IDENTIFICACIÓN DE SISTEMAS: REZAGOS
Doris Steffania Obando González
e-mail: dsobandog@unal.edu.co
María Camila Álvarez Del Valle
e-mail: mcalvarezv@unal.edu.co
RESUMEN:
Para la identificación de un sistema es necesarios
hallar un modelo que describa el comportamiento
dinámico del mismo, sin embargo, encontrar dicho
modelo se puede volver una tarea algo complicada,
por lo que se deben implementar varios métodos para
acercarnos lo mejor posible, como lo es la aplicación
de rezagos en los datos obtenidos del sistema.
PALABRAS CLAVE: rezagos, econometría,
retraso.
1. INTRODUCCIÓN
Existen diversas definiciones de lo que es un
rezago, las cuales varían según el contexto, el
cual puede ser económico, industrial o incluso
social, lo que básicamente se expondrá en este
trabajo son Modelos econométricos de rezagos
distribuidos, que son los que más nos pueden
ayudar a encontrar un modelo de un sistema
dinámico.
2. ¿QUE ES UN REZAGO?
Según la real academia de la lengua española un
rezago es “Atraso o residuo que queda de algo”
[1], algunos ejemplos que podrían representar la
anterior definición son:
“El competidor intentará recuperarse de un rezago
importante que lo dejó en los últimos puestos de la
carrera”, “Este país sufre un rezago económico
notorio en comparación a sus vecinos”, “Hay que
ayudar a los niños con rezago escolar” [2].
en el ámbito de la identificación de señales no es
una definición muy clara, o no describe con
claridad el uso de este parámetro para la
identificación de un modelo, por lo que
pasaremos a hablar del modelo de rezagos
distribuidos.
3. MODELO DE REZAGOS
DITRIBUIDOS
“En el análisis de regresión que contiene
información de series de tiempo, cuando el
modelo de regresión incluye no solamente los
valores actuales sino además los valores
rezagados (pasados) de las variables explicativas
(las X), se denomina modelo de rezagos
distribuidos. Si el modelo incluye uno o más
valores rezagados de la variable dependiente
entre sus variables explicativas, se denomina
modelo autorregresivo. Así,
𝑌𝑡 = ∝ + 𝛽0 𝑋𝑡 + 𝛽1 𝑋𝑡−1 + 𝛽2 𝑋𝑡−2 + 𝑢𝑡
Representa un modelo de rezago distribuido
mientras que
𝑌𝑡 = ∝ + 𝛽𝑋𝑡 + 𝛾𝑋𝑡−1 + 𝑢𝑡
Es un ejemplo de un modelo autorregresivo.
Estos también se conocen como modelos
dinámicos puesto que señalan la trayectoria en el
tiempo de la variable dependiente en relación con
sus valore pasados” [3].
 3.1. Estimación de modelos de rezagos
distribuidos
“Se tiene el siguiente modelo de rezagos
distribuidos en una variable explicativa:
𝑌𝑡 = ∝ + 𝛽0 𝑋𝑡 + 𝛽1 𝑋𝑡−1 + 𝛽2 𝑋𝑡−2 + ⋯ + 𝑢𝑡
Donde no se ha definido la longitud del rezago,
es decir, que tan atrás en el pasado se desea ir. Tal
modelo se denomina modelo de rezago infinito,
mientras que un modelo tipo
𝑌𝑡 = ∝ + 𝛽0 𝑋𝑡 + 𝛽1 𝑋𝑡−1 + 𝛽2 𝑋𝑡−2 + ⋯
+ 𝛽𝑘 𝑋𝑡−𝑘 + 𝑢𝑡
Se denomina modelo de rezago distribuido finito
por que la longitud del rezago k esta
especificada” [3].
3.1.1. ¿Cómo se estiman α y las β del
modelo de rezagos infinito?
Pueden adoptarse dos enfoques la estimación
ad hoc y restricciones a priori sobre las β
suponiendo que estas siguen un patrón
sistemático.
3.1.1.1. Estimación ad hoc
“puesto que se supone que la variable
explicativa 𝑋𝑡 no es estocástica (o por lo
menos no correlacionada con el termino
perturbación 𝑢𝑡 ), igualmente son no
estocásticas 𝑋𝑡−1 , 𝑋𝑡−2 , y así sucesivamente.
Por consiguiente, en principio, el método de
mínimos cuadrados ordinarios(MCO) puede
ser aplicado a
𝑌𝑡 = ∝ + 𝛽0 𝑋𝑡 + 𝛽1 𝑋𝑡−1 + 𝛽2 𝑋𝑡−2 + ⋯ + 𝑢𝑡
Este es el enfoque adoptado por Alt y Tinbergen.
Sugieren que para estimar se puede proceder
secuencialmente; es decir, primero hacer la
regresión 𝑌𝑡 sobre 𝑋𝑡 ,luego de 𝑌𝑡 sobre 𝑋𝑡 y
𝑋𝑡−1 y así sucesivamente. Este procedimiento
secuencial se detiene cando los coeficientes de
regresión de las variables rezagadas empiezan a
hacerse estadísticamente insignificantes y/o el
coeficiente de por lo menos una de las variables
cambia su signo de positivo a negativo o
viceversa” [3].
3.1.1.2. Estimación KOYCK
“Koyck ha propuesto un método ingenioso de
estimación de los modelos de rezagos distribuidos.
Supóngase que se empieza con un modelo de rezago
distribuido infinito. Suponiendo que las β tienen todo
el mismo signo, Koyck da por hecho que estos se
reducen geométricamente de la siguiente manera.
