Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema13 PDF
Tema13 PDF
13.1.
(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
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
lm
t=1
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
183
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
(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
(mk)
1
A
B
y ut = A1 t
(mm)(mk)
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, ).
184
Y = X + U
= 1
= YX (XX ) =
yt xt
xt xt
y
u
t u
t
T k
t=1
t=1
t=1
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
185
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
1
(yt xt ) 1 (yt xt ))
2 t=1
xt xt
= YX (X X)
y =
=
yt xt
u
t u
t
T
t=1
t=1
t=1
186
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.
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
187
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
188
demanda
oferta
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
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
189
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
j = (Yj MX Yj )1 Yj MX yj
j = (XMj X )1 XMj yj
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
en donde (1
j ) es la j-esima la de A y j es la j-esima la de B cambiada de
signo.
190
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.
jj
=
1
(yj Yj
j X j ) (yj Yj
j Xj )
T
es consistente.