CAPTULO 4: MODELACIN ECONMICA

El fundamento terico de las ecuaciones de exportacin e importacin se Modelo de "sustituto

imperfecto" (Goldstein y Khan (1985)). Este modelo se basa en La simple observacin de que

los bienes importados son sustitutos imperfectos de los Y que las mercancas exportadas son

substitutos imperfectos de los productos de otros pases, Productos nacionales o para las

exportaciones de terceros pases. Las funciones de demanda Puede ser pensado como derivado

de un problema de maximizacin de la utilidad del consumidor. Se supone que el consumidor

maximiza la utilidad sujeto a una restriccin presupuestaria lado de la demanda. La funcin de

demanda resultante para las importaciones depende Nacional y negativamente sobre el precio

relativo de los bienes importados frente a Bienes nacionales. En el lado de la oferta, se supone

que el productor maximiza los beneficios Sujeto a una restriccin de costos. Esto produce una

funcin de oferta de exportacin que depende Positivamente en la capacidad productiva y los

precios de exportacin, y negativamente Costes.

Siguiendo el modelo de Goldstein y Khan (1985), consideramos lo siguiente especificaciones

para la demanda de importacin y el suministro de exportacin:

(1) = (, / )

(2) = (, / )

Donde RM es la cantidad real de importaciones, es la cantidad real de exportaciones, Y es el

ingreso interno real o una variable que representa la capacidad productiva, ), y son el

precio interno, el precio de importacin y el precio de exportacin, respectivamente. El uso de la

relacin de precios relativos, en lugar de dos trminos de precio separados, deriva de la

suposicin de homogeneidad y tambin reduce convenientemente la colinealidad que puede

producirse entre los trminos de precio.

La implementacin emprica de (1) y (2) requiere decisiones con respecto a la forma funcional y

las decisiones variables. Utilizamos el Producto Interno Bruto (PIB) como una variable que

representa el ingreso interno y la capacidad productiva y el Tipo de Cambio Real () como

una variable que representa la relacin de precios relativos.

En este estudio se utilizan dos ndices de tipo de cambio efectivo real. El primer tipo de cambio

efectivo se calcula utilizando la definicin 1 = . para las exportaciones y el segundo se

.
calcula utilizando la definicin 2 = para las importaciones. En estas definiciones, Pf

indica los precios extranjeros, Pd indica los precios internos ye indica el precio en moneda

nacional de las divisas. Si asumimos el trueque en el comercio internacional, es decir,

adquiriendo bienes por medio de intercambio con otros bienes, ms que con dinero; En el caso

de que Turqua exporta a EE.UU., 1 implica la cantidad de mercancas de los Estados

Unidos que una empresa de EE.UU. tiene que dar a cambio de productos turcos y en el caso de

las exportaciones de EE.UU. a Turqua, 2 implica la cantidad de bienes turcos que una

empresa en Turqua tiene Para dar a cambio de los bienes de EE.UU. Por lo tanto, debera ser

ms significativo utilizar 1 para las exportaciones y 2 para las importaciones.

No hay criterios claros que se puedan confiar en elegir una forma funcional. La opcin de la

forma se basa generalmente en consideraciones prcticas e intuicin. Para las ecuaciones de

demanda de exportacin y de importacin, utilizamos la especificacin estndar de log-log.

Despus de la linealizacin, las ecuaciones de la demanda de importacin y la oferta de

exportacin son:

(3) = 0 + 1 + 2 2 +

(4) = 0 + 1 + 2 1 +
La ecuacin de la demanda de importacin implica que la importacin aumenta a medida que

aumenta el poder adquisitivo interno (PIB). Por el contrario, cuando los precios de importacin

aumentan, o cuando el tipo de cambio efectivo real aumenta (2 ), la demanda de

importacin se vuelve menos rentable y, por lo tanto, los importadores suministrarn menos. De

la ecuacin (3) esperamos que a1 sea positivo y a2 sea negativo.

La ecuacin de la oferta de exportacin implica que la oferta de exportaciones aumenta a medida

que aumentan los precios de las exportaciones, a medida que disminuye el tipo de cambio

efectivo real (1 ) y tambin cuando aumenta la produccin (PIB). Por lo tanto, esperamos

que b1 sea positivo y b2 sea negativo en la ecuacin (4).

