Professional Documents
Culture Documents
FACULTAD DE ECONOMÍA
Econometría II
Septiembre/2016
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Datos Generales
- Disciplina
- Puntualidad
- Celulares
- Conversar
- Fecha de entrega de tareas
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Estructura de calificación
- Actuación en clase
- Investigaciones
- Tareas – Deberes
- Lecciones
- Análisis de artículos del periódico 6 puntos
- Casos de estudio
- Talleres
- Aportes - Test
- Trabajo final
- Examen 4 puntos
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Evaluaciones
- Lecciones semanales
- Aportes mensuales
- Trabajo al final de cada parcial
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Bibliografía
Calendario de Actividades
www.edmodo.com
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Conceptos Básicos
• Modelo Econométrico
• Clasificación de los Modelos
• Ecuaciones
• Variables
• Parámetros
• Perturbación Aleatoria
• Mínimos cuadrados Ordinarios
• Características de los parámetros MCO
• Supuestos Básicos del Modelo de Regresión Lineal
• Modelos no lineales
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Modelos de Ecuaciones simultáneas
Muchas relaciones económicas son del tipo uniecuacional. En tales
modelos, una variable (la variable dependiente Y) se expresa como
función lineal de una o más variables (las variables explicativas X's). En
tales modelos, un supuesto implícito es que la relación causa-efecto, de
existir, entre Y y X es unidireccional: las variables explicativas son la
causa y la variable dependiente es el efecto.
Sin embargo, hay situaciones en las cuales existe una influencia
bidireccional entre las variables económicas; es decir, una variable
económica afecta otra(s) variable(s) económica(s) y, a su vez, es
afectada por ésta(s).
En los modelos de ecuaciones simultáneas hay más de una ecuación
de regresión, una para cada variable interdependiente.
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Características y Variables
En muchas situaciones, tal relación causa-efecto en una vía, o uni-
direccional, no tiene sentido. Esto sucede cuando Y está determinada
por las X y algunas de las X están, a su vez, determinadas por Y. Hay
una relación en dos sentidos, o simultánea, entre Y y (algunas de) las X,
que hace que la distinción entre variables dependientes y explicativas
tenga valor dudoso. Es mejor reunir un conjunto de variables que
puedan determinarse simultáneamente mediante el conjunto restante
de variables —precisamente lo que se hace en los modelos de
ecuaciones simultáneas—.
En tales modelos, hay más de una ecuación n: una para cada una de
las variables mutuamente o conjuntamente, dependientes o
endógenas.
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Características y Variables
A diferencia de los modelos uniecuacionales, no es posible
estimar los parámetros de una ecuación aisladamente sin tener
en cuenta la información proporcionada por las demás
ecuaciones en el sistema.
Las variables conjuntamente dependientes se denominan
variables endógenas y las variables que son realmente no
estocásticas o que pueden ser consideradas como tales, se
denominan variables exógenas o predeterminadas.
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Estimación MCO
¿Qué sucede si los parámetros de cada ecuación son estimados
aplicando el método de MCO, sin considerar las otras ecuaciones en el
sistema?
Uno de los supuestos cruciales del método MCO es que las variables
explicativas X son no estocásticas o, si lo son (aleatorias), están
distribuidas independientemente del término de perturbación
estocástico.
Si ninguna de estas condiciones se cumple, entonces, los estimadores
de mínimos cuadrados no solamente son sesgados, sino también
inconsistentes; es decir, a medida que el tamaño de la muestra
aumenta indefinidamente, los estimadores no convergen hacia sus
verdaderos valores (poblacionales).
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Ejemplo
Modelo de Salario-Precios
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
SESGO EN LAS ECUACIONES SIMULTÁNEAS: INCONSISTENCIA DE LOS
ESTIMADORES MCO
El método de mínimos cuadrados no puede aplicarse para estimar una
sola ecuación pertinente al sistema de ecuaciones simultáneas si una o
más de las variables explicativas están correlacionadas con el término
de perturbación en esa ecuación, porque los estimadores así obtenidos
son inconsistentes.
Para mostrar esto, considérese nuevamente el modelo keynesiano
simple de determinación del ingreso. Supóngase que se desean estimar
los parámetros de la función consumo. Suponiendo que E(u,) = 0, E(µ2)
= σ2, E{u, u,tj) = 0 (para j ≠ 0 ) y cov (I, ut) = 0, que son los supuestos del
modelo clásico de regresión lineal.
