Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen
(VAR) y los modelos de errores de correccin (VEC). Se consideran a los VAR como
una forma reducida que pudo haberse derivado de algn modelo estructural. Esto
es, un VAR es una herramienta de anlisis economtrico que permite a los datos
hablar por ellos mismos, sin que exista necesariamente una teora econmica que
Doctorado en Economa con mencin en los Recursos Naturales (c), Universidad Nacional Autnoma de
Mxico. MBA Gerencial (c), CENTRUM Pontificia Universidad Catlica del Per. Maestra en Economa con
mencin en Finanzas, Universidad Nacional Mayor de San Marcos. B. Sc. Economa, UNMSM. Profesor
Auxiliar del Departamento de Economa de la UNMSM. Investigador asociado al Instituto de Investigaciones
FCE - UNMSM. Contacto: r.bustamante.ro@gmail.com
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
I. INTRODUCCIN
parmetros involucrados para obtener formas reducidas que puedan ser estimadas con las
de retrasos con que una variable afecta a las dems. Es requisito asimismo, conocer cules
de las variables involucradas son exgenas y cules son endgenas; por otro lado, existe
tambin el programa en algunos modelos de que se requiere tener en cuenta las expectativas
del comportamiento de algunas variables (lo que ha dado origen en particular a los modelos
de expectativas racionales). Este tipo de restricciones han sido subrayadas en especial por
Sims (1980) y por Hendry y Richard (1983), entre otros autores de literatura economtrica
(Londoo, 2005)
econmica para describir las relaciones entre varias variables de inters. El modelo
las variables. Adems, la estimacin e inferencia son complicadas por el hecho que
las variables endgenas pueden aparecer en la izquierda y lados del derecho de las
ser tiles en la prctica para obtener pronsticos y para realizar anlisis de poltica
econmica. Este hecho conduce a pensar entonces que son las formas reducidas las 1
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
(VAR): una forma reducida que pudo haberse derivado de algn modelo
permite a los datos hablar por ellos mismos, sin que exista necesariamente una teora
Los modelos VAR tradicionales son, en cierta forma, una respuesta a la imposicin
entre las variables endgenas y las predeterminadas, es decir, aqullas cuyos valores
no son determinados por el modelo en el perodo actual. Estas ltimas pueden ser
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
tratar que cada variable endgena dentro del sistema sea funcin de las variables
rezagadas de todas las variables endgenas dentro del sistema. En resumen el vector
II. ESPECIFICACIN
cada una de las variables es explicada por sus propios rezagos y los del resto de
(Barco, 2003).
Las variables que componen el vector son estacionarios (salvo para casos de
cointegracin) en cuyo caso existen metodologas alternativas.
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
Esto permite que los Test hechos sobre VAR tengan las distribuciones
estndar necesarias en la etapa de inferencia.
E et eT t - j 0 j 0 3.
E
et e t
T
e Es una matriz simtrica.
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
21 1,2 . . . 1,m
e1t e1t 2,1 22 2,m
T
. . .
e e . .
E 2t 2t
. . . .
e
. . . . . m2,m
m1,m
emt emt m1,1 m1,2 . . 2 m 1
m ,1 m ,2 . . m , m 1 2 m
2
Es decir, no se tiene autocorrelacin entre los errores de una misma ecuacin pero
Caractersticas adicinales:
La estimacin de esta forma reducida por MCO para cada ecuacin del vector es
eficiente.
solo los valores rezagados de las variables endgenas aparecen en el lado derecho
como determinsticas. Sin embargo aun cuando las innovaciones t pueden estar
equivalentes a los MCG debido a que todas las ecuaciones tienen idnticos
regresores.
Veamos, por ejemplo, el caso de un VAR (1) con dos variables, de la forma:
yt 10 - 12 zt 11 yt -1 12 zt -1 yt
4.
z t 20 21y t 21y t -1 22z t -1 zt
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
1 12 yt 10 11 12 yt -1 yt
z z 5.
