Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Universidad de Granada
2011
1. Consideremos el modelo de ecuaciones simultáneas dado por las dos ecuaciones siguientes:
donde:
Y1 Y2 cte X1 X2 X3 X4
Y1 63’39 94’44 29’9 21’3 40 47’6 54’3
Y2 147’26 46’2 30’2 56’2 73’1 84’1
cte 16 11 18 24 28
X1 11 14 15 19
X2 36 30 33
X3 40 42
X4 60
Puesto que la renta familiar aparece al mismo tiempo como explicada (segunda ecuación) y explicativa
(primera ecuación), es evidente que nos encontramos ante un modelo de ecuaciones simultáneas.
En dicho modelo podemos distinguir dos variables endógenas (consumo y renta) y cinco exógenas
(constante, deuda, hijos, trabajadores y estudios).
Para obtener la forma estructural del ejemplo anterior pasamos todas las variables a un miembro:
1
las cuales reescribimos matricialmente obteniendo la forma estructural del modelo:
α 0 β0
α2 0
−1 0
(Y1t Y2t ) · + (1 X1t X2t X3t X4t ) · α3 0 + (u1t u2t ) = (0 0),
α1 −1
α 4 β1
0 β2
donde identificamos
ytT = (Y1t Y2t ), xTt = (1 X1t X2t X3t X4t ), uTt = (u1t u2t ),
α0 β0
α2 0
−1 0
Γ= , B= α3 0 .
α1 −1 α4
β1
0 β2
Como paso previo, y necesario, a la estimación de las ecuaciones vamos a identificar las mismas.
Para identificarlas bajo restricciones de nulidad será necesario conocer la matriz:
−1 0
α1 −1
α0 β0
Γ
A= = α2 0 .
B
α3
0
α4 β1
0 β2
A1 = β2 −→ rg(A1 ) = 1 = N − 1,
2
N1 = 2 −→ N1 − 1 = 1
−→ k − k1 = N1 − 1.
k1 = 4 −→ k − k1 = 1
Mientras que para la segunda:
−1
A2 = α2 −→ rg(A2 ) = 1 = N − 1,
α3
N2 = 1 −→ N2 − 1 = 0
−→ k − k2 > N2 − 1.
k2 = 3 −→ k − k2 = 2
Es decir, la primera ecuación es exactamente identificada y la segunda sobreidentificada.
De igual forma se podrı́an identificar las ecuaciones mediante restricciones de linealidad puesto que las
restricciones de nulidad son un caso particular de éstas.
Para la primera ecuación:
rg(Φ1 ) = 1 = N − 1
Φ1 = (0 0 0 0 0 0 1) −→ .
Φ1 A = (0 β2 ) → rg(Φ1 A) = 1 = N − 1
3
a partir de
00 0238 10 1138
α
b0
00 4268 −00 1132 α
b2
00 2138 00 0938 · −1
= − α
b3 ,
α
b1
00 6872 00 8372
α
b4
00 1601 00 2801 0
que da lugar al siguiente sistema de ecuaciones:
Como es sabido, esta ecuación podrı́a ser también estimada por MC2E. A modo de ejemplo, para
mostrar que se obtiene la misma solución y que este segundo método es más complicado que el primero,
vamos a estimarla por MC2E. En tal caso:
−1
δb1,M C2E = ZbT Z b T y1 ,
Z
1 1
b
1
T
b 1 = Yb2t cte X1t X2t X3t
donde Z e y1 = Y1t . Donde Yb2t se obtiene a partir de la estimación de la
forma reducida:
En tal caso:
Y1t
Yb2t f
cte 290 9
b T y1 =
Z 0
1 21 3 ,
X1t
X2t 40
X3t 470 6
4
donde
f = Yb2tt Y1t = (10 1138cte − 00 11321t + 00 0938X2t + 00 8372X3t + 00 2801X4t )t Y1t
= 10 1138ctet Y1t − 00 1132X1t
t
Y1t + 00 0938X2t
t
Y1t + 00 8372X3t
t
Y1t + 00 2801X4t
t
Y1t
10 1138 ∗ 290 9 − 00 1132 ∗ 210 3 + 00 0938 ∗ 40 + 00 8372 ∗ 470 6 + 00 2801 ∗ 540 3 = 890 7036,
=
e = Yb2tt X3t = (10 1138cte − 00 11321t + 00 0938X2t + 00 8372X3t + 00 2801X4t )t X3t
10 1138 ∗ 24 − 00 1132 ∗ 15 + 00 0938 ∗ 30 + 00 8372 ∗ 40 + 00 2801 ∗ 42 = 730 0994,
=
d = Yb2tt X2t = (10 1138cte − 00 11321t + 00 0938X2t + 00 8372X3t + 00 2801X4t )t X2t
10 1138 ∗ 18 − 00 1132 ∗ 14 + 00 0938 ∗ 36 + 00 8372 ∗ 30 + 00 2801 ∗ 33 = 560 1997,
=
c = Yb2tt X1t = (10 1138cte − 00 11321t + 00 0938X2t + 00 8372X3t + 00 2801X4t )t X1t
10 1138 ∗ 11 − 00 1132 ∗ 11 + 00 0938 ∗ 14 + 00 8372 ∗ 15 + 00 2801 ∗ 19 = 300 1997,
=
b = Yb2tt cte = (10 1138cte − 00 11321t + 00 0938X2t + 00 8372X3t + 00 2801X4t )t cte
= 10 1138 ∗ 16 − 00 1132 ∗ 11 + 00 0938 ∗ 18 + 00 8372 ∗ 24 + 00 2801 ∗ 28 = 460 1996,
a = Yb2tt Yb2t = · · · = 1380 0651.