El anlisis se basa en la hiptesis de un pas pequeo. Dado que las exportaciones e

importaciones de Turqua representan una pequea fraccin del total de las exportaciones e

importaciones mundiales, su sistema de precios internacionales se refleja plenamente en los

precios del mercado mundial y, por lo tanto, se supone que los precios del comercio exterior son

exgenos. En la parte emprica de este estudio, utilizaremos las ecuaciones de demanda de

exportacin e importacin especificadas en (3) y (4) para estimar el suministro agregado de

exportaciones y la demanda agregada y desagregada de importaciones.

CAPTULO 5: LA TEORA ECONOMTRICA

En este captulo, se discute la teora economtrica utilizada en la tesis.

5.1 ESTACIONARIEDAD

Sea { (), , } un proceso estocstico y la funcin de distribucin de { }sea

denotada por (.) { } se dice que es estrictamente estacionario si durante un perodo de

tiempo ( , . . . , )

(1) ( , . , ) = (+ , . , ) ,

Es decir, la distribucin conjunta de todas las colecciones ( , . , ) no se altera por los

periodos h de "traduccin" a lo largo del eje del tiempo.

Un proceso estrictamente estacionario no necesita tener una media y / o varianza finita, as que

en la prctica es ms usual tratar con la estacionariedad dbil. { } se dice que es dbilmente

estacionario si para todo y ;

(2) [ ()] = [ ()] =

(3) [ (() )2 ] = [ (() )2 ] = 2

(4) [ ()] = [ ()] = 2

(5) [( () )( () )] = [ (() ) (() )] =

(6) [ () ()] = [ () ()] =

Donde , 2 y todos los s son constantes. Simplemente una serie de tiempo es dbilmente

estacionaria si su media y todas las auto covariancias no son afectadas por un cambio de origen

temporal. En la literatura, un proceso dbilmente estacionario tambin se conoce como un

proceso estacionario, de segundo orden de covarianza estacionario o de amplio sentido.

Si una o ms de las condiciones anteriores no se cumplen, el proceso no es estacionario. La no

estatizacin parece un rasgo natural de la vida econmica. La no estacionalidad puede deberse a

la evolucin de la economa, cambios legislativos y cambios tecnolgicos. La no estacionalidad

de una serie temporal es un problema en el anlisis economtrico porque cuando los medios y las

varianzas de los datos no son constantes, las observaciones provienen de diferentes

distribuciones a lo largo del tiempo, planteando problemas difciles para el modelado emprico.

Dado que casi todas las series de datos econmicos son no estacionarias, para hacer un anlisis

de regresin razonable, estas series tienen que hacerse estacionarias. En muchos casos, la no

estaciona- riedad de una serie puede ser eliminada por simple diferenciacin. Si una serie debe

ser diferenciada d veces para hacer estacionaria, se dice que est integrada de orden d. Esto se

denomina ~ (d). (Granger y Newbold, 1974)

5.2 PRUEBA DE RAZ UNITARIA

Antes de realizar cualquier anlisis de regresin sensata, es esencial identificar el orden de

integracin de cada variable. La manera general de identificar el orden de integracin es probar

una raz unitaria. Dickey y Fuller (1979) han propuesto un mtodo apropiado de ensayo para una

raz unitaria, que se denomina ensayo Dickey-Fuller (DF).

Para un proceso autorregresivo de primer orden:

(7) = 1 + 1

La prueba DF es una prueba de la hiptesis nula 0 = 1, lo que significa que la secuencia

{ } contiene una raz unitaria. Esta prueba se basa en la estimacin de una ecuacin de

regresin equivalente a (7), a saber:

(8) = 1 + 1

La ecuacin (8) se puede reescribir como:

(9) = (1 + )1 + 1
Que es similar a (7) con = (1 + ) . La prueba DF consiste en probar la negatividad de en

la ecuacin (8) donde la hiptesis nula (0 ) y alternativa (1 ) son:

0 = 0

1 < 0

Los valores crticos tabulados en Fuller (1976) se utilizan para evaluar la hiptesis porque el

estadstico t estndar no tiene una distribucin normal limitante bajo la hiptesis nula.

