¿Es hora de rechazar el privilegio de la teoría económica sobre la evidencia

empírica? Una respuesta a Lawson (2009)

Katarina Juselius

Unviversity of Copenhagen

Economics Department

Resumen: La actual crisis financiera y económica ha revelado un fracaso sistémico de la

economía académica y enfatizó la necesidad de volver a pensar cómo modelar los
fenómenos económicos. Lawson (2009) parece preocupado de que los críticos de los
modelos estándar ahora llenen las revistas académicas con contribuciones que cometen
los mismos errores metodológicos, aunque en una forma ligeramente diferente. En
particular, es bastante escéptico en el uso de modelos estadísticos matemáticos, como el
enfoque CVAR, como una forma de aprender sobre los mecanismos económicos. En este
documento, analizo si se trata de una afirmación relevante y sostengo que es probable
que se base en un malentendido de lo que un análisis estadístico adecuado puede ofrecer.
En particular, sostengo que la fuerte evidencia de raíces (cercanas) a la unidad y las
rupturas (estructurales) en las variables económicas sugiere que los modelos económicos
estándar deben modificarse o cambiarse para incorporar estas características sólidas de
los datos. Además, sostengo que una metodología empírica sólida que permita que los
datos hablen libremente sobre mecanismos económicos, como el CVAR, garantizaría que
la información importante en los datos no se escuche en exceso cuando sea necesario. La
aplicación adecuada de dichos modelos nos proporcionaría un sistema de alerta temprana
que indicaría que la economía se está moviendo seriamente fuera de equilibrio.
Palabras clave: Crisis económica, Informe Dahlem, enfoque CVAR, Teoría primera, Realidad
primera, Expectativas de conocimiento imperfectas, Datos no estacionarios

1. Introducción
En un artículo reciente, Tony Lawson (Lawson, 2009) analiza la naturaleza de las crisis
económicas actuales y su relación con el curso de la economía académica. Su argumento
principal es que el análisis de la política económica enmarcado por las propiedades de los
modelos deductivistas matemáticos no ha brindado demasiada información y que los
análisis son realizados principalmente por economistas académicos. Este es un viejo
debate en el que los economistas más escépticos a menudo tienen dificultades para hacer
que sus argumentos sean escuchados. Sin embargo, la gravedad de la crisis actual ha
cambiado esto y ha dado a los oponentes un nuevo viento en las velas. Pero, aunque el
diagnóstico de que el paciente está enfermo es bastante fácil de hacer, la prescripción de
una cura puede ser menos sencilla. Tony Lawson, aunque aparentemente está de acuerdo
con el diagnóstico, parece menos seguro acerca de la cura. Le preocupa que los opositores
ahora llenen las revistas académicas con contribuciones que cometen los mismos errores
metodológicos, es decir, que construyan nuevos modelos deductivistas matemáticos
formales, aunque con una apariencia ligeramente diferente. Como ejemplo, menciona el
llamado informe Dahlem (Colander, 2009), en el que un grupo de economistas (de los
cuales soy uno) discuten la "crisis financiera y el fracaso sistémico de la economía
académica". En este informe discutimos entre otros que

"Pocos economistas profesionales pudieron prever el presente crisis económica

inmensamente profunda y probablemente de larga duración. Los bancos centrales, los
gobiernos y el público en general se vieron sorprendidos por completo, y los modelos
teóricos existentes no brindaron (muy necesaria) orientación sobre cómo superar las crisis.
Los responsables de las políticas se dejaron a tientas en la oscuridad con la esperanza de
que su medida política costosa tendría el efecto deseado ".
También propusimos una serie de nuevos enfoques para hacer frente a la complejidad de
la realidad económica, que Lawson interpretó como "más de lo mismo" Ver Colander et al.
(2009b) por una respuesta general a esta crítica.
Entre otros, el informe de Dahlem abogó también por el uso de relevancia empírica (como
la coherencia con los principales hechos empíricos derivados del análisis de VAR de
Cointegrated (en adelante CVAR) como un criterio para discriminar entre modelos útiles y
menos útiles. Lawson (2009) cuestiona fuertemente la utilidad de modelos estadísticos,
como el modelo VAR cointegrado, como un medio para aprender de los datos. Mi
propósito aquí es abordar este problema en particular.
En su discusión final (p.776), Tony Lawson se refiere al conocido escepticismo de Keynes
con respecto al uso de modelos econométricos:
"Dados los desarrollos en curso, este parece ser un momento oportuno para recordar la
evaluación de Keynes de la relevancia de las técnicas econométricas en particular, que
descansan, como lo hacen en su mayoría estas técnicas, en los métodos de correlaciones
múltiples".
Permítanme enfatizar que las múltiples correlaciones, es decir, los modelos de regresión
múltiple, no eran lo que el grupo de Dahlem tenía en mente al discutir la utilidad del
modelado econométrico. Dudo mucho que cualquiera en el grupo hubiera apoyado el uso
de tales modelos como una herramienta apropiada para hacer inferencias sobre nuestra
realidad dinámica, no-constante y multidimensional altamente complicada, si hubiéramos
discutido esta posibilidad. Esto se debe en parte a que un coeficiente de regresión
múltiple se basa en una relación causal postulada (a priori) (x causa y dada alguna z),
mientras que los mecanismos económicos son inherentemente simultáneos,
multidimensionales y dinámicos, en parte debido a la inferencia estadística estándar (t-, F
-, y las pruebas de ji cuadrado de un modelo de regresión múltiple serían incorrectas, ya
que dicha inferencia se basa en un supuesto de estacionariedad, mientras que la mayoría
de los datos económicos no son estacionarios. Sin embargo, las implicaciones de la no
estacionariedad para el modelado económico son más profundas que el simple hecho de
cambiar a una distribución asintótica diferente (como una distribución DickeyFuller).
Cuando las variables y las relaciones no son estacionarias en lugar de estacionarias,
muchos procedimientos y supuestos estándar en economía se vuelven altamente
cuestionables, como el uso del supuesto de ceteris paribus para simplificar el modelo
económico. Esto se debe a que es poco probable que las conclusiones de un modelo de
este tipo no se modifiquen cuando las variables de ceteris paribus sean no estacionarias
en lugar de estacionarias. Además, el uso de expectativas racionales basadas en modelos
se vuelve cuestionable, ya que a menudo sería irracional pretender que el futuro es
predecible con una precisión razonable en un mundo no estacionario caracterizado por
tendencias estocásticas y rupturas estructurales (Clements y Hendry, 1999).
Como muchos economistas pueden no estar conscientes de las implicaciones plenas de la
no estacionariedad para sus modelos empíricos y teóricos, aprovecharé la oportunidad
para discutir aquí este tema con cierta amplitud. El resumen de la discusión posterior es el
siguiente: la Sección 2 analiza dos enfoques diferentes de la economía empírica, la Sección
3 analiza la no estacionariedad y el enfoque CVAR, la no estacionariedad y expectativas de
la Sección 4, la no estacionariedad de la Sección 5 y la cláusula ceteris paribus, la no
estacionariedad de la Sección 6 y su implicación para la modelización económica. La
sección 7 concluye.