Luego, sin más sustituir estos valores en las matrices anteriores y aplicar la fórmula de estimación
por mı́nimos cuadrados en dos etapas veremos que la estimación obtenida coincide con la de mı́nimos
cuadrados indirectos:
−1
1380 0651 460 1996 300 1997 560 1997 730 0994 890 7036
460 1996 16 11 18 24 290 9
300 1997 210 3
δb1,M C2E = 11 11 14 15 ·
560 1997
18 14 36 30 40
730 0994 24 15 30 40 470 6
10 1912 −20 0108 00 2149 −00 1651 −00 9272 890 7036
−20 0108 40 6942 −00 9028 00 3887 00 9051 290 9
00 2149 −00 9028 00 4708 −00 1178 00 0607 210 3
= ·
−00 1651 00 3887 −00 1178 00 1149 00 0265
40
−00 9272 00 9051 00 0607 00 0265 10 1337 470 6
00 5715
−00 6128
0
00 4915
= .
0 1602
00 2087
Por tanto, la estimación de la primera ecuación por mı́nimos cuadrados en dos etapas será:
Yb1t = −00 6128 + 00 5715Y2t + 00 4915X1t + 00 1602X2t + 00 2087X3t .
5
y
Y02t
b T y2 cte 46 2
Z 2 = 730 1 ,
X3t
X4t 840 1
Entonces:
00 9034 −00 375 −00 1591
0 0
46 2 0 9455
δb2,M C2E = −00 375 00 25 00 0001 · 730 1 = 00 95 .
−00 1591 0
0 0001 00 0909 840 1 00 2955
Adviértase que puesto que en esta segunda ecuación no hay variables endógenas en el segundo miembro,
no hay que sustituir sus estimaciones obtenidas a partir de la forma reducida, por lo que realmente se
le ha aplicado los mı́nimos cuadrados ordinarios.
2. Dado el modelo:
donde se ha tenido en cuenta que hay dos variables endógenas (N = 2) y tres predeterminadas (k = 3).
Entonces, si identificamos las ecuaciones bajo restricciones de nulidad será necesaria la matriz:
−1 b1
a1 −1
Γ
A= = a2 0 ,
B 0 b2
0 b3
6
mientras que para la segunda:
N2 = 2 → N2 − 1 = 1
A2 = a2 −→ rg(A2 ) = 1 = N − 1, → k − k2 = N2 − 1,
k2 = 2 → k − k2 = 1
es decir,
2 10 5
0
b1
5 8 · = − b2 ,
0 −1
15 3 b3
que conduce al sistema
2b1 − 10 5 = 0 → b1 = 00 75,
5b1 − 8 = −b2 → b2 = 8 − 5 · 00 75 = 40 25,
10 5b1 − 3 = −b3 → b3 = 3 − 5 · 10 5 = −40 5.
3. Dado el modelo:
7
donde Zb1 = (Yb2t X1t ) e y1 = Y1t . Además, Yb2t se obtiene a partir de la estimación de la forma reducida:
b = (X t X)−1 X t Y ,
Para poder calcular el estimador anterior, es necesario obtener la matriz X t Y . Como Π
es claro que:
2 10 5
2 0 0 4 3
X tY = X tX · Π b = 0 1 0 · 5 8 = 5 8 .
0 0 4 10 5 3 6 12
En tal caso:
t
donde teniendo en cuenta que Xit Xjt = 0, ∀i 6= j, se tiene que:
a = Yb2tt Yb2t = (10 5X1t + 8X2t + 3X3t )t (10 5X1t + 8X2t + 3X3t ) =
= 10 52 X1t
t t
X1t + 64X2t t
X2t + 9X3t X3t = 20 25 · 2 + 64 · 1 + 9 · 4 = 1040 5,
b = Yb2tt X1t = (10 5X1t + 8X2t + 3X3t )t X1t = 10 5X1t
t
X1t = 10 5 · 2 = 3,
c = Yb t Y1t
2t = (10 5X1t + 8X2t + 3X3t )t Y1t
= 10 5X1t
t t
Y1t + 8X2t t
Y1t + 3X3t Y1t = 10 5 · 4 + 8 · 5 + 3 · 6 = 64.
Luego:
−1
1040 5 3 00 58
64 1 2 −3 64
δb1,M C2E = = · = ,
3 2 4 200 −3 1040 5 4 10 13
y por tanto:
Yb1t = 00 58Y2t + 10 13X1t .
4. Las relaciones entre las variables endógenas, Y1t e Y2t , y las predeterminadas, X1t , X2t y
X3t , quedan expresadas en el siguiente sistema de ecuaciones simultáneas:
Se pide:
a) Identificar las ecuaciones del modelo analizando las condiciones de orden y de rango
para la forma estructural.
b) Identificar la primera ecuación del modelo teniendo en cuenta que α1 = 2α3 .
c) Estimar, sin considerar la restricción anterior, la primera y segunda ecuación por los
métodos que considere oportunos.