Si se rechaza la hiptesis nula (0 ), se concluye que es estacionaria (es decir, ~ I (0)). Pero

si el nulo no puede ser rechazado, el siguiente paso sera probar si el orden de integracin es uno

(es decir, ~ I (0)). El proceso de diferenciacin contina hasta que se establece un orden de

integracin o se entiende que las series no pueden hacerse estacionarias por diferenciacin.

La prueba de Dickey-Fuller es dbil porque asume que los errores ( ) son independientes y

tienen una varianza constante, y no tiene en cuenta la posible autocorrelacin en los errores. Si

es autocorrelacionado entonces las estimaciones de mnimos cuadrados ordinarios de la ecuacin

(8) no son eficientes. La solucin propuesta por Dickey y Fuller (1981) es aadir los retrasos de

la variable dependiente al lado derecho de la regresin como variables explicativas adicionales

con el fin de aproximar la autocorrelacin. Esta prueba se denomina prueba aumentada de

Dickey-Fuller y se denomina ADF. Entre las pruebas alternativas de raz unitaria, la prueba ADF

se encuentra que es la ms til en la prctica por Dejong, et.al. (1992) y Schwert (1987) que

estudian las caractersticas operativas de las pruebas de raz unitaria.

El equivalente ADF de la ecuacin (8) es el siguiente:

(10) = 1 + =1 1 + 1
La regla prctica para especificar la longitud k del retraso es sa; Debe ser relativamente

pequeo para ahorrar los grados de libertad, pero lo suficientemente grande como para permitir

la existencia de autocorrelacin en .

DF y ADF son pruebas similares en que tienen la misma estructura, prueban la misma hiptesis y

usan los mismos valores crticos. La nica diferencia entre las dos pruebas es que la prueba ADF

incluye valores rezagados para eliminar la posible autocorrelacin.

5.3 COINTEGRACIN

Si existe una relacin de largo plazo entre dos (o ms) variables no estacionarias y las

desviaciones de este equilibrio de largo plazo-llamado el error de equilibrio- son estacionarias,

entonces se dice que las variables de inters estn cointegradas. Intuitivamente, la cointegracin

entre un conjunto de variables implica que existen fuerzas econmicas fundamentales que hacen

que las variables se muevan estocsticamente en el tiempo.

Engle y Granger (1987) proporcionan la siguiente definicin de cointegracin. Si las series

temporales y estn integradas de orden d y existe una combinacin lineal de estas variables,

digamos 1 + 2 , que est integrada de orden db, donde 0, entonces se dice que

y estn cointegrados de orden , y se denomina , ~ (, ). El vector [1 , 2 ] se

llama vector de cointegracin. Una generalizacin de esta definicin para el caso de variables

es la siguiente: Si denota un vector nx 1 y cada una de las series en xt es I (d) y existe un

vector nx 1 tal que ~ ( ) Entonces ~ (, ).

Considere el siguiente modelo de regresin simple llamado regresin de cointegracin:

(11) =

Donde todos los componentes de son (1). Stock (1987) y Engle y Granger (1987) muestran

que la estimacin de OLS de produce una excelente aproximacin al vector de cointegracin,

mientras que la estimacin de Cochrane-Orcutt no lo hace. Las estimaciones OLS de cualquier

vector de cointegracin deben converger al valor verdadero muy rpidamente (Stock, 1987), sin

embargo su distribucin no es asintticamente normal y los errores estndar calculados carecen

de sentido. Cuando xt es un vector con ms de dos componentes, y si existe un vector de

cointegracin, no necesita ser nico; Ya que para k componentes, puede haber como mximo

( < 1) componentes cointegrantes linealmente independientes. La singularidad del

vector cointegrado entre dos series se muestra por Stock (1987).

A pesar de que existen varios marcos para el anlisis de la cointegracin, los dos ms populares

han sido los enfoques VAR de Engle y Granger (1987) y Johansen (1991).

