Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Manuel Castellanos
abril 09, 2020
hs = α1 w + β1 z1 + u1
La variable z1 es alguna otra variable observable que afecta la mano de obra, por ejemplo el salario
de mercado de esta demarcación. El término de error u1 contiene otros factores, tanto observables
como no observables. (Si son observables lo preferible es que se incluyeran en la ecuación).
Este tipo de ecuación se llama ecuación estructural. Provienen de la teoría económica y, por
tanto, tienen interpretación causal.
Para completar el mercado, necesitamos la respuesta de la demanda laboral, las firmas.
→ Sea hd las horas anuales de mano de obra demandadas por las industrias.
Una forma de expresar la función de demanda de este mercado sería:
hd = α2 w + β2 z2 + u2
Con lo que añadiéndole la condición de equilibrio de nuestro mercado, obtenemos nuestro modelo:
hi = α1 wi + β1 z1i + u1i
hi = α2 wi + β2 z2i + u2i
hi = hs = hd
1
Prueba de identificación de wi
Igualando las primeras dos ecuaciones del sistema presentado anteriormente se obtiene:
y1 = α1 y2 + β1 z1 + u1
y2 = α2 y1 + β2 z2 + u2
y2 = α2 (α1 y2 + β1 z1 + u1 ) + β2 z2 + u2
Separando por y2 obtenemos:
Al llegar a este punto debemos de plantear un supuesto para poder tener una expresión cerrada
para y2 .
α1 α2 6= 1
Si este supuesto se mantiene, entonces, podemos seguir desarrollando y obtenemos lo siguiente:
α2 β1 β2
y2 = ( 1−α α
1 2
)z1 + ( 1−α1 α2
)z2 + ( α1−α
2 u1 +u2
1 α2
)
Y, por conveniencia de notación, reescribiremos esta ecuación de la siguiente forma:
y2 = π21 z1 + π22 z2 + ν2
2
Esto no es más que la ecuación en forma reducida para y2 . Se puede apreciar como π21 y π22
son funciones no lineales de los parámetros estructurales, α1 yα2 . Mientras que ν2 , el error de
la forma reducida, es una función lineal de los términos de error estructurales, u1 y u2 .
Dado que u1 y u2 no están correlacionados con z1 ni z2 , entonces ν2 tampoco está correlacionado
con z1 y z2 . Por tanto, se puede estimar π21 y π22 de manera consistente mediante
MCO.Dado que se requiere estimar la ecuación del principio, entonces se recurre a una estimación
por 2SLS. Este mismo procedimiento se puede realizar para obtener la forma reducida de y1 .
Ahora bien, se puede observar a simple vista como y2 y u1 están correlacionadas. Esto sucede
siempre y cuando ν2 y u1 estén correlacionados, ya que z1 y z2 son exógenos. ¡Pero ν2 es una
función lineal de u1 y u2 !
A esto se le llama sesgo de simultaneidad. El error de una ecuación afecta una variable endógena
del modelo, por lo que, la convergencia en valor esperado no se dará. Una prueba más rigurosa de
la existencia de este sesgo, es demostrar que la covarianza entre estas dos variables en cuestión es
no nula.
Cov(y2 , u1 ) = Cov(ν2 , u1 )
Cov(ν2 , u1 ) = E[ν2 u1 ] − E[ν2 ] E[u1 ]
Sabemos que E[u1 ] = 0, por tanto el segundo término se anula. Sustituyendo, nos quedamos con:
A partir de aquí, la demostración se divide en dos partes. Primero, demostraremos que E[u1 u2 ] = 0,
esto nos simplificará el trabajo. Ya sabemos que ambas variables tienen correlación nula, como lo
estipulamos anteriormente. Si dos variables tiene correlación nula, entonces su covarianza también
es nula, por lo tanto:
E[u1 u2 ] = 0
3
Volviendo a la parte anterior, entonces tenemos que:
1
Cov(ν2 , u1 ) = 1−α1 α2 E[α2 u21 ]
α2
Cov(ν2 , u1 ) = 1−α1 α2 E[u21 ]
Para la segunda parte, demostraremos que E[u21 ] = V ar(u21 ). Por definición, la varianza de este
término es:
α2
Cov(ν2 , u1 ) = 1−α1 α2 V ar(u1 )
α2 2
Cov(ν2 , u1 ) = 1−α1 α2 σ1 ; ∀α1 α2 6= 1
Dado que σ12 > 0, hemos hallado que existe una covarianza no nula entre y2 y u1 .
y1 = β10 + α1 y2 + z>
1 B1 + u1
y2 = β20 + α2 y1 + z>
2 B2 + u2
Donde y1 y y2 son variables exógenas y u1 y u2 son términos de error estructurales. β10 y β20 son los
interceptos de ambas ecuaciones. La variable z1 representa un vector de dimensión k ∗ 1 donde k es la
cantidad de variables exógenas que aparecen en la primera ecuación, es decir, z1 = (z11 , z12 , ..., z1k ).
La misma dinámica ocurre para la variable z2 . En muchos casos,z1 y z2 se solaparán;es decir,
tendrán elementos iguales. Pero se necesita que por lo menos una sea unica para la ecuación. Esto
se llama restricción de exclusión.
La restricción de exclusión surge de la necesidad de distinguir entre las dos ecuaciones. Si ambas
tienen las mismas variables exógenas, entonces son la misma ecuación. Esto genera problemas con el
rango de la matriz en cuestión (Recordar de álgebra lineal). Esto nos lleva a enunciar la condición
de rango.
Condición de rango para la identificación de una ecuación estructural. Una ecuación en
un modelo de dos ecuaciones simultáneas se identifica si, y sólo si, la otra ecuación contiene al menos
una variable exógena (con un coeficiente diferente de cero) excluida de la primera.
4
Sistemas de más de dos ecuaciones
La identificación en modelos generales de 3 o más ecuaciones es tediosa y requiere cálculos de álgebra
lineal, lo cual sobrepasa el alcance de este curso. Sin embargo, bajo el marco de una simplificación
podemos apreciar las principales carácterísticas de la identificación en estos casos. Tomemos el
siguiente modelo sin interceptos:
Donde las yi son variables endógenas y las zj son exógenas. Veamos cuales de estas ecuaciones se
pueden estimar.
Observando la tercera ecuación, vemos que todas las variables exógenas aparecen en esta ecuación.
Por lo tanto observamos que no se tiene ninguna variable instrumental para y2 , la variable endógena
de esta ecuación.
Vemos en la primera ecuación que z2 ,z3 y z4 se excluyen de la ecuación (como vimos en las
restricciones de exclusión). Aunque existen dos variables endógenas en esta ecuación, se tienen 3
potenciales variables instrumentales para y2 y y3 , que son z2 ,z3 y z4 . Por tanto, la primera ecuación
satisface la condición de rango.
Condición de orden para identificación. Una ecuación en un modelo de ecuaciones simultáneas
satisface la condición de orden para identificación si el número de variables exógenas excluidas de la
ecuación es al menos el mismo que el número de variables endógenas del lado derecho. Otra forma
de verlo es que esta condición se cumple cuando el número de variables exógenas no incluidas en
la ecuación es igual o mayor en cantidad que el número de variables endógenas independientes en
dicha ecuación.
Fíjense como si β34 = 0, z4 no aparece en ningún otro lugar del sistema. Si β34 = 0, entonces la
segunda ecuación no está identificada, pues z4 resulta una variable instrumental inútil para estimar
a y1 .