CURSO DE PREDICCIÓN ECONÓMICA Y EMPRESARIAL

Unidad 4: Técnicas Avanzadas de Predicción

EJERCICIO 1: Estimación y simulación de un modelo VAR en EViews
Solución

<<Descarga de la solución ilustrada en formato PDF: 9 Págs. (Recomendado)>>

A) ESTIMACIÓN Y ELECCIÓN DEL RETARDO.

Para la estimación de modelos con vectores autorregresivos podemos utilizar dos vías: una, a través del menú
principal con QUICK / ESTIMATE VAR, y otra creando un objeto que sea, precisamente, un modelo VAR:
OBJECTS / NEW OBJECT / VAR. En ambos casos, accedemos a la siguiente pantalla, en la que hemos
incluido el término independiente en la especificación (exogenous) y hemos indicado el número de retardos
seleccionados, hasta dos. En la aplicación se obtiene una salida de estimación, en primer lugar con el Índice
de precios al consumo (IPC) como variable dependiente; y en segundo lugar, con la variable Tipo de interés
(TIC) como dependiente.
Cada columna de la tabla corresponde a la ecuación para cada una de las variables endógenas en el modelo
VAR. Por filas, tenemos las variables explicativas, para las que se indica el valor de su coeficiente estimado,
la desviación típica y el cálculo de la t-student. Por ejemplo, el coeficiente que acompaña a la variable IPC(-1)
en la ecuación del IPC como variable endógena (primera columna) tiene un valor estimado de 1,03, con una
desviación típica de 0,07, resultando entonces un valor significativo de su t-student (15,2).
Al final de esta tabla de resultados se muestran los resultados de la regresión para cada ecuación,
computando los resultados por separado. Así, en la primera ecuación (la que define al IPC como variable
dependiente) se alcanza una bondad del ajuste del 0,99%, siendo algo inferior (0,97%) en la ecuación que
explica al tipo de interés (TIC). En la parte inferior de la salida de resultados, aparecen los estadísticos del
modelo VAR en su conjunto: el determinante de la covarianza residual (Determinant Residual Covariance); el
valor del logaritmo de verosimilitud (Log Likelihood); y los dos estadísticos de criterios restantes (Akaike
Information Criteria: AIC; Schwarz Criteria: SC). Estos criterios de información pueden utilizarse para
seleccionar el modelo más apropiado entre diferentes modelos VAR con distintos retardos especificados, que
será, precisamente, aquel que presente un valor más bajo para estos estadísticos.
B) FUNCIÓN DE IMPULSO-RESPUESTA.
Una vez estimado el modelo VAR, la principal utilización del modelo son las funciones de impulso-respuesta y
el análisis de descomposición de la varianza que EViews proporciona automáticamente. En el primer caso,
para obtener la función impulso-respuesta, dentro del menú de la ventana creada para el modelo VAR
seleccionamos IMPULSE, y en la nueva ventana marcamos las opciones de visualización de los datos
(Table), función de respuesta de impulsos (Impulse responses) y aceptamos, por defecto, el número de
períodos que nos indica EViews (10). Una función de impulso-respuesta muestra el efecto de un cambio en
los errores sobre las variables endógenas del sistema de ecuaciones. EViews nos muestra nuestro modelo,
con sus dos ecuaciones, de tres formas diferentes, seleccionando VIEW / REPRESENTATIONS dentro del
los errores sobre las variables endógenas del sistema de ecuaciones. EViews nos muestra nuestro modelo,
con sus dos ecuaciones, de tres formas diferentes, seleccionando VIEW / REPRESENTATIONS dentro del
menú de la ventana del modelo VAR estimado.
En la segunda expresión, el primer número que figura dentro de C(nº, nº) se refiere al orden (número) de la
ecuación en el modelo VAR, mientras que el segundo número se refiere al orden que ocupa la variable en
cada ecuación. Por ejemplo, C(2,3) es el coeficiente del tercer regresor (TIC(-1)) en la ecuación segunda (la
de TIC). En la tercera expresión, los coeficientes ya se sustituyen por los valores estimados. Un cambio en e1
modificará automáticamente el valor de la variable IPC, pero no sólo se alterará el valor de ésta, también el de
la variable TIC debido a la estructura dinámica del sistema.Una respuesta de impulso separa los
determinantes de las variables endógenas en cambios o innovaciones identificadas con variables específicas.
De esta forma, una función de impulso-respuesta para medirá el efecto de una desviación en TIC hoy sobre el
valor actual y futuro de IPC y TIC.
La función impulso-respuesta mide un cambio en los errores equivalente al valor de su desviación típica que
es, precisamente, 0,320227, valor que aparece como respuesta de IPC en el primer período y que podemos
comprobar fácilmente a partir de los resultados de la regresión previa
Así, un cambio en los errores de la ecuación de IPC, del orden de una desviación típica del error de esta
primera ecuación, provoca un incremento equivalente de 0,32 en el período inicial, aumentando a 0,33