5.3.1 ENFOQUE EN DOS ETAPAS DE ENGLE Y GRANGER

Por definicin de Engle y Granger, la cointegracin requiere que las variables sean integradas del

mismo orden. As, se determina en primer lugar el orden de integracin de cada variable. Si

ambas variables estn integradas del mismo orden, entonces se estima la relacin de largo plazo:

(12) = +

Despus de estimar los parmetros de la regresin (12), se calculan los residuos ( ) de esta

relacin de largo plazo. Si se conoce el vector de cointegracin, los residuos se calculan a partir

de esa ecuacin de largo plazo conocida. Luego probamos si los residuos son estacionarios (es

decir, (0)). Para probar esto, se utiliza la ecuacin dada a continuacin;

(13) = 1 + =1 1 + 1

Que es la ecuacin aumentada de Dickey Fuller. La hiptesis nula es " no es estacionario "lo

que implica que y no se cointegran. Por lo tanto, si la hiptesis nula de" no es

estacionaria" es rechazada, concluimos que y se cointegran. Los valores crticos para la

prueba de cointegracin de ADF dada en Engle y Yoo (1987) para diferentes tamaos de muestra

y nmero de observaciones se utilizan para probar la hiptesis nula de "no cointegracin".

5.3.2 EL ENFOQUE VAR DE JOHANSEN

Este procedimiento investiga directamente la cointegracin en un modelo de autorregresin

vectorial (VAR) y proporciona resultados ms robustos que los de Engle-Granger en dos etapas

Cuando hay ms de dos variables. (Gonzalo, 1994)

Considere el modelo VAR sin restricciones:

(14) = =1 +

Donde contiene todas las variables del modelo y t es un vector de errores aleatorios.

Se supondr que todas las variables de se integran del mismo orden y que este orden de

integracin es cero o uno. El modelo VAR que ignora la parte determinista (intercepciones,

tendencias deterministas, estacionales, etc.), puede ser representado en la forma (Johansen,

1988):

(15) = =1 + +

Dnde:

= + 1 + + (Es una matriz)

= (I 1 )

Y t son variables independientes, n-dimensionales, gaussianas, estacionarias con medios cero y

matriz de covarianza . Puesto que hay variables que constituyen el vector , la dimensin de

es n x n y su rango puede ser como mximo igual a . Si el rango de la matriz es igual a

< , existe una representacin de tal que:

 (16) = `

Donde y son matrices.

La matriz se llama matriz de cointegracin y tiene la propiedad de que ~ (0), mientras

que ~ (1). Las columnas de contienen los coeficientes en los r vectores de cointegracin.

La matriz se denomina matriz de ajustes, que mide la velocidad de ajuste de variables

particulares con respecto a una perturbacin en la relacin de equilibrio.

Mediante la regresin de y en 1 , 2 , . . . , + 1, obtenemos los residuos

. Las matrices de momento de producto residual son:

(17) = 1 1

, = 0, =

Resolviendo los valores propios,

(18) | 1 | = 0

Produce los valores propios 1 > 2 > > (ordenados de mayor a menor) y vectores

propios asociados i v que pueden estar dispuestos en la matriz = [1 , 2 , ]. Los vectores

= . Si la matriz de cointegracin es de
propios estn normalizados de modo que

rango < , los primeros vectores propios de son los vectores de cointegracin, es decir, son

las columnas de la matriz . Utilizando los valores propios anteriores, la hiptesis nula de que

existen al menos r vectores de cointegracin se puede probar mediante el clculo de la relacin

de loglikelihood estadstica:

(19) = =+1 ln(1 )

Que se denomina estadstica de trazas (Johansen y Juselius, 1990). Normalmente, la prueba parte

de la hiptesis de que no hay vectores de cointegracin en un modelo VAR, es decir, = 0. Si

esta hiptesis no puede ser rechazada, el procedimiento se detiene. Si se rechaza, es posible

examinar secuencialmente la hiptesis de que 1, 2 y as sucesivamente.

Existe tambin una prueba de razn de verosimilitud conocida como la prueba de valor propio

mxima en la que se prueba la hiptesis nula de r vectores cointegrados frente a la alternativa de

vectores cointegrantes + 1. El estadstico de prueba correspondiente es:

(20) = ln(1
)

Los valores crticos de estas pruebas se tabulan en Johansen y Juselius (1990) y Osterwald-

Lenum (1992).