21 1 t 20 21 22 t -1 zt
Yt A0 A1Yt-1 et
Es decir
y t a10 a11y t -1 a12z t -1 e1t 7.
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
La ecuacin 7 es la forma reducida del VAR (1) de la ecuacin 4. En ella los errores
1 12
1
21 1 8.
Donde: 1 12 21
y,
yt 12 zt
e1t
1 t et -
t 21 zt 9.
e2 t yt
Ya que:
t yt
zt
Son procesos ruidos blanco se puede decir que e1t y e2t tienen una media igual a cero
y varianza constante y adems cada una de ellas es in correlacionada
individualmente, en el tiempo con varianza constante pero si existe correlacin entre
ellas.
yt
2
21 yt zt 21 12 yt zt 12 zt2
e yt ezt E
2
10.
21 y2 12 z2
e yt e zt 2
0 11.
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
n2-n n n2 p n
Note que en la forma reducida ni los parmetros ni los shocks tienen interpretacin
econmica. Los errores de la forma reducida ya no son ortogonales entre si, sino
combinaciones lineales de innovaciones estructurales. 8
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
Los parmetros de la forma reducida pueden ser estimados por (MCO) y estos
estimadores son suficientes y consistentes.
y t 10 12 z t 11 y t -1 12 z t -1 yt
Este VAR contiene 2 variables por lo tanto usando n(n-1)/2=1, es decir se necesita
una restriccin para identificar los coeficientes de la forma estructural.
l nos dice que no es necesario volvera la forma reducida. Otros autores imponen
una restriccin a la forma estructural y as obtener los parmetros de la forma
estructural (Sims, 1980).
1 12 y t 10 11 12 yt-1 yt
0 1 z z
t 20 21 22 t-1 zt
y t 1 12 10 1 12 11 12 y t-1 1 12 yt
z 0 1 0 1 z 0 1
t 20 21 22 t-1 zt
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
y t 10 12 11 12 21 12 12 22 yt-1 yt 12 zt
z z
t 20 21 22 t-1 zt
Se puede estimar la forma reducida por MCO siempre y cuando el VAR sea estable
(estacionaria en covarianza es decir dbilmente estacionaria).
Donde:
1) a10 10 12
2) a20 20
3) a11 11 12 22
4) a21 21
5) a12 12 12 22
6) a22 22
Recordando que:
e1t yt 12 zt
e2t zt
7) VAR(e1t ) VAR( yt 12 zt ) E ( yt 12 zt 2 12 yt zt )
2 2 2
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
a10 , a11 , a12 , a20 , a20 , a21 , a22 , Var (e1t ); Var (e2 t ) y
cov(e1t , e2t )
Que pueden ser sustituidos dentro de las nueve ecuaciones de arriba en orden de
resolverlo simultneamente para obtener los parmetros de la forma estructural que
son tambin 9.
10 , 12 , 20 , 11 , 12 , 21 , 22 ,VAR( yt );VAr ( zt )
Note que los estimados de
y pueden ser recuperados.
yt zt
Note que esta estrategia de identificacin implica que la variable ms exgena viene
primero.
Sea:
p
yt 0 i yt i et
i 1
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
Yt 0 1Yt-1 et
Yt 0 1 ( 0 1Yt-2 et-1 ) et
Yt 0 1 ( 0 1Yt-2 e t-1 ) e t
Yt I 1 0 21Yt-2 1e t-1 e t
Yt I 1 0 21 ( 0 1Yt-3 et-2 ) 1et-1 et
Yt I 1 21 0 31Yt-3 21et-2 1et-1 et
Generalizando:
Yt I 1
n
2
1 3
1 ... n
1 0 n+1
1Yt-(n+1) i1et-i
i 0
n+1
Si n tiende al infinito la convergencia requiere que A 1 desaparezca.
La condicin de estabilidad requiere que los eigenvalores de la matriz A1 sean
menores a la unidad.
