Professional Documents
Culture Documents
Introduccin
Generalmente las regresiones que se utilizan cuando nos proponemos modelar cierto comportamiento contienen informacin que involucran el tiempo pasado, estos casos son conocidos como rezagos distribuidos infinitos. Uno de los principales problemas que se presentan en este tipo de rezagos de la variable independiente es que se pierden grados de libertad debido a los rezagos, as como multicolinealidad. Yt = + B0* Xt + B1*X t-1 + B2* Xt-2 ++ Bk*Xt-k + Ut
El tiempo juega un papel fundamental Razones para los rezagos Estimacin de modelos de rezagos distribuidos Modelo de Koyck (Ad hoc). La Hiptesis de xpectativas Adaptativas (HEA). La Hiptesis de Ajuste Parcial (HAP) Combinacin entre HEA & HAP Estimacin de Modelos Autorregresivos Mtodos de Variables Instrumentales La solucin de Liviatan. Prueba Durbin H Enfoque de Almon (PDL) Prueba de Granger
Contenido:
El papel del rezago en Economa. Razones para los rezagos. Estimacin de Modelos de Rezagos Distribuidos Ejercicios
Koyck Instrumentales
Almon RDP
Expectativas Adaptativas
Sicolgicas
Tecnolgicas
Conocimiento Imperfecto
Institucionales
Es comn que el valor presente de la variable dependiente sea una funcin de la suma ponderada de una variable independiente y de sus rezagos :
Dichos rezagos tienen pesos diferentes asignados a los diferentes periodos de tiempo. As: PIBt
+ Bk IFBt-k + Ut
Si observamos el correlograma de la variable independiente nos daremos cuenta de que con cuatro rezagos podemos analizar la regresin: PIBt = + B0 IFBt+B1 IFB t-1+B2 IFBt-2+B3IFBt-3+B4 IFBt-4+ Ut Este es un ejemplo de una regresin de tres rezagos distribuidos.
Cmo estimar?
Problemas:
1) Los datos para una observacin o periodo de tiempo se pierden por cada valor rezagado de IFB lo cual provoca perdida de grados de libertad. 2) Las IFB`s estn relacionadas una con otra (multicolinealidada), por lo que se dificulta aislar el efecto de cada IFB sobre el PIB.
1970:1 1800.500 1970:2 1807.500 1970:3 1824.700 1970:4 1821.200 1971:1 1849.900 1971:2 1863.500 1971:3 1876.900 1971:4 1904.600 1972:1 1929.300 1972:2 1963.300 1972:3 1989.100 1972:4 2031.100 1973:1 2063.900 1973:2 2062.000 1973:3 2073.700
1990.600 2020.100 2045.300 2045.200 2073.900 2098.000 2106.600 2121.100 2129.700 2149.100 2193.900 2272.000 2300.700
SEGUNDA DIFICULTAD: MULTICOLINEALIDAD, AUTOCORELACIN Dependent Variable: PIB Method: Least Squares Date: 11/04/06 Time: 11:25 Sample (adjusted): 1994:1 2006:2 Included observations: 50 after adjusting endpoints Variable Coefficient C -397.5404 IFB -0.063955 IFB(-1) 0.781905 IFB(-2) -0.043149 IFB(-3) 0.226016 IFB(-4) 0.934559 R-squared 0.417992 Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Std. Error t-Statistic 141.4726 -2.810017 0.508923 -0.125668 0.606465 1.289282 0.557013 -0.077465 0.597982 0.377964 0.471292 1.982972 Mean dependent var 0.351855 S.D. dependent var 51.49269 Akaike info criterion Prob. 0.0074 0.9006 0.2040 0.9386 0.7073 0.0536 336.2820 63.96016 10.83292 11.06237 6.320073 0.000168
Cmo estimar? PIBt = + B0 IFBt + B1IFB t-1 + B2 IFBt-2 + B3 IFBt-2+BkXIFBt-4 + Ut 1.- Estimacin ad hoc de Koyck: Bk = B0 ^ k k = 0,1, & 0 < <1 Este supuesto provoca que los coeficientes de la regresin se distribuyan geometricamente, es decir, descienden hacia el eje de las abcisas sin que la lleguen a tocar. A medida que nos alejamos mas en el pasado, su efecto sobre la variable dependiente (PIB) se hace ms pequeo representa a la tasa de descenso o de caida. Entre mas cerca este de uno, ms lenta ser la tasa de descenso de Bk 1- representa a la velocidad de ajuste.
El supuesto de Koyck
Obsrvese que mientras ms cerca est de uno, mas lenta ser la tasa de descenso de la funcin.
