se devuelve como una columna de coeficientes.
• Para usar: Inserte este código en un módulo VBA (Alt+F11, Insertar > Módulo), luego llame a =Func_GARCHCoeff() en una celda de Excel, seleccionando un rango para la salida (ej., 3 filas para coeficientes GARCH(1,1)).

Nota: Asegúrese de que el complemento raXL Stat esté cargado y desbloqueado (ver Solución de Problemas) antes de ejecutar la macro. Ajuste el rango y los parámetros según sea necesario para sus datos.

Solución de Problemas

• Desbloquear el Complemento XLL:
  • Si Excel bloquea el archivo XLL de raXL Stat (ej., raXLStat-AddIn64-packed) debido a configuraciones de seguridad, haga clic derecho en el archivo en el Explorador de Archivos, seleccione Propiedades, y en la pestaña General, marque la casilla Desbloquear si está disponible, luego haga clic en Aceptar. Soporte de Microsoft
  
  • Alternativamente, mueva el archivo XLL a una ubicación de confianza: En Excel, vaya a Archivo > Opciones > Centro de Confianza > Configuración del Centro de Confianza > Ubicaciones de Confianza, añada la carpeta que contiene el archivo XLL y reinicie Excel.
  • Asegúrese de que el archivo XLL sea compatible con su versión de Excel (2016, 2019, 2021 o Microsoft 365, 32 o 64 bits).
• Error de Licencia:
  • Verifique la contraseña con =ra.raXLStat.License().
  • Obtenga el ID de CPU con =ra.raXLStat.xIDCPU() y contacte al soporte.
• El Complemento No Aparece:
  • Vaya a Archivo > Opciones > Complementos, asegúrese de que "raXL Stat" esté marcado.
  • Reinstale el complemento desde el sitio oficial.
• Errores en Funciones:
  • Verifique que los rangos contengan datos numéricos con =ra.MissingData.Info(RangeX).
  • Confirme que los parámetros (ej., Lag, Alpha) sean válidos.
• Rendimiento Lento:
  • Reduzca el tamaño del rango o use menos iteraciones en funciones como ra.GARCH.Forecast.

Recursos Adicionales

• Documentación : https://ruben-apaza.blogspot.com/p/raxl-stat.html .
• Soporte : comuníquese con el desarrollador a través del blog o el correo electrónico proporcionado con la licencia.
• Vídeo tutorial : Nuestro canal de YouTube: https://www.youtube.com/c/rubenapaza .
• Correo de Soporte: Contacta al equipo de raXL Stat a través del blog para asistencia personalizada.

--

[1] raXL Stat versión v.0 [Beta] es una versión de prueba a la que se irá agregando nuevas funciones públicas. 

[2] Acknowledgment: raXL Stat usa Excel-DNA: Copyright (c) 2024 Govert van Drimmelen.

[3] Las funciones ARIMA y GARCH utilizan el método de Estimación por Máxima Verosimilitud (MLE) junto con el algoritmo de optimización de Newton-Raphson (NR), sin embargo, se irá agregando otros métodos de optimización como Levenberg-Marquardt, BHHH, BFGS y otros en desarrollo.

[Decargar Prueba  (v0.5) ##download##]

Descargar prueba raXL Stat v0.5:  GitHub

[Comprar (+1 licencia anual) ##shopping-cart##]

Tutorial series

raXL Stat V0.5 [Beta]

raXL Stat V0.4 [Beta]

raXL Stat V0.3 [Beta]

raXL Stat V0.2 [Beta]

raXL Stat V0.0-V0.1 [Beta]