Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Modelo de Ecuaciones Simultaneas. Programación en EViews Carlos Ricci
Modelo de Ecuaciones Simultaneas. Programación en EViews Carlos Ricci
Ecuaciones Simultaneas
Modelos de
Ecuaciones
Simultáneas
Programación en EViews
Carlos Ricci
Contenido
1. Introducción
2. Notación y especificación: Forma estructural y reducida.
3. Identificación: Condiciones de orden y rango
4. Estimación:
• Información Incompleta (limitada): MCI, MC2E, MVI
• Información Completa: MC3E, MV, GMM
5. Evaluación: Bondad de ajuste, contraste de exogeneidad,
contraste de restricciones de sobreidentificación.
6. Resumen
Introducción
a a a a
• Modelo SUR: Ct = β0 + β1Rt + ut
b b b b
Ct = β0 + β1Rt + ut
Introducción
Notación y Especificación
Para una sola ecuación:
Donde:
Forma Estructural:
Forma Reducida:
Notación y Especificación
Para el error del sistema: ε1 ε2 εg
ε 11 ε 21 ... ε g1
ε ε 22 ... ε g 2
Ε= 12
... ... ... ...
ε 1 n ε 2 n ... ε gn
Matriz de covarianzas de las perturbaciones de la ecuación 1 (σ 11 I )
ε 11 E (ε 11 2
) E (ε 11ε 12 ) ... E (ε 11ε 1n ) σ 11 0 ... 0
ε
E (ε 12ε 11 ) 2
E (ε 12 ) ... E (ε 12ε 1n ) 0 σ 11 ... 0
E (ε 1ε 1 ) = E [ε 11 ε 12
... ε 1n ] =
' 12
=
... ... ... ... ... ... ... ... ...
2
ε 1n E (ε 1nε 11 ) E (ε 1nε 12 ) ... E (ε 1n ) 0 0 ... σ 11
∑)
Matriz de covarianzas contemporáneas de las perturbaciones de las ecuaciones (∑
ε 1t E (ε 12t ) E (ε 1t ε 2 t ) ... E (ε 1t ε gt ) σ 11 σ 12 .. σ 1 g
ε 2t E (ε 2 t ε 1t ) E (ε 22t ) ... E (ε 2t ε gt ) σ 21 σ 22 .. σ 2 g
'
[
E (ε t ε t ) = E ε 1t
...
ε 2t ... ε gt ]
= ... ... ... ...
= ... ... .. ..
ε gt E (ε gt ε 1t ) E (ε gt ε 2t ) ... 2
E (ε gt ) g1 σ σ g2 .. σ gg
Notación y Especificación
ε1 ε2 εg
ε 1
ε 11 ε 21 ... ε g1
ε2
ε *=
ε 12 ε 22 ... ε g 2 εt
ε =
... ... ... ... ...
ε 1n ε 2n ... ε gn
ε g
ε1 E(ε1ε 1' ) E(ε 1ε 2' ) ... E(ε 1ε g' ) σ11I σ12I ... σ1g I
' '
ε2 ' ' ... E(ε 2ε g' ) σ 12I σ 22I ... σ 2g I
E(ε *ε *') = E [
...
]
' E(ε 1ε 2 ) E(ε 2ε 2 )
ε 1 ε 2 ... ε g =
... ... ...
=
... ... ... ... ...
ε g E(ε 1ε g' ) E(ε 1ε 'g ) '
... E(ε gε g ) σ1g I σ 2 g I ... σ gg I
σ 11 σ 12 .. σ 1 g
σ σ 22 .. σ 2 g
Cov (ε *) = E (ε * ε *' ) = ∑ ⊗ I ∑ = E (ε t'ε t ) = 21
... ... .. ..
σ
g1 σ g2 .. σ
gg
Notación y Especificación
Supuestos del Modelo:
1. Las variables exógenas son fijas, no colineales y no están correlacionadas con las
perturbaciones.
2. La perturbación de cada ecuación tiene E(εh) = 0 y V(εh)= σ2h constante para todas
las observaciones
3. No existe correlación entre perturbaciones de observaciones diferentes.
4. Aunque exista correlación contemporánea entre perturbaciones de ecuaciones
diferentes, estas son constantes para todas las observaciones muestrales
(homocedasticidad interecuaciones)
5. Si existen “ecuaciones de definición o identidades” estas se consideran eliminadas
por sustitución.
Identificación
Los coeficientes de la forma estructural ¿pueden obtenerse de los coeficientes
estimados de la forma reducida?