8
Como es sabido, para identificar las ecuaciones es necesario conocer la forma estructural del modelo.
Para la primera ecuación se tiene que:
α2
−1
(Y1t Y2t ) · + (X1t X2t X3t ) · α3 + u1t = 0,
α1
0
mientras que para la segunda:
0
β1
(Y1t Y2t ) · + (X1t X2t X3t ) · 0 + u2t = 0.
−1
β2
Para identificar la primera ecuación del modelo teniendo en cuenta que α1 = 2α3 habrá que usar el
método de restricciones lineales. Además, no se puedo obviar que la restricción de nulidad presente
en dicha ecuación, α4 = 0, también hay que considerarla como restricción de linealidad. Teniendo en
cuenta estas premisas, en este caso:
0 1 0 −2 0
Φ1 = .
0 0 0 0 1
Puesto que
α1 − 2α3 −1 0 −1
Φ1 · A = = ,
0 β2 0 β2
donde se ha tenido en cuenta que α1 = 2α3 , es claro que rg (Φ1 · A) = 1 = N − 1. Y como rg(Φ1 ) =
2 > N − 1, entonces la ecuación es sobreidentificada.
Finalmente, puesto que la primera ecuación es exactamente identificada, el método idóneo para su
estimación es el de mı́nimos cuadrados indirectos. Luego, para obtener dicha estimación habrá que
resolver el sistema:
α2
b· −1
Π = − α3 ,
α1
0
9
donde:
−1 0
10 0 0 10 20 01 0 0 10 20 1 2
b = 0
Π 5 0 · 20 10 = 0 00 2 0 · 20 10 = 4 2 .
0 0 10 30 20 0 0 00 1 30 20 3 2
Para la segunda ecuación usaremos el método de MC2E ya que es sobreidentificada. En tal caso:
−1
δb2,M C2E = Zb2t Zb2 Zb2t y2 ,
donde Zb2 = (Yb1t X3t ) e y2 = Y2t . Además, a partir de la estimación de la forma reducida se obtiene
que:
Yb1t = X1t + 4X2t + 3X3t .
En tal caso,
t
donde teniendo en cuenta que Xit Xjt = 0, ∀i 6= j, se tiene que:
Luego:
−1
00 666
180 30 120 1 10 −30 120
δb2,M C2E = = · = ,
30 10 20 900 −30 180 20 0
Yb2t = 00 666Y1t .
10
5. Intriligator (1978) considera un modelo del mercado de dinero en el que la demanda de
dinero depende del tipo de interés y de la población, mientras que el tipo de interés
depende de la cantidad de dinero, el tipo de descuento y el exceso de reservas. Se supone
que el mercado está en equilibrio. Las relaciones son lineales pero no tienen término
constante. Se pide:
a) Formular el modelo. Obtener las formas estructural y reducida expresándolas en
términos matriciales.
b) Estudiar la identificación de las relaciones del modelo.
Teniendo en cuenta la siguiente notación:
Tt : tipo de interés en el instante t.
Dt : demanda de dinero en el instante t.
Pt : población en el instante t.
Ct : cantidad de dinero en el instante t.
T Dt : tipo de descuento en el instante t.
Rt : exceso de reservas en el instante t.
El modelo a considerar serı́a el siguiente:
Dt = α1 Tt + α2 Pt + u1t ,
Tt = β1 Dt + β2 T Dt + β3 Rt + u2t ,
11
donde:
α2 0 −1 α2 0
−1 −1 β1 1 −1 −β1
Π = −B · Γ = − 0 β2 · =− 0 β2 ·
α1 −1 1 − α1 β1 −α1 −1
0 β3 0 β3
α2 α2 β1
1 α1 β2
= β2 .
1 − α 1 β1
α1 β3 β3
En cuanto a la identificación de las ecuaciones, usaremos los métodos conocidos bajo restricciones de
nulidad. En tal caso, la primera ecuación es sobreidentificada ya que:
β2 N1 = 2 → N1 − 1 = 1
A1 = −→ rg(A1 ) = 1 = N − 1, → k − k1 > N1 − 1,
β3 k1 = 1 → k − k1 = 2
mientras que la segunda es exactamente identificada ya que:
N2 = 2 → N2 − 1 = 1
A2 = α2 −→ rg(A2 ) = 1 = N − 1, → k − k2 = N2 − 1.
k2 = 2 → k − k2 = 1
Estimar la segunda relación utilizando los mı́nimos cuadrados indirectos. Explicar cuándo
es conveniente este método.
El método de MCI se puede aplicar cuando tras identificar una ecuación ésta es exactamente identificada.
Teniendo en cuenta que la forma estructural del modelo responde a la siguiente expresión:
γ11 0
−1 β21
(Y1t Y2t ) · + (X1t X2t X3t ) · 0 γ22 + (u1t u2t ) = (0 0),
β11 −1
0 γ23
se tiene que la estimación por MCI buscada se obtiene al resolver el sistema:
0
b· β 21
Π = − γ22 ,
−1
γ23
12
donde
−1 0 0
10 0 0 4 0 01 0 0 4 0 04 0
b = 0
Π 20 0 · 10 0 = 0 00 05 0 · 10 0 = 00 5 0 .
