Maestría en Economía Aplicada.

Econometría Avanzada

Prof. José Niño

Marzo de 2017
i. Críticas al modelaje tradicional.
ii. Concepto e interpretación de la cointegración.
iii. Causalidad de Granger.
iv. Modelo con Corrección del Error (MCE).
v. Modelo de Rezagos Distribuidos – ADL.
vi. Introducción al modelaje VAR.
Tema 5. Principios de la Metodología
Econométrica Tradicional.
1. Se conocen las “restricciones cero” sobre los
parámetros del sistema de ecuaciones simultáneas.
2. Las relaciones son invariantes en el tiempo.
3. Los parámetros son estructuralmente invariantes.
4. Se conoce a priori cual variable es una causa y cual
variable es un resultado (el orden de causalidad es
conocido)
5. El modelo no puede ser verificado directamente
sobre modelos rivales.
Tema 5. Fallo de la Econometría
Tradicional.
El limitado alcance de los pronósticos econométricos
tradicionales (Cowles Comission), en escenarios de
grandes fluctuaciones (mediados de los años 70), trajo
como consecuencia tres corrientes de pensamiento
crítico en el campo de la Econometría Aplicada:

1. Aquellos que señalaban a la econometría como

alquimia.
2. Aquellos que creían en el enfoque tradicional.
3. Aquellos que postulaban la revisión de los 5
supuestos de la Comisión Cowles.
 Tema 5. Econometría Moderna.
Críticas al Modelaje Tradicional
 El limitado alcance de los pronósticos econométricos
tradicionales (Cowles Comission), en escenarios de grandes
fluctuaciones.
 Surgimiento de la metodología ARIMA de modelos univariantes
parsimoniosos, propuesta por Box-Jenkins.
 El problema de invarianza estructural y su relevancia para el
análisis de políticas. “Crítica de Lucas (1976) “.
 Generalización en el uso de modelos de Mecanismo de
Corrección del Error (MCE).
 Minería de Datos (Data Mining) y el fallo de la econometría
tradicional.
 Sims (1980) plantea la llamada “Identicación Increible” en el
modelaje tradicional y formula una metodología conocida como
modelos de Vectores Autorregresivos (VAR)
Tema 5. Econometría Moderna.
Cointegración
 Cointegración: dos series de tiempo Xt y Yt están cointegradas y
escribimos Xt ,Yt ~ CI(d,b), con d ≥ b ≥ 0, si:
 Ambas series son integras de orden d.
 Existe una combinación lineal de estas variables:
α Xt + β Yt la cual es integrada de orden d-b
 El vector (α ,β) es llamado vector de cointegración.
 Generalización: decimos que un vector de variables Xt de orden nx1
(x1t, x2t, x3t,…………,xnt) representa un vector de cointegración sí:
 Cada xit es I(d). Es decir, cada una de las series es integrada de
orden d (el mismo para todas)
 Existe un vector α de orden nx1 tal que X’t α ~ I(d-b). La
expresión: α1x1t + α2x2t + α3x3t +………+ αnxnt ~ CI(d,b) indica
que el vector de variables Xt está cointegrado.
Tema 5. Econometría Moderna.
Cointegración
 El caso de mayor importancia en el modelaje econométrico
empírico es aquel donde d=b, con lo cual la diferencia d-b es
igual a cero, tal que X’t α ~ I(0). Es decir, la combinación lineal es
estacionaria.
 Si tenemos el modelo dado por Yt = α + β Xt + μt , siendo Yt , Xt ~
I(1), mientras que μt ~I(0) diremos que las variables están
cointegradas y los residuos son estacionarios. El vector de
cointegración o relación de largo plazo es (1, -α , -β).
 En términos económicos la relación de largo plazo se puede
interpretar como la distancia que separa al sistema del equilibrio
a largo plazo. A pesar de que las variables Yt y Xt no sean
estacionarias, se mueven de manera conjunta a través de una
relación lineal que se ha mantenido durante un largo período.
Tema 5. Econometría Moderna.
Causalidad
 Cuando dos variables Yt y Xt son CI(1,1) tenemos que Yt causa en el
sentido de Granger a Xt ó Yt es causada en el sentido de Granger por Xt
 Causalidad de Granger: diremos que “ Xt causa en el sentido de
Granger a Yt , si valores presentes de Yt pueden ser predichos con mayor
precisión usando valores pasados de Xt , manteniendo inalterada el
resto de la información”.
 Según este concepto, la causalidad en el sentido de Granger podemos
interpretarla como precedencia entre variables.
 Causalidad Instantánea: “los valores presentes de Yt pueden ser
predichos con mayor precisión usando valores presentes y pasados de
Xt , ceteris paribus”
 En la práctica, el contraste de Causalidad de Granger se lleva a cabo
mediante : H0 : β1= β2 =…..= βp , a partir de la regresión:
Yt = α0 + α1Yt-1 + α2Yt-2 +…..+ αp Yt - p + β1Xt-1 + β2Xt-2 +…..+ βp Xt - p +εt
Tema 5. Econometría Moderna.
Modelo con Corrección del Error
 El Teorema de Representación de Granger establece que “si dos
series de tiempo son ambas I(1) y además están cointegradas,
entonces admiten una representación en forma de un Modelo
con Corrección del Error (MCE)”.
 Uno de los enfoques mas sencillo para estimar la relación de
largo plazo y el MCE es el conocido como Procedimiento de dos
Etapas, propuesto por Engle y Granger:
 Primera etapa: estimar la relación de equilibrio de largo
plazo por MCO: Yt = α + β Xt + μt
 Segunda etapa: estimar la relación dinámica usando los
residuos rezagados de la regresión en la primera etapa, en
forma de un MCE: ΔYt = α + β ΔXt + γ μt-1 + εt , γ < 0
γ es llamado mecanismo de corrección del error (mce)
Tema 5. Retardos Distribuidos
 Una estrategia de estimación empírica empleada por muchos
econometristas es la llamada “De lo General a lo Particular”.
 David Hendry (1995) plantea esta estrategia metodológica en
donde se parte de un modelo general que debe satisfacer al
menos cuatro condiciones:
1. El modelo debe ser lo suficientemente general, tal que un
modelo mas general sería una sorpresa
2. Los parámetros deber estimarse con los datos disponibles.
3. Es posible aprender acerca de los parámetros de estudio o
de interés usando el modelo (identificabilidad)
4. Debe caracterizar el Proceso Generatríz de Datos (PGD) de
todas las variables.
 El Modelo Autorregresivo de Rezagos Distribuidos (ADL) es el
modelo que normalmente es utilizado como base de una gran
variedad de casos particulares
Tema 5. Retardos Distribuidos
 La expresión ADL(p,k1,k2,,,,,km) define el Modelo de Rezagos
Distribuidos de p,k1,k2,,,,km parámetros y lo escribimos en su
forma matemática como:
p k1 k2 km
Yt   iYt-i +   iX1t-i +   iX2t-i +.........+   iXnt-i + t
i 1 i 0 i 0 i 0

