CAPTULO 13

Modelos de ecuaciones simult

aneas
Hasta ahora hemos estudiado el modelo lineal general uniecuacional, que relaciona
una variable dependiente con una combinaci
on lineal de varias variables independientes
m
as una perturbaci
on estoc
astica. En esta relaci
on estadstica se supone que las variables indepentes son ortogonales al termino de error. Este supuesto implica una relaci
on
causa-efecto: las variables independientes causan a la variable dependiente, pero los
cambios de la variable dependiente (en respuesta a los factores recogidos en el termino de error) no tiene efectos sobre las variables explicativas. Sin embargo, este tipo
de relaciones unidireccionales son raras en economa, porque las variables econ
omicas
estan interrelacionadas. Por ejemplo, la microeconoma nos dice que los precios y las
cantidades se determinan simult
aneamente (conjuntamente) en los mercados. Similarmente, la macroeconoma nos dice que la renta y el nivel de precios de una economa se
determinan simult
aneamente por la interacci
on de la oferta y demandas agregadas.
En este captulo extendemos el modelo lineal general considerando varias variables
dependientes interrelaccionadas que a su vez dependen de un conjunto de variables independientes. Cada variable dependiente tiene una ecuaci
on especca que expresa su
relacion con el resto de variables dependientes y con el conjunto de variables independientes. El sistema de ecuaciones se denomina modelo de ecuacioens simult
aneas.

13.1.

Forma estructural y forma reducida

Consideramos m variables interpedendientes o end

ogenas Y1t , Y2t , . . . , Ymt que a su
vez dependen de k variables independientes o exogenas X1t , X2t , . . . , Xkt , en donde el
ndice t tiene un rango de 1 a T . Para cada variable end
ogena Yjt (j = 1, . . . , m) podeon
mos especicar una ecuaci
on de regresi
on lineal que exprese Yjt como una combinaci
lineal de las restantes varibles end
ogenas y de las variables ex
ogenas. El sistema de ecuaciones resultante se denomina modelo de ecuaciones sismult
aneas y puede escribirse de
la siguiente forma

11 Y1t +12 Y2t + + 1m Ymt + 11 X1t + 12 X2t + + 1k Xkt = 1t

21 Y1t +22 Y2t + + 2m Ymt + 21 X1t + 22 X2t + + 2k Xkt = 2t

(13.1)
..

Y + Y + + Y + X + X + + X =
m1 1t

m2 2t

mm mt

m1

1t

m2

2t

mk

kt

mt

en donde ji (j = 1, . . . , m; i = 1, . . . , m) y jh (j = 1, . . . , m; h = 1, . . . , k) son
los coecientes de regresi
on y jt (j = 1, . . . , m; t = 1, . . . , T ) son las perturbaciones
estocasticas. Por conveniencia notacional hemos situado todas las variables en el lado
izquierdo de la ecuaci
on y las perturbaciones en el lado derecho, y permitimos que X1t
sea una variable de unos si se desea incluir un termino constante.
181

182

13.1. Forma estructural y forma reducida

n 93. El sistema de cuaciones 13.1 se dice que est

Definicio
a normalizado cuando
en cada ecuaci
on aparece una variable end
ogena con un coeciente unitiario.
Para la observaci
on t-esima, el sistema de ecuaciones (13.1) puede escribirse en forma
matricial como
(13.2)

Ayt + Bxt = t ,

t = 1, 2, . . . , T

en donde

Y1t

Y2t

yt = .
,
..

Ymt
 
m1

11

21
A=
..
.

12
22
..
.

...
...

m1 m2 . . .

mm

1m

2m
..
,
.

mk

X1t

X2t

xt = .
,
..

Xkt
 
k1

11

21
B=
..
.

Los supuestos b
asicos para el modelo (13.2) son:

1t

2t

t =
.. ,
.