Sea:
°
J = N de variables endógenas y exógenas del sistema que no aparecen ecuación de
interés
°
M = N total de variables endógenas o ecuaciones en el sistema.
Identificación
Aplicación (1)
Condición de Orden
Ct Yt IM t Ct −1 Yt −1 I t Xt Condición
1
de orden
Condición de Rango
Ct Yt IM t Ct −1 Yt −1 I t Xt 1
Ecuación 1 1 −α1 0 0 −α 2 0 0 −α 0
− β1 0 1 − β 2 0 0 − β3 − β 0
−1 1 1 0 0 1 1 0
Econ. Carlos Ricci
Aplicación (1)
Entonces, para cada ecuación se tienen las siguientes submatrices:
1 − β 2 0 − β3
ρ ( A1 ) = =2
1 1
Identificada
1 0
−α1 −α 2 0
ρ ( A2 ) = =2
1
Identificada
1 0
0 −α 2 −α 0
ρ ( A3 ) = =2
− β 0
Identificada
− β1 0
Estimación
• Información Completa:
Requerimientos Estimación Estimadores
Sistema Identificada /
MC3E Más eficientes (o de menor varianza)
Sobreidentificado
Sistema Identificada / Estimadores con distribución normal son muy
MV similares a los obtenidos por MC3E.
Sobreidentificado
Estimación
240,000
200,000
160,000
120,000
80,000
40,000
0
1970 1975 1980 1985 1990 1995 2000 2005 2010
Estimación (2):
La importación de datos ya es conocida. Creamos un objeto «system» y posteriormente
definimos cada ecuación del sistema (note que se omite las ecuaciones que son
identidades), así como definimos como «variables instrumentales» para la estimación
aquellas «variables predeterminadas» (note la instrucción «inst» para establecer las
variables instrumentales):
Estimación (3):
Hemos trabajado con formas estructurales sin ningún tipo de restricción lineal.
Pero en caso de tener algún tipo de restricción debe tenerse en cuenta lo siguiente:
−Y1t + γ 21Y2t + β11 X1t + β31 X 3t + β41 X 4t + ε1t = 0 Sujeto a: MES con restricción
− Y2t + γ 32Y1t + β22 X 2t + β41 X 4t + ε 2t = 0 β31 = 3β11 lineal homogénea
Y2t + β13 X1t + β23 X 2t + β43 X 4t + ε3t = 0
−Y1t + γ 21Y2t + β11 X1t + β31 X 3t + β41 X 4t + ε1t = 0 Sujeto a: MES con restricción
− Y2t + γ 32Y1t + β22 X 2t + β41 X 4t + ε 2t = 0 β31 + 3β11 = 2 lineal no homogénea
Y2t + β13 X1t + β23 X 2t + β43 X 4t + ε3t = 0
Y
[Γ Β] + ε = 0 sujeto a ϕ A j = 0q
X
Donde:
Aj: Vector de coeficientes de la k-ésima ecuación
q: Número de restricciones homogéneas
M: Número de variables endógenas
q < M − 1 Subidentificada
q > M − 1 ∧ ρ (ϕ A j ) = M − 1 Sobreidentificada
Posiblemente
q ≥ M − 1 Identificada q = M − 1 ∧ ρ (ϕ A j ) = M − 1 Identificada
q ≥ M − 1 ∧ ρ (ϕ A j ) < M − 1 Subidentificada
Y
[Γ Β] + ε = 0 sujeto a ϕ Aj = N q
X
Donde:
Aj: Vector de coeficientes de la k-ésima ecuación
q: Número de restricciones no homogéneas
M: Número de variables endógenas
q < M − 1 Subidentificada
q > M −1 ∧ ρ (ϕ A j ) = M Sobreidentificada
Posiblemente
q ≥ M − 1 Identificada q = M −1 ∧ ρ (ϕ A j ) = M Identificada
q ≥ M −1 ∧ ρ (ϕ A j ) < M Subidentificada
Ct Yt IM t Ct −1 Yt −1 I t Xt 1
0 1 0 0 1 1 0 0
ϕ′ =
0 0 0 1 0 0 −1 0
q ≥ M −1 q > M − 1 ∧ ρ (ϕ A2 ) = M − 1
4 ≥ 3 −1 = 2 4 >2 ∧ ρ (ϕ A2 ) = 2 = M − 1
Posiblemente Identificada Sobreidentificada
Aplicación
Klein.prg
%path = @runpath
cd %path
create KleinModel a 1920 1941
read(t=txt,na=.) "TableF13-1.txt" 10
freeze(Modelo1) KleinModel.tsls