2. El enfoque Teoría-Primero versus Realidad-Primero

Antes de discutir las implicaciones de la no estacionariedad para la economía empírica, es

útil analizar dos enfoques metodológicos diferentes, primero la teoría frente a la realidad
en primer lugar, que difieren en aspectos importantes de cómo los economistas y
estadísticos enfocan los datos. Si bien el primer enfoque ha sido y sigue siendo la forma
preferida de hacer investigación en economía, argumentaré aquí que el tiempo está
madurando para un cambio hacia el segundo.
El primer enfoque de la teoría es formular un modelo matemático teóricamente bien
especificado y aplicar métodos estadísticos para "cuantificar" sus parámetros. Supone que
los mecanismos económicos básicos pueden ser preespecificados, es decir, sabemos
cuáles son las fuerzas exógenas, qué variables se ajustan cuando el sistema se ha salido
del equilibrio, cómo las intervenciones han afectado al sistema, etc. La econometría en
este caso juega un papel importante. El rol subordinado de proporcionar estimaciones de
los parámetros económicos que se asume que son empíricamente relevantes desde el
principio. Tal enfoque, casi por construcción, estará menos abierto a las señales en los
datos, lo que sugiere que la teoría es incorrecta o necesita ser modificada. Por lo tanto,
corre el riesgo de producir resultados empíricamente irrelevantes y engañosos, como lo
ilustran varios artículos en el número especial de E-Journal Economics "Uso de la
econometría para evaluar modelos económicos" como Bjørnstad y Nymoen (2008), Fanelli
(2008) y Juselius (2008) sobre el nuevo modelo Keynesian Phillips Curve, Mercerau y J.
Miniane (2008) sobre los modelos de valor presente de la cuenta corriente, Nielsen (2008)
sobre el modelo de hiperinflación y demanda de dinero de Cagan, Giese (2008) sobre la
las hipótesis de expectativas de la estructura del término, y Juselius y Ordonez (2009) con
respecto a la curva de Phillips y la hipótesis de la tasa natural constante.
El enfoque de la realidad primero es formular un modelo estadísticamente bien
especificado para que los datos respondan las preguntas económicas de interés
incorporando el modelo económico dentro del modelo estadístico. La realidad primero
aboga por el uso de estrictos
Principios estadísticos / econométricos como criterio para un buen modelo. El modelo
estadístico vincula la teoría económica con los datos cuando anida tanto el proceso de
generación de datos como el modelo teórico. Luego, los parámetros del modelo teórico se
pueden leer como afirmaciones sobre los parámetros del modelo estadístico, que luego
pueden compararse con los datos siempre que el modelo estadístico lo caracterice con
precisión (Hoover et al., 2007).
Los primeros defensores de la realidad seleccionan los datos basándose en relaciones
económicas amplias (funciones de demanda y oferta, etc.), sin restringirlos en una
dirección preespecificada e interpretan los resultados en el fondo no solo de uno sino de
varios (posiblemente compitiendo) hipótesis Esto también facilita el descubrimiento de
nuevas pruebas para las cuales aún no se han formulado hipótesis anteriores. Para lograr
la objetividad científica, los datos no se pueden restringir desde el principio en una
dirección preestablecida teóricamente, ya que sería imposible distinguir entre los
resultados que se deben a las suposiciones hechas y los resultados que son hechos
empíricos genuinos. La única forma en que la metodología funciona correctamente es
permitiendo que los datos hablen lo más libremente posible sobre regularidades
empíricas.
Por lo tanto, en el caso de "la primera teoría", las estadísticas a menudo se utilizan (ab)
como una herramienta para obtener ciertas estimaciones teóricamente significativas
[independientemente de su significado estadístico]. Creo que esto es lo que Tony Lawson
tiene en mente al descartar el uso de modelos estadísticos formales. En el caso de "la
realidad primero", el modelo estadístico se toma en serio y se utiliza activamente como un
medio para aprender de los datos sobre el mecanismo subyacente de interés.
 Hoover (2006) en una discusión de Walrasian contra Marshallian economics señaló
algunos problemas metodológicos asociados con el enfoque de "teoría primero" de
Walrasian:
"El enfoque walrasiano es totalizador. La teoría es lo primero. La realidad empírica debe
articularse teóricamente antes de que pueda observarse empíricamente. Hay una
sensación de que la actitud walrasiana es que para saber algo, uno debe saberlo todo". es
un problema fundamental: ¿Cómo llegamos a nuestro conocimiento a priori? La mayoría
de los macroeconomistas esperan que la evidencia empírica sea relevante para nuestra
comprensión del mundo. Pero si esa evidencia solo se puede ver a través de la totalización
de la teoría a priori, entonces no se puede usar para revisar la teoría. "..." El enfoque
marshalliano es arqueológico. Tenemos algunas pistas de que una estructura sistemática
se encuentra detrás de las complejidades de la realidad económica. El problema es cómo
dejar al descubierto esta estructura. Para buscar los fundamentos, modificar y adaptando
nuestra comprensión teórica a medida que se acumulan nuevos hechos, confiando cada
vez más en la comprensión de la superestructura, pero nunca muy seguro de que hayamos
alcanzado el nivel más bajo de la estructura ".