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
1 depende de 𝛽1 , 𝜎 2 y var(Y) y del grado
El valor del sesgo de 𝛽
de covarianza entre Y y u, en esto consiste el sesgo de las
ecuaciones simultáneas. En contraste con los modelos
uniecuacionales, ya no se puede seguir suponiendo que las
variables que se encuentran al lado derecho de la ecuación no
están correlacionadas con el término de error. Téngase en
mente que este sesgo permanece aun en las muestras
grandes.
En vista de las consecuencias potencialmente graves que tiene
la aplicación del MCO a los modelos de ecuaciones
simultáneas, ¿existe una prueba de simultaneidad que pueda
indicar si en un momento dado se tiene un problema de
simultaneidad? Una versión de la prueba de especificación de
Hausman puede utilizarse para este propósito.
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
EL PROBLEMA DE LA IDENTIFICACIÓN
La naturaleza y el significado del problema de identificación es la
siguiente: recuérdese el modelo de demanda y oferta. Si se tiene
información de series de tiempo sobre Q y P solamente y no hay datos
adicionales (tales como el ingreso del consumidor, el precio
prevaleciente en el periodo anterior y las condiciones del clima); el
problema de la identificación consiste en buscar una respuesta a la
siguiente pregunta: dada solamente la información sobre P y Q, ¿cómo
se sabe si se está estimando la función de demanda o la función de
oferta? O, dicho de otra manera, si se piensa que se está especificando
una función de demanda, ¿cómo se garantiza que, en realidad, se está
estimando dicha función y no otra?
Un momento de reflexión revelará que es necesario responder a la
pregunta anterior antes de proceder a estimar los parámetros de la
función de demanda.
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
DEFINICIONES
Dado un sistema de ecuaciones, la notación será de
la siguiente forma
M = # de variables endógenas, dependientes,
determinadas
K = # de variables predeterminadas, exógenas
T = # numero total de observaciones
U = errores, perturbaciones aleatorias
β = coeficiente de las variables endógenas
α = coeficiente de las variables predeterminadas
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
DEFINICIÓN DE LAS VARIABLES
𝑌1 = 𝛼0 + 𝛼1 𝑋1𝑡 + 𝛼2 𝑋1(𝑡−1) + 𝜇1
𝑌2 = 𝛼0 + 𝛼1 𝑋2𝑡 + 𝛽𝑌1 𝑡−1 + 𝜇1
Subidentificada
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
SUBIDENTIFICACION
Q= λφ0 + φ1Pt Wt
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
En este modelo. Pt y Qt son endógenas e It, Rt,y Pt-1 son predeterminadas. La función de
demanda excluye exactamente una variable Pt-1, y, por tanto, según la condición de
orden, está exactamente identificada. Pero la función de oferta excluye dos variables It,
y Rt, se dice entonces que está sobreidentificada.
Según la condición de orden, la función de demanda está identificada. Pero si se trata
de estimar los parámetros de esta ecuación a partir de los coeficientes de la forma
reducida las estimaciones no serán únicas porque β1 que hace parte de los cálculos,
toma dos valores y es preciso decidir cuál de éstos es el apropiado. Esta complicación
puede obviarse porque, en casos de sobreidentificación, el método de mínimos
cuadrados indirectos no es apropiado y debe descartarse en favor de otros métodos.
Uno de tales métodos es el de mínimos cuadrados en dos etapas.
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
CONDICIÓN DE ORDEN DE LA IDENTIFICACIÓN
La identificación de una ecuación en un modelo de ecuaciones
simultáneas es posible si dicha ecuación excluye una o más variables
que están presentes en otras partes del modelo. Esta situación se
conoce como el criterio de exclusión (de variables), o el criterio de
restricciones cero (se supone que los coeficientes de las variables que
no aparecen en una ecuación tienen valor de cero).
Este criterio es el más utilizado para asegurar o determinar la
identificación de una ecuación. El criterio de restricciones cero está
basado en expectativas a priori o teóricas acerca de la ausencia de
ciertas variables en una ecuación dada. Es deber del investigador
señalar claramente la razón por la cual espera que ciertas variables
aparezcan en algunas ecuaciones y en otras no.
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
CONDICIÓN DE RANGO DE LA IDENTIFICACIÓN
La condición de orden analizada anteriormente es una condición necesaria
pero no suficiente para la identificación; es decir, aun si ésta se cumple, puede
suceder que una ecuación no esté identificada.
En términos más generales, aun si una ecuación cumple la condición de orden
K - k > m - 1, ésta puede no estar identificada porque las variables
predeterminadas excluidas de la ecuación, pero presentes en el modelo, quizá
no todas sean independientes de manera que tal vez no exista una
correspondencia uno a uno entre los coeficientes estructurales (las β) y los
coeficientes de la forma reducida (las π). O sea, probablemente no sea posible
estimar los parámetros estructurales a partir de los coeficientes de la forma
reducida. Por consiguiente, se requiere una condición que sea tanto necesaria
como suficiente para la identificación.