𝛽𝐾 = 𝛽0 ʎ𝐾 𝐾 = 0,1, …
Donde ʎ, tal que 0 < ʎ < 1 y se conoce como la tasa
de declinación o decaimiento del rezago distribuido y
donde 1 - ʎ se conoce como la velocidad de ajuste.
Lo que postula es que cada coeficiente sucesivo β es
numéricamente menor que el β que le precede (esto
se deduce de ʎ < 1) lo cual implica que a medida que
se retrocede hacia el pasado, el efecto del rezago
sobre Y se torna progresivamente menor, lo que es un
supuesto aceptable. Después de todo, se espera que
los ingresos corrientes y los que han ocurrido
recientemente afecten con mayor fuerza los gastos de
consumo, que los ingresos obtenidos hace largo
tiempo.
Como lo muestra la siguiente figura
 el valor del coeficientes del rezago 𝛽𝐾 , depende,
aparte del 𝛽0 común, del valor de ʎ. Entre más cerca
de 1 este ʎ, más lenta será la tasa de descenso en 𝛽𝐾 ,
mientras que, entre más cerca este de cero más rápido
será el descenso en 𝛽𝐾 . En el primer caso, los valores
del pasado distante de X ejercerán un impacto
considerable sobre 𝑌𝑡 , mientras que en el último
caso, su influencia sobre 𝑌𝑡 desaparecerá
rápidamente. Este patrón puede verse claramente
en la siguiente ilustración.
Como resultado el modelo de rezagos infinitos
puede escribirse como
2
𝑌𝑡 = ∝ + 𝛽0 𝑋𝑡 + 𝛽0 ʎ𝑋𝑡−1 + 𝛽0 ʎ 𝑋𝑡−2 + ⋯
+ 𝑢𝑡
Como esta planteado, el modelo aun no esta
adecuado para su facil estimacion puesto que un
gran numero de parametros quedan aun por ser
estimados y el parametro ʎ ingresa en una forma
por completo no lineal; estrictamente hablando,
el metodo de analisis de regresion lineal no puede
ser aplicado a un modelo de este tipo. Por ahora
Koyck sugiere una forma ingeniosa para lograrlo
rezaga la ecuacion anterior en un eriodo para
obtener
𝑌𝑡−1 = ∝ +𝛽0 𝑋𝑡−1 + 𝛽0 𝑋𝑡−2 + ⋯ + 𝑢𝑡−1
Luego se multiplica por ʎ para ebtener
ʎ𝑌𝑡−1 = ʎ ∝ +ʎ𝛽0 𝑋𝑡−1 + ʎ2 𝛽0 𝑋𝑡−2 + ⋯
+ ʎ𝑢𝑡−1
ahora sumamos la ecuacion anterior con
𝑌𝑡 = ∝ + 𝛽0 𝑋𝑡 + 𝛽0 ʎ𝑋𝑡−1 + 𝛽0 ʎ2 𝑋𝑡−2 + ⋯
+ 𝑢𝑡
Y asi obtenemos
𝑌𝑡 − ʎ𝑌𝑡−1 =
𝛼(1 − ʎ) + 𝛽0 𝑋𝑡 + (𝑢𝑡 − ʎ𝑢𝑡−1 )
Reordenando
𝑌𝑡 = 𝛼(1 − ʎ) + 𝛽0 𝑋𝑡 + ʎ𝑌𝑡−1 + 𝑣𝑡
Donde 𝑣𝑡 es un promedio móvil.
Gracias a este método ya solo se estiman tres
incógnitas mientas que con el anterior solo se
estimaban α y un número infinito de β” [3].
4. CONCLUSIONES
4.1. En la estimación ad hoc
 No existe guía para determinar el tamaño
o longitud máxima del rezago.
 A medida que se estiman rezagos
sucesivos, van quedando menos grados
de libertad, debilitando un poco las
inferencias estadísticas que de allí se
desprenden, máxime cuando no se
disponen series estadísticas grandes para
poder estimar rezagos muy grandes.
 Los valores sucesivos (rezagados) en una
serie de tiempo tienden a estar altamente
correlacionados, por lo que se ve abocado
por la multicolinealidad a estimaciones
ineficientes, es decir, que los errores
estándar tienden a ser grandes en
comparación con los coeficientes
estimados [4]
4.2. En la estimación Koyck
 Se comienza con un modelo de rezagos
distribuidos y se termina con un modelo
autorregresivo por cuanto 𝑌𝑡−1 aparece como
una de las variables explicatorias. Esto
muestra cómo puede "convertirse" un modelo
de rezagos distribuidos en un modelo
autorregresivo.
  Es probable que la aparición de 𝑌𝑡−1 traiga
algunas complicaciones estadísticas.
Efectivamente, 𝑌𝑡−1 al igual que 𝑌𝑡 es
estocástica, lo que significa que se tiene una
variable explicatoria estocástica. No
olvidemos que se ha predicado la teoría de los
cuadrados mínimos ordinarios, bajo el
supuesto de que las variables explicatorias no
son estocásticas, o que de serlo están
distribuidas independientemente del término
de perturbación estocástico. [4]

5. REFERENCIAS

[1] R. A. Española, «rae,» 2014. [En línea].

Available:
http://dle.rae.es/?id=WRAm1zM. [Último
acceso: 27 septiembre 2016].
[2] J. P. Porto, «definicion.de,» 2014. [En
línea]. Available:
http://definicion.de/rezago/. [Último
acceso: 27 septiembre 2016].
[3] Gujarati, Econometría Básica, Colombia:
Domadar, 2003.
[4] «eumed,» [En línea]. Available:
http://www.eumed.net/tesis-
doctorales/2012/iac/modelos_econometri
cos.html. [Último acceso: 27 septiembre
2016].
[5] Insumo Critico, «scribd,» [En línea].
Available:
https://es.scribd.com/doc/37326783/Econ
ometria-Capitulo-17. [Último acceso: 27
septiembre 2016].