IDENTIFICACIÓN

Y ESTIMACIÓN
DEL
MODELO DE
LIU-CHANG
ECONOMETRÍA I

2021
Se aplicará el modelo de Ecuaciones simultáneas
considerando como guía el modelo de Liu-Chang.
Aplicando finalmente la estimación e identificación a este
modelo data de la macroeconomía peruana.

Stefano Calderón Galarza

 Modelo de ecuaciones simultáneas (Modelo Liu-Chang)

1. Especificación del modelo

El modelo macroeconómico lineal de Liu-Chang comprende 3

ecuaciones que son de corte keynesiano. Por ello también es
conocido como un modelo keynesiano modificado. El estudio
realizado por los economistas chinos fue realizado en un inicio para
explicar y relacionar las variables macroeconómicas de Estados
Unidos.

La pregunta radicaría en cuál o cuáles son las variables o las

nuevas consideraciones que lo distinguen del modelo keynesiano.
Las tres variables explicadas son el consumo, la inversión y el PBI,
todos estas variables son del periodo corriente (t en este caso). Sin
embargo es un modelo en el que tanto el consumo como la
inversión corrientes son explicadas por el rezago del PBI
(producción total del país en el periodo anterior, es de destacar que
los periodos en dicho modelo por lo general se trabajan en años).
Esta variable rezagada que entra en el análisis le proporciona el
carácter dinámico a este modelo. Otra novedad a tomar en cuenta
es la aparición de la variable beneficio por parte de la firma, este
puede ser entendido de dos formas, ya sea utilidades o ya sea la
tasa de interés que se gana.

Los elementos coincidentes con el modelo keynesiano es la

inclusión de las propensiones tanto como la propensión marginal a
consumir como la propensión marginal a invertir. También entra en
el análisis la ya conocida identidad de oferta y demanda pero en un
contexto de economía cerrada donde las exportaciones netas no son
tomadas en cuenta. Entonces, este modelo tomo en cuentas
aspectos importantes de la economía de un país como cualquier
modelo macro.

Es sabido que el PBI normalmente es considerado como un

indicador de bienestar económico que se enfoca en la mejora de
calidad de vida. Es por ello que este modelo se centra en las
principales variables macroeconómicas que son relevantes para un
país.

Entonces, se procederá a detallar el modelo, considerando todo el

sistema.

Por el lado del consumo se tiene que el consumo corriente depende

del índice de precios de los bienes de consumo, del ingreso y
también del rezago del mismo:

𝐶𝑡 = 𝛾1 ∗ 𝑌𝑡 + 𝜙1 ∗ 𝑃𝑡 + 𝛽1 ∗ 𝑌𝑡−1 + 𝜀1𝑡
Donde las variables de la ecuación son:

𝐶𝑡 : consumo privado en el periodo actual.

𝛾1: propensión marginal a consumir (variación en el consumo ante
variación en el ingreso).
𝑌𝑡 : producción total del país en el periodo actual (PBI).
𝜙1 : representa el cambio en el consumo cuando existe cambio en
una unidad en el índice de precios de los bienes de consumo.
𝑃𝑡 : índice de precios de los bienes de consumo en el periodo actual.
𝛽1 : representa el cambio en el consumo agregado corriente ante
variaciones de la producción total pasada.
𝑌𝑡−1 : producción total del país en el periodo anterior.
𝜀1𝑡 : término de perturbación estocástica para el consumo.

Habiendo especificado la primera variable de este sistema de

ecuaciones, se procede a explicar la segunda variable
representativa que es la inversión. La inversión corriente depende
del ingreso, del beneficio empresarial, como en la ecuación del
consumo, la inversión también depende del rezago del producto
total. Entonces, la ecuación de inversión se encuentra definida por:

𝐼𝑡 = 𝛾2 ∗ 𝑌𝑡 + 𝜙2 ∗ 𝑅𝑡 + 𝛽2 ∗ 𝑌𝑡−1 + 𝜀2𝑡

Donde las variables de la ecuación son:

𝐼𝑡 : Inversión agregada privada en el periodo actual.

