Coro Chasco Yrigoyen, Dpto. Economa Aplicada, UAM.

EJEMPLO DE MODELOS ECONOMTRICOS

Ver el Caso 9 (pag. 505 y ss.) del libro de A. Pulido y A. Lpez (1999), Prediccin y Simulacin aplicada a la economa y gestin de empresas. Ed. Pirmide. En el mismo se presentan algunas relaciones macroeconmicas bsicas para la economa espaola: consumo privado nacional, inversin privada, exportaciones e importaciones de bienes y servicios, pagos por intereses de las AAPP, crditos al sector privado y tipos de inters.

1. MODELOS DE SERIES TEMPORALES UNIECUACIONALES

Ejemplo 1: Supongamos el siguiente modelo:

Vt = a + bPRt + cPBt
siendo V: PR: PB: ventas de una empresa precios presupuesto en publicidad

Ejemplo 2: A efectos de predecir el volumen de paro en Espaa podra elaborarse el siguiente modelo:

TPAt = a 0 + a1 P14 t + a 2UCPt + U t

siendo TPA: tasa de paro, definida como poblacin en paro dividida por poblacin activa. P14: poblacin de 14 y ms aos PROD: productividad, definida como el PIB dividido por la poblacin ocupada. Tambin podra haberse especificado otro modelo con PPA (poblacin en paro) como variable endgena:

PPAt = a 0 + a1 P14 t + a 2UCPt + U t

Ejemplo 3: Supongamos que el consumo de un determinado producto depende del ingreso familiar y de que tenga o no vivienda en propiedad, pudiendo establecerse el siguiente modelo:

C i = a0 + a1 Ri + a 2 Fi + U i
siendo: Ci: el consumo del producto Ri: el ingreso familiar Fi: una variable ficticia que tomar el valor 1 si la familia tiene vivienda en propiedad y 0 en caso contrario.

Coro Chasco Yrigoyen, Dpto. Economa Aplicada, UAM.

Ejemplo 4: La funcin de produccin calculada por Cobb y Douglas, para el conjunto de la economa de Estados Unidos en el perodo 1900-1922, fue estimada de la siguiente forma:
, 75 0 , 25 Pt = 1,10 L0 Ct t

siendo: P: ndice de produccin total por ao L: ndice de "inputs" de trabajo C: ndice de "inputs" de capital Este modelo se encuentra ya estimado (se conoce el valor de los parmetros), por lo que no incluye el trmino de la perturbacin aleatoria: ms adelante profundizaremos ms en esta cuestin. Cuando, como en ste y otros muchos casos, se parte de una especificacin potencial, es decir, lineal en los logaritmos de las variables, entonces los parmetros son directamente las elasticidades: elasticidad de P respecto de L y C. En este caso, los parmetros indicarn, en forma suficientemente aproximada para incrementos porcentuales pequeos de L o C, el incremento porcentual correspondiente a P. Por ejemplo, en EEUU, en el perodo 1900-1922, una variacin porcentual de 1% en los inputs de trabajo (L) dio lugar a un incremento de la produccin total de 0,75%, mientras que incrementos de 1% en los inputs de capital C producan un aumento de la produccin en slo 0,25%. Es decir, los incrementos en inputs de trabajo, respecto a los de capital, producan aumentos 3 veces mayores en la produccin total.

Ejemplo 5: Sea un modelo de la renta (R) en funcin del nivel educativo (E):

R t = 1 + 2 E t + u t
Este modelo olvida que la mayora de la gente tiene ms ingresos de mayores que cuando son jvenes, independientemente de su educacin. Por eso, el parmetro 2 estar sobrestimando el impacto de la educacin sobre la renta. Por eso, una especificacin ms adecuada debera incluir la variable edad (A) en el modelo:

R t = 1 + 2 E t + 3 A t + u t
Sin embargo, es algo contrastado que la renta tiende a crecer menos que proporcionalmente en los ltimos aos de vida laboral que en los primeros. Por eso, el modelo debera especificarse:

R t = 1 + 2 E t + 3 A t + 4 A 2 t + ut
En este caso, lo esperado es que 3 tenga signo positivo y que 4 sea negativo.