1 I 0
i 1
Podemos escribir la solucin particular como:
0
Yt
i1et-i
I 1 i 0
Yt I 1
1
0 i 1 et - i
i 0
O alternativamente si:
Yt 0 1Yt-1 et
yt a10 a11 a12 yt-1 e1t
z a a a z e
t 20 21 22 t -1 2 t
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
Adems tenemos:
1 0 a11 a12 1 a11 a12
I A1
0 1 a21 a22 a21 1 a22
1 1 a22 a12
I A1
1
a21 1 a11
Por lo tanto para todo VAR estacionario se puede obtener una representacin MA
(00) expresado de la siguiente forma:
Yt t t 1 t 2 .... t p ... ( L) t
( L)
I 1 L 2 L L ....
2 3
13
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
pequea ,el modelo est mal especificado si p es bastante grande los grados de
2. Dado que se trabaja con la forma reducida, los errores de cada ecuacin estn
es aplicar MCO ecuacin por ecuacin. No obstante, para que sea un estimador
eficiente todas las ecuaciones deben tener igual nmero de rezagos de cada
explicativa.
cointegracin), esto permite que los test hechos sobre el VAR tengan
distribuciones estndar.
14
2. Estimar por MCO cada ecuacin, individualmente.
1
Proporcionado en el Curso de Econometra del 49 Curso de Extensin Universitaria BCRP.
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
Si alguna de las ecuaciones del VAR tiene regresores que no estn incluidas en
las otras entonces se puede usar el mtodo SUR que provee de estimadores
eficientes de los coeficientes VAR. As cuando all existe una buena razn para
para permitir que la longitud de los rezagos difieran de una ecuacin a otra, usar
SUR.
(T c) * log i log i r 13.
Donde:
T = nmero de observaciones
c = parmetros del modelo no restringido en cada ecuacin = mx(r+i).
en el sistema q m2 x r .Este test tiene poco poder para rechazar test sucesivos de
restriccin de rezagos; por ello el rezago referencial debe ser el de mayor valor
rezago (i+r).
15
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
que existe una gran multicolinealidad entre las variables de cada ecuacin. La
significativa).
AIC y SBC.
Donde
L = logaritmo de la funcin de mxima verosimilitud (suponiendo distribucin
normal multivariada).
16
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
5. Llevando a cabo la prueba de exclusin de rezagos para cada rezago dentro del
las variables endgenas en lo que los rezagos son reportados para cada ecuacin
separadamente y conjuntamente.
Resumen:
Supuestos en estimacin de VAR:
cointegracin).
Esto permite que los tests hechos sobre el VAR tengan distribuciones
estndar.
estructural.
Respuesta que es la respuesta de las variables en VAR ante un shock en una de las
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
Se trata de conocer la reaccin de las variables del sistema frente a shocks. La FIR
variables aleatorias (shocks). As por ejemplo, en nuestro caso, dada una variacin
del efecto ser inmediato en pero tambin habr un efecto en los valores futuros de
dicha variable y en el valor futuro de las otras variables debido al carcter dinmico
La FIR calcula el efecto presente y futuro en las variables endgenas, ante una
vector de valores actuales de las variables del valor actual y los infinitos rezagos del
p
Yt
j 1
i L jYt et 14.
p
j
I i L Yt et 15.
i 1
A( L)Yt et 16.
et
Yt 17.
A( L)
Propiedad en matrices: 18
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
Yt s
s Que viene a ser la matriz de multiplicadores de impacto.
e't
Yi ,t s
ij ( s)
ei ,t Efecto en la variable i de un shock en la variable j.