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
CONDICIÓN DE RANGO DE LA IDENTIFICACIÓN
En un modelo que contiene M ecuaciones en M variables
endógenas, una ecuación está identificada si y sólo si
puede construirse por lo menos un determinante diferente
de cero, de orden (M - 1)(M - 1), a partir de los coeficientes
de las variables (endógenas y predeterminadas) excluidas
de esa ecuación particular, pero incluidas en las otras
ecuaciones del modelo.
Como ilustración de la condición de rango de la
identificación, considérese el siguiente sistema hipotético
de ecuaciones simultáneas, en el cual las variables Y son
endógenas y las X variables predeterminadas
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
EJEMPLO
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
EJEMPLO
Primero se aplica la condición de orden de la identificación, cada ecuación es
identificada mediante la condición de orden.
Verifíquese esto con la condición de rango. Considérese la primera ecuación,
que excluye las variables Y4, X2 y X3 (esta exclusión está representada por los
ceros en el primer renglón). Para que esta ecuación esté identificada, se debe
obtener por lo menos un determinante diferente de cero de orden 3 x 3, a
partir de los coeficientes de las variables excluidas de esta ecuación, pero
incluidas en otras.
Para conseguir el determinante, se obtiene primero la matriz relevante de los
coeficientes de las variables Y4, X2 y X3, incluidas en las otras ecuaciones. En el
presente caso, solamente hay una matriz como ésa, llamada A, definida de la
siguiente manera:
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
EJEMPLO
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
EJEMPLO
Se puede ver que el determinante de esta matriz es cero. Puesto que el
determinante es cero, el rango de la matriz es menor que 3. Por consiguiente,
la ecuación no satisface la condición de rango y, por tanto, no está
identificada.
La condición de rango es necesaria y suficiente para la identificación. Por
consiguiente, a pesar de que la condición de orden muestra que la ecuación
está identificada, la condición de rango muestra que no lo está.
Aparentemente, las columnas o los renglones de la matriz A no son
(linealmente) independientes, lo que significa que hay alguna relación entre las
variables Y4, X2 y X3. Como resultado, puede no haber suficiente información
para estimar los parámetros de la ecuación; para el modelo anterior, las
ecuaciones de forma reducida mostrarán que no es posible obtener los
coeficientes estructurales de esa ecuación a partir de los coeficientes de la
forma reducida.
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
IDENTIFICABILIDAD
La condición de rango dice si la ecuación bajo consideración está identificada o no, mientras que
la condición de orden expresa si dicha ecuación está exactamente identificada o sobreidentificada.
Pasos:
Paso 1: Efectúese la regresión de una endógena (por ejemplo de la ecuación
1) sobre las variables predeterminadas y obténgase los residuos.
Paso 2: Efectuése la regresión de la otra variable endógena sobre la endógena
estimada (utilizada en el paso 1) y los residuos obtenidos del paso 1.
Ahora, bajo la hipótesis nula de que no hay simultaneidad, si se encuentra que
el coeficiente del residuo estimado en el paso 2 es estadísticamente igual a
cero, puede concluirse que no hay problema de simultaneidad
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
PRUEBAS DE EXOGENEIDAD
Es responsabilidad del investigador especificar cuáles variables
son endógenas y cuáles exógenas. Esto dependerá del problema
en cuestión y de la información a priori de la cual se disponga.
Pero, ¿es posible desarrollar una prueba estadística de
exogeneidad?
La prueba de Hausman, puede utilizarse para responder a esta
pregunta. Supóngase que se tiene un modelo de tres ecuaciones
con tres variables endógenas, Y1 Y2 y Y3 y que hay tres variables
exógenas, X1 X2 y X3 Supóngase además que la primera ecuación
del modelo es:
UNIVERSIDAD DE GUAYAQUIL
FACULTAD DE ECONOMÍA
Si Y2 y Y3 son verdaderamente endógenas, no se puede estimar por
MCO. Entonces, ¿cómo determinarlo? Se puede proceder de la
siguiente manera: se obtienen las ecuaciones de la forma reducida
para Y2 y Y3 (nota: las ecuaciones en la forma reducida tendrán
solamente variables predeterminadas al lado derecho). De estas
ecuaciones se obtienen 𝑌
2𝑖 𝑦 𝑌3𝑖 , los valores proyectados de Y2i Y3i,
respectivamente. Entonces, dentro del planteamiento de la prueba de
Hausman, se puede estimar la siguiente ecuación mediante MCO.