Tema 

6. Econometría Moderna.
Críticas al Modelaje Tradicional
ƒ El limitado alcance de los pronósticos econométricos tradicionales
(Cowles Comission), en escenarios de grandes fluctuaciones.
ƒ Surgimiento de la metodología ARIMA de modelos univariantes
parsimoniosos, propuesta por Box‐Jenkins.
ƒ El problema de invarianza estructural y su relevancia para el
análisis de políticas. “Crítica de Lucas (1976) “.
ƒ Generalización en el uso de modelos de Mecanismo de Corrección
del Error (MCE).
ƒ Minería de Datos (Data Mining) y el fallo de la econometría
tradicional.
ƒ Sims (1980) plantea la llamada “Identicación Increible” en el
modelaje
d l j tradicional
t di i l y formula
f l una metodología
t d l í conocida
id como
modelos de Vectores Autorregresivos (VAR)
Tema 6. Econometría Moderna.
Cointegración
ƒ Cointegración: dos series de tiempo Xt y Yt están cointegradas y
escribimos Xt ,Yt ~ CI(d,b), con d ≥ b ≥ 0, si:
¾ Ambas
A b series
i son integras
i d orden
de d d.d
¾ Existe una combinación lineal de estas variables:
α Xt + βYt la
l cuall es integrada
i t d de
d orden
d d‐b
db
¾ El vector (α ,β) es llamado vector de cointegración.
ƒ Generalización: decimos que un vector de variables Xt de orden nx1
(x1t, x2t, x3t,…………,xnt) representa un vector de cointegración sí:
¾ Cada xit es I(d).
( ) Es decir,, cada una de las series es integrada
g de
orden d (el mismo para todas)
¾ Existe un vector α de orden nx1 tal que X’t α ~ I(d‐b). La expresión:
α1x1t + α2x2t + α3x3t +………+ αnxnt ~ CI(d,b)
CI(d b) indica
i di que ell vector
t ded
variables Xt está cointegrado.
Tema 6. Econometría Moderna.
Cointegración
ƒ 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,
cero tal que X’t α ~ I(0).
I(0) Es decir,
decir la combinación lineal es
estacionaria.
ƒ 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
i ió o relación
l ió ded largo
l plazo
l es (1,
( ‐α , ‐β).
β)
ƒ 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 6. Econometría Moderna.
Causalidad
ƒ Cuando dos variables Yt y Xt son CI(1,1) tenemos que Yt causa en el
sentido de Granger a Xt óYt es causada en el sentido de Granger por Xt
ƒ Causalidad
C lid d de
d Granger:
G di
diremos que “ Xt causa en ell sentido
tid de
d Granger
G
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”.
ƒ Según este concepto, la causalidad en el sentido de Granger podemos
interpretarla como precedencia entre variables.
variables
ƒ Causalidad Instantánea: “los valores presentes de Yt pueden ser
predichos con mayor precisión usando valores presentes y pasados de Xt ,
ceteris paribus”
b
ƒ En la práctica, el contraste de Causalidad de Granger se lleva a cabo
mediante : H0 : β1= β2 =…..=
….. βl , a partir de la regresión:
Yt = α0 + α1Yt‐1 + α2Yt‐2 +…..+ αl Yt ‐l + β1Xt‐1 + β2Xt‐2 +…..+ βl Xt ‐l +εt
Tema 6. Econometría Moderna.
Modelo con Corrección del Error
ƒ 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)”.
ƒ 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:
¾ Primera etapa: estimar la relación de equilibrio de largo plazo
por MCO:Yt = α + β Xt + μt
¾ Segunda
S d etapa: estimar
i l relación
la l ió dinámica
di á i usando
d los
l
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 6. Econometría Moderna.
Principios del Modelaje VAR
ƒ 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:
¾ No hay división a priori entre variables endógenas y variables
exógenas.
¾ No se imponen restricciones cero
¾ El modelo no está enmarcado dentro de un marco económico
teórico estricto.
ƒ En forma general, la especificación de un VAR es:

t i + ΓWt + ε t
k
Zt = ∑ AiZt-i
i =1
Tema 6. Econometría Moderna.
Principios del Modelaje VAR
ƒ Zt es un vector de N variables endógenas del sistema.
ƒ Ai es una matriz de coeficientes de las Z´s.
ƒ Wt es unvector de las variables determinísticas y exógenas.
ƒ Г es una matriz de coeficientes de las variables en W
ƒ ε es el vector de perturbaciones aleatorias
ƒ Como vimos en la prueba de Causalidad de Granger, la especificación es
un VAR bi‐variable con k=l:
Yt = α0 + α1Yt‐1 + α2Yt‐2 +…..+ αl Yt ‐l + β1Xt‐1 + β2Xt‐2 +…..+ βl Xt ‐l +εt
Aquí:
q Z’ = ((Y’ X’);
); A’ = ((α’ β
β’);
); Г = α0 ; W = 1
ƒ 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
it i ded Schwarz
S h (SCH)
(SCH).