Apuntes de Teora Economtrica I.

Profesor: Viviana Fernndez

MODELOS CON VARIABLES REZAGADAS I CONCEPTOS BASICOS Un modelo con rezagos distribuidos toma la forma general: Yt = + i X t i + u t
i =0

(1)

Bajo dicho modelo, un cambio de un perodo en Xt, en cualquier punto del tiempo, afectar a E(Ys|X), en cada perodo subsiguiente. Por ejemplo, supongamos s=t+1: E (Yt +1 X) = + i X t +1i = + 0 X t +1 + 1 X t + 2 X t 1 + ....
i =0

(2)

con lo cual,

E(Yt +1 | X) = 1 . X t

Supongamos un estado estacionario (steady-state), donde E(Yt|X)= Y y el nivel de X ha permanecido constante por muchos perodos en X . Entonces: Y=+ X i i=0 donde (3)

i =0

< , a fin de Y sea finito.

Multiplicadores: Se define 0 como el multiplicador de corto plazo y i como el multiplicador de equilibrio o de largo plazo.
i =0

Apuntes de Teora Economtrica I. Profesor: Viviana Fernndez

Ejemplo Supongamos que X presenta el precio e Y la cantidad demandada de un bien, y que nos encontramos en un estado estacionario (X 0 , Y0 ) . Al aumentar el precio de X 0 a X1 , pasamos a un nuevo estado estacionario, con una menor cantidad demandada Y1 :
Cantidad Demandada

Y0
1 2

i
i =0

Y1

Tiempo

1.1

Modelo No Restringido con un Nmero de Rezagos Finitos Un modelo no restringido toma la forma: Yt = + i X t i + u t
i =0 q

(4)

Si q es conocido y se satisfacen todos los supuestos del modelo lineal clsico, entonces la ecuacin (4) es un modelo de regresin clsico. En la prctica, sin embargo, q es desconocido. Una forma de encontrar el q apropiado es a travs del R2 ajustado, R 2 . Es decir, se escoge aquel q que maximice R 2 . Otra medida alternativa, comnmente utilizada, es el Criterio de Informacin de Akaike (AIC):

Apuntes de Teora Economtrica I. Profesor: Viviana Fernndez

'u 2q u AIC(q ) = ln + T T es el error estimado y T es el tamao de la muestra. donde u

(5)

Si algn Q es conocido, tal que Qq, escogemos aquel q que minimice AIC(q). El criterio de informacin de Akaike sigue la misma lgica del R 2 , esto es, premia un buen ajuste pero penaliza la prdida de grados de libertad sufrida al agregar un mayor nmero de regresores. Una alternativa a las anteriores es utilizar test F secuenciales sobre los Qq ltimos parmetros. El nmero ptimo de rezagos es aquel para el cual se rechaza la hiptesis nula de que los Qq ltimos parmetros son cero en conjunto. 1.2 Modelos con Rezagos Distribuidos Polinomiales

En algunos casos, el modelo contiene un nmero de rezagos muy grande. Un problema que ello puede traer es la existencia de multicolinealidad. En tales casos, es necesario imponer alguna estructura sobre la distribucin de rezagos, a fin de reducir el nmero de parmetros a ser estimado. Un modelo popular en la literatura es el de los rezagos distribuidos polinomiales de Almon. Este se basa en el supuesto de que el coeficiente del i-avo rezago se puede aproximar por un polinomio de un orden relativamente bajo: i = 0 + 1 i+ 2 i2 +...+ p ip i=0, 1, 2, ..., q >p (5)

Generalmente, se escoge p=3 4, como mximo. Supongamos primero, por simplicidad, que tanto p y q son conocidos. De acuerdo a la ecuacin (5) y despus de re-agrupar trminos, el modelo Yt = + i X t i + u t puede ser expresado como:
i =0 q

Apuntes de Teora Economtrica I. Profesor: Viviana Fernndez

Rezago 0 1 2 3 4

Yt = + 0 (Xt + Xt1 + Xt2 +...+Xtq)+1 (Xt1+2Xt2+3Xt3 +... +qXtq) ...+p (Xt1+2pXt2+3p Xt3 +...+qp Xtq) + ut + 0 Zt0 +1 Zt1+...+p Ztp + ut donde Zt p = Xt1+2pXt2+3p Xt3 +...+qp Xtq Para t=q+1, ..., T se tiene: X q +1 X q+ 2 X* = ... XT Entonces, Z q +1 0 Zq+2 0 Z= ... Z T0 Z q +11 ... Z q +1 p Z q + 2 1 ... Z q + 2 p = X *H ... ... ... Z T1 ... Z Tp (T q ) x ( p +1) Xq X q +1 ... X T 1 ... ... X1 X2 ... ... ... X T q ( T q ) x (q +1) p1, t=q+1, ..., T (6)

Apuntes de Teora Economtrica I. Profesor: Viviana Fernndez

1 1 donde H = 1 ... 1

0 1 2 ... q

0 1 4 ... q
2

... ... ... ... ...