12
22
..
.

mt
 
m1

...
...

m1 m2 . . .

mk

1k

2k
..
.
.

mk

1. A es una matriz no singular,

asticas, linealmente independientes y con
2. las variables exogenas xt son no estoc
momentos muestrales nitos, esto es,
T
1
xt xt = Q
T T

lm

t=1

es una matriz nita no singular de orden k k,

3. los vectores t se distribuyen independiente e indenticamente con una distribuci
on normal multivariante con vector de medias nulo y matriz de varianzas y
covarianzas , t iidN (0, ). Tambien se dice que t es un proceso de ruido
blanco vectorial porque cumple los supuestos
a) estacionariad en media, E(t ) = 0,
b) estacionariedad en varianza (homocedasticidad)

1t
11 12 . . . 1m



2t
21 22 . . . 2m

E(t t ) = E . 1t 2t . . . mt = .
..
..
= ,
.
.
.
.
.
.
mt

m1 m2 . . .

mk

c) y ausencia de autocorrelaci
on, E(t s ) = 0 t = s.

Observaci
on 78. Para las perturbaciones estoc
asticas de cada ecuaci
on j-esima,
asico de
jt (t = 1, . . . , T ), suponemos que se mantienen los supuestos del modelo cl
regresi
on: (1) media nula, E(jt ) = 0, (2) varianza constante (independiente de t),
2
on serial, E(jt jtk ) = 0 k = 0. Adem
as,
E(jt ) = jj , y (3) ausencia de correlaci
Prof. Dr. Jos
e Luis Gallego G
omez
Departamento de Economa. Universidad de Cantabria

Apuntes de Econometra. LADE y LE. Curso 2008-2009.

Material publicado bajo licencia Creative Commons

183

13. Modelos de ecuaciones simultaneas

permitimos que las perturbaciones de cada par de ecuaciones simult

aneas esten contempor
aneamentecorrelacionadas, E(it jt ) = ij (i, j = 1, . . . , m), pero eliminamos la
posibilidad de correlaci
on din
amica, E(it jtk ) = 0 k = 0.
Las T observaciones del modelo (13.2) pueden escribirse en forma matricial como



 

A y1 y2 . . . yT + B x1 x2 . . . xT = 1 2 . . . T

o bien
(13.3)

AY + BX = E

siendo

Y11

Y21
Y=
..
.
Ym1

Y12
Y22
..
.
Ym2

...
...
...


Y1T
Y2T
..
.
YmT

mT

X11

X21
X=
..
.
Xk1

X12
X22
..
.
Xk2

...
...
...


X1T
X2T
..
.
XmT

kT

11

21
E=
..
.
m1

12
22
..
.
m2

...
...
...


1T
2T
..
.
mT

mT

Observaci
on 79. En (13.3) hemos ordenado los datos de las variables end
ogenas en
las las de Y. Alternativamente podramos haber dispuesto estos datos en las columnas
de una matriz Y de orden T m. En este caso obtendramos una forma matricial que
sera la traspuesta de (13.3), Y A + X B = E .
n 94. Las ecuaciones (13.1), (13.2) y (13.3), que explicitamente expresan
Definicio
relaciones de simultaneidad entre las variables end
ogenas, consituyen la forma estructural
del modelo de ecuaciones simult
aneas.
Resolviendo el sistema de ecuaciones simult
aneas (13.1) para las m variables end
ogenas,
podemos expresar cada variable end
ogena u
nicamente en terminos de variables ex
ogenas

Y1t =11 X1t + 12 X2t + + 1k Xkt + u1t

Y2t =21 X1t + 22 X2t + + 2k Xkt + u2t

(13.4)
..

Y = X + X + + X + u
mt

m1

1t

m2

2t

mk

kt

mt

Para la observaci
on t-esima, podemos escribir (13.4) como
yt = xt + ut ,

(13.5)

t = 1, 2, . . . , T

que puede tambien obtenerse premultiplicando (13.2) por A1 , de manera que

=
 

(mk)

1
A
 B

y ut = A1 t

(mm)(mk)

Ahora es claro que el vector de perturbaciones ut = A1 t tiene las propiedades

1.
2.
3.
4.