Coro Chasco Yrigoyen, Dpto. Economa Aplicada, UAM.

2. MODELOS DE SERIES TEMPORALES MULTIECUACIONALES

Ejemplo 6: Una empresa comercial pretende conocer la evolucin de su beneficio bruto (BEN), teniendo en cuenta el capital invertido (SK), el nmero de trabajadores (L), el precio de venta (PRE) y un ndice de actividad econmica (ACT). Para estimar el comportamiento de dichos beneficios se plantea inicialmente una ecuacin con la siguiente especificacin:

BEN t = 1 + 2SK t + 3 L t + 4 PRE t + 5 ACTt + u t

Tras una primera estimacin se llega a la conclusin que el modelo no es muy bueno debido a que el beneficio tiene 2 elementos claramente diferenciados cuyo comportamiento debera ser analizado por separado: ingresos (ING) y gastos (GAS), por lo que el modelo queda as:

ING t = 1 + 2SK t + 3L t + 4 PRE t + 5 ACTt + u t BEN t = ING t GASt

A la hora de realizar predicciones, la empresa se encuentra con la dificultad de determinar el nivel del gasto a futuro, ya que ste se va a ver directamente condicionado por la evolucin de los ingresos, as como por el nmero de empleados, constatndose la necesidad de endogeneizar la variable de gastos para determinar simultneamente el nivel de ingresos y gastos a futuro. Asimismo, la variable de ingresos no slo depende de las variables del entorno, sino del propio volumen de compras realizadas, por lo que se incluir GAS como explicativa de ING:

ING t = 1 + 2 GASt + 3SK t + 4 L t + 5 PRE t + 6 ACTt + u1,t GASt = 1 + 2 ING t + 3 L t + u 2,t BEN t = ING t GASt
Finalmente, una vez constatada la necesidad de desarrollar un modelo multiecuacional, se considera oportuno que, para gestionar adecuadamente la empresa, es preciso modelizar, adems de los beneficios, la evolucin del stock de capital, cumpliendo el doble objetivo de analizar los beneficios y la reinversin de los mismos para el aumento del stock de capital:

ING t = 1 + 2GASt + 3SK t + 4 L t + 5 PRE t + 6 ACTt + u1,t GASt = 1 + 2 ING t + 3 L t + u 2,t SK t = 1 + 2 BEN t + u 3,t BEN t = ING t GASt
Como puede apreciarse, hemos pasado de un modelo uniecuacional (1) a otro modelo multiecuacional recursivo (2), pasando por un modelo multiecuacional bloque-recursivo (3) y terminando con un modelo multiecuacional de ecuaciones simultneas (4).

Coro Chasco Yrigoyen, Dpto. Economa Aplicada, UAM.

Ejemplo 7: Sea un modelo simplificado de determinacin del consumo C, la inversin I y la renta Y de un pas:

C t = a1 + a 2Yt 1 + U t I t = b1 + b2 (Yt Yt 1 ) + Vt Y = C + I + G t t t t
La ltima ecuacin es una identidad contable, en una economa cerrada, por lo que no se incluye la perturbacin aleatoria, dado que la relacin es exacta, sin posibilidad de error.

Ejemplo 8: Modelo de Lawrence R. Klein:

C i = 0 + 1 (W1 + W2 )i + 2 1 + u1i I i = 0 + 1 i + 2 i 1 + 3 K i 1 + u 2i W1i = 0 + 1 (Y + T W2 )i + 2 (Y + T W2 )i 1 + 3i + u 3i Yi + Ti = C i + I i + Gi Y = W + W + i 1i 2i i K i = I i

n = 1921-1941 (economa norteamericana) Las variables monetarias: miles de millones de dlares de 1934 (trminos reales) C: consumo privado W1 : salarios pagados por el sector privado W2 : salarios pagados por el sector pblico : beneficios I: inversin privada K: stock de capital privado Y: renta nacional I: impuesto sobre empresas G: gasto pblico (excepto salarios) i: tiempo (ao de referencia); i = 1, 2, ..., n u1, u2, u3: perturbaciones aleatorias , , : parmetros del modelo. Las 3 primeras ecuaciones son modelos economtricos uniecuacionales. Las 3 ltimas ecuaciones son modelos deterministas o identidades contables, que deben desaparecer y ser sustituidas en las dems ecuaciones.

