Documentos de Académico
Documentos de Profesional
Documentos de Cultura
X t =Γ −1 B0 + Γ −1 B1 X t−1 + Γ −1 ε t X t = A 0+ A 1 X t−1+ e t
Ecuación por ecuación:
y t =a10 +a11 y t −1+ a12 z t−1 +e 1 t z t=a20 +a21 y t−1+ a22 z t −1 + e2 t
La ecuación anterior no será cero siempre que γ 21 ≠ 0 , γ 12 ≠ 0 ,es decir, mientras que y t y z t estén
presentes en la forma estructural del VAR.
La FR tiene correlación contemporánea entre los errores pero no autocorrelación y varianza constante. El
método es MCO ecuación por ecuación.
Descomposición de Cholesky
Recuperando la forma estructural:
Recuerde que lo que se estima es la forma reducida. Sin embargo, lo que se necesita es la forma
estructural. ¿Podemos recuperar la última en base a la estimación de la primera?
– Forma Reducida: 9 parámetros a estimar (6 coeficientes, 2 varianzas, 1 covarianza)
CAUSALIDAD
Granger (1969) desarrolla un concepto de causalidad en econometría.
– El futuro no puede causar al pasado, por lo que la relación de causalidad debe,
necesariamente, provenir del pasado y dirigirse hacia el presente y/o el futuro.
– La causalidad tiene sentido cuando analizamos variables aleatorias y estacionarias.
Causalidad a lo Granger: “l a variable x causa a la variable y si al tomar en cuenta los valores pasados de
x se mejoran las predicciones de y”
– Predicciones insesgadas de y que se obtienen a través de la estimación por MCO.
– La precisión se mide a través de la varianza del error de predicción o error cuadrático medio
ECM =E [ ( ^y − y )2 ]
a) El test Directo:
Ho : y x
Examinar si y no causa a x . Para ello se estima la relación entre x t , los m primeros rezagos de y t
y los n primeros rezagos de x t :
x t=f ( y t −1 , y t −2 , … , y t−m , xt −1 , x t−2 ,... , x t−n )
Verifica la significancia conjunta de los rezagos de y t
No significancia: x t estaría explicado solamente por su propio pasado y por el elemento aleatorio
respectivo.
b) El test de Sims:
Regresionar y t en función de los valores pasados y futuros de x t , de forma tal de testear que y t no
causa x t sobre la base de la significancia de los coeficientes asociados con los valores futuros de x t .
Si existe una relación entre el valor presente de y t y los valores futuros de x t ésta debe expresar
una causalidad de y á x y no de x á y, ya que el futuro no puede causar al presente.
n
y t = ∑ γ t xt −t + z t H 0 : γ 1 =γ −2=…=γ −m =0
t=−m
σ 21 σ 12
ε1 t
[ ]
ε2 t
≈N
[ ( ) ( )]
0 ,
0 σ 21 σ 22
Suponga que la ecuación de interés es la condicional. El asunto clave parece ser la exogeneidad de x t .
Lo importante es tener claro para qué servirá. Tres son los posibles propósitos:
– Hacer inferencia sobre un parámetro de interés, por ejemplo β . En este caso se requiere
exogeneidad débil.
– Predecir y t en función de x t . De ser este el caso se requiere exogeneidad fuerte.
– Testear si la ecuación condicional es estructuralmente invariante a cambios en la distribución
marginal de x t . En este caso se requiere super exogeneidad
EJERCICIOS:
1. Un econometrista está interesado en determinar cuál es la relación de causalidad que existe entre dos
variables: Y y X . A continuación se lo presentan los resultados de un conjunto de regresiones que
estimó:
Tomando en cuenta toda esta información, ¿Qué podemos decir acerca de la causalidad de “X” sobre
“Y”? ¿Por qué? Explique su respuesta. (2.0 puntos)
c) Asuma que la matriz de varianza y covarianza de los errores es diagonal , ∑ ¿ diag ( 4,2). Señale los
efectos de un shock sobre la variable z t en t sobre las variables y t y z t en el instante
t+ 1, t +2 ,t +3 .
d) ¿Cómo cambiaría la solución de y t si a 10 =0.2?
2. Si un conjunto de variables pueden ser modeladas a través de un VAR , entonces, de todas maneras
existe algún tipo de causalidad entre ellas, pero no es posible predecir con el sistema ya que ninguna
tiene algún nivel de exogeneidad.
2
Donde var ( ε yt )=σ y , var ( ε xt )=ϕ y cov ( ε yt , ε xt ) =γ .
Considere un a matriz H y triangular inferior que garantiza que ut =H ε t , entonces var ( u t ) =D siendo D
una matriz diagonal. H toma la forma:
1 0
H=
[ 2
−γ /σ y 1 ]
a) (1 punto) Encuentre la representación estructural del VAR. A partir de ella, indique y explique
cuál es el ordenamiento de variables que implica la especificación de H .
b) (1 punto) Calcule la representación VMA de la forma reducida del VAR.
c) (1 punto) Calcule la representación VMA de la forma estructural del V AR.
d) (1 punto) ¿Bajo qué condiciones tanto la forma reducida como la forma estructural producirán
los mismos resultados para la Función Impulso Respuesta?
(EP/2014*2)
b) Resuelva el modelo y, si es posible, halle la FR. Calcule las medias, varianzas y covarianzas de los
shocks de la FR (2 puntos).
c) Teniendo este modelo en mente, ¿Cuántas funciones impulso respuesta podrían calcularse? ¿a qué
nivel de largo plazo se esperaría que converja la función impulso respuesta? Justifique sus
respuestas (1 punto).
d) Si suponemos que la covarianza de los errores de la forma reducida es igual a -7, diga usted si el
VAR (1) planteado es o no estacionario (2 puntos).
EP (2018-1)
xt x u
= .85−.1 t−1 + t
[][
yt ][ ] [ ]
−.1.3 y t−1 v t
(1)
ut iid N 0 , Ω , Ω= 8 2
Donde
[ ] (( ) ) [ ]
vt 0 2 4 (2)
' 2 2 2 2
Donde ( ε 1t , ε 2 t ) es un vector de ruidos blancos con E ( ε 1 t ) =σ 1 , E ( ε 2 t ) =σ 2 y E ( ε 1t . ε 2t )=0. Además,
asuma que c=0 ,|a|<1 ,|d|<1 , a ≠ 0 y d ≠ 0.
Muestre que X t sigue un proceso ARMA (2,1). Ayuda; Puede usar el siguiente resultado sin necesidad
de demostrarlo. Deje que W t sea un proceso MA (1) invertible, y deje que vt un proceso ruido blanco