E(ut ) = E(A1 t ) = 0,
E(ut ut ) = E(A1 t t A 1 ) = A1 A 1 = ,
E(ut us ) = E(A1 t s A 1 ) = 0,
ut iidN (0, ).

Prof. Dr. Jos

e Luis Gallego G
omez
Departamento de Economa. Universidad de Cantabria

Apuntes de Econometra. LADE y LE. Curso 2008-2009.

Material publicado bajo licencia Creative Commons

184

13.1. Forma estructural y forma reducida

Las T observaciones en (13.5) pueden escribirse de forma matricial como

(13.6)

Y = X + U

que puede tambien obtenerse premultiplicando (13.3) por A1 , siendo U = A1 E.

n 95. Las ecuaciones (13.4), (13.5) y (13.6), que esconden las relaciones
Definicio
de simultaneidad en la matriz de varianzas y covarianzas de las perturbaciones, son tres
ult
aneas.
representaciones alternativas de la forma reducida del modelo de ecuaciones sim
Las ecuaciones (13.4), (13.5) y (13.6) son la extensi
on multivariante del modelo
lineal general. El estudio del modelo lineal general multiecuacional va m
as all
a del alcance de este curso. Sin embargo, muchos de los resultados establecidos para el modelo
uniecuacional se extienden f
acilmente al modelo multiecuacional.
n 115. El estimador de mnimos cuadrados de la matriz de coecientes
Proposicio
y de la matriz de coraviazas de la forma reducidad son
 T
 T
1
T




= 1
= YX (XX ) =
yt xt
xt xt
y
u
t u
t

T k
t=1

t=1

t=1

Ejemplo 24. Consideremos el modelo de oferta y demanda

qtd =a1 + a2 pt + a3 rt + 1t
qts =b1 + b2 pt + 2t
qtd =qts
en donde qtd es la cantidad de un bien que desan comprar los consumidores, qts es la
cantidad de ese mismo bien que desean vender los productores, pt es el precio del bien,
asticas que
rt es la renta de los consumidores, 1t y 2t son las perturbaciones estoc
transforman el modelo microecon
omico de oferta y demanda en un modelo econometrico.
on de equilibrio qtd = qts determina la cantidad
Esperamos que a2 < 0 y b2 > 0. La condici
vendida y comprada en el mercado y el precio de mercado. De aqu, las variables qt y
ogeneas) en el modelo, mientras que la
pt se determian conjuntamente (variables end
ogenas). Utilizando la notaci
on
variable rt se determina fuera del modelo (variable ex
dada para la forma estructural, podemos escribir el modelo de oferta y demanda como

  
   
1 12
qt
1
11 12
1t
(13.7)
+
=
21 1
pt
21 0
rt
2t
Resolviendo el sistema para qt y pt , obtenemos la forma reducida
   
  
11 12
1
u1t
qt
=
=
pt
21 22
u2t
rt
en donde
11 12 22
,
1 12 21
21 21 11
=
,
1 12 21

12
,
1 12 21
21 12
=
,
1 12 21

11 =

12 =

21

22

1t 12 2t
,
1 12 21
2t 21 1t
.
u2t =
1 12 21

u1t =

Conviene notar que en la forma estructural propuesta hemos jado la cantidad demandada como la variable dependiente en la ecuaci
on de demanda y el precio como la variable
Prof. Dr. Jos
e Luis Gallego G
omez
Departamento de Economa. Universidad de Cantabria

Apuntes de Econometra. LADE y LE. Curso 2008-2009.

Material publicado bajo licencia Creative Commons

185

13. Modelos de ecuaciones simultaneas

dependiente en la ecuaci
on de oferta. Esta elecci
on es arbitraria y podemos alternativamente considerar que el precio es la variable dependiente en la ecuaci
on de demanda y
la cantidad vendida es la variable dependiente en la ecuaci
on de oferta
  
   


1 12
pt
1
12
11
1t
+
=

qt
21
0
rt
2t
21 1
que equivale a multiplicar las ecuaciones de demanda y oferta en (13.7) por 1/12 y
1/21 , respectivamente.
13.2.