0 1 2p ... qp

Entonces, en trminos matriciales el modelo puede ser expresado como: Y=+Z+u 1 1 donde = ... 1 ( T q ) x1 0 1 = ... p (7)

Asumiendo que u satisface todos los supuestos del modelo lineal clsico, se tiene que: = (Z ' M Z) 1 (Z' M Y ) 1 1 donde M 1 = I T q (' ) 1 ' 0 1 ... i p 2 ... p (8)

Notemos que i = 1 i i 2

i=0, ..., q

0 1 1 1 = 2 = 1 ... ... 1 q

0 1 2

0 1 4

... ... ... ... ...

... ... q q2

0 0 1 1 2 p 2 = H ... ... qp p

Apuntes de Teora Economtrica I. Profesor: Viviana Fernndez

En consecuencia, =H ) = H Var ( )H' = 2 H( Z' M1Z) 1 H ' Var ( )' ( Y ) Z Z (Y = donde T q ( p + 2)

2

(9) (10)

v Cmo Determinar el Grado del Polinomio? Si el nmero de rezagos, q , es conocido, entonces podemos contrastar un polinomio de grado p con otro de grado p* mediante un test F: F( p p, T q p 2) =
* *

p'u p u p* ' u p* ) /( p * p) (u p* ' u p* /( T q p* 2) u

(11)

Se sugiere empezar con p* = q. El grado apropiado es aquel p mnimo para el cual el estadgrafo en (10) no supera al valor crtico de la tabla F con (p*p, Tqp*2) grados de libertad, para un cierto nivel de significancia1. v Cmo Determinar el Largo del Rezago? Una va es determinar en primer trmino q utilizando como criterio el R 2 o AIC(q), y despus determinar el grado del polinomio con el criterio antes sealado. Sin embargo, tal procedimiento secuencial no est libre de potenciales errores.

Dado que los tests son secuenciales, en cada etapa existe la probabilidad de cometer el error tipo II (no rechazar H0 cuando sta es falsa). Por lo tanto, se ha sugerido utilizar un nivel de significancia corregido. Especficamente, si estamos en la etapa j, entonces deber usarse un nivel de significancia, j=(1-)j, donde es el nivel de significancia originalmente escogido.

Apuntes de Teora Economtrica I. Profesor: Viviana Fernndez

1.3

Modelos con Rezagos Geomtricos

Este modeloque se debe a Koyckes uno de los ms populares en la literatura de modelos de rezagos distribuidos. Este asume que: i = (1)i Grficamente, se tiene que: i 0<1 (12)

Rezago 0 1 2 3 4

Esto es, la importancia de los rezagos declina geomtricamente en el tiempo. Se tiene que el multiplicador de corto plazo viene dado por 0=(1), y el de largo plazo por
i=0

i = (1 ) i = .
i =0

Operador de Rezagos: Se define el operador de rezagos como: Lp Xt = Xtp Por ejemplo, LXt=Xt1, L2Xt=L(LXt)=L(Xt1)=Xt2, etc. Por convencin, se define L0Xt = Xt.

Apuntes de Teora Economtrica I. Profesor: Viviana Fernndez

1.3.1 Ejemplos de Modelos Econmicos con Rezagos Geomtricos a) Modelo de Expectativas Adaptativas Yt = +Xt*+ ut donde el mecanismo de expectativas viene dado por: Xt* Xt1* = (1) (Xt Xt1*) donde Xt es la observacin corriente de X. La ecuacin (13) se puede re-escribir como: Xt* =Xt1* + (1) Xt (15) (14) (13)

Es decir, el valor esperado en t de X es un promedio ponderado de la expectativa del perodo pasado y del valor corriente de X. Haciendo uso del operador de rezagos, la ecuacin (15) puede escribirse como: Xt* =LXt* + (1) Xt esto es, X * t = (1 ) Xt. 1 L 1 = 1 + L + 2 L2 + ... 1 L

Dado que 0<1,

Xt* =(1)(Xt +Xt1 + 2Xt2 +...) Despus de insertar Xt* en la ecuacin (13), se tiene que: Yt = + (1 ) i X t i + u t
i =0

(16)

Esta es la llamada representacin del promedio mvil (MA) del modelo de expectativas adaptivas.