 A partir de esta formulación se pueden obtener varios modelos

que son válidos desde el punto de vista económico
 En particular la expresión para un ADL(1,1) es:

Yt   1Yt-1 + 0Xt + 1Xt-1 + t

 Otro ejemplo es un ADL(1,3,2) cuya forma funcional es:

Yt   1Yt-1 + 0X1t + 1X1t-1 + 2X1t-2 + 3X1t-3 + 0X2t +  1X2t-1 + 2X2t-2 + t

Tema 5. Retardos Distribuidos
 Para el modelo ADL(1,1) : Yt   1Yt-1 + 0Xt + 1Xt-1 + t tenemos los casos:

Restricción Modelo Derivado

α1=β1=0 Regresión Estática
β0=β1=0 Proceso AR(1)
α1=β0=0 Ecuación con Indicador Adelantado
α1=1, β0=-β1 Ecuación en Primeras Diferencias
α1=0 Ecuación con Rezagos Distribuidos 1er
orden
β1=0 Ecuación con Ajuste Parcial
β0=0 Modelo con sólo información rezagada
β1= -α1 Modelo con Respuesta Proporcional
α1-1=-(β0+β1) Modelo con Corrección del Error (MCE)
β1=-α1 β0 Modelo con Factores Comunes
Tema 5. Retardos Distribuidos
 Sea el modelo ADL(1,1) para Yt con término constante dado por:
Yt   0   1Yt-1 +  0 Xt +  1Xt-1 + t (a)
sumando y restando Yt-1 y  0 Xt-1
Yt   0  ( 1  1)Yt-1 + 0 Xt + ( 0   1)Xt-1 +  t (b)
tenemos la expresión:
Yt   0   0 Xt +  (Yt-1 -  Xt-1) + t (c)
equivalentemente:
Yt   0   0 Xt +  (Yt-1 - Xt-1) + Xt-1 +  t (d)
 
con     1;   ;      
0 1

1
1 0 1
1

 La reparametrización de (b) genera los modelos (c) y (d) en una

representación de Modelo con Corrección del Error (MCE) de
fundamental importancia para el estudio de modelos con regresores
No estacionarios.
 Tema 5. Econometría Moderna.
Principios del Modelaje VAR
 En el modelaje por Vectores Autorregresivos (VAR) el problema
del “sesgo de ecuaciones simultáneas” de los modelos
econométricos multiecuacionales tradicionales es descartado al
formular un enfoque donde:
 No hay división a priori entre variables endógenas y variables
exógenas.
 No se imponen restricciones cero
 El modelo no está enmarcado dentro de un marco económico
teórico estricto.
 En forma general, la especificación de un VAR es:

Zt   AiZt-i  Wt   t
k

i 1
 Tema 5. Econometría Moderna.
Principios del Modelaje VAR
Zt   AiZt-i  Wt   t
k

i 1
Zt es un vector de N variables endógenas del sistema.
Ai es una matriz de coeficientes de las Z´s.
Wt es unvector de las variables determinísticas y exógenas.
Г es una matriz de coeficientes de las variables en W
ε es el vector de perturbaciones aleatorias
 Como vimos en la prueba de Causalidad de Granger, la especificación
es un VAR bi-variable con k=p. Para la variable Yt tenemos:
Yt = α0 + α1Yt-1 + α2Yt-2 +…..+ αp Yt - p + β1Xt-1 + β2Xt-2 +…..+ βp Xt - p +εt
Aquí: Z’ = (Y’ X’); A’ = (α’ β’); Г = α0 ; W = 1
 La selección del orden óptimo del VAR se basa en los Criterios de
Información , entre los que se encuentran el criterio de Akaike (AIC) y
el criterio de Schwarz (SCH).