𝛾2 : propensión marginal a invertir (variación en la inversión ante
variación en el ingreso).
𝑌𝑡 : producción total del país en el periodo actual (PBI).
𝜙2 : representa el cambio en la inversión cuando existe cambio en
una unidad en los beneficios.
𝑅𝑡 : beneficios de la firma en el periodo actual.
𝛽2 : representa el cambio en la inversión agregada corriente ante
variaciones de la producción total pasada.
𝑌𝑡−1 : producción total del país en el periodo anterior.
𝜀2𝑡 : término de perturbación estocástica para el consumo.

Por última ecuación perteneciente a este sistema de ecuaciones

simúltaneas del modelo Liu-Chang se tiene a la oferta agregada
igualada a la demanda agregada. Esto quiere decir al PBI del
periodo actual como oferta agregada igualado al consumo, inversión
y gasto público que actúan como demanda agregada. Entonces,
esta ecuación se representa por:

𝑌𝑡 = 𝐶𝑡 + 𝐼𝑡 + 𝐺𝑡 + 𝜀3𝑡
 Donde las variables de la ecuación son:

𝑌𝑡 : producción total del país en el periodo actual (PBI).

𝐶𝑡 : consumo privado en el periodo actual.
𝐼𝑡 : Inversión agregada privada en el periodo actual.
𝐺𝑡 : gasto público en el periodo actual.
𝜀3𝑡 : término de perturbación estocástica para el PBI.

Antes de pasar a explicar el modelo el modelo de Liu-Chang como

modelo de ecuaciones simultáneas, se dará una noción general de
lo que es este modelo de ecuaciones simultáneas.

2. Aplicación del Modelo Liu-Chang al Perú

Considerando las especificaciones de las ecuaciones que conforman
este sistema de ecuaciones se intentará replicar dicho modelo a la
macroeconomía peruana. La data a analizar es de 1994-2017. En
dicho periodo el pais venia de sufrir una de las peores crisis en
materia economica, ocurrían diversos desequilibrios
macroeconómicos. El gobierno de García tuvo un fortísimo impacto
negativo en la economía peruana producto de la emisión inorgánica
sin sustento alguno, abriendo la década del 90 con la existencia de
hiperinflación aún. Por ello Fujimori como medida económica opta
por el sinceramiento de precios, manteniendo un programa de
estabilización en base a una estricta disciplina fiscal y monetaria.

Diferentes economistas de diversas tendencias coincidieron en

señalar que a partir de 1988, se vivió una hiperinflación. El debate
se centró en cuán dolarizada estaba la economia.

La intención de escoger dicho intervalo de tiempo es ver los

impactos de las variables exógenas del modelo (gasto público,
beneficios de la firma e índice de precios) afectan a los pilares
macroeconómicos de una economía. De esta forma, el presente
trabajo tiene como objetivo ver los impactos, como ya se
mencionaros, de las endógenas respecto a las exógenas. Esto se
evidencia mediante la matriz Jacobiana ya que cada una de sus
elementos representan una derivada parcial.

De este modo se presentan los datos para elaborar el modelo de Liu

Chang para la economía peruana: consumo, inversión, gasto
público, PBI, tasa de interés activa y el índice de precios.
 Tabla N.°1
Datos macroeconómicos del Perú 1994-2017

Fuente: Banco Mundial, INEI, BCRP

Puntos a considerar es que las variables PBI, CONSUMO,

INVERSIÓN Y GASTO están expresadas en dólares. La tasa de
interes activa en porcentaje mientras que el índice de precios al
consumidor se encuentra en base del año 2010.

3. El modelo de ecuaciones simultáneas y el modelo de Liu-Chang

aplicado

El modelo de ecuaciones simultáneas se presenta cuando la

variable dependiente en una ecuación actúa también como variable
explicativa en otra ecuación. Por su parte, las variables que vienen
determinadas por factores externos al modelo son llamadas
variables exógenas. Entonces, siguiendo la linea de lo explicado, en
tales modelos hay más de una ecuación: una para cada de las
variables mutuamente o conjuntamente dependientes o endógenas,
conllevando a un problema de endogeneidad.