Apuntes de Teora Economtrica I. Profesor: Viviana Fernndez

Otra representacin alternativa es la del proceso autorregresivo (AR):

1 Yt = + X t + u t 1 L
esto es, (1L)Yt = +(1)Xt + (1L)ut Yt = (1) + Yt1 +(1)Xt + ut ut1 b) Modelo de Ajuste Parcial Yt* = + Xt (18) (17)

describe el nivel deseado de Yt. Por ejemplo, el nivel de inventario ptimo como una funcin de las ventas efectivas en t. El ajuste del perodo actual es una proporcin de la diferencia entre el nivel deseado este perodo y el nivel observado el perodo anterior, ms un cierto error aleatorio: Yt Yt1 = (1)(YtYt1) + ut Es decir, Yt = (1)Yt* + Yt1 Si substituimos (18) en (19), tenemos que: Yt = (1) + Yt1 +(1) Xt + ut (20) (19)

la cual es la representacin AR del modelo de ajuste parcial. El modelo de ajuste parcial tambin admite una representacin de promedio mvil: Yt (1L)= (1) + (1) Xt + ut esto es, Yt = ut (1 ) (1 ) + Xt + 1 L 1 L 1 L

Apuntes de Teora Economtrica I. Profesor: Viviana Fernndez

10

Pero, dado que 0<1,

1 = 1 + L + 2 L2 + ... Entonces: 1 L

(1 ) (1 ) = (1 )(1 + L + 2 L2 + ...) = (1 )(1 + + 2 + ...) = = 1 L 1

(1 ) X t = (1 )(1 + L + 2 L2 + ...)X t = (1 ) i X t i 1 L i =0 ut 2 2 = (1 + L + L + ...)u t = i u t i 1 L i =0

Con ello, Yt = + (1 ) X t i + i u t i
i i =0 i =0

La expresin anterior se puede simplificar notando que el promedio mvil infinito correspondiente al error se puede describir como: t = t1 + ut Con ello, t =

(1L)t = ut

i =0

i u t i

De lo anterior, la representacin de MA() viene dada por: Yt = + (1 ) i X t i + t

i =0

t = t 1 + u t

(21)

II ESTIMACION DE MODELOS CON REZAGOS GEOMETRICOS Nos concentraremos nicamente en la estimacin de la representacin autorregresiva (AR) del modelo de rezagos geomtricos: Yt = (1) + Yt1 +(1) Xt + ut

Apuntes de Teora Economtrica I. Profesor: Viviana Fernndez

11

Bajo la representacin AR hay dos casos a ser analizados. El primer caso es aquel en el cual el error del modelo, ut, es bien comportado. En tal circunstancia, MICO proporciona estimadores consistentes (aunque sesgados en muestras pequeas). El segundo caso es aquel en el cual el error es autocorrelacionado. Bajo dicho escenario, MICO es inconsistente porque el error est correlacionado con uno de los regresores del modelo: Yt1. Por lo tanto, se requiere de un mtodo alternativo de estimacin, tal como variables instrumentales. La discusin correspondiente a la estimacin de la representacin de promedio mvil infinito se encuentra en Greene, captulo 19. 2.1 Errores No Correlacionados

Sea zs=(1 Ys1 Xs) el vector de regresores correspondiente a la observacin s-ava, Z la matriz que recoge los vectores z1, z2,..., zs, ..., zT, y u el vector columna cuyos elementos son u1, u2, ..., ut, ..., uT. MICO sera insesgado siempre y cuando E(zsut)=0, t, s. Sin embargo, ello no cumple porque, por ejemplo, E(z3u2)=E(Y2u2)0. En muestras grandes, sin embargo, se tiene que: T ut t =2 E( u t ) 1 1 T plim Z' u = plim Yt 1u t = E( Yt 1u t ) = 0 T T t =2 E( X u ) T t t X u t t t =2 Por lo tanto, siempre y cuando, plim

(22)

1 T z s z s ' =Q, matriz positiva T s=1 definida e invertible, tendremos que MICO es consistente.

Apuntes de Teora Economtrica I. Profesor: Viviana Fernndez

12

2.2

Errores Correlacionados Supongamos que: Yt = (1) + Yt1 +(1) Xt + ut ut = ut1 + t

En este caso MICO no es slo sesgado en muestras pequeas, sino tambin inconsistente: T ut E( u t ) t =2 0 T 1 1 plim Z' u = plim Yt 1u t = E( Yt 1u t ) = E( Yt 1u t 1 ) 0 T T t =2 E( X u ) E( X u ) T t t t t Xtut t =2 Sea W la matriz de instrumentos. Deseamos que plim plim 1 W ' u = 0 y que T

1 W ' Z 0 . En este caso, la constante y la variable Xt sirven de T instrumentos de s mismos. Dado que Xt1 no est correlacionada con ut pero s lo est con Yt1, sirve de instrumento para Yt1. Sea, entonces, W=( X X1). El estimador de variables instrumentales vendr dado por: = ( W ' Z) 1 Z' Y VI Z ' W Z ' Z W ' Z d ) T ( N (0 , 2 ) VI u plim T T T
1 1

donde