0 0 5 20 10 0 0 00 2 20 10 4 2
Por tanto:
00 4 0
0
00 5 0 · β21 = − γ22 ,
−1
4 2 γ23
que conduce al sistema de ecuaciones:
00 4β21 = 0 → β21 = 0,
00 5β21 = −γ22 → γ22 = 0,
4β21 − 2 = −γ23 → γ23 = 2.
7. Dado el modelo:
Se pide:
a) Identificar el modelo.
b) Estimar cada una de las ecuaciones del modelo por el método que considere más
apropiado.
En el modelo anterior hay dos variables predeterminadas (N = 2 : Y1t , Y2t ) y tres predeterminadas
(k = 3 : X1t , X2t , X3t ). Además, es claro que:
β11 0
−1 γ21
Γ= , B = 0 β22 .
γ12 −1
β13 0
De modo que:
−1 γ21
γ12 −1
A=
β11 0 .
0 β22
β13 0
13
Entonces, para la identificación de cada variable se tiene que:
N1 = 2 → N1 − 1 = 1
A1 = β22 −→ rg(A1 ) = 1 = N − 1, → k − k1 = N1 − 1,
k1 = 2 → k − k1 = 1
β11 N2 = 2 → N2 − 1 = 1
A2 = −→ rg(A2 ) = 1 = N − 1, → k − k2 > N2 − 1.
β13 k2 = 1 → k − k2 = 2
Esto es, la primera ecuación es exactamente identificada y la segunda sobreidentificada. Por tanto, el
modelo es sobreidentificado.
Puesto que la primera ecuación es exactamente identificada, el método idóneo para su estimación es el
de MCI. El primer paso para conseguir dicho objetivo sera estimar la forma reducida:
−1 0
8 0 0 3 0 0 375 0
Πb = (X t X)−1 X t Y = 0 5 0 · 10 7 = 2 10 4 .
0 0 3 8 20 2 666 60 666
0
Luego, para estimar la primera ecuación hay que resolver el sistema determinado por:
0
0 375 0 β11
−1
2 10 4 · = − 0 ,
0 0 γ12
2 666 6 666 β13
es decir:
t
donde, teniendo en cuenta que Xit Xjt = 0, ∀i 6= j, se tiene que:
a = Yb1tt Yb1t = (00 375X1t + 2X2t + 20 666X3t )t (00 375X1t + 2X2t + 20 666X3t ) =
= 00 3752 X1t
t t
X1t + 4X2t X2t + 20 6662 X3t
t
X3t = 00 375 · 8 + 20 + 20 6662 · 3 = 420 458,
b = Yb1tt X3t = (00 375X1t + 2X2t + 20 666X3t )t X2t = 2X2t
t
X2t = 2 · 5 = 10,
c = Yb1tt Y2t = (00 375X1t + 2X2t + 20 666X3t )t Y2t
= 00 375X1t
t t
Y2t + 2X2t Y2t + 20 666X3t
t
Y2t = 2 · 7 + 20 666 · 20 = 670 333,
14
es claro que:
−1
420 458 670 333
10
δb2,M C2E =
10 5 7
00 0445 0
0 0
−0 0891 67 333 2 3748
= = .
−00 0891 00 3781 7 −30 3496
8. Dado el modelo:
Se pide:
a) Identificar el modelo con la restricción β11 = 3β13 .
b) Estimar la segunda ecuación del modelo por el método que considere más apropiado.
Para identificar la primera ecuación hay que tener presente que le afecta la restricción β11 = 3β13 , por
lo que habrá que realizar la identificación bajo restricciones lineales.
Puesto que no aparece la variable X2t , se tiene que:
0 0 1 0 −3
Φ1 = ,
0 0 0 1 0
se tiene que:
β11 − 3β13 −3β23 0 −3β23
Φ1 · A = = .
0 β22 0 β22
Entonces, como rg(Φ1 ·A) = 1 = N −1 y rg(Φ1 ) = 2 > N −1, la primera ecuación está sobreidentificada.
Por otro lado, identificando la segunda ecuación bajo restricciones de nulidad:
N2 = 2 → N2 − 1 = 1
A2 = β11 −→ rg(A2 ) = 1 = N − 1, → k − k2 = N2 − 1,
k2 = 2 → k − k2 = 1
15
En tal caso, el método idóneo para estimarla es el de MCI. Dicho método consiste en resolver el sistema
de ecuaciones determinado por:
0
0 375 0 0
γ21
2 10 4 · = − β22 ,
0 0 −1
2 666 6 666 β23
es decir:
00 375γ21 = 0 → γ21 = 0,
0
2γ21 − 1 4 = −β22 → β22 = 10 4,
0 0
2 666γ21 − 6 666 = −β23 → β23 = 60 666.
Para identificar el modelo son necesarias las matrices Γ y B de la forma estructural del modelo, por lo
que el primer paso que hay que dar es calcular dicha forma:
−1 β2 γ2 0 β1 γ 1
(Y1t Y2t Y3t ) · α2 −1 0 + (cte X1t X2t ) · α3 0 γ3 + (u1t u2t u3t ) = (0 0 0),
0 0 −1 0 β3 γ 4
donde se ha tenido en cuenta que hay tres variables endógenas (N = 3) y tres predeterminadas (k = 3).