Fue en el sentido del enfoque arqueológico marshalliano que el informe Dahlem discutió
el uso de modelos econométricos como un medio para mejorar nuestra comprensión
empírica.
Supongamos que, como resultado de la actual crisis financiera y económica, los
economistas comenzaron a buscar un cambio paradigmático en su uso de los modelos
económicos como una forma de mejorar su comprensión de la realidad empírica. ¿Cómo
deben llevarse bien? Nuestra respuesta en el informe Dahlem fue simplemente aprender
de los datos de una manera sistemática y estructurada. Si no entendemos el pasado
histórico, hay pocas esperanzas para entender el futuro. Dado que un VAR bien
especificado en su forma no restringida es esencialmente una simple reformulación
conveniente de la información en los datos (Hendry y Mizon, 1993, Juselius, 2006,
Capítulo 3), el enfoque VAR parece ser un lugar obvio para comenzar a excavar. Ve el
mundo como un sistema dinámico altamente complejo, cuyas propiedades deben
inferirse de los datos que reflejan una realización única (no reproducible) de un proceso
multivariado dependiente de la ruta. Un elemento clave del enfoque VAR es, primero,
obtener el modelo de probabilidad correcto (que se juzga por la aplicación implacable de
las pruebas de diagnóstico) para permitirnos juzgar las teorías en relación con las
restricciones verificables que implican para el modelo de probabilidad. Naturalmente, esto
implica que el proceso de generación de datos debe aproximarse mediante relaciones más
simples, que caracterizan los datos con la precisión suficiente para nuestro propósito
particular (Hoover et al., 2007). Debido a que los modelos teóricos a menudo son no
lineales y el VAR es un modelo lineal, este último funciona bien cuando una expansión de
Taylor de primer orden del modelo teórico no lineal proporciona una buena aproximación
de la realidad empírica. Por ejemplo, un modelo VAR que funcionó bien hasta el comienzo
de la crisis actual puede mostrar gradualmente evidencia de fracaso predictivo a medida
que se desarrolla la crisis. Sin embargo, esta característica es valiosa en sí misma ya que
señala que el mercado se está alejando significativamente del equilibrio.
Por lo tanto, un VAR bien especificado puede ser un resumen conveniente de hechos
empíricos básicos (no
¡estilizado!) que un modelo teórico debería poder explicar en tiempos normales para
reclamar relevancia empírica. En este sentido, puede pensarse que el modelo VAR
proporciona bandas de confianza (definidas en sentido amplio) dentro de las cuales debe
caer el modelo teórico. Hecho correctamente, es una herramienta poderosa que le
permite al investigador participar en una discusión lógica con la realidad empírica y al
hacerlo guía su investigación en direcciones empíricamente relevantes.
Muchos economistas argumentarían que, a menos que el modelo empírico esté
restringido por la teoría desde el principio, uno no sería capaz de dar sentido a los
resultados: sin la lógica matemática del modelo teórico, se abren posibilidades de
charlatanería. ¿Es el modelado VAR inmune a esta crítica? No necesariamente. La forma
en que se discuten los modelos de VAR en la literatura da la impresión de que se han
aplicado mecánicamente (presionando el botón VAR) en lugar de usarse para hacer
preguntas precisas y precisas sobre la economía. Esto podría deberse a una falta de
comprensión de lo que es el análisis VAR basado en la probabilidad. Para afirmar que el
análisis estadístico se basa en la información máxima, la probabilidad máxima requiere
que el modelo describa satisfactoriamente todos los aspectos de los datos. Para que este
sea el caso, el investigador debe verificar cuidadosamente los posibles cambios en las
tasas de crecimiento promedio o en los medios de equilibrio, y los efectos de las
intervenciones, reformas y políticas cambiantes. Él o ella también debe decidir si el
período de muestra está definiendo un régimen de parámetros constantes; si el conjunto
de información se ha elegido correctamente y muchas otras decisiones similares. La
precisión de los resultados depende de que todas estas suposiciones sean correctas en el
modelo.
Realizar el análisis necesario para desarrollar un modelo satisfactorio es un proceso largo y
tedioso, que depende del juicio y la experiencia del investigador. No tiene nada que ver
con presionar el botón VAR. Pero sin tal comprobación, los resultados pueden ser (y con
frecuencia son) casi inútiles y, si los responsables de las políticas los toman en serio, son
incluso peores que sin valor. Podría compararse con un arqueólogo que usa una pala en
lugar de un cepillo fino para quitar el polvo y dejar la estructura subyacente al descubierto
en un sitio antiguo.
 Otro argumento frecuente es que la calidad de los datos económicos es demasiado baja
para aprender algo de ellos. Si bien estamos de acuerdo en que los datos de series
cronológicas económicas rara vez se corresponden muy estrechamente con los conceptos
teóricos de un modelo teórico (precios, ingresos, dinero, etc. en un modelo teórico frente
a la multitud de mediciones diferentes CPI, PPI, PY, GDP, GNE, DI). , M1 M2, M3, etc. que
se pueden elegir en un análisis empírico), desafortunadamente, el caso es que las medidas
teóricamente correctas no existen y, por lo tanto, los políticos y los responsables de la
toma de decisiones no pueden utilizarlas para reaccionar. Los pronósticos, los planes y las
expectativas en que los agentes basan sus decisiones son los datos observados, por muy
imperfectos que sean.
A pesar de que los datos macro están contaminados con errores de medición, estos
últimos pueden no ser una gran preocupación a menos que sean sistemáticos y acumulen
hasta la no estacionariedad. De hecho, si uno toma en serio los datos macroeconómicos, a
menudo sorprende lo informativos que son. El mayor obstáculo para aprender de los
datos es el impulso (casi irresistible) de imponer demasiados antecedentes económicos en
el modelo estadístico, a pesar de que están en contra de la información en los datos.
Partir de la idea de que sabemos lo que el modelo empírico debería decirnos y luego
insistir en que la realidad debe comportarse en consecuencia no es solo un recibo de una
profunda frustración, sino que a menudo también lleva al investigador a comenzar a
"torturar" los datos hasta que confiesan.