En aplicaciones empricas del mtodo de Johansen, un problema importante puede ser satisfecho

al establecer la longitud del retraso, es decir k en la ecuacin (14). Si el anlisis emprico se

refiere exclusivamente a la estimacin e identificacin de un vector de cointegracin, la prctica

habitual es permitir demoras relativamente largas. Debido a que los largos retrasos podran

aproximarse a la posible estructura de autocorrelacin de los trminos de error. Sin embargo, si

el objetivo es utilizar el (los) vector (es) cointegrado (s) estimado (s) para un anlisis posterior

del modelo VAR, el uso de largos rezagos puede ser inconsistente con el sentido econmico. En

nuestro trabajo emprico, usaremos los criterios de Schwarz para elegir la longitud ptima del

retraso (vase Hendry (1989) para ms detalles).

La prueba y el anlisis de la cointegracin por el mtodo VAR de Johansen se considera superior

al mtodo de Engle y Granger debido a las siguientes razones: primero, si existe un vector de

cointegracin mltiple, el uso del mtodo de Engle-Granger puede producir simplemente una

compleja combinacin lineal de todos los distintos Cointegrando vectores que no pueden ser
interpretados de manera sensata. Por otra parte, el mtodo de Johansen proporciona un marco

unificado para la estimacin y prueba de las relaciones de cointegracin en el contexto de los

modelos de correccin de errores VAR. En segundo lugar, el mtodo de Engle-Granger se basa

en un resultado de sper convergencia y aplica OLS para obtener estimaciones de parmetros del

vector de cointegracin. Sin embargo, las estimaciones de los parmetros OLS pueden variar con

la normalizacin arbitraria implcita en la seleccin de la variable del lado izquierdo para la

regresin OLS. En contraste, el mtodo de Johansen no se basa en una normalizacin arbitraria.

Por ltimo, el procedimiento de Johansen permite probar ciertas restricciones sugeridas por la

teora econmica, como el signo y el tamao de las estimaciones de elasticidad.

5.4 MODELO DE CORRECCIN DE ERRORES

En un modelo de correccin de errores se modela simultneamente la dinmica de los procesos

de ajuste a corto plazo (cambios) y de largo plazo (niveles). Esta idea de incorporar el ajuste

dinmico a objetivos en estado estacionario en forma de trminos de correccin de error,

sugerida por Sargan (1964) y desarrollada por Hendry y Anderson (1977) y Davidson et al.

(1978), ofrece la posibilidad de revelar informacin sobre las relaciones de corto y largo plazo.

Granger (1981), Granger y Weiss (1983) y Engle y Granger (1987) han establecido la conexin e

incluso la equivalencia entre la correccin de errores y el concepto de cointegracin a travs del

teorema de la representacin de Granger, es decir, si un conjunto de variables se cointegran,

Entonces existe una representacin vlida de correccin de errores, y viceversa. La cointegracin

proporciona as un soporte estadstico formal para el uso de ECM.

El vector 1 = (1 , 2 , . . . , ) 'tiene una representacin de correccin de error si puede

expresarse en la forma:

(21) = 0 + 1 + 1 1 + 2 2 + . . . + +
Dnde:

0 = un vector ( 1) de trminos de intercepcin con elementos

= ( ) matrices de coeficientes con elementos ()

= es una matriz con elementos tal que uno o ms de los 0

= un vector ( 1) con elementos

Los trminos de perturbacin son tales que ` son ruido blanco y pueden estar correlacionados

con .

Que todas las variables en sean I (1). Ahora, si hay una representacin de correccin de error

de estas variables en (21), hay una combinacin lineal de las variables I (1) que es estacionaria.

La resolucin (21) para 1 produce:

(22) 1 = 0

Puesto que cada expresin en el lado derecho es estacionaria, tambin debe estar

estacionario. Puesto que contiene slo constantes, cada fila de es un vector de cointegracin

de . La primera fila se puede escribir como (11 1 + 12 2 + + 1 ). Puesto

que cada serie es I(1), (11 + 12 + + 1 ) debe ser un vector de cointegracin de

Si todos los elementos de igual a cero, (21) es un VAR tradicional en las primeras diferencias.

En tales circunstancias, no hay representacin de correccin de errores ya que no responde a

la desviacin del perodo anterior del equilibrio a largo plazo.

Si uno o ms de los difieren de cero, responde a la desviacin del perodo anterior del

equilibrio de largo plazo. Por lo tanto, estimar como un VAR en la primera diferencia es
inapropiado si tiene una representacin de correccin de errores. La omisin de la expresin

1 implica un error de especificacin errnea si tiene una representacin de correccin

de errores como en (21).