Entonces, si identificamos las ecuaciones bajo restricciones de nulidad será necesaria la matriz:
−1 β2 γ2
α2 −1 0
Γ 0 0 −1
A= = ,
B 0
β1 γ 1
α3 0 γ3
0 β3 γ 4
de forma que la para la primera ecuación se tiene que:
0 −1
N1 = 2 → N1 − 1 = 1
A1 = β 1 γ1 −→ rg(A1 ) = 2 = N − 1, → k − k1 > N1 − 1,
k1 = 1 → k − k1 = 2
β3 γ4
mientras que para la segunda:
0 −1 N2 = 2 → N2 − 1 = 1
A2 = −→ rg(A2 ) = 2 = N − 1, → k − k2 = N2 − 1,
α3 γ3 k2 = 2 → k − k2 = 1
16
y la tercera:
N3 = 2 → N3 − 1 = 1
→ k − k3 < N3 − 1.
k3 = 3 → k − k3 = 0
Es decir, la primera ecuación es sobreidentificada, la segunda exactamente identificada y la tercera
subidentificada.
De cara a la estimación de cada una de ellas se pueden usar, respectivamente, los métodos de MC2E, MCI
y MCO. Si bien, como se nos pide que usemos sólo métodos que proporcionen estimadores consistentes,
la tercera no será estimada.
Para estimar la primera ecuación en primer lugar hay que completar la información muestral:
20 0 0 4 5 1 80 100 20
X tY = X tX · Π
b = 0 5 0 · 2 6 2 = 10 30 10 .
0 0 4 5 1 0 20 4 0
t
donde, teniendo en cuenta que Xit Xjt = 0, ∀i 6= j, se tiene que:
Entonces:
−1
684 30 480
δb1,M C2E =
30 20 80
0
1 20 −30 480 0 5634
= · = .
12780 −30 684 80 30 1549
Para estimar la segunda ecuación por MCI simplemente hay que resolver el sistema:
4 5 1 β2 β1
2 6 2 · −1 = − 0 ,
5 1 0 0 β3
17
es decir:
estimar cada ecuación por el método que considere más oportuno teniendo en cuenta la
siguiente información muestral:
Y1 Y2 X1 X2 X3
Y1 25 10 4 10 1
Y2 10 20 7 15 2
X1 4 7 10 0 0
X2 10 15 0 5 0
X3 1 2 0 0 2
Por tanto, como ambas ecuaciones son exactamente identificadas, usaremos para su estimación el méto-
do de mı́nimos cuadrados indirectos.
18
El primer paso para conseguir dicho objetivo sera estimar la forma reducida:
−1 0
0 4 00 7
10 0 0 4 7
b = (X t X)−1 X t Y = 0
Π 5 0 · 10 15 = 2 3 .
0 0 2 1 2 00 5 1
Luego, para estimar la primera ecuación hay que resolver el sistema determinado por:
0
0 4 00 7
α2
−1
2 3 · = − 0 ,
0 α1
05 1 α3
00 4 00 7
0
β 1
2 3 · = − β2 ,
−1
00 5 1 β3
00 7
00 4β1 − 00 7 = 0 → β1 = = 10 75,
00 4
10 75
2β1 − 3 = −β2 0 → β2 = −2 3 = −00 5,
+
00 5β1 − 1 = −β3 → β3 = 1 − 00 5 · 10 75 = 00 125.
a) Identifique el modelo.
b) Estime la primera ecuación del modelo por el método que considere más oportuno.
c) Suponiendo que 2β31 = β32 , indique de forma razonada el método que utilizarı́a para
estimar la tercera ecuación.
19
En este caso se tiene claramente que:
−1 β21 β31 α11 α21 0
Γ = β12 −1 β32 , B= 0 α22 0 ,
0 0 −1 0 0 α33
por lo que:
−1 β21 β31
β12 −1 β32
0 0 −1
A= .
α11 α21 0
0 α22 0
0 0 α33
A partir de la matriz anterior, teniendo en cuenta que N = 3 = k, identifiquemos cada una de las
ecuaciones anteriores:
0 −1
N1 = 2 → N1 − 1 = 1
A1 = α22 0 −→ rg(A1 ) = 2 = N − 1, → k − k1 > N1 − 1,
k1 = 1 → k − k1 = 2
0 α33
0 −1 N2 = 2 → N2 − 1 = 1
A2 = −→ rg(A2 ) = 1 < N − 1, → k − k2 = N2 − 1,
0 α33 k2 = 2 → k − k2 = 1
α11 α21 N3 = 3 → N3 − 1 = 2
A3 = −→ rg(A3 ) = 2 = N − 1, → k − k3 = N3 − 1.
0 α22 k3 = 1 → k − k3 = 2
Se tiene que la primera ecuación es sobreidentificada, la segunda subidentificada y la tercera exactamente
identificada. Por tanto, el modelo es subidentificado.
En función de la identificación realizada, el método idóneo para estimar la primera ecuación es el de
mı́nimos cuadrados en dos etapas. Esto es:
−1
δb1,M C2E = Zb1t Z
b1 Zb1t y1 ,
donde Zb1 = Yb2t X1t e y1 = Y1t .