Coro Chasco Yrigoyen, Dpto. Economa Aplicada, UAM.

3. MODELOS AUTORREGRESIVOS DE SERIES TEMPORALES

Ejemplo 9: Sea un modelo de la serie mensual de consumo de gasolina (z), que ha sido previamente transformada en logaritmos y en diferencias (primeras diferencias y diferencias de orden 12) con el objetivo de eliminar de la misma todas las tendencias existentes (tendencias en varianza y tendencias en media, en la parte regular y estacional). El modelo finalmente especificado es el siguiente:

z t = 1z t 1 + 1z t 12 + a t + a t 1
Se trata de un modelo ARIMA(1,1,1) x SARIMA(1,1,0) en el que la variable del consumo de gasolina se explica en funcin de s misma en el mes anterior, as como tambin doce meses antes, y del error que comete el modelo en el perodo anterior.

Ejemplo 10: Sea un modelo de la variable mensual del IPC de alimentacin (p) donde esta variable ha sido previamente transformada en logaritmos, en segundas diferencias en la parte regular y en primeras diferencias en la parte estacional:

p t = 1p t 12 + a t + a t 1
Se trata de un modelo ARIMA(0,2,1) x SARIMA(1,1,0) en el que la variable del IPC de alimentacin se explica en funcin de s doce meses antes y del error que comete el modelo en el perodo anterior. Los resultados de la estimacin ponen de manifiesto la existencia de errores atpicos. Al profundizar en los motivos por los que se producen estos valores, se descubre que la climatologa (cuando ha sido especialmente favorable o desfavorable) ha hecho especial mella sobre los precios de alimentacin. Por eso, se incluyen en el modelo 3 nuevas variables ficticias que recojan estos efectos:

p t = 1Z1t + 2 Z2 t + 3 Z3t + 1p t 12 + a t + a t 1
Z1 adopta el valor 1 si se trata de un mes de clima excepcionalmente malo y 0 en caso contrario. Z2 adopta el valor 1 si se trata de un mes de clima malo y 0 en caso contrario. Z3 adopta el valor 1 si se trata de un clima bueno y 0 en caso contrario. De esta manera es posible cuantificar la incidencia de la climatologa (muy mala, mala o buena) sobre los precios de alimentacin. Pese a todo, la prediccin en el perodo histrico del IPC deja todava bastante que desear, por lo que se prueba introduciendo en el modelo la incidencia que los precios de no alimentacin (q) tienen sobre los de alimentacin. La variable IPC de no alimentacin se introduce en el modelo transformada (del mismo modo que p) para evitar la existencia de tendencias en la misma:

p t = 1q t + 1Z1t + 2 Z2 t + 3 Z3t + 1p t 12 + a t + a t 1

Coro Chasco Yrigoyen, Dpto. Economa Aplicada, UAM.

4. MODELOS DE DATOS DE CORTE-TRANSVERSAL

Ejemplo 11: Sea un modelo de asalariados del Panel de Hogares de la UE 94:

wi = 0 + 1 S i + u i
Donde w es el salario-hora en pesetas y S el nivel educativo en aos. El coeficiente estimado de 1 indica en cuntas pesetas se incrementa el salario ante aumentos del nivel educativo en 1 ao. Si la variable de salarios-hora se transforma en logaritmos:

ln wi = 0 + 1 S i + u i
Se puede saber en qu porcentaje (en tantos por 1) se incrementa el salario-hora ante variaciones del nivel educativo en 1 ao. Dado que la experiencia de trabajo (EX) es tambin una variable importante, el modelo anterior debera considerar tambin esta variable. Aunque, en este caso, el impacto que valores mayores de aos de experiencia sobre el salario-hora se supone que se produce de forma menos que proporcional:

ln wi = 0 + 1 S i + 3 EX i + 4 EX 2 + u i
En este caso, se espera un signo negativo en 4.