El problema de la identicaci
on

n 96. Un par
Definicio
ametro de un modelo est
a identicado si su valor puede
deducirse del conocimiento de la funci
on de verosimilitud.
n 116. Los par
Proposicio
ametros de la forma reducida est
an identicados.
n. La distribuci
Demostracio
on normal multivariante est
a completamente caracterizada por los dos primeros momentos (vector de medias y matriz de varianzas y covarianzas). De aqu, la forma reducida (13.6) caracteriza completamente la distribuci
on
de Y, cuyos dos primeros momentos son
E(Y) = X

V(y) =

y su funci
on de densidad conjuta es
T

p(Y) = (2)mT /2 ||T /2 exp(

1
(yt xt ) 1 (yt xt ))
2 t=1

que nos permite encontrar los estimadores de m

axima verosimilitud
 T
 T
1
T


1

xt xt
= YX (X X)
y =
=
yt xt
u
t u
t
T
t=1

t=1

t=1

Corolario 12. Un par

ametro de la forma estructural est
a identicado si su valor
puede deducirse de los par
ametros de la forma reducida.
n 97. La tripleta (A, B, ) se denomina estructura del modelo (13.3).
Definicio
n 98. Dos estructuras (A, B, ) y (A , B , ) son observacionalmente
Definicio
equivalentes o indistinguibles si conducen a la misma forma reducida.
n 99. Una estructura (A, B, ) es identicable si no existe otra estructura
Definicio
(A , B , ) indistinguible de (A, B, ).
n 117. Si no se imponen restricciones sobre la estructura (A, B, ),
Proposicio
ninguno de los par
ametros estructurales est
a identicado.
n. Premultiplicando (13.3) por una matriz no singular P = I, obtenDemostracio
emos la forma estructural
PAY + PBX = PE
Prof. Dr. Jos
e Luis Gallego G
omez
Departamento de Economa. Universidad de Cantabria

Apuntes de Econometra. LADE y LE. Curso 2008-2009.

Material publicado bajo licencia Creative Commons

186

13.3. Condiciones de orden y rango

cuya forma reducida es

Y = A1 P1 PBX = P1 PE = X + U
De aqu, las estructuras (A, B, ) y (PA, PB, P) son indistinguibles.

La demostraci
on anterior nos sugiere un interpretaci
on intuitiva del problema de
identicaci
on. Una ecuaci
on estructural es identicable si no existe ninguna combinaci
on
lineal de ecuaciones estructurales que sea indistinguible de ella. Ahora bien, en (13.1)
todas las ecuaciones incluyen las mismas variables end
ogenas y ex
ogenas, por tanto, no
podemos distinguir ninguna ecuaci
on de las otras ni de cualquier combinaci
on lineal de
todas ellas. De aqu, al estimar una ecuaci
on estructural no sabemos si realmente estamos
estimando los par
ametros de interes (A, B, ) o, por el contrario, una combiaci
on lineal
de parametros estructurales (PA, PB, P). Veamos un ejemplo.
Ejemplo 25. En el modelo de oferta y demanda (24), la combinanci
on lineal 1 qtq +
on de equilibrio qtq = qts , proporciona una ecuaci
on
2 qtd (1 + 2 = 1) junto con la ecuaci
qt = (1 a1 + 2 b1 ) + (1 a2 + 2 b2 )pt + (1 a3 + 2 b3 )rt + (1 1t + 2 2t )
que es indistinguible de la ecuaci
on de demanda. De aqu, en la regresi
on qt sobre 1, pt
y rt no sabemos si estamos estimando la ecuaci
on de demanda
qt = a1 + a2 pt + a3 rt + 1t
o una combinaci
on lineal de las ecuaciones de demanda y oferta. En cambio, no existe
una combinaci
on lineal de las ecuaciones de oferta y demanda que sea indistinguible de
la ecuaci
on de oferta. Esto sucede porque hemos impuesto una restricci
on: la variable rt
no aparece en la ecuaci
on de oferta. Si incluimos rt en la ecuaci
on de oferta, entonces
est
a ecuaci
on tampoco es identicable.