Y como un sistema de ecuaciones no es posible estimar los

parámetros de una ecuación de manera aislada sin tomar en
cuenta la información proveniente de todas las ecuaciones que lo
componen.
 Si se decide estimar los parámetro de una ecuación de forma
aislada, estos estimadores por MCO serán sesgados e
inconsistentes, tal que a medida que el tamaño de la muestra
aumenta indefinidamente, los estimadores no convergen hacia sus
verdaderos valores (poblacionales).

Uno de los métodos más utilizados para estimar modelos de

ecuaciones simultáneas es el de variables instrumentales, el mismo
que se utiliza para modelos con mala especificación, es decir,
aquellos que padecen de omisión de variables y de problemas de
error de medición.

La naturaleza de estos modelos es que es de suma importancia

recordar el concepto “ceteris paribus” que es una interpretación
causal del modelo de ecuaciones imultáneas. Esto se podría
analizar en la matriz Jacobiana que se explicará en su momento.

El presente trabajo lo que busca es explicar las distintas formas de

representación del modelo Liu-Chang ya especificado, dicho modelo
es de ecuaciones simultáneas. Se analizará su forma estructural,
su forma matricial y su forma reducida.

3.1. Forma estructural y estimación

De las ecuaciones detalladas con anterioridad se ordenan de la

siguiente manera:

𝐶𝑡 = 𝛾1 ∗ 𝑌𝑡 + 𝜙1 ∗ 𝑃𝑡 + 𝛽1 ∗ 𝑌𝑡−1 + 𝜀1𝑡 ………………(1)

𝐼𝑡 = 𝛾2 ∗ 𝑌𝑡 + 𝜙2 ∗ 𝑅𝑡 + 𝛽2 ∗ 𝑌𝑡−1 + 𝜀2𝑡 ………………(2)

𝑌𝑡 = 𝐶𝑡 + 𝐼𝑡 + 𝐺𝑡 + 𝜀3𝑡 ………………………………..(3)

Donde se podría tomar esperanza al modelo, de forma que quedaría

sin la perturbación estocástica porque por conocimientos previos
sabemos que 𝐸 (𝜀𝑖𝑡 ) = 0, pero por simbología se mantendrá el error
aleatorio en el sistema de ecuaciones.

El siguiente paso en este modelo sería pasar los términos al primer

miembro, completando todas las variables en el sistema con ceros y
dejando el error aleatorio en el lado derecho de la igualdad. Si es
cierto que solo hay una variable rezagada, esta afecta a las demás
variables endógenas, de modo que el reordenamiento de las
ecuaciones resulta:

𝐶𝑡 − 0 ∗ 𝐼𝑡 − 𝛾1 ∗ 𝑌𝑡 − 0 ∗ 𝐶𝑡−1 − 0 ∗ 𝐼𝑡−1 − 𝛽1 ∗ 𝑌𝑡−1 − 0 ∗ 𝑅𝑡 − 0 ∗ 𝐺𝑡 − 𝜙1 ∗ 𝑃𝑡 = 𝜀1𝑡

0 ∗ 𝐶𝑡 + 𝐼𝑡 − 𝛾2 ∗ 𝑌𝑡 − 0 ∗ 𝐶𝑡−1 − 0 ∗ 𝐼𝑡−1 − 𝛽2 ∗ 𝑌𝑡−1 − 𝜙2 ∗ 𝑅𝑡 − 0 ∗ 𝐺𝑡 − 0 ∗ 𝑃𝑡 = 𝜀2𝑡

 −𝐶𝑡 − 𝐼𝑡 + 𝑌𝑡 − 0 ∗ 𝐶𝑡−1 − 0 ∗ 𝐼𝑡−1 − 0 ∗ 𝑌𝑡−1 − 0 ∗ 𝑅𝑡 − 𝐺𝑡 − 0 ∗ 𝑃𝑡 = 𝜀3𝑡

A partir de estas ecuaciones despejadas se puede proceder con la

forma matricial.

