Tomo I Macro Dinámica-123-188

Capı́tulo 3
Modelo RBC con solución

analı́tica
3.1. Introducción
El objetivo de este capı́tulo es ilustrar en profundidad cada uno de los pasos en la
construcción de un modelo RBC. Con este fin en mente, estudiar un modelo sencillo (toy
model) es una ventaja. Para ello este capı́tulo se basa en el modelo desarrollado por Long
y Plosser (1983) y Plosser (1989).
El modelo propuesto por Long y Plosser (1983) busca capturar las dinámicas de diver-
sos sectores económicos y sus comovimientos entre ellos ante un choque de productividad.
De otro lado, el modelo propuesto por Plosser (1989) es un modelo unisectorial. Ambos
modelos tienen dos supuestos subyacentes. La primera es que se asume que los bienes son
perecibles y duran un solo periodo; es decir, el capital se deprecia totalmente. La segunda
es que las preferencias son aditivas y están expresadas como el logaritmo del consumo y
el logarı́tmo del ocio.
Estos dos supuestos tienen importantes efectos en la solución del modelo. En primer
lugar permite que el modelo sea resuelto analı́ticamente; es decir, se puede encontrar un
solución exacta a mano y papel. La segunda es que la función de polı́tica del trabajo sugiere
que esta variable no reacciona ante el capital ni ante el choque de productividad; es decir,
siempre se mantiene en estado estacionario. Esto se debe a que el efecto de la tasa de
interés sobre el consumo es nulo porque el efecto sustitución e ingreso se contrarestan
totalmente entre ellos.
3.2. Construcción del modelo

Este modelo esta basado en Long y Plosser (1983, 1989) y tiene solución analı́tica; es
decir, se puede resolver directamente por medio de operaciones algebraicas. Esto se debe a
dos supuestos: depreciación total y utilidad logarı́tmica (en consumo y ocio). Además, este
modelo se basa en los siguientes supuestos: en la economı́a existen dos agentes económicos
(familias y empresas), de las cuales las familias son dueñas del capital y las empresas se
desarrollan en un ambiente de competencia perfecta tanto en el mercado de bienes y como
123
Macrodinámica (Tomo I) Modelos de ciclos económicos reales
en el de factores.
Además, se asume que la economı́a es cerrada, lo cual implica que el ahorro sea igual a
la inversión. Finalmente, en esta economı́a, la única fuente de incertidumbre proviene por
el lado de la oferta, en particular se asume un choque de productividad. La figura [3.1]
esquematiza la interacción entre las familias y las empresas y los mercados en que ellos
participan.
Figura 3.1: Esquema del modelo de Long y Plosser (1983, 1989)
Economía cerrada
Familias
- Utilidad logarítmica
- Depreciación total
Mercado de trabajo Mercado de bienes Mercado de capital
(competencia perfecta) (competencia perfecta) (competencia perfecta)
ℎ𝑜𝑓𝑒𝑟𝑡𝑎 𝑘 𝑜𝑓𝑒𝑟𝑡𝑎
𝑐 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 𝑖 𝑑𝑒𝑚𝑎𝑛𝑑𝑎
ℎ𝑑𝑒𝑚𝑎𝑛𝑑𝑎 𝑦 𝑜𝑓𝑒𝑟𝑡𝑎 𝑘 𝑑𝑒𝑚𝑎𝑛𝑑𝑎
Empresas
Choque a la
productividad
3.2.1. Función de utilidad

Antes de describir en detalle el modelo es importante entender el rol que tiene las formas
funciones de la función de utilidad en la construcción del modelo de equilibrio general. King
et. al. (1988) imponen dos restricciones sobre las preferencias (función de utilidad) que
permiten que el estado estacionario sea compatible con un equilibrio competitivo óptimo:
La elasticidad de sustitución intertemporal del consumo debe ser invariante a la

escala del consumo.
El efecto ingreso y sustitución asociadas con el crecimiento en la productividad

laboral no debe alterar la oferta de trabajo.
La función de utilidad que cumple estas dos restricciones es:


 1 c1−σ v(l), si σ > 0 y σ 6= 1
1−σ
u(c, l) =
ln(c) + v(l), si σ = 1

Donde c es consumo y l es ocio; σ es la elasticidad de sustitución del consumo (inva-

riante a la escala del consumo) y v(l) es una función del ocio. Según King et. al. (1988),
un caso particular de esta función de utilidad es cuando v(l) = θln(l):
124
u(c, l) = ln(c) + θln(l) (3.1)

Además, en la literatura de los modelos RBC aparecen otras funciones de utilidad, en
las cuales se considera que lt es el ocio, ht es el trabajo y que se cumple la siguiente relación
entre ambas: lt + ht = 1, donde el tiempo disponible por la familia, que usualmente son
24 horas, se ha normalizado a 1. A continuación se mencionan otras funciones de utilidad
usual en la literatura:
Hansen(1985):
u(ct , lt ) = ln(ct ) + Blt (3.2)
Greenwood, et. al. (1989):

1−γ
h1+θ

1 t
u(ct , ht ) = ct − −1 (3.3)
1−γ 1+θ
Campbell (1994): trabajo fijo (se usa en el capı́tulo 4)
ct1−γ
u(ct , ht ) = (3.4)
1−γ
Campbell (1994): trabajo variable (se usa en el capı́tulo 5)
(1 − ht )1−γn
u(ct , ht ) = ln(ct ) + θ (3.5)
1 − γn
Long y Plosser (1983) y Plosser (1989):
u(ct , ht ) = ln(ct ) + θln(1 − ht ) (3.6)
La función de utilidad de la ecuación (3.6) se obtiene considerando γn = 1 en la función

de utilidad (3.5). Esta es la función de utilidad que Long y Plosser (1983) consideran en
su modelo. Cabe resaltar dos ideas: la primera es que θ es la participación del ocio en
todo el tiempo que dispone la familia representativa. La segunda es que cada función de
utilidad tiene un nivel diferente de elasticidad de Frisch1 y de elasticidad de sustitución
intertemporal del consumo (ESIc ).
3.2.2. Familias
Uno de los principales supuestos de los modelos RBC es que las familias presentes en la
economı́a son todas idénticas. Ese decir, sus preferencias y restricciones son similares. Este
supuesto permite analizar el comportamiento de las familias por medio del estudio de un
agente representativo (una familia que represente a todas), y permtie realizar la agregación
de las familias de manera sencilla. En el modelo de Long y Plosser se considera el supuesto
del agente representativo, el cual maximiza una función de utilidad descontada:
1
La elasticidad de Frisch es la elasticidad de la oferta de trabajo manteniendo constante el efecto ingreso.
Esta elasticidad será analizada con mayor detalle en el capı́tulo 5.
125
∞
X
Max E0 β t u(ct , ht ) (3.7)
{ct ,ht ,kt+1 }∞
t=0 t=0
Donde ct es el consumo del periodo t y β es el factor de descuento, el cual está expresado

de la siguiente manera:
1
β=
1+ρ
Donde ρ refleja la impaciencia del agente representativo. Mientras más impaciente sea
la familia más grande será ρ y por tanto β será menor. Es decir, el individuo valora menos
a las utilidades futuras. Si ρ = 0 significa que la familia es totalmente paciente y por tanto
β = 1, lo cual indica que la familia brinda la misma valoración a la utilidad de hoy que la
utilidad de mañana. Este análisis se aprecia mejor en el cuadro [3.1] considerando que el
valor presente de la función de utilidad se expresa de la siguiente manera:
∞
X
β t u(ct , ht ) = u(c0 , h0 ) + βu(c1 , h1 ) + β 2 u(c2 , h2 ) + β 3 u(c3 , h3 )...
t=0
Cuadro 3.1: Efecto de la impaciencia en el factor de descuento
Impaciencia Efecto P∞ t u(c , h )