13.3.

Condiciones de orden y rango

Si el problema de identicaci
on surge porque todas las ecuaciones estructurales incluyen las mismas variables, entonces una forma de resolver el problema es omitir algunas
variables en (13.1) jando algunos de los par
ametros estructurales ji y ji en cero. Este
tipo de restricciones se denominan restricciones de exclusi
on.
n 118. Condici
Proposicio
on de orden. Una condici
on necesaria para que una
ecuaci
on estructural sea identicable es que el n
umero de varibles ex
ogenas exluidas sea
mayor o igual al n
umero de end
ogenas incluidas menos uno.
n 119. Condici
Proposicio
on de rango. Una condici
on necesaria y suciente para
que una ecuaci
on sea identicable es que el rango de la matriz G sea igual a m 1, en
donde la matriz G est
a formada por los par
ametros que las variables excluidas en dicha
ecuaci
on tienen asociados en las restantes ecuaciones.
Sin perdida de generalidad nos centramos en la identicaci
on de la primera ecuaci
on
estructural y ordenamos las variables end
ogenas y exogenas de tal modo que podemos
Prof. Dr. Jos
e Luis Gallego G
omez
Departamento de Economa. Universidad de Cantabria

Apuntes de Econometra. LADE y LE. Curso 2008-2009.

Material publicado bajo licencia Creative Commons

187

13. Modelos de ecuaciones simultaneas

particionar (13.2) como



a11 a12 a13

A21 A22 A23

   

Y1t
b
x1t
b
1t

11
12
=
y1t +
B21 B22
x2t
2t

 y2t

    
 
xt
t
B

yt

on,
en donde hemos particionado el vector Yt para resaltar que, en la primera ecuaci
ogenas y2t ,
Y1t es la variable a explicar, a11 = 1, la cual depende de m2 variables end
alogamente, hemos
ogenas y3t , a13 = 01m3 . An
pero no depende de las m3 variables end
particionado el vector Xt para indicar que Y1t depende de k1 variables exogenas x1t ,
pero no depende de las k2 variables ex
ogenas x2t , b12 = 01k2 . Obviamente, se cumple
on A = B como
que 1 + m2 + m3 = m y k1 + k2 = k. De aqu, particionamos la relaci

 11 12



0
b11
0
1
a12

21 22 =
B21 B22
A21 A22 A23
31 32
de donde obtenemos las relaciones que podemos usar para determinar la identicabilidad
de la primera ecuaci
on estructural

11 + a12 21 =b11
11 + a12 22 =0

Las k1 primeras ecuaciones a11 11 = b11 nos permiten obtener b11 a partir de a12 . De
ltimas ecuaciones a12 22 = 11 podremos obtener los m2 coecientes a12 de
las k2 u
on de orden, que asegura que
las endogenas si k2 > m2 . Esta es precisamente la condici
tenemos al menos tantas ecuaciones como incognitas. Ahora bien, esta condici
on no es
suciente para que exista soluci
on, necesitamos m2 ecuaciones linealmente independientes para determinar m2 incognitas. De aqu, el rango de la submatriz 22 tiene que
ser igual a m2 , (22 ) = m2 .
on
Para evitar el c
alculo de la matriz 22 , es conveniente notar la siguiente relaci
(22 ) = (G) m3
en donde la matriz G = (A23 B22 ) se obtiene de un modo inmediato a partir de la forma
estructural.
n 100. De las condiciones de orden y rango extraemos las siguientes conDefinicio
clusiones:
1. si k2 > m2 y (A22 B22 ) = m 1, la ecuaci
on est
a sobreidenticada.
on est
a ex
actamente identicada.
2. si k2 = m2 y (A22 B22 ) = m 1, la ecuaci
on est
a subidenticada.
3. si k2 < m2 , la ecuaci
Ejemplo 26. Consideremos el modelo de oferta y demanda
qt =a1 + a2 pt + a3 rt + 1t
qt =b1 + b2 pt + 2t