Realizando la estimación mediante el EViews mediante el siguiente

procedimiento:

Se crea ya no una ecuación, ahora estamos hablando de un

conjunto de ecuaciones que incorporan un sistema. Posterior a esto
introducimos las variables instrumentales y escribimos las
ecuaciones con sus coeficientes de modo que estos sean estimados:

La mayoría de los modelos que se han estudiado a lo largo del

curso implicaban el uso del método usual de Mínimos Cuadrados
Ordinarios. Sin embargo, este modelo de ecuaciones simultáneas
requiere otro tratamiento mediante el uso de Mínimos Cuadrados
en dos etapas (MC2E):
De esta regresión nos resulta lo siguiente:
 Podemos observar que la regresión para ambas ecuaciones
(obviando la identidad que no se incluye para este análisis al no
tener coeficientes) presenta un buen ajuste al tener un coeficiente
de determinación elevado. Sin embargo, apreciamos que el
problema de autocorrelación es evidente debido a que el estadístico
de Durbin-Watson no es próximo a 2. Asimismo, no todos los
coeficientes estimados son significativos (la propensión marginal a
consumir es significativa). Cabe resaltar que el presente modelo no
tiene variable autónoma.

La forma estructural con los datos estimados tomaría la siguiente

forma:

𝐶𝑡 = 0.631377 ∗ 𝑌𝑡 + 55156125 ∗ 𝑃𝑡 − 0.028319 ∗ 𝑌𝑡−1 + 𝜀1𝑡

𝐼𝑡 = −0.226135 ∗ 𝑌𝑡 − 25668326 ∗ 𝑅𝑡 + 0.488612 ∗ 𝑌𝑡−1 + 𝜀2𝑡

𝑌𝑡 = 𝐶𝑡 + 𝐼𝑡 + 𝐺𝑡 + 𝜀3𝑡

De esta forma se observan las relaciones de las variables exógenas

y endógenas mediante los coeficientes. Por ejemplo, observemos
uno de los coeficientes más conocidos en la literatura económica
que es la propensión marginal a consumir. En este caso, si se
incrementa el PBI en 1 unidad monetaria (dólar según las
especificaciones) el consumo se ve alterado de manera positiva en
0.631377 unidades monetarias. Esto va acorde con la teoría que
sustenta que PMgC se encuentra entre 0 y 1. Por otra parte si
analizamos la propensión marginal a invertir, esta se explica que a
medida que incrementa el ingreso, la inversión no crece, sino que
se reduzca. Esto pareciera raro, pero podemos considerar que el
periodo de análisis es uno en el que recién se sale de una de las
mayores crisis económicas del Perú, entonces el periodo de
incertidumbre ha prevalecido en el análisis. Un periodo en donde la
mejor idea al obtener mayores ingresos no es el invertir y los que lo
estaban haciendo retiraban su dinero (capitales golondrinos).
Vemos que la producción rezagada tiene un impacto inverso en el
consumo, mientras que en la inversión posee un impacto positivo.
La relación positiva entre precio y consumo se puede explicar como
el posicionamiento de la moneda nacional al pasar la crisis y el
aumento de precios por año de manera natural. De la misma forma
con la inversión y los beneficios y la relación negativa explicada
como la incertidumbre predominante de la década de los 90.

3.2. Forma matricial y estimación

Las ecuaciones despejadas presentadas se agrupan de forma

matricial, de forma que resulta lo siguiente:
Se puede observar que el vector fila [𝐶𝑡 𝐼𝑡 𝑌𝑡 ] es el vector de
variables endógenas del modelo de Liu-Chang, las variables
endógenas pero retrasadas un periodo se encuentran
representadas por el siguiente vector fila [𝐶𝑡−1 𝐼𝑡−1 𝑌𝑡−1 ] y las
variables exógenas por el vector fila [𝑅𝑡 𝐺𝑡 𝑃𝑡 ] mientras que
las otras tres matrices de coeficientes estructurales sintetizan
todos los parámetros de las ecuaciones estructurales: 𝛾, 𝛽, 𝜙.