Yt 0 1Yt-1 et
Yt 0 1 ( 0 1Yt-2 et-1 ) et
Yt 0 1 0 21Yt-2 1et-1 et
19
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
Yt 0 1 0 21 ( 0 1 0 21Yt-3 1et-2 ) et
1et-1 et
Otra forma de expresarlo:
(I-1L)Yt 0 et
0 et
Yt
(I- 1L)
Yt (I-1L)-1 0 (I-1L)-1et
Yt (I-1L)-1B 1 t
Yt ( L) B 1 t
Yt ( L) t
_
yt y 11 (i) 12 (i) yt i
z _ Para i = 1, 2,3,...
t z i 0 21 (i ) 22 (i) zt i
19.
Esta representacin pudo ser transformada de tal forma que los valores actuales de
las variables sean una funcin de los valores presentes y pasados de un vector de
covarianzas del error. As, se obtiene un nuevo modelo con errores ortogonales:
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
Diagonalizando:
p
P Yt P iYt i Wt 20.
i 1
Es decir, para cada matriz e real, simtrica y definida positiva existe una nica
matriz triangular baja P con unos en la diagonal y una nica matriz diagonal D con
e PDP '
21.
e PDP ' PD1 / 2 D1 / 2 P ' VV '
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
Si se quiere obtener un nuevo modelo con errores ortogonales, bastar con hacer
'
E WW
t t ' B E et et ' B
1 1 22.
B1 e B1 ' 23.
1 1
B BDB ' B ' D 24.
w_ . . 0
11
_
0 w22 . .
D
_ 25.
. . w33 .
_
0 . . wmm
de los errores ortogonalizados es la matriz diagonal, esto quiere decir que los
mismos tienen todos sus componentes, incorrelacionados cada uno con varianza que
vienen a ser los valores de la diagonal principal. El orden de las variables para
sucesivamente.
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
razones tericas para suponer que una de las variables no se ve afectada por los
cunto cambian los resultados. En principio, una buena especificacin del sistema
(Barco, 2003).
- Teora econmica
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
corto plazo la propia innovacin explique la mayor proporcin de este error. Cabe
resaltar que este anlisis tambin se ve afectado por el ordenamiento de las variables
del sistema, por lo que se sugiere probar diferentes ordenamientos, al igual que en
variables esta explicado por sus propios choques y que parte esta explicado
serie estn explicados por ella misma entonces la variable es exgena o mas
exgena.
Por ejemplo:
Yt+1 0 1Yt et+1 24
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
E t (Yt+1 ) 0 1Yt
Similarmente:
Yt+2 0 1Yt+1 et+2
Yt+2 0 1 0 1Yt et+1 et+2
Yt+2 0 1 0 21Yt 1et+1 et+2
E t (Yt+2 ) 0 1 0 21Yt
Generalizando tenemos:
t n / t 1et+n-1 1 et+n-2 ... 1
n 1
t+n
Y Y 2
et+1
Yt ( L) B 1 t
Yt ( L) t
_
t y
y 11 (i) 12 (i) yt i
z _ (i ) (i)
t z i 0 21 22 zt i
25
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
Yt+n i t+n-i
i 0
n 1
ECM( Y t n / t ) Yt+n Y t n /t i t+n-i
i 0
IX. CAUSALIDAD
ser poco rigurosa si se pre condiciona la misma a la existencia de una teora que la
una regresin entre las variables que se analizan y observar la significancia de los
coeficientes obtenidos. Sin embargo, una alta correlacin entre dos variables no
asegura una relacin causa-efecto entre ellas, ya que la posibilidad de que se haya
obtenido una correlacin esprea no debe ser descartada. Como es bien sabido la
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
precisin de las mismas a travs de la varianza del error de prediccin que para el
mismo set pero que contiene slo la informacin pasada, X contiene toda la
Son principalmente tres los test que se utilizan para verificar las existencia de una
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
p p
x t = i yt i i xt i ut 29.
i 1 i 1
especificacin del modelo sea la adecuada, de tal forma que el error asociado sea ruido
Cuando una variable yt no es til para predecir otra variable xt entonces se dice que
E( X t s / X t , X t 1 ,...) E( X t s / X t X t 1 X t 2 ,...; YY
t t 1 , Yt 2 ,...)