Bk= B0 k
Considerando que todos los B tienen el mismo signo, Koyck supone que se reducen de la siguiente manera:
0.75 0.25
B0 B1 B2 B3 B4 B5 .,,,,,,,,,,,,,,,,,,,,,,,,,,,B10 B0 0.75B0 0.56B0 0.42B0 0.32B0 0.24B0 . 0.06B0 B0 0.25 B0 0.06 B0 0.02 B0 .004 B0 0.0001 B0 .0.0
Ventajas y desventajas del supuesto de Koyck: Transforma una funcin de rezago distribuido infinito en otra autoregresiva finita. Supone rgidamente pesos decrecientes geomtricamente, no toma en cuenta la teora econmica. Al asignar restricciones a priori suponiendo que los B siguen un patrn Sistemtico (mismo signo y se reducen geomtricamente), y hacer la transformacin de Koyck, se tiene que: PIBt = A (1 ) + B0 IFBt + PIBt-1 + Vt
Posibilidad de Correlacin Serial.
Las variables explicativas no deben ser estocsticas; en caso de serlo, deben estar distribuidas independientemente del trmino de error estocstico.
Transformacin de Koyck
Regresin de rezago distribuido infinito: 1.- PIBt = A + B0IFBt + B1IFB t-1 + B2 IFBt-2 + + BkIFBt-k + Ut 2.- Supuesto de Koyck: Bk= B0 *l^k 3.- PIBt = (1 ) + B0 IFBt + PIBt-1 + Vt Mediana de Rezagos
Log 2 Log
Tiempo requerido para que conocer el cambio total en PIB debido a un cambio unitario en IFB.
Rezago Medio
. . 1-
Promedio ponderado de los rezagos involucrados
1) PIBt = B0 + B1 * IFBEt + Ut
Racionalizaciones del modelo de Koyck 2) (IFBEt IFBEt-1) = p*(IFBEt IFBEt-1) APRENDER DE LOS ERRORES 3) PIBt = p*B0 + p*B1* IFBt +
HEA
Ut
1) PIBEt HAP
= B0 + B1 * IFBt+ Ut
Variable
Coefficient
Std. Error
t-Statistic
Prob.
Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)
Adjusted R-squared 0.818227 S.E. of regression 26.71193 Sum squared resid 35676.35 Log likelihood -247.7705
Conclusiones del modelo de expectativas adaptativas o aprendizaje por medio del error.
En su forma ms sencilla, la hiptesis de las expectativas adaptativas considerar que los agentes creen que la tasa de Inversin Fija Bruta del ao que viene ser la misma que la del presente ao.
PIBt = -91.21167109 + 0.3535097717*IFBt + 0.8516776047*PIBt(-1) Las expectativas de la IFB son corregidas cada periodo por una fraccin =14.84%, de la discrepancia entre la IFB en el periodo actual y lo que haba sido su valor anticipado en el periodo anterior: 1- = 0.8516776047, ie, =0.1484=14.84% s decir IFBEt=FBt+(1-)FBt-1 IFBEt=0.1484FBt+0.8516776047FBt-1
IFBEt=0.1484FBt+0.8516776047FBt-1 La Inversin Fija Bruta que esperamos hoy, depende en un 14.84% de la Inversin Fija Bruta actual y en un 85.16% de la Inversin Fija Bruta del periodo anterior. Si =1 entonces la IFBE = IFBt las expectativas se cumplen inmediatamente. Si =0 entonces la IFBE = IFBEt-1,esto significa que las expectativas son estocastica, es decir, las condiciones actuales se mantendrn constantes en todos los periodos siguientes
IFBEt=0.1484FBt+0.8516776047FBt-1
La propensin marginal del PIBt a un cambio unitario de la IFBt es 35.35% es decir, que ante un cambio unitario en la IFBt, el PIBt aumentar en un 35.35% lo cual es excelente informacin. Solo falta aumentar la IFBt. La elasticidad del PIBt a cambios porcentuales de la IFBt es de menor que uno en toda su trayectoria lo que significa que los cambios porcentuales en el PIBt sern menores que los cambios porcentuales en la IFBt
Pronostico
600 Forecast: PIBF Actual: PIB Sample: 1993:2 2006:4 Include observations: 53
500
400
300
200
Root Mean Squared Error 40.0195 Mean Absolute Error 33.3281 Mean Abs. Percent Error 10.8047 Theil Inequality Coefficien 0.05924 Bias Proportion 0.00125 Variance Proportion 0.23533 Covariance Proportion 0.76340
100 94 95 96 97 98 99 00 01 02 03 04 05 06
PIBF