ρ en β t=0 β t t Valoración
Impaciencia
β=1 u(c0 , h0 ) + u(c1 , h1 ) + La familia brinda la misma valora-
nula ρ = 0
u(c2 , h2 ) + ... ción a la utilidad a traves del tiem-
po.
Poca
impaciencia β = 1/2 u(c0 , h0 ) + 12 u(c1 , h1 ) + La familia brinda más valoración a
1
ρ=1 4 u(c2 , h2 ) + ... la utilidad de hoy que en el futuro:
la valoración a la utilidad de hoy es
1, mientras que a la utilidad en t = 1
es 0.5 y en t = 2 es 0.25.
Mayor
impaciencia β = 1/3 u(c0 , h0 ) + 13 u(c1 , h1 ) + La familia brinda más valoración a
1
ρ=2 9 u(c2 , h2 ) + ... la utilidad de hoy que en el futu-
ro: la valoración a la utilidad de
hoy es 1, mientras que a la utilidad
de mañana lo valora con 0.33 y en
“t = 2” es 0.11.
Impaciencia
total β=0 u(c0 , h0 ) + 0u(c1 , h1 ) + La familia brinda toda la valoración
ρ=∞ 0u(c2 , h2 ) + ... a la utilidad de hoy. No valora nada
consumir en el futuro.
Considerando la forma funcional de la función instántanea de utilidad según la ecuación

(3.6), la función objetivo a maximizar serı́a:
126
∞
X
β t ln(ct ) + θln(1 − ht )

Max E0
{ct ,ht ,kt+1 }∞
t=0 t=0
La maximización de esta función objetivo está sujeta a dos restricciones: la restricción

presupuestaria y la ley de movimiento del capital, las cuales se describen a continuación.
Restricción presupuestaria: por un lado, la familia percibe sus ingresos del alquiler
del capital kt a las empresas a una tasa de interés real rt . Además, las familias forman
parte del mercado de trabajo donde ofrecen mano de obra ht a un salario real wt . Ambos
ingresos se observan en cada periodo y son iguales a: rt kt + wt ht .
Por otro lado, la familia destina sus ingresos a bienes de consumo ct y al ahorro que, en
economı́a cerrada, es igual a la inversión it . Por tanto, uniendo los ingresos y los egresos,
la restricción presupuestaria de la familia representativa es:
ct + it = rt kt + wt ht (3.8)
Ley de movimiento del capital: por cuentas nacionales se sabe que la inversión neta
es igual a la inversión bruta menos la depreciación:
Ineta = Ibruta − Depreciación (3.9)

kt+1 − kt = it − δkt
kt+1 = (1 − δ)kt + it (3.10)
A la ecuación (3.10) se le conoce como la ley de movimiento de capital, la cual describe

el comportamiento del stock de capital. Cabe mencionar que esta ecuación supone que el
stock de capital se deprecia en un porcentaje δ (usualemente 2.5 % trimestral) en cada
periodo. Sin embargo, Long y Plosser (1983) asumieron que la tasa de depreciación es
total (δ = 1); es decir, que el capital en cada periodo se deprecia totalmente en ese mismo
periodo de tal manera que no queda capital para el siguiente periodo (esto es el supuesto
que todos los commodities son perecibles). Aunque el supuesto es muy poco realista, ayuda
a eliminar ciertas no linealidades del sistema de ecuaciones. Con este supuesto en mente,
la ecuación (3.10) se convierte en:
kt+1 = it (3.11)
Es decir, el capital en t+1 es la inversión que se realiza en “t”. No hay stock de capital,
el capital se convierte en un flujo y siempre es igual a los nuevos bienes en cada periodo.
Introduciendo la ecuación (3.11) en la restricción presupuestaria, ecuación (3.8), se tiene:
ct + kt+1 = rt kt + wt ht (3.12)
Entonces el problema de optimización de la familia es:
∞
X
β t ln(ct ) + θln(1 − ht )