3. La no estacionariedad y el CVAR.
En la sección anterior argumenté que el VAR no restringido era solo una parametrización
conveniente de las covarianzas de los datos y, por lo tanto, tenía que estar sujeto a
pruebas de simplificación para ser útil. Como la evidencia estadística indica que la no
estacionariedad está generalizada en la economía, el primer paso (y el más crucial) en la
búsqueda de simplificación es probar el orden de integración y cointegración. Contabilizar
las raíces (cercanas) a la unidad (es decir, la persistencia) en el modelo proporciona una
herramienta poderosa para que las inferencias estadísticas sean sólidas. De hecho, tal
inferencia sería engañosa a menos que se modele adecuadamente la no estacionariedad.
Una forma de contabilizar una raíz unitaria es transformar los datos en estacionaridad por
diferenciación. Pero la diferenciación desecha toda la información a largo plazo en los
datos. Afortunadamente, cuando los datos comparten una tendencia estocástica, una
combinación lineal particular de los niveles de las variables también será estacionaria. Se
dice que tales variables están cointegradas. Una relación de cointegración estacionaria
entre variables no estacionarias puede interpretarse con frecuencia como la definición de
un equilibrio a largo plazo hacia el cual se ajustan las variables.
Al combinar datos diferenciados y cointegrados, el modelo CVAR es una forma natural de
analizar los datos económicos como variaciones a corto plazo en torno al movimiento de
equilibrios a largo plazo. Como muchas teorías ofrecen implicaciones comprobables sobre
los choques persistentes y el comportamiento en estado estable, tales propiedades
dinámicas son fundamentales para el enfoque CVAR. Las fuerzas de carrera más largas se
dividen en fuerzas que mueven los equilibrios (fuerzas de empuje, que dan origen a
tendencias estocásticas) y fuerzas que corrigen las desviaciones del equilibrio (fuerzas de
tracción, que dan lugar a relaciones de cointegración). Interpretado de esta manera, el
CVAR tiene una buena posibilidad de anidar un proceso de generación de datos
multivariable y dependiente de la trayectoria y teorías macroeconómicas dinámicas
relevantes. A diferencia de los enfoques en los que los datos están silenciados por
restricciones previas, el modelo CVAR proporciona a los datos un rico contexto en el que
los datos pueden hablar libremente (Hoover et al., 2007). . Vea también Framroze-Møller
(2008) para una exposición detallada.
La caracterización precisa de la persistencia de los datos es un aspecto vital del enfoque
CVAR, ya que nos permite clasificar y analizar los datos en términos de fuerzas de "tirar y
empujar" en la economía, centrándose así en el largo plazo. Nos permite responder
preguntas como: ¿Podemos identificar los choques estocásticos autónomos que se
acumulan en las tendencias estocásticas? y: ¿Cuáles son las relaciones estables a largo
plazo? ¿Cómo se ajusta el sistema después de ser golpeado por una descarga ( shock)?

4. No estacionariedad y expectativas.
La fuerte evidencia de raíces (cercanas) a la unidad y rupturas (estructurales) en las
variables y relaciones económicas sugiere que el comportamiento económico a menudo
se caracteriza por una persistencia pronunciada lejos de los estados estacionarios a largo
plazo. De manera similar, la fuerte evidencia de cambios en las medias de equilibrio y / o
las tasas de crecimiento en estado estacionario sugieren que los pronósticos a partir de
modelos de teoría de parámetros constantes, que se suponen correctos desde el
principio, tienen un desempeño pobre. Dado que los modelos de expectativas racionales
son inherentemente consistentes con los actores económicos que son capaces de prever
recursivamente resultados futuros con probabilidades conocidas, la pronunciada no
estacionariedad de los datos (raíces y rupturas unitarias) parece ser insostenible con estas
suposiciones básicas (Hendry y Mizon, 2009).
Pero, si las expectativas racionales tienen que desaparecer, ¿qué debería reemplazarlas?
Frydman y Goldberg (2007, 2009) demuestran que los supuestos agentes heterogéneos
que realizan pronósticos basados en un conocimiento imperfecto cambian
fundamentalmente las implicaciones económicas del comportamiento racional en los
mercados financieros. En lugar de suponer que los economistas pueden pre-especificar el
modelo económico correcto y que los agentes toman la decisión al conocer este modelo
correcto y, por lo tanto, hacer pronósticos basados en el conjunto de variables correcto,
Imperfect Knowledge Economics (IKE) asume que los agentes no conocen modelo
correcto, ni variables correctas, que los agentes cambian su vista a medida que aprenden
más. Además, si agregamos que los agentes, en vista de su conocimiento imperfecto, son
adversos al riesgo y miope, entonces terminaremos con un marco teórico que ha
demostrado ser empíricamente relevante, incluso notablemente. Cuando el enfoque de
RE obliga a los datos observados a entrar en la camisa de fuerza de un modelo altamente
estilizado, describiendo agentes que conocen los valores de equilibrio de los precios, por
ejemplo, el enfoque de IKE nos dice que los agentes no saben qué son estos valores, que
los compradores y vendedores pueden tener. diferentes puntos de vista sobre lo que son,
que cambian de opinión sobre qué información usar para pronosticar estos valores.
Una implicación importante del marco IKE es que el comportamiento especulativo en un
mundo de conocimiento imperfecto, si bien es completamente racional, tiene una
tendencia a alejar los precios de los valores de equilibrio a largo plazo durante largos
períodos de tiempo, lo que genera una persistencia pronunciada en los datos que son
difíciles. (imposible) para reconciliar con los modelos basados en RE. Lo que hace que la
teoría IKE sea interesante para un modelador CVAR es que estos errores de equilibrio
persistentes deben compensarse con un comportamiento persistente similar en algún
otro lugar de la economía. Identificar, estimar y probar tales relaciones es exactamente de
lo que trata el análisis de cointegración.
Por ejemplo, en el mercado de divisas, IKE nos dice que los movimientos persistentes
observados con frecuencia en los tipos de cambio reales (desviaciones de la paridad de
poder de compra) deben ser contrarrestados por movimientos persistentes similares en
los diferenciales de las tasas de interés reales (desviaciones de la paridad internacional de
Fisher) . Frydman et al. (2009) mostró analíticamente que es probable que el
comportamiento de IKE (especulativo) genere movimientos persistentes en torno a los
valores de referencia a largo plazo que pueden describirse aproximadamente mediante
procesos de raíz casi unitaria. Por lo tanto, esperaríamos encontrar más tendencias
estocásticas (persistencia) en una IKE que en una economía basada en ER, que es lo que
encontramos principalmente. Por ejemplo, los movimientos de los tipos de cambio reales
que se alejan de los valores de referencia fundamentales durante los períodos de flotación
de la moneda han demostrado ser sorprendentemente persistentes, a menudo apodados
como el PPP y los rompecabezas de las oscilaciones largas (Rogoff, 1996). Las pruebas
econométricas dentro de un CVAR han encontrado principalmente que la tasa de cambio
real está empíricamente cercana a I (2) y se integra con el diferencial de la tasa de interés
real (ver, Juselius y MacDonald, 2004, 2007, Johansen y otros, 2009, Frydman y otros .,
2009). Este fuerte hallazgo empírico parece, en última instancia, haber proporcionado una
resolución al 'rompecabezas PPP' (Frydman et al. 2008).
El resultado anterior es importante por dos razones. Muestra que bajo expectativas de
conocimiento imperfectas, (1) los mercados financieros no regulados no necesariamente
contribuyen a una asignación eficiente de recursos (como lo ha demostrado ampliamente
la crisis actual) y (2) es probable que se generen movimientos persistentes (no
estacionarios) de una paridad movimientos compensatorios similares en otra paridad,
pero que una combinación de dos errores de paridad persistentes puede ser
empíricamente estable. Por lo tanto, la no estacionariedad no excluye las relaciones
estables, simplemente mueve la discusión de la estabilidad a un nivel superior. En este
sentido, una relación de equilibrio de RE estándar puede verse como un caso especial
comprobable de una relación de equilibrio basada en IKE más general.
El hecho de que IKE proporcione un marco formal para pensar sobre el comportamiento
económico sin forzar nuestro pensamiento en estructuras demasiado estilizadas (e
inverosímiles) es, en mi opinión, una ventaja empírica importante. Las implicaciones de
IKE son cualitativas en lugar de cuantitativas y, por lo tanto, necesitan la asociación de una
metodología empírica sólida. La metodología VAR cointegrada está diseñada para
describir la realidad empírica complicada, no un modelo teórico preespecificado, y por lo
tanto debe combinarse con una teoría que pueda guiar en la búsqueda de mecanismos
empíricamente relevantes sin obstaculizar la búsqueda. Por lo tanto, el enfoque CVAR
combinado con IKE parece proporcionar una asociación sólida para probar hipótesis y
aprender sobre nuestra complicada realidad.