demanda

oferta

Las variables end

ogenas y ex
ogenas del modelo son (qt , pt ) y (1, rt ). En la primera
ecuaci
on, no se excluye ningua variable; por tanto, no se cumple la condici
on de orden y
la ecuaci
on est
a subidenticada. En la segunda ecuaci
on se excluye la variable ex
ogena
Prof. Dr. Jos
e Luis Gallego G
omez
Departamento de Economa. Universidad de Cantabria

Apuntes de Econometra. LADE y LE. Curso 2008-2009.

Material publicado bajo licencia Creative Commons

188

13.4. Metodos de estimacion

rt ; por tanto, se cumple la condici

on de orden k2 = m1 2 = 1. En cuanto a la condici
on
de orden, la matriz G = (a3 ), cumpliendose que (G) = m 1 = 1. Concluimos que la
ecuaci
on de demanda est
a ex
actamente identicada.
Si modicamos el modelo incluyendo una variable en la ecuaci
on de oferta
qt =a1 + a2 pt + a3 rt + 1t
qt =b1 + b2 pt + b3 pt1 2t

demanda
oferta

entonces ambas ecuaciones est

an exactamente identicadas.
Ejemplo 27. Consideremos el siguiente modelo macroecon
omico
Ct =0 + 1 Yt + 1t
It =0 + 1 Yt + 2 Gt1 + 2t
Yt =Ct + It + Gt
en donde (Ct , It , Yt ) son las variables end
ogenas y (Gt , Gt1 ) son las variables
ex
ogenas. Sustituendo la identidad en las ecuaciones de Ct e It tenemos
Ct =a0 + a1 It + a2 Gt + 1t
It =b0 + b1 Ct + b2 Gt + b3 Gt1 + 2t
en donde, siguiendo un razonamiento similar al del modelo de oferta y demanda, concluimos que la ecuaci
on de consumo est
a exactamente identicada, mientras que la de
inversi
on est
a subidenticada.
13.4.

M
etodos de estimaci
on

En la estimaci
on de un modelo de ecuaciones simult
aneas podemos seguir dos estrategias: (1) estimar separadamente cada ecuaci
on del sistema y (2) estimar conjuntamente
todas las ecuaciones del sistema.
13.4.1. Estimaci
on individual de ecuaciones. Cada variable end
ogena yj (j =
1, . . . , m) puede expresarse como una combinaci
on lineal de las restantes variables
endogenas y de las variables exogenas m
as una perturbaci
on estoc
astica estoc
astica
(13.8)

yj = Yj j + X j + j

en donde yj es la j-esima la de Y, Yj es la submatriz resultante de eliminar la j-esima

la de Y, X es la matriz k T de variables ex
ogenas, y j es j-esima la de E.
n 120. El modelo lineal general (13.8) presenta endogeneidad
Proposicio
plim

1
Yj j = A1
j j = 0
T

esima de A1
en donde A1
j es la submatriz resultante de eliminar la la j-
j E y j es la
j-esima columna de .
n. Eliminando la la j-esima de la forma reducida
Demostracio
Y = A1 BX + A1 E
obtenemos
1
Yj = A1
j BX + Aj E
Prof. Dr. Jos
e Luis Gallego G
omez
Departamento de Economa. Universidad de Cantabria

Apuntes de Econometra. LADE y LE. Curso 2008-2009.

Material publicado bajo licencia Creative Commons

189

13. Modelos de ecuaciones simultaneas

Vemos que Yj es una transformaci

on lineal de todas las perturbaciones de la forma
estructural. De aqu,
plim

1
1
1 1
Yj j = plim A1
A Ej
j BXj + plim
T
T
T j
Xj
Ej
+ A1
= A1
j plim
j B plim
T
T
T

t=1 1t jt

plim

1j
T T

plim t=1 2t jt

= A1 .2j
=0 + A1
T
j
j .