20
Entonces:
−1 0
11 1 15
δb1,M C2E =
1 1 00 5
0 0
1 1 −1 15 01
= · = .
10 −1 11 00 5 00 4
Finalmente, para decidir qué método usar para estimar la ecuación tercera con la restricción 2β31 = β32
hay que identificarla. Usaremos por tanto identificación bajo restricciones lineales, de manera que:
0 0 0 1 0 0
Φ3 = 0 0 0 0 1 0 ,
2 −1 0 0 0 0
donde se ha tenido en cuenta también que en dicha ecuación no aparecen las variables X1t y X2t .
Entonces, como rg(Φ3 ) = 3 > 2 = N − 1 y rg(Φ3 · A) = 2 = N − 1 ya que
α11 α21 0 α11 α21 0
Φ3 · A = 0 α22 0 = 0 α22 0 .
−2 − β12 2β21 + 1 2β31 − β32 −2 − β12 2β21 + 1 0
Por tanto, la ecuación está sobreidentificada y entonces el método adecuado para su estimación es el
de mı́nimos cuadrados en dos etapas.
12. Dado el siguiente modelo de ecuaciones simultáneas, junto a su correspondiente informa-
ción muestral:
Y1 Y2 Y3 X1 X2 X3
Y1 2 0 5 0’5 1 0
Y1t = β11 Y2t + β12 X1t + u1t , Y 2 0 6 2 1’5 2 1
Y3 5 2 1 0 5 2
Y2t = β21 Y1t + β22 X2t + β23 X3t + u2t , X1 0’5 1’5 0 1 0 0
Y3t = β31 Y1t + β32 Y2t + β33 X3t + u3t . X2 1 2 5 0 2 0
X3 0 1 2 0 0 2
a) Identifique el modelo suponiendo que β32 = −2β33 .
b) Estime la primera ecuación por MC2E.
c) Estime la segunda ecuación por MCI.
En este caso, la expresión matricial de la forma estructural es:
−1 β21 β31 β12 0 0
(Y1t Y2t Y3t ) · β1 −1 β32 + (X1t X2t X3t ) · 0 β22 0 + (u1t u2t u3t ) = (0 0 0),
0 0 −1 0 β23 β33
por lo que:
−1 β21 β31
β1 −1 β32
0 0 −1
A= .
β12 0 0
0 β22 0
0 β23 β33
21
Entonces ya tenemos las herramientas necesarias para identificar el modelo. Puesto que se nos impone
una restricción lineal, β32 = −2β33 , usaremos los métodos conocidos bajo restricciones lineales.
Ası́, la primera y tercera ecuación son sobreidentificadas ya que:
0 0 1 0 0 0
Φ1 = 0 0 0 0 1 0 → rg(Φ1 ) = 3 > 2 = N − 1,
0 0 0 0 0 1
0 0 −1
Φ1 · A = 0 β22 0 → rg(Φ1 · A) = 2 = N − 1.
0 β23 β33
0 0 0 1 00
Φ3 = 0 0 0 0 10 → rg(Φ3 ) = 3 > 2 = N − 1,
0 1 0 0 02
β12 0 0 β12 0 0
Φ3 · A = 0 β22 0 = 0 β22 0 → rg(Φ3 · A) = 2 = N − 1.
β11 2β23 − 1 β32 + 2β33 β11 2β23 − 1 0
22
t
donde, teniendo en cuenta que Xit Xjt = 0, ∀i 6= j, se tiene que:
a = Yb2tt Yb2t = (10 5X1t + X2t + 00 5X3t )t (10 5X1t + X2t + 00 5X3t ) =
= 10 52 X1t
t t
X1t + X2t X2t + 00 52 X3t
t
X3t = 20 25 · 1 + 2 + 00 25 · 2 = 40 75,
b = Yb2tt X1t = (10 5X1t + X2t + 00 5X3t )t X1t = 10 5X1t
t
X1t = 10 5 · 1 = 10 5,
c = Yb t Y1t
2t = (10 5X1t + X2t + 00 5X3t )t Y1t
= 10 5X1t
t t
Y1t + X2t Y1t + 00 5X3t
t
Y1t = 10 5 · 00 5 + 1 + 00 5 · 0 = 10 75.
Entonces:
−1
40 75 10 5 10 75
δb1,M C2E =
10 5 1 00 5
00 4 −00 6 10 75 00 4
= = .
−00 6 10 9 00 5 −00 1
Para estimar la segunda ecuación por MCI simplemente hay que resolver el sistema:
0
0 5 10 5 0
β21 0
00 5 1 20 5 · −1 = − β22 ,
0 00 5 1 0 β23
es decir:
00 5β21 − 10 5 = 0 → β21 = 3,
00 5β21 − 1 = −β22 → β22 = 1 − 00 5 · 3 = −00 5,
0
−0 5 = −β23 → β23 = 00 5.
Y1 Y2 X1 X2 X3
Y1 12 6 3 0 2
Y2 6 16 2 4 1
X1 3 2 4 0 2
X2 0 4 0 1 1
X3 2 1 2 1 3
23
Se deduce claramente que se tienen dos variables endógenas (N=2: Y1 e Y2 ), tres predeterminadas (k=3:
X1 , X2 y X3 ) y que
12 6
Y TY = ,
6 16
3 0 2
Y TX = ,
2 4 1
4 0 2
XT X = 0 1 1 .