9.2.Test de Sims
asociados con los valores futuros de xt. Dicho de otro modo, si existe una relacin entre
el valor presente de xt y los valores futuros de yt sta debe expresar una causalidad de
28
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
o
p p 30.
xt yt yt zt
1 1
correcto el error de la ecuacin debe ser ruido blanco. De no ser as, deber ser estimada
autorregresiva del error. Sims simplific este proceso asumiendo a priori dicha
estructura:
wt 1.5wt 1
0.5625wt 2
et 31.
y multiplicando cada variable de la ecuacin por (1-1.5L+ 0.5625L2) antes de estimarla.
Geweke trat de resolver el problema del test de Sims, que implicaba tener que
determinar una estructura autorregresiva para el error o utilizar el filtro ad-hoc. Para
2
El teorema de Sims que sustenta esta metodologa de testeo de la causalidad sostiene que: cuando
(x,y) tienen una representacin AR, x puede ser expresado como una funcin de rezagos y valores
actuales de y, con un residuo no correlacionado con ningn valor de y, pasado o futuro, si y slo si y
no causa a x en el sentido Granger.
Vectores Autorregresivos
Bustamante Roman, Rafael
29
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
yt ( L) x t 1 ( L) t 32.
que implica multiplicar cada uno de sus elementos por el polinomio AR(p), (L), de
forma que:
( L) y t ( L) ( L) x t t 33.
donde, por definicin, existe la garanta de que el error es ruido blanco. Esta
transformacin implica agregar a la ecuacin, como explicativas, p rezagos de x y, de
forma tal de limpiar el error; luego se testea la hiptesis de Sims de que los coeficientes
asociados con los valores futuros de las x son no significativos.
Se definen los niveles de exogeneidad necesarios para implementar cada uno de los
siguientes usos en los modelos economtricos:
1) Inferencia
2) Prediccin
3) Anlisis estructural
Donde:
y t 12 12
x N ,
1
21 22 35.
t 2
Por ejemplo:
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
donde:
1t 0 12 12
N ,
2
38.
2t 0 21 2
claro para qu servir la mencionada ecuacin. Tres son los posibles propsitos:
x t , yt xt f
y
f f t x
t
marginal
condicional
1. Para verificar este tipo de exogeneidad es necesario definir los siguientes grupos
de parmetros:
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
f 1 Exclusivamente es funcin de 1
12
Por ejemplo, suponga que multiplicamos la ecuacin (37) por , restando el
22
resultado de la (37). A travs de esta operacin diagonalizamos la matriz de
varianzas y covarianzas del error, obteniendo:
y t 0 x t 1 x t -1 2 y t -1 t
41.
12 12 12 12
0 1 1 2 2 t 1t 2t
22 22 22 22
42.
por lo que:
12
2
2
Var t 11
0
2
2t
43.
0 22
De esta forma: 32
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
,1 , 2 , 12 , 22 , 12 44.
, , ,
1 0 1 2
2
1
2 1 , 2 , 22
Supongamos ahora que se define como parmetro de inters, es decir:
b) 2 1 1 2
condicin s se cumple.
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
primera condicin pero no la segunda. Para que esta ltima tambin se cumpliera
de este caso.
Exogeneidad Fuerte
A. Exogeneidad dbil
B. Exogeneidad fuerte
C. Superexogeneidad
de la marginal. 34
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
la marginal.
El VAR estructural
La Descomposicin de Choleski
y t 10 12 z t 11 y t -1 12 z t -1 yt
z t 20 21y t 21y t-1 22z t-1 zt 46.
ya que mientras que la ecuacin (1) arroja 6 parmetros estimados, adems de las
dos varianzas de los errores y la covarianza entre ellos (9 en total), el segundo tiene
10 parmetros a estimar: los 8 coeficientes y las desviaciones de los errores
estructurales. Es decir, a menos que se imponga al menos una restriccin sobre el
modelo estructural, ste no podr recuperarse.