..

.
.

T

mj
mt jt
plim t=1
T

13.4.1.1. Mnimos cuadrados ordinarios. Dada la sencillez y amplia disponibilidad

en paquetes estadsticos de este metodo de estimaci
on, es siempre una tentaci
on el
estimar las ecuaciones por mnimos cuadrados ordinarios. Sin embargo, este estimador
no tiene propiedades deseables en este contexto.
n 121. Los estimadores de mnimos cuadrados
Proposicio

j = (Yj MX Yj )1 Yj MX yj

j = (XMj X )1 XMj yj

son inconsistentes, en donde MX = IT X (XX )1 X y Mj = IT Yj (Yj Yj )1 Yj .

n. Notando que
Demostracio

j = j + (Yj MX Yj )1 Yj MX j
j = j + (XMj X )1 XMj j
es facil comprobar que
plim

Yj MX j
= A1
j j = 0 y
T

plim

Mj j
= 0
T

13.4.1.2. Mnimos cuadrados indirectos. Si las variables ex

ogenas son jas, la forma reducida cumple los supuestos b
asicos del modelo cl
asico. En este caso, el estimador
de mnimos cuadrados ordinarios
= YX (XX )1
es consistente.
n 101. El estimador de mnimos cuadrados indirectos de
Definicio
j y j se obtiene
resolviendo el sistema de ecuaciones


= j
1
j

en donde (1
j ) es la j-esima la de A y j es la j-esima la de B cambiada de
signo.

n 122. El estimador de mnimos cuadrados indirectos es consistente si

Proposicio
la ecuaci
on est
a exactamente identicada.
Prof. Dr. Jos
e Luis Gallego G
omez
Departamento de Economa. Universidad de Cantabria

Apuntes de Econometra. LADE y LE. Curso 2008-2009.

Material publicado bajo licencia Creative Commons

190

13.4. Metodos de estimacion

13.4.2. Mnimos cuadrados en dos etapas. Como su nombre indica, este

metodo proporciona estimaciones de los par
ametros de (13.8) siguiendo un procedimiento en dos etapas. En la primera etapa, se realiza la regresi
on de las variables end
ogenas
explicativas Yj sobre todas las variables ex
ogenas del modelo X, y se obtiene la ma
triz (m 1 T ) de valores ajustados Yj = Yj X (XX )1 X y la matriz de residuos
j . En la segunda etapa, se estima la ecuaci
j = Yj Y
on de regresion
V
j j + X j + ej
yj = Y
j +V
j en (13.8), siendo ej = j + V
j.
que se obtiene sustituyendo la identidad Yj = Y
j
n 123. Los estimadores de mnimos cuadrados en dos etapas
Proposicio
j MX Y
j )1 Y
j MX yj

j = (Y

j X )1 XM
j yj
j = (XM

)1 Y
j.
j = IT Y
(Y
jY
son consistentes, M
j
j
n. Los estimadores s
Demostracio
olo dependen de variables exogenas.

n 124. El estimador de mnimos cuadrados es un estimador de variables

Proposicio
j como instrumentos de Yj y Xj como instrumentos de Xj .
instrumentales que usa Y
n 125. Si la ecuaci
Proposicio
on est
a exactamente identica, el estimador de mnimos cuadrados en dos etapas es equivalente al de mnimos cuadrados indirectos.
n 126. El estimador correcto de la varianza de la perturbaci
Proposicio
on
2

jj
=

1
(yj Yj
j X j ) (yj Yj
j Xj )
T

es consistente.

n 102. El estimador de la clase k remplaza la matriz Y por Y kV.

Definicio

Prof. Dr. Jos

e Luis Gallego G
omez
Departamento de Economa. Universidad de Cantabria

Apuntes de Econometra. LADE y LE. Curso 2008-2009.

Material publicado bajo licencia Creative Commons