5. La no estacionariedad y el supuesto de ceteris paribus.

Es una práctica común simplificar un modelo teórico utilizando el supuesto de ceteris
paribus "todo lo demás sin cambios". Sin embargo, la relevancia empírica del supuesto de
ceteris paribus en un modelo teórico probablemente se verá fuertemente afectada por el
orden de integración de las variables de ceteris paribus. Si son estacionarios, es más
probable que las conclusiones permanezcan sólidas que si no son estacionarias. En este
último caso, las conclusiones pueden (y con frecuencia lo hacen) cambiar. Debido a que en
la economía real no se pueden mantener artificialmente fijas las variables, el problema
empírico debe abordarse en el contexto de "todo lo demás cambiante" y el impacto de las
variables de ceteris paribus se incorpora al análisis mediante el condicionamiento.
Por lo tanto, al integrar el modelo teórico en un marco empírico más amplio, los análisis
de sensibilidad que utilizan el enfoque CVAR se pueden usar para verificar si las
conclusiones de un modelo económico son frágiles con respecto a la cláusula ceteris
paribus y, por lo tanto, si conducen a escollos. El razonamiento económico. En este
sentido, un análisis CVAR realizado correctamente puede ser útil para sugerir
modificaciones de modelos teóricos demasiado específicos.
Por ejemplo, la mayoría de los modelos de expectativas racionales se basan explícita o
implícitamente en el supuesto de ceteris paribus: tipos de cambio reales constantes (o, al
menos, estacionarios), tipos de interés reales y diferenciales de tipos de interés. Como se
mencionó en la sección anterior, los análisis empíricos han sugerido que estas condiciones
de paridad son demasiado persistentes para ser consideradas estacionarias. La pregunta
interesante es si una persistencia tan pronunciada lejos de los valores de referencia a
largo plazo tiene implicaciones en la forma en que generalmente pensamos sobre macro y
política. El hecho de que este sea el caso parece ilustrarse, por ejemplo, en los
documentos mencionados en el número especial de la revista electrónica.
Ciencias económicas. Ver Juselius (2009). Por lo tanto, la no estacionariedad de los datos
económicos puede tener serias implicaciones políticas y requiere un replanteamiento de
nuestros modelos de políticas.