Se procederá a sintetizar la notación vector-matricial,

especificando cada matriz y vector:

El vector de variables endógenas:

𝑦𝑡 = [𝐶𝑡 𝐼𝑡 𝑌𝑡 ]

El vector de variables endógenas rezagadas:

𝑦𝑡−1 = [𝐶𝑡−1 𝐼𝑡−1 𝑌𝑡−1 ]

El vector de variables predeterminadas:

𝑥𝑡 = [𝑅𝑡 𝐺𝑡 𝑃𝑡 ]

La matriz de coeficientes de las variables endógenas:

1 0 −1
Γ=[ 0 1 −1]
−𝛾1 −𝛾2 1

La matriz de coeficientes de las variables endógenas

rezagadas:

0 0 0
B=[ 0 0 0]
−𝛽1 −𝛽2 0

La matriz de coeficientes de las variables predeterminadas o

exógenas:

0 −𝜙2 0
C=[ 0 0 −1]
−𝜙1 0 0
El vector de variables estocásticas:

𝑈 = [𝜀1𝑡 𝜀2𝑡 𝜀3𝑡 ]

Podemos expresar los resultados de la regresión obtenida

también de forma matricial obteniendo:

Siguiendo con este análisis se reemplaza las definiciones en la

ecuación obteniendo la siguiente ecuación diferencial:

𝑦𝑡 ∗ Γ + 𝑦𝑡−1 ∗ 𝐵 + 𝑥𝑡 ∗ 𝐶 = 𝑈

Como se sabe, para simplificar matrices no se divide, sino que

se multiplica por la inversa de la matriz. En este caso lo que se
busca es despejar 𝑦𝑡 , entonces se multiplicará toda la ecuación
mostrada por la inversa de la matriz Γ:

𝑦𝑡 ∗ Γ ∗ Γ −1 + 𝑦𝑡−1 ∗ 𝐵 ∗ Γ−1 + 𝑥𝑡 ∗ 𝐶 ∗ Γ −1 = 𝑈 ∗ Γ −1

De la siguiente ecuación se puede simplificar el producto de la

matriz Γ multiplicado por su inversa ya que eso resulta 1. Si
consideramos que 𝑉 = 𝑈 ∗ Γ −1 , ya que una variable por una
matriz de parámetros sigue siendo una variable, en este caso
las variables aleatorias multiplicado por la matriz de
parámetros no afecta su carácter, por ello se representa por V.

𝑦𝑡 + 𝑦𝑡−1 ∗ 𝐵 ∗ Γ−1 + 𝑥𝑡 ∗ 𝐶 ∗ Γ −1 = 𝑉

Ya despejada la variable endógena pasamos todos los términos

a la derecha y tan solo quedaría resolver las matrices Π que se
definirán de la siguiente manera:

𝑦𝑡 = −𝑦𝑡−1 ∗ 𝐵 ∗ Γ −1 − 𝑥𝑡 ∗ 𝐶 ∗ Γ −1 + 𝑉

Π0 = −𝐵 ∗ Γ −1

Π1 = −𝐶 ∗ Γ −1

Multiplicando primero la matriz B con la matriz Γ −1 se obtiene

el Jacobiano. La matriz Jacobiana es una matriz de derivadas
parciales, donde las filas son determinadas por el número de
variable dependientes, mientras que las columnas por el
número de variables independientes. Cada valor de la matriz
representa una derivada parcial de la variable dependiente con
respecto a la variable independiente. Por ello es de suma
importancia definir las variables endógenas y exógenas en este
modelo. Se presentará una tabla que sintetiza lo mencionado:

Entonces de este modo se puede armar la matriz Jacobiana

teniendo en cuenta que adopta la siguiente forma:

Del programa Mathcad se obtiene el siguiente resultado:

De manera formal, con derivadas se obtiene lo siguiente,

apoyándonos de los resultados de la regresión MC2E:

𝜕𝐶𝑡
= 𝛾1 > 0
𝜕𝑌𝑡

𝜕𝐼𝑡
= 𝛾2 < 0
𝜕𝑌𝑡
 𝜕𝐶𝑡
= 𝛽1 < 0
𝜕𝑌𝑡−1

𝜕𝐼𝑡
= 𝛽2 > 0
𝜕𝑌𝑡−1

𝜕𝐶𝑡
= 𝜙1 > 0
𝜕𝑃𝑡

𝜕𝐼𝑡
= 𝜙2 < 0
𝜕𝑅𝑡

Donde el sentido de estas derivadas es el resultado de la

interpretación brindada líneas arriba.
Ahora que tenemos el impacto que tiene cada parámetro,
podemos analizar los resultados obtenidos mediante la matriz
Jacobiana.

Esta relación mostrada se cumple bajo una condición que el

𝛾1 + 𝛾2 < 1, es decir, que las propensiones marginales de
consumo sumado a la propensión marginal de inversión no
deben superar la unidad y así se comprueba en la regresión
resultante. Basándonos en que la matriz Jacobiana muestra
las relaciones entre las variables dependientes e
independientes podemos concluir que la única variable que
tiene influencia en las endógenas es el rezago de la producción
total del país. Entonces, estamos hablando de una relación
coincidente al analizado líneas arriba. Si analizamos el sentido
de las relaciones resulta que el rezago tiene un impacto
positivo dada la relación de propensiones ya especificada.
 Multiplicando primero la matriz C con la matriz Γ −1 se obtiene
el Jacobiano. Mediante el análisis realizado en Mathcad se
obtiene lo siguiente:

Con estos datos, ahora vamos a analizar el modelo de estática

comparativa del modelo de las variables endógenas respecto a
las variables exógenas o determinados. Con la relación de los
parámetros se halla el análisis de estática comparativa siendo
los resultados los siguientes:

La interpretación de los resultados mostrados en el cuadro de

estática comparativa muestra lo siguiente: Un cambio en los
beneficios produce un impacto negativo en las tres variables
endógenas corrientes del modelo de Liu-Chang (consumo
agregado, inversión agregada e ingreso (o PBI)). La otra variable
exógena que es el gasto público tiene un efecto positivo también
en dos variables endógenas corrientes de Liu-Chang (consumo
agregado e ingreso (o PBI)). Cuya interpretación radicaría en que
si el gobierno, por ejemplo, incrementa su gasto en programas
sociales en pro de la sociedad, esta puede tener un mayor
consumo; en caso de las firmas, mediante la reducción de la
carga impositiva que tiene un impacto directo en las utilidades de
la empresa disponiendo una mayor cantidad para invertir o
producir si así lo considera, prefiriendo incrementar la
producción. De esta forma la variable gasto público afecta de
manera positiva a algunas endógenas. Finalmente, la variable
índice de precios es una variable cuyo efecto en la economía es
adverso, en el sentido que, si este aumenta, el factor más variable
(la inversión) se ve perjudicado. Hablando de la primera variable,
el efecto es mucho más directo, ya que a las familias se le reduce
la capacidad adquisitiva, pero en este contexto aumenta su
consumo al, por ejemplo, consolidarse la moneda nacional. Por el
lado de la inversión resulta de una manera indirecta o, al menos,
es una forma de verlo, ya que, si las familias consumen más,
mayores utilidades por ventas recibirán los empresarios,
reduciendo su presupuesto para su inversión o producción y
estos en todo momento deciden incentivar la economía mediante
la producción ya que el grueso del PBI es el consumo. Habiendo
conocido los resultados y sus interpretaciones es donde se debe
tener en cuenta que cada escenario supuesto ha sido bajo la
consideración del “ceteris paribus”, es decir que solo la variable
en análisis sufre cambios teniendo los efectos descritos con
anterioridad para cada caso. Otra cuestión que resaltar es que se
trata de una economía cerrada, no hay sector exterior, no cabe
posibilidad alguna para el acceso al financiamiento externo, ni
mucho menos para operaciones de mercado abierto por esto
también se refuerzan los escenarios considerados en el modelo de
estática comparativa.

