IPN -CIECAS La Hiptesis de las Expectativas Adaptativas aplicada al Producto Interno Bruto (PIB) y a la Inversin Fija Bruta (IFB)

) en Mxico. 1993:01 al 2006:04

Ral Camacho Erazo
Noviembre , 2006

Modelos Economtricos Dinmicos:

Modelos Autorregresivos y de rezagos Distribuidos

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

Variables Ad- Hoc

Combinacin de HEA y Ajuste HAP Parcial

Koyck Instrumentales

Almon RDP

Expectativas Adaptativas

Razones Para los Rezagos .

Sicolgicas

Tecnolgicas

Fuerza del hbito

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

= + B0 IFBt + B1 IFB t-1 + B2 IFBt-2 +

+ 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?

PIBt = A + B0IFBt + B1IFB t-1 + B2 IFBt-2 + + BkIFBt-k + Ut

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.

Primera Dificultad: Perdida de grados de libertad

OBS GCP IPD 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 2315.200 2337.900 IPD(-1) 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 2315.200 IPD(-2) IPD(-8) IPD(-12)

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

1990.600 2020.100 2045.300 2045.200 2073.900 2098.000 2106.600

1990.600 2020.100 2045.300

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

116665.9 Schwarz criterion -264.8231 F-statistic 0.4048 Prob(F-statistic)

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

= 0,1, , Tal que 0 <<1

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.

Presencia de Variables Explicativas Estocsticas.

Las variables explicativas no deben ser estocsticas; en caso de serlo, deben estar distribuidas independientemente del trmino de error estocstico.

Se debe averiguar si Yt-1 satisface este supuesto.

Las propiedades estadsticas de Vt dependen de lo que se suponga sobre Ut .

Si Ut satisface todas las suposiciones de MCO, Vt no lo hace.

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

2) PIBt- PIBt-1= *(PIBEt-1- PIBt-1) 3) PIBt= * B0 + * B1*IFBt+ +(1-)*PIBt-1+*Ut

ESTIMACIN DEL MODELO AUTOREGRESIVO FINITO

Dependent Variable: PIB Method: Least Squares Date: 11/04/06 Time: 11:35 Sample(adjusted): 1993:2 2006:2 Included observations: 53 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C -91.21167 IFB 0.353510 PIB(-1) 0.851678 R-squared 0.825218

56.50339 0.147155 0.061951

-1.614269 2.402290 13.74758

0.1128 0.0200 0.0000 334.2698 62.65272 9.463036 9.574562 118.0352 0.000000

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

Durbin-Watson stat 1.824974

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

PIBt = -91.21167109 + 0.3535097717*IFBt + 0.8516776047*PIBt(-1)

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

500 450 400 350 300 250 200 93 94 95 96 97 98 99 PIB 00 01 02 03 04 05 06

PIBF

Comparacin entre el PIB y su pronstico (PIBF)

Elaboracin propia con datos del INEGI
500 450 400 350 300 250 200 93 94 95 96 97 98 99 PIB 00 01 02 PIBF 03 04 05 06