Max E0
{ct ,ht ,kt+1 }∞
t=0 t=0
127
sujeto a:
ct + kt+1 = rt kt + wt ht
Construyendo la función de Lagrange:
∞
X
β t u(ct , ht ) + λt rt kt + wt ht − (ct + kt+1 )

L = E0
t=0
Donde la versión extendida de la función de Lagrange se puede expresar de la siguiente
manera:

L = E0 β 0 u(c0 , h0 ) + λ0 r0 k0 + w0 h0 − (c0 + k1 ) +

β 1 u(c1 , h1 ) + λ1 r1 k1 + w1 h1 − (c1 + k2 ) +

β 2 u(c2 , h2 ) + λ2 r2 k2 + w2 h2 − (c2 + k3 ) +

β 3 u(c3 , h3 ) + λ3 r3 k3 + w3 h3 − (c3 + k4 ) +

β 4 u(c4 , h4 ) + λ4 r4 k4 + w4 h4 − (c4 + k5 ) +

... +
β t u(ct , ht ) + λt rt kt + wt ht − (ct + kt+1 ) +

β t+1 u(ct+1 , ht+1 ) + λt+1 rt+1 kt+1 + wt+1 ht+1 − (ct+1 + kt+2 ) +

...+
...
Las condiciones de primer orden, en el periodo “t”, son:

∂L t

= 0 =⇒ E0 β uct + λt (−1) = 0
∂ct
uct = λt (3.13)

∂L t

= 0 =⇒ E0 β uht + λt (wt ) = 0
∂ht
uht = −λt wt (3.14)

Reemplazando la ecuación (3.13) en la ecuación (3.14) se obtiene la oferta de trabajo:
uht = −λt wt
θ 1
− = − wt
1 − ht ct
θ wt
= (3.15)
1 − ht ct
De otro lado, la condición de primer orden con respecto al capital kt+1 es:

∂L t
t+1

= 0 =⇒ E0 β λt (−1)] + β λt+1 (rt+1 ) = 0
∂kt+1
128
λt = βEt λt+1 (rt+1 ) (3.16)

Reemplazando le ecuación (3.13) en la ecuación (3.16) se obtiene la ecuación de Euler:
uct = βEt uct+1 (rt+1 )

1 1
= βEt (rt+1 ) (3.17)
ct ct+1
3.2.3. Empresas
Función de producción: se asume que existe un solo bien final en la economı́a y es
producido por una función de producción neoclásica f (at , kt , ht ). La función de produc-
ción Cobb-Douglas cumple con las caracterı́sticas de una función neoclásica y describe
razonablemente bien la producción de un paı́s.
yt = f (at , kt , ht ) = at kt1−α hαt (3.18)

Donde kt es el stock de capital predeterminado (elegido en el periodo “t-1”) y ht es
el insumo trabajo. Además, la variable at hace referencia a la productividad; el cual se
supone que se comporta de manera estocástica y es expresado por un AR(1).
Una caracterı́stica importante de la función Cobb-Douglas es que la participación de

cada uno de los factores en la renta total es constante e igual a los exponentes de cada
factor en la función de producción. Como se sabe en competencia perfecta (supuesto cla-
ve en los moldelos RBC), el alquiler del capital es igual a la productividad marginal del
capital; es decir: rt = (1 − α) kytt . De igual forma para el trabajo: wt = α hytt .
La renta destinada al pago del capital y del trabjo es rt kt y wt ht respectivamente. Al