Ahora, antes de pasar a la forma reducida del modelo de

ecuaciones simultáneas se realizan las siguientes
consideraciones:

Como sabemos los П están definidos de la siguiente forma

Π0 = −𝐵Γ −1

Π1 = −𝐶Γ −1

Π0
Π=[ ]
Π1

Recordemos que el modelo se rescribe como:

𝑦̂ = [𝑦𝑡−1 𝑥𝑡 ] ∗ Π + 𝑉
Tomando esperanza para convertir de ecuación econométrica a
una ecuación matemática:

𝐸(𝑦̂) = 𝐸([𝑦𝑡−1 𝑥𝑡 ] ∗ Π) + 𝐸(𝑉)

Como se sabe la esperanza de las perturbaciones es igual a 0

E(V)=0 resultando:

𝑦̂ = [𝑦𝑡−1 𝑥𝑡 ] ∗ Π

Ahora con estos conceptos y ecuaciones analizadas podemos

representar el modelo Liu-Chang con su última forma bajo el
modelo de ecuaciones simultáneas.

Ahora estos Π también pueden ser hallado mediante EViews

obteniéndose el mismo resultado, la siguiente programación es la
base de esto:

De esta forma se ha agrupado los valores provenientes de la

estimación de la siguiente forma:
 Sabemos que la matriz tao está conformada por las variables
endógenas. La matriz BE por las endógenas rezagadas y la matriz
CE por las variables predeterminadas exógenas.

Para el despeje hay que recordar que se realiza de la siguiente

forma:

𝑦𝑡 = −𝑦𝑡−1 ∗ 𝐵 ∗ Γ −1 − 𝑥𝑡 ∗ 𝐶 ∗ Γ −1 + 𝑉

Π0 = −𝐵 ∗ Γ −1

Π1 = −𝐶 ∗ Γ −1

Por ello es necesario invertir la matriz tao y multiplicarlo con las

otras dos matrices para obtener Γ:

Se puede observar que el sentido de los valores son los mismos. Pero
ahora se puede hacer un análisis mucho más intuitivo. Como
indicamos antes, cada valor de la jacobiana nos indica cómo cambia
cada variable con respecto a una exógena o endógena rezagada en
una situación de equilibrio. Por ejemplo, en el phi0 se observa que la
variable endógena rezagada (PBI (-1)) tiene efecto positivo en las
variables endógenas. Desarrollando el jacobiano (phi0), el rezago del
PBI afecta al consumo de forma que, si este aumenta en una unidad,
el consumo lo hace en 0.460314, la inversión en 0.313602 y el PBI
actual en 0.773916.
Mientras que el segundo jacobiano (phi1) se analiza de la misma
forma, los beneficios (tasa de interés activa) tienen efecto negativo en
las endógenas, el gasto público y el índice de precios tienen un
impacto negativo en la inversión en la cuantía mostrada en la matriz
phi1.
3.3. Forma reducida

Para esto iniciamos con un cambio de variable para que dicho

vector sea aceptado por el Mathcad

𝑎 = 𝐶𝑡−1

𝑏 = 𝐼𝑡−1

𝑐 = 𝑌𝑡−1

Tomando en cuenta esta consideración hay que recordar que

el modelo en forma vector-matricial es el siguiente

𝑦̂ = [𝑦𝑡−1 𝑥𝑡 ] ∗ Π

Ahora se formarán dos conjuntos de matrices para poder

operar

Esta primera matriz representa la multiplicación entre el

vector fila de variables endógenas rezagadas y la matriz Π0
cuyo resultado se debe sumar con el producto del vector fila de
variables exógenas y la matriz Π1 .

