Documentos de Académico
Documentos de Profesional
Documentos de Cultura
6. 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
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
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.
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
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.
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)
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
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
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”.
Según este concepto, la causalidad en el sentido de Granger podemos
interpretarla como precedencia entre variables.
variables
Causalidad Instantánea: “los valores presentes de Yt pueden ser
predichos con mayor precisión usando valores presentes y pasados de Xt ,
ceteris paribus”
b
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
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:
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
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.
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
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=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
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).