6. No estacionariedad y modelización económica.

Tradicionalmente, las fluctuaciones macroeconómicas en la inflación, el crecimiento real,
el desempleo, etc. se estudiaron utilizando regularidades a largo plazo bien establecidas
en los datos, como la relación consumo-ingreso, función de consumo, velocidad (inversa)
del ingreso de dinero, demanda de dinero. funciones, la relación de la curva de Phillips,
etc. Se derivaron de un marco general basado en el modelo IS-LM que explica las
fluctuaciones en la demanda agregada - oferta agregada en la economía. Este paradigma
fue reemplazado por una macro teoría teórica que comenzó en los años cincuenta y
sesenta. El argumento es que, dado que la macroeconomía es, al fin y al cabo, el conjunto
de las microunidades, necesitamos tener una macro-teoría que pueda derivarse de una
micro-teoría. Pero, para poder llegar a un modelo de parámetros constantes que describa
unos pocos parámetros estructurales, tenemos que confiar en tales suposiciones poco
realistas que la mayoría de los resultados pueden considerarse empíricamente
irrelevantes desde el principio.
El hecho de que los modelos CVAR a menudo describen bien los datos económicos puede
sugerir que los modelos económicos empíricamente relevantes deben formularse como
modelos de ajuste dinámico en tasas de crecimiento y errores de equilibrio, los llamados
modelos de corrección de equilibrio. Ver, por ejemplo, Hendry (1987, 1995), Juselius
(2006). Tales modelos son inherentemente consistentes con la idea de que los choques no
anticipados se acumulan con el tiempo para generar tendencias estocásticas en las
variables.
Como se mencionó anteriormente, las relaciones básicas a largo plazo, tales como la
paridad de poder de compra, las tasas de interés reales, la paridad de la tasa de interés
descubierta, el margen a largo plazo, la relación consumo-ingreso, la relación capital-
ingreso, la mano de obra e ingresos, la tasa natural del En su mayoría, se encuentra que la
curva de Phillips, etc. exhibe una persistencia pronunciada que es insostenible con la
hipótesis de estados estacionarios estáticos estacionarios. En tal situación, podemos usar
el análisis de cointegración para descubrir qué variables o relaciones exhiben una
persistencia compensatoria similar, es decir, podemos buscar combinaciones
empíricamente estables de errores persistentes (de equilibrio). Cuando las desviaciones
de las relaciones de equilibrio (estáticas) muestran una persistencia pronunciada, la lógica
matemática del modelo CVAR nos dice que es probable que se encuentre dicha
persistencia compensadora en las variables que miden las tasas de crecimiento nominales
(Kongsted, 2005, Juselius, 2006). La implicación para el modelado económico es que
necesitamos pasar de un marco de relaciones de equilibrio estático a dinámico. Por lo
tanto, el hecho de que encontremos que los errores de equilibrio estático sean inestables
(no estacionarios) no excluye la existencia de relaciones estables, como ya se mencionó,
simplemente mueve la discusión de la estabilidad a un nivel superior. En este sentido, una
relación estática estándar a largo plazo puede verse como un caso especial comprobable
de una relación de equilibrio dinámico más general.
Muchos modelos de Equilibrio General Estocástico Dinámico (DSGE) también permitirían
tales choques permanentes, por ejemplo, choques a la tecnología y preferencias. Pero, en
este caso, la no estacionariedad de los datos se incorpora en el modelo al suponer una
tendencia estocástica dada exógenamente. La diferencia entre los dos enfoques es que el
número de tendencias estocásticas se estima en el modelo CVAR, no se asume, y la
presunción de que uno de ellos es una tendencia tecnológica se formularía como una
restricción comprobable en los parámetros del modelo CVAR en lugar de Se impone desde
el principio. Como la estructura general de un modelo DSGE y CVAR es similar, el primero
puede en principio formularse como un submodelo dentro del CVAR y, por lo tanto, es
una hipótesis comprobable. Por ejemplo, Juselius y Franchi (2007) muestran cómo
traducir las suposiciones básicas que subyacen al modelo DSGE del ciclo económico real
en Irlanda (2004) en un conjunto de suposiciones comprobables sobre las relaciones de
cointegración y las tendencias estocásticas en un CVAR. La estructuración de los datos de
esta manera ofrece una serie de datos empíricos (por ejemplo, fueron los choques al
consumo los que generaron los largos ciclos de negocios en lugar de los choques al capital
como en el modelo de RCB de Irlanda), que un modelo teórico debe replicar para reclamar
Relevancia empírica. En el caso de Irlanda, la mayoría de las suposiciones que subyacen al
modelo fueron rechazadas cuando se probaron adecuadamente, lo que ilustra el punto de
Tony Lawson de que los modelos que obtienen los "resultados correctos" y las "preguntas
interesantes" pueden llegar a ser engañosos y empíricamente irrelevantes.

¿Sería útil el modelo CVAR para comprender mejor la crisis financiera y económica? Tome
la reciente crisis que se permitió construir durante un período bastante largo sin un
sistema de advertencia adecuado que, en una etapa temprana, hubiera indicado que el
sistema se estaba moviendo seriamente fuera de equilibrio. Muchos años antes del
estallido de la burbuja, el índice de precios relativos del consumo de la vivienda mostraba
un comportamiento no estacionario muy pronunciado. Este pronunciado movimiento de
los precios de la vivienda lejos de los precios de consumo ordinarios fue (principalmente)
facilitado por la baja inflación de los precios y las tasas de interés. Antes del estallido de la
burbuja, la relación entre el precio de la vivienda y el consumo aumentó casi
exponencialmente, lo que indica que los precios de la vivienda se estaban alejando de su
nivel sostenible, dado el nivel de inflación y las tasas de interés. Este habría sido el último
momento para que las autoridades reaccionaran para prevenir el desastre subsiguiente.
Pero, el resultado empírico de que el nivel extraordinariamente alto de los precios de la
vivienda era sostenible solo por los niveles extraordinariamente bajos de las tasas de
interés nominales y las tasas de inflación debería haber sido motivo de preocupación
mucho antes. Podría, por ejemplo, haber resultado en un análisis detallado del mercado
como el proporcionado por Lawson en su artículo.
Mi punto aquí es que sin una comprensión adecuada de las fuerzas de desequilibrio a nivel
macro, el análisis de mercado informal (y altamente valioso) en Lawson (2009) a menudo
llegará demasiado tarde para evitar la próxima crisis. Los mercados son infinitamente
inventivos y sería casi imposible prever qué puede generar la próxima crisis. A menos que
desarrollemos una buena comprensión macroeconómica y un sistema de señalización
confiable (basado en modelos matemáticos-estadísticos formales científicamente válidos)
es muy probable que la próxima crisis vuelva a ser una gran sorpresa.
El experimento mental "lo que Keynes le habría dicho al enfoque CVAR" si él todavía
estuviera vivo es intrigante. Como Keynes era un académico con un profundo respeto por
la complejidad de la vida económica, probablemente se habría convencido de que los
modelos econométricos, cuando se usan adecuadamente, son indispensables como
herramientas para mejorar nuestra comprensión de la complicada realidad económica.