Una forma de identificar el modelo es usar el sistema recursivo propuesto por Sims
(1980). As, se supone que 21 es igual a 0, de tal forma que:
1 12
1 47.
0 1
y t 1 12 10 1 12 11 12 y t -1 1 12 yt
z 0
1 20 0 1 21
22 z t -1 0 1 zt
48.
t
o,
35
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
y t 10 12 20 11 12 21 12 12 22 y t -1 yt 12 zt
z 20 21 22 z zt 49.
t t -1
por tanto, a partir de la estimacin de la forma reducida (1), se pueden establecer las
siguiente relaciones entre coeficientes:
a10 10 12 20
a11 11 12 21
a12 12 12 22
50.
a 20 20
a 21 21
a 22 22
con el resultado de (8) en (9), podemos hallar 12, a partir de lo cual es posible obtener
Tngase en cuenta que este resultado fue obtenido gracias a la restriccin impuesta,
21=0, la que implica que yt no tiene un efecto contemporneo sobre zt. Adems,
viendo (5) se puede observar que la restriccin implica tambin que yt y zt afectan
ambos el valor contemporneo de yt, pero que slo zt afecta el valor contemporneo
Descomposicin de Choleski.
36
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
grupo de variables3.
La idea del VAR estructural es simplemente reconocer que los VARs no son ms que
la forma reducida de la forma estructural que debe mostrar coherencia terica, para
3
Seleccionar un orden determinado implica dar mayor importancia a la variable que se coloca como primera. Adems, la amplitud
del impulso respuesta que se atribuye al error de esta ltima ser incrementada por dicho ordenamiento, mientras que reducir
las del resto de variables situadas a continuacin.
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
es simtrica). De otro lado, dado que la matriz tiene unos en la diagonal, contiene
m2-m valores desconocidos a los que hay que adicionar m ms que corresponden a
Incgnitas = m2
visto antes, donde m=2, se requera una sola restriccin para identificar el modelo,
por lo que se supuso que 21=0. Sin embargo, lo que propone el VAR estructural es
Las restricciones sobre los valores de las varianzas.- que por tratarse de la
varianza, arrojar resultados mltiples respecto de los valores de los s4
4
Para entender esto, basta tener en cuenta la relacin cuadrtica existente entre las matrices de varianzas y covarianzas de los
errores de la forma reducida y estructural, a saber: e
'
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
2 R
Donde R son los grados de libertad. Si 2 calculado excede el de tabla las restricciones
sern rechazadas.
Supone el siguiente modelo donde una de las series es I(1) y la otra es I(0):
Forma estructural:
X t B0 B1X t -1 t E et et ' D
X ( L) t 54.
La forma reducida ser:
Xt A0 A1 Xt -1 ut
E ut ut
'
X ( L)ut 55.
Donde:
B-1et E B-1et et ' B-1 B-1E et et '
' ' '
ut E ut ut ' B-1 B-1E D B-1
De 79 tenemos: 39
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
x1t 1 11 ( L) 12 ( L) 1t
x ( L) ( L)
2t 2 21 22 2t
BQ suponen que los shocks de demanda no tienen efectos de largo plazo ni en el PIB
ni en el desempleo mientras que los shocks de oferta solo tienen efectos permanentes
en el PIB.
(1) 0
(1) 11
21 (1) 22 (1)
Vectores Autorregresivos
Bustamante Roman, Rafael
Serie Apuntes de Clase. N 2. Agosto de 2014. EAPE / FCE / UNMSM
REFERENCIAS BIBLIOGRFICAS
Barco, A. (2003). Econometra de series de tiempo. Notas de clase de Econometria II. Lima:
Mimeo. Universidad del Pacfico.
https://econometriaii.files.wordpress.com/2010/01/beltran.pdf
41
Vectores Autorregresivos
Bustamante Roman, Rafael