2 1 3
Aunque como se ha comentado, MCO se puede aplicar a ecuaciones no identificadas, vamos previamente
a identificar el modelo.
Para ello escribimos matricialmente la forma estructural
β11 0
−1 γ12
(Y1t , Y2t ) + (X1t , X2t , X3t ) β21 0 + (u1t , u2t ) = (0, 0),
γ21 −1
0 β32
Pasamos a estudiar la identificación de cada ecuación usando los métodos de identificación por rango y
condición de orden:
Primera ecuación.
Usando el método de identificación por rango se tiene que rg (A1 ) = 1 siendo
Γ0
A1 = = β32 .
B0
Una vez identificado el modelo, pasamos a su estimación por MCO ecuación a ecuación, para lo cual
tendremos en cuenta la siguiente expresión:
−1
δbh,M CO = ZTh Zh ZTh yh , (1)
para h = 1, 2.
24
Primera ecuación.
En este caso, (1) tiene la forma
−1
δb1,M CO = ZT1 Z1 ZT1 y1 , (2)
donde
Y2t
Y1
Z1 = = X1t , y1 = Y1t .
X1
X2t
Con ello:
Y2t X1t X2t
Y1t
Y2t 16 2 4 Y2t 6
ZT1 Z1 = y ZT1 y1 =
X1t 2 4 0 X1t 3 .
X2t 4 0 1 X2t 0
Por tanto, (2) queda:
−1
−40 5
16 2 4 6 4 −2 −16 6
1
δb1,M CO = 2 4 0 3 = − −2 −6 8 3 = 3 .
4
4 0 1 0 −16 8 60 0 18
Esto es:
(b
γ21 )M CO
−40 5
βb
δb1,M CO = 3 ,
M CO =
11
βb21 18
M CO
luego la ecuación estimada es:
Segunda ecuación.
Para la segunda ecuación, (1) tiene la forma
−1
δb2,M CO = ZT2 Z2 ZT2 y2 , (3)
donde
Y2 Y1t
Z2 = = , y2 = Y2t .
X2 X3t
Con ello:
Y1t X3t Y2t
ZT2 Z2 = Y1t 12 2 y ZT2 y2 = Y1t 6
.
X3t 2 3 X3t 1
Por tanto, (3) queda:
−1
00 5
12 2 6 1 3 −2 6
δb2,M CO = = = .
2 3 1 32 −2 12 1 0
Esto es: !
(b
γ12 )M CO 00 5
δb2,M CO = = ,
βb32 0
M CO
luego la ecuación estimada es:
Yb2t = 00 5Y1t .
25
A continuación vamos a estimar por MCI el modelo anterior.
Recordemos que por este método sólo se pueden estimar las ecuaciones exactamente identificadas, luego
sólo podemos estimar la primera ecuación. Sin embargo, estimaremos las dos ecuaciones para ver que
realmente el método falla.
El primer paso es estimar la forma reducida, usando para ello la ecuación:
−1
b = XT X
Π XT Y, (4)
esto es
−1
4 0 2 3 2
Π
b = 0 1 1 0 4
2 1 3 2 1
0
20 5
2 2 −2 3 2 05
1
= 2 8 −4 0 4 = −00 5 8 .
4
−2 −4 4 2 1 00 5 −4
Primera ecuación.
Para la primera ecuación se tiene:
Πb
b γ1 = −βb1 ,
esto es:
00 5 20 5
βb11
−00 5 −1
8 = − βb21 ,
γ
b21
00 5 −4 0
−00 5 + 20 5b
γ21 = −βb11 ,
0
0 5 + 8b
γ21 = −βb21 ,
0
−0 5 − 4b
γ21 = 0.
−00 125
γ
b1,M CI = 00 8125 ,
00 5
26
Segunda ecuación.
b γ2 = −βb2 queda:
Para la segunda ecuación Πb
0
0 5 20 5
0
−00 5 8 γ b12
= − 0 ,
−1
00 5 −4 βb32
lo cual nos lleva al siguiente sistema de ecuaciones:
00 5 − 20 5b
γ12 = 0,
0
−0 5 − 8b
γ12 = 0,
0
0 5 + 4b
γ21 = −βb32 .
De forma que al resolverlo obtenemos dos soluciones distintas para γ
b12 :
γ
b12 = 5, b12 = −16.
γ
A continuación procedemos a estimar el sistema por MC2E. Recordemos que vimos que la primera
ecuación es exactamente identificada y la segunda sobreidentificada.
Como MC2E puede aplicarse tanto a ecuaciones exactamente identificadas como a sobreidentifica-
das, vamos a aplicarle dicho método a ambas ecuaciones. Ası́ de esta forma comprobaremos que para
ecuaciones exactamente identificadas los métodos de MCI y MC2E coinciden.
Pasamos a estimar cada ecuación usando:
−1
δbh,M C2E = ZbT Z
bh b T yh ,
Z (5)
h h
bh = Y
donde Z b h Xh para h = 1, 2.
Primera ecuación.