7. Observaciones finales.
Tony Lawson argumentó en su artículo que "las prácticas actuales de investigación
académica deben transformarse antes de que se pueda lograr una visión real". Él advierte
"en contra de la sustitución de modelos aún más formalistas, aunque reflejando hipótesis
económicas alternativas, en lugar de las que hasta ahora han sido dominantes" y "sugiere
que el esfuerzo de modelado formalista se interpone principalmente en el camino de la
comprensión". Si se puede interpretar que esto significa que el uso de modelos de teoría
deductivista matemática formalista no ha logrado mejorar nuestra comprensión de la
compleja realidad económica y que el uso de la econometría como un medio para ilustrar
estos modelos no ha proporcionado mucha información adicional, entonces no hay
desacuerdo. Donde nuestras opiniones divergen es en el uso alternativo de modelos
econométricos y económicos.
La visión de la "teoría primera" de cómo abordar esta crisis sería muy probable que se
elaboren más los kits de herramientas estándar de los economistas, incluidos los agentes
representativos y las expectativas racionales basadas en modelos. Creo que esta opinión
necesita ser desafiada. Partir de la idea de que sabemos lo que el modelo empírico
debería decirnos y luego insistir en que la realidad debe comportarse en consecuencia no
es solo una receta para la frustración profunda, sino también para no saber lo que
realmente necesitamos saber. Puede compararse con un arqueólogo que sabe antes de
comenzar a cavar lo que encontrará. La respuesta a esta crisis es, en mi opinión, no forzar
los modelos teóricos sobre los datos, suprimiendo todas las señales que indican la falta de
relevancia empírica, sino insistir en construir modelos económicos que incluyan estas
características de datos. Esto, de ninguna manera excluye el tipo de análisis perspicaz de
las causas subyacentes de la crisis financiera y económica actual, tal como lo indican Tony
Lawson y Axel Lejonhufvud en la edición 33 del Cambridge Journal of Economics de 2009.
Ambos tipos de análisis son valiosos y necesario.
He argumentado aquí que para comprender los mecanismos económicos que
eventualmente causaron la crisis, debemos comprender los mecanismos que generaron
los datos observados. Sin embargo, llevar los modelos económicos a los datos que
permiten características complejas como interacciones, dinámicas, heterogeneidad, etc.
es técnicamente (y también intelectualmente) extremadamente exigente y hubiera sido
impensable sin el acceso actual a computadoras de alta velocidad. Ahora que tenemos las
herramientas para calcular modelos incluso completamente complejos, debemos analizar
cómo podemos usar las herramientas para aprender de manera eficiente a partir de
evidencia empírica. Creo que esta es la dirección a seguir, ya que parece poco probable
que los problemas económicos más apremiantes de hoy, como las crisis financieras
actuales, el efecto de la globalización en la política económica nacional, la gobernanza y la
regulación internacionales, el efecto de la desregulación del capital en las economías
domésticas, cómo para orientar y ayudar a los países subdesarrollados (Stiglitz, 2002),
etc., se pueden abordar adecuadamente elaborando más a fondo los kits de herramientas
estándar de los economistas, que incluyen agentes representativos y expectativas
racionales basadas en modelos.
En el informe Dahlem argumentamos que la no estacionariedad de los datos económicos
tiene implicaciones importantes en la forma en que asociamos nuestros modelos de teoría
económica con nuestra realidad económica. También sugerimos que un modelo teórico
empíricamente relevante debería poder explicar los hechos empíricos básicos tal como se
formulan en términos de las fuerzas de tracción y empuje estimadas a partir de un modelo
CVAR correctamente especificado y adecuadamente estructurado. Al hacerlo, el enfoque
CVAR cambiará el papel de la teoría y el análisis estadístico en el sentido de rechazar el
privilegio de una teoría económica a priori sobre la evidencia empírica (Hoover et al.,
2008). Creo que es hora de permitir este cambio, que para tener éxito tendrá que implicar
un cambio en el sistema de incentivos académicos (Colander, 2009).

References

Bjørnstad, R., and R. Nymoen (2008). The New Keynesian Phillips Curve Tested on OECD Panel
Data. Economics: The Open-Access, Open-Assessment E-Journal, Vol. 2.

Clements, M.P. and D.F. Hendry (1999). Forecasting Non-stationary Economic Time Series,
Zeuthen Lecture Book series, The MIT Press, Cambridge.
Colander, D. (2006) (ed.) Post Walrasian macroeconomics: Beyond the dynamic stochastic general
equilibrium model. Cambridge: Cambridge University Press, 2006.
Colander, D. (2009). ”Economists, Incentives, Judgment, and the European CVAR Approach to
Macroeconometrics.” Economics: The Open-Access, Open-Assessment E-Journal, Vol. 3, 2009-
9. http://www.economics-ejournal.org/economics/journalarticles/2009-9.

Colander, D., P. Howitt, A. Kirman, A. Leijonhufvud and P. Mehrling (2008), "Beyond DSGE Models:

Toward an Empirically Based Macroeconomics", American Economic Review, May, 2008, 98:2.

Colander, D, M. Goldberg, A. Haas, K. Juselius, A. Kirman, T. Lux, B. Sloth (2009), "The Financial
Crisis and the Systemic Failure of the Economics Profession", Critical Review, 21.

Colander, D, H. Foellmer, A. Haas, K. Juselius, A. Kirman, T. Lux, B. Sloth (2009), " Mathematics,
Methods, and Modern Economics: The Dahlem Group on Economic Modelling. Forthcoming
The real-world economics review, 49.
Clements, M.P. and D.F. Hendry (1999), "Forecasting Non-Stationary Time Series". Cambridge,
Mass.: MIT press.

Clements, M.P. and D.F. Hendry (2008), "Economic Forecasting in a Changing World". Capitalism
and Society, 3, 1-18.

Fanelli, L. (2008). Evaluating the New Keynesian Phillips Curve under VAR-based Learning.

Economics: The Open-Access, Open-Assessment E-Journal, Vol. 2, 2008-33.

http://www.economics-ejournal.org/economics/journalarticles/2008-33.
Framroze Møller, N. (2008). Bridging Economic Theory Models and the Cointegrated Vector

Autoregressive Model. Economics: The Open-Access, Open-Assessment E-Journal, Vol. 2, 2008-

36.
http://www.economics-ejournal.org/economics/journalarticles/2008-36.

Frydman, R. and M. Goldberg (2007), Imperfect Knowledge Economics: Exchange rates and Risk,
Princeton, NJ: Princeton University Press.