Teniendo estas dos grandes operaciones de matrices se define

el y estimado como
De donde se obtiene el siguiente vector fila que por motivos de
presentación se ha separado en dos partes:

Si se separan los resultados en los de equilibrio para cada

variable endógena, obteniéndose lo siguiente:

A simple vista se puede concluir que ambos resultados

difieren, pero no olvidar lo siguiente:

𝑎 = 𝐶𝑡−1

𝑏 = 𝐼𝑡−1

𝑐 = 𝑌𝑡−1

Y que la diferencia en los signos homogeniza el denominador

por ambos métodos.
 Ahora reemplazando los datos obtenidos por los phi’s se logra
obtener la forma reducida desarrollada con coeficientes:

Tras sumar ambas matrices se obtiene la forma reducida

desarrollada

Separando cada variable endógena se obtiene lo siguiente:

Recordar el cambio de variable realizado:

𝑎 = 𝐶𝑡−1

𝑏 = 𝐼𝑡−1
 𝑐 = 𝑌𝑡−1

4. Identificación
Como es sabido, en los métodos MCO, los 6 supuestos verificaban
si el método era bueno. En el método de Máxima Verosimilitud se
verificaba su viabilidad mediante los estadísticos de razón de
verosimilitud, de Wald y del multiplicador de Lagrange. Sin
embargo, para este método se verifica a través de la condición de
orden y de rango.
En el caso de identificación:
• Identificación exacta: Cuando en un modelo de M ecuaciones
simultáneas, para que una ecuación este identificada debe de
excluir al menos M-1 variables que aparezcan en el modelo.
Si se excluye exactamente M-1 variables podemos decir que
la ecuación de nuestro modelo esta exactamente.
• Sobre-identificación: cuando en un modelo de M ecuaciones
simultáneas, para que en una ecuación esté identificada, el
número de variables predeterminadas excluidas de esa
ecuación no debe de ser menor que el número de variables
endógenas incluidas en la ecuación menos 1.

4.1. Condición de orden

Se ordena matricialmente las variables utilizadas en el modelo:

Se analiza mediante:

Desarrollando esto, tenemos 2 ecuaciones exactamente

identificada y la tercera subidentificada. Para comprobar la
validez del método, realizamos la condición de rango.

4.2. Condición de Rango

Agrupamos valores de la siguiente forma: identificamos un
valor 0 en la matriz, seleccionamos los valores (solo si alguno
es diferente de 0) y los agrupamos en una nueva matriz. Esto
se realiza por cada ecuación:
 Para la primera ecuación tenemos:

La determinante es distinta de cero.

El rango de la matriz es igual al número de endógenas menos
1, entonces esta exactamente identificada.

Para la segunda ecuación tenemos:

La determinante es distinta de cero.

El rango de la matriz es igual al número de endógenas menos
1, entonces esta exactamente identificada.

Para la tercera ecuación tenemos:

La determinante es distinta de cero.

El rango de la matriz es igual al número de endógenas menos
1, entonces esta exactamente identificada.

La conclusión de esta prueba es que el modelo es valido

porque a pesar de ser subidentificada la ecuación 3, la
condición de rango nos da identificación exacta.

4.3. Comprobación en el Eviews

Para el procedimiento de EViews, la programación es la

siguiente:
Primero se agrupa las variables a utilizar y se establece el
tamaño de la matriz. De esta forma se obtiene la matriz A:

Asimismo, se observa que cada ecuación posee valores nulos

en determinadas variables, estos se capturan y se agrupan por
ecuación:
Al agruparlo por cada ecuación y multiplicarlo por la matriz A
se obtiene lo siguiente por cada ecuación:
 Finalmente, se calcula el rango de estas matrices y si estos
son iguales entre sí el método es bueno:

Entonces, se concluye que el método es bueno por ambos

análisis: manualmente y mediante el software.

5. Conclusiones Generales

El modelo de Liu-Chang concluye con interesantes acotaciones

como el involucramiento de todas las variables exógenas en
todas las endógenas, esto representado por la matriz
Jacobiana donde se consideran valores de equilibrio. Que si se
derivan las ecuaciones obtenidas en la forma reducida se
obtiene cada valor de la matriz jacobiana, esta ya se ha
calculado mediante dos métodos: Mathcad y mediante el
software EViews. Esta vez se ha comprobado exitosamente la
viabilidad del modelo mediante las condiciones de rango y
orden y a través del software, coincidiendo su validez.