Tras la estimación de la forma reducida se tiene que:
Y1t = γ21 Yb2t + β11 X1t + β21 X2t ,
T
b 1 = Yb2t |X1t , X2t
donde Z e y1 = Y1t .
Con ello:
Y X1t X Y1t
b2t 2t
Yb2t a b c Yb2t d
ZT1 Z1 = b y ZT1 y1 = 3 ,
X1t 4 0 X1t
X2t c 0 1 X2t 0
A continuación calcularemos a, b, c y d:
T
a = Yb2tT Yb2t = (20 5X1t + 8X2t − 4X3t ) (20 5X1t + 8X2t − 4X3t )
= (20 5)2 · X1t
T
X1t + 82 · X2t
T
X2t + 42 · X3t
T
X3t + 2 · 20 5 · 8 · X1t
T
X2t
−2 · 20 5 · 4 · X1t
T T
X3t − 2 · 8 · 4 · X2t X3t
60 25 · 4 + 64 · 1 + 16 · 3 + 40 · 0 − 20 · 2 − 64 · 1 = 33,
=
T
b = Yb2tT X1t = (20 5X1t + 8X2t − 4X3t ) X1t
20 5 · X1t
= T T
X1t + 8 · X2t T
X1t − 4 · X3t X1t = 20 5 · 4 + 8 · 0 − 4 · 2 = 2,
T
c = Yb2tT X2t = (20 5X1t + 8X2t − 4X3t ) X2t
20 5 · X1t
= T T
X2t + 8 · X2t T
X2t − 4 · X3t X2t = 20 5 · 0 + 8 · 1 − 4 · 1 = 4,
T
d = Yb2tT Y1t = (20 5X1t + 8X2t − 4X3t ) Y1t
= 20 5 · X1t
T T
Y1t + 8 · X2t T
Y1t − 4 · X3t Y1t = 20 5 · 3 + 8 · 0 − 4 · 2 = −00 5.
27
Por tanto:
−00 5
33 2 4
ZT1 Z1 = 2 4 0 , ZT1 y1 = 3 .
4 0 1 0
Y con ello:
−1
−00 5
−1 33 2 4
δb1,M C2E = ZbT Z b T y1 = 2 4 0 3
Z
1 1
b
1
4 0 1 0
0
−00 125
4 −2 −16 −0 5
1
= −2 17 8 3 = 00 8125 ,
64
−16 8 128 0 00 5
esto es
Yb1t = −00 125Y2t + 00 8125X1t + 00 5X2t ,
que coincide con la expresión obtenida al estimar la primera ecuación por MCI.
Segunda ecuación.
Tras la estimación de la forma reducida se tiene que:
Y2t = γ12 Yb1t + β32 X3t ,
T
b 2 = Yb1t |X3t
donde Z e y2 = Y2t .
Con ello:
Por tanto,
20 5 2 −00 5
ZT2 Z2 = , ZT2 y2 = .
2 3 1
Y con ello:
0 −1
−00 5
−1
25 2
Tb
δb2,M C2E = Z2 Z2
b Z2 y 2 =
b
2 3 1
0
1 3 −2 −0 5 −1
= 0 = ,
35 −2 2 5 1 1
b12,M C2E = −1 y βb32,M C2E = 1, y por tanto, la segunda ecuación estimada por MC2E es
esto es γ
28
Finalmente, volvamos a estimar el modelo usando la siguiente expresión equivalente del estimador por
MC2E:
b T XT Yh YT Xh −1 Π
Π b T XT y h
δbh,M C2E = h h h . (6)
XTh Yh XTh Xh XTh yh
Para la primera ecuación se tiene que Yh = Y2t , Xh = (X1t X2t ), X = (X1t X2t X3t ) e yh = Y1t . En
tal caso: T
X1t Y2t 2 2
X T Yh = X2t T
Y2t = 4 =⇒ Π b T X T Yh = (20 5 8 − 4) · 4 = 33,
T
X2t Y2t 1 1
T
T T T T X1t Y1t 3
Yh Xh = (Y2t X1t Y2t X2t ) = (2 4), Xh yh = T = ,
X2t Y1t 0
T T
X1t X1t X1t X2t 4 0
XhT Xh = T T = ,
X2t X1t X2t X2t 0 1
T
X1t Y1t 3 3
X T yh = X2tT
Y1t = 0 =⇒ Π b T X T Yh = (20 5 8 − 4) · 0 = −00 5,
T
X2t Y1t 2 2
donde se ha tenido en cuenta que Π b h representa el estimador MCO de los parámetros de la forma
reducida de la regresión entre las variables endógenas que hay en el segundo miembro de la ecuación h
y todas las variables predeterminadas.
Entonces, la expresión (6) para la primera ecuación queda expresada como
−1
−00 5 −00 125
33 2 4
δb1,M C2E = 2 4 0 3 = 00 8125 .
4 0 1 0 00 5
Para la segunda ecuación se tiene que Yh = Y1t , Xh = X3t e yh = Y2t . En tal caso:
T
X1t Y1t 3 3
X T Yh = X2tT
Y1t = 0 =⇒ Π b T X T Yh = (00 5 − 00 5 00 5) · 0 = 20 5,
T
X2t Y1t 2 2
29