Frydman, R., M. Goldberg, K. Juselius, and S. Johansen (2008), "Imperfect Knowledge and a
Resolution of the Purchasing Power Parity Puzzle: Empirical Evidence," Working Paper 08-
31, University of Copenhagen.
Frydman, R., M. Goldberg, S. Johansen and K. Juselius (2009), "Resolving the Purchasing Power
Parity Puzzle: Endogenous Monetary Policy or Imperfect Knowledge?" Preprint, University of
Copenhagen.

Giese, J.V. (2008). Level, Slope, Curvature: Characterising the Yield Curve in a Cointegrated VAR
Model. Economics: The Open-Access, Open-Assessment E-Journal, Vol. 2, 2008-28.

http://www.economics-ejournal.org/economics/journalarticles/2008-28.

Hendry, D.F. (1987), "Econometric Methodology: A Personal Perspective", in T.F. Bewley (ed.)
Advances in Econometrics. Cambridge University Press. Cambridge, Mass.
Hendry, D.F. (2006), “Robustifying Forecasts from Equilibrium-Correction Models”, Journal of
Econometrics, 135, 399-426.

Hendry, D.F. (2009), "The Methodology of Empirical Econometric Modelling: Applied Econometrics
Through the Looking-Glass", in the New Palgrave Handbook of Empirical Econometrics,
Palgrave.

Hendry, D.F. and G.E. Mizon (1993), "Evaluating Econometric Models by Encompassing the VAR" in
Phillips, P.C. (ed.) Models, Methods and Applications of Econometrics, Blackwell, Basil.

Hendry, D.F. and G.E. Mizon (2009), “Economic Policy in a Rapidly Changing World”, Preprint,
University of Oxford.

Hoover, Kevin D. “The Past as Future: The Marshallian Approach to Post Walrasian
Econometrics,” in Colander (2006), pp. 239-57.

Hoover, K., S. Johansen, and K. Juselius (2008), "Allowing the Data to Speak Freely: The
Macroeconometrics of the Cointegrated VAR", American Economic Review, 98, pp. 251-55.

Ireland, P. N. (2004) "A Method for Taking Models to the Data", Journal of Economic Dynamics &
Control, 28(6), pp. 1205-26.

Johansen, S. (1995), Likelihood-Based Inference in Cointegrated Vector Autoregressive Models,

Oxford: Oxford University Press.
Johansen, Søren. “Confronting the Economic Model with the Data,” in Colander (2006), pp. 287-
300.

Johansen, S., K. Juselius, R. Frydman, and M. Goldberg (2009), "Testing Hypotheses in an I(2)
Model With Piecewise Linear Trends. An Analysis of the Persistent Long Swings in the Dmk/$
Rate," Journal of Econometrics, forthcoming.

Juselius, K. (2006), The Cointegrated VAR Model: Methodology and Applications, Oxford: Oxford
University Press.
Juselius, K. (2009a). Special Issue on Using Econometrics for Assessing Economic Models—An
Introduction. Economics: The Open-Access, Open-Assessment E-Journal, Vol. 3, 2009-28.
http://www.economics-ejournal.org/economics/journalarticles/2009-28

Juselius, K. (2009b). “The Long Swings Puzzle. What the data tell when allowed to speak freely”
Chapter 8 in the New Palgrave handbook of empirical econometrics. Palgrave.
Juselius, K. and M. Franchi (2007), "Taking a DSGE Model to the Data Meaningfully." Economics-
The Open-Access, Open-Assessment E-Journal, No. 2007-4,
http://www.economicsejournal.org/economics/journalarticles/2007-4.

Juselius, K. and R. MacDonald (2004), "The International Parities Between USA and Japan", Japan
and the World Economy, 16, pp. 17-34.

Juselius, K., and R. MacDonald (2007), "International Parity Relationships Between Germany and
the United States: A Joint Modelling Approach", in: A. Morales-Zumaquero (ed.), International
Macroeconomics: Recent Development. Nova Science Publishers.
Juselius, K., and J. Ordóñez (2009). Balassa-Samuelson and Wage, Price and Unemployment
Dynamics in the Spanish Transition to EMU Membership. Economics: The Open-Access, Open-
Assessment EJournal, Vol. 3, 2009-4.

Juselius, M. (2008). Testing the New Keynesian Model on U.S. and Euro Area Data. Economics: The
Open-Access, Open-Assessment E-Journal, Vol. 2, 2008-24.
http://www.economicsejournal.org/economics/journalarticles/2008-24.

Lawson, T. (200). The current economic crisis: its nature and the course of academic economics.
Cambridge Journal of Economics, 33, 759-777.

Leijonhufvud, A (2009). Out of the Corridor: Keynes and the Crisis, Cambridge Journal of
Economics, forthcoming.

Katlesky, A. (2009), Good-by, Homo Economicus, Prospect Magazin, 157.

Mercereau, B., and J. Miniane (2008). Should We Trust the Empirical Evidence from Present Value
Models of the Current Account? Economics: The Open-Access, Open-Assessment E-Journal,
Vol. 2, 2008-34. http://www.economics-ejournal.org/economics/journalarticles/2008-34.

Nielsen, B. (2008). On the Explosive Nature of Hyper-Inflation Data. Economics: The Open-Access,
Open-Assessment E-Journal, Vol. 2, 2008-21.
http://www.economicsejournal.org/economics/journalarticles/2008-21.

Rogoff, K. (1996), The Purchasing Power Parity Puzzle, Journal of Economic Literature, 34, 647-68.
Spanos, A. (1995), "On Theory Testing in Econometrics: Modeling with Nonexperimental Data",
Journal of Econometrics, 67, 189-226.

Spanos, A. (2006), Econometrics in Retrospect and Prospect, in New Palgrave

Handbook of Econometrics, Vol. 1 eds. T.C. Mills and K. Patterson. MacMillan,
London.

Spanos, A. (2009). The Pre-Eminence of Theory versus the European CVAR Perspective in
Macroeconometric Modeling. Economics: The Open-Access, Open-Assessment E-Journal, Vol.
3, 2009-10. http://www.economics-ejournal.org/economics/journalarticles/2009-10.

Stiglitz, J. (2002). Globalization and its discontent. W.W. Norton & Company. New York.