considerar que la producción representa toda la renta de un paı́s entonces, la proporción
de la renta orientada al pago del capital con respecto a la renta total es rt kt /yt :
rt kt yt k t
= (1 − α) = (1 − α) (3.19)
yt kt yt
De igual forma calculando la proporción de la renta total orientada al pago del trabajo:
wt ht y t ht
=α =α (3.20)
yt ht yt
La ecuación (3.19) y (3.20) indican que la participación del capital en la renta es igual
a “1 − α”, y la participación del trabajo en la renta es “α”. Ambas participaciones son
constantes e iguales a los exponentes de los factores en la función de producción. Esto
sugiere que se podrı́a obtener el valor de “α” mediante las cuentas nacionales, lo cual serı́a
en los términos de los modelos RBC una calibración del parámetro α. En el capı́tulo 1 se
observa que el promedio de la participación del trabajo en el ingreso nacional entre 1948 y
2014 para la economı́a norteamericana es igual a 66.3 %. Esto sugiere que α podrı́a tomar
dicho valor.
129
Caracterı́sticas de la función de producción neoclásica
Para que una función de producción f (at , kt , ht ) sea considerada neoclásica debe de tener
tres caracterı́sticas (Barro y Sala-i-Martin, 2009):
1. Rendimientos a escala constante: la función f (at , kt , ht ) debe de mostrar rendi-

mientos a escala constante; es decir, si multiplicamos el capital y el trabajo por una
constante λ, el producto queda multiplicado por esa misma constante.
f (at , λkt , λht ) = λf (at , kt , ht ) (3.21)
2. Rendimientos positivos y decrecientes: la función de producción neoclásica

presenta productos marginales positivos y decrecientes en cada factor de producción.
∂f (·) ∂f (·)
Rendimientos positivos : > 0, >0
∂kt ∂ht
∂ 2 f (·) ∂ 2 f (·)
Rendimientos decrecientes : < 0, <0
∂kt2 ∂h2t
3. Condiciones de Inada: estas condiciones indican que el producto marginal del

capital tiende a infinito cuando el capital tiende a cero y tiende a cero cuando el
capital tiende a infinito. La misma condición se cumple para el trabajo. En términos
matemáticos estas condiciones se expresan como:

∂f (·) ∂f (·)
Capital : Lim = ∞, Lim =0
kt →0 ∂kt kt →∞ ∂kt

∂f (·) ∂f (·)
Trabajo : Lim = ∞, Lim =0
ht →0 ∂ht ht →∞ ∂ht
La optimización: las empresas se desenvuelven en un contexto de competencia perfecta

en el mercado de bienes y en el mercado de factores (trabajo y capital). Ellas maximizan su
función de beneficos considerando su tecnologı́a, la cual se asume tiene la forma funcional
Cobb-Douglas. En este modelo las empresas deciden cuanto capital alquilar y cuanto
trabajo (en horas) contratar. Por tanto, las dos variables de optimización son: capital kt
y trabajo ht .
Max Πt = yt − (rt kt + wt ht )
{kt ,ht }∞
t=0
Sujeto a la función de producción:
yt = at kt1−α hαt (3.22)
Cabe mencionar que debido a que la empresa no enfrenta una restricción dinámica,
la empresa maximiza los beneficios en cada momento del tiempo. Por ello el problema de
optimización es estático. Para resolver este problema se introduce la función de producción
en la función objetivo:
130
Max Πt = at kt1−α hαt − (rt kt + wt ht ) (3.23)

{kt ,ht }∞
t=0
Derivando esta expresión, ecuación (3.23), con respecto al capital kt :
∂Π ∂(at kt1−α hαt − rt kt )

= 0 =⇒ = 0 =⇒ (1 − α)at kt −α ht α − rt = 0
∂kt ∂kt
De esta condición de primer orden se obtiene la demanda de capital:
ht α

rt = (1 − α)at
kt
α
h
rt = (1 − α)at αt
kt
kt
rt = (1 − α)at hαt kt−α
kt
1
rt = (1 − α)at hαt kt1−α
kt
yt
rt = (1 − α) (3.24)
kt
Derivando la ecuación (3.23) con respecto al trabajo ht :
∂Π ∂(at kt1−α hαt − rt kt − wt ht )

= 0 =⇒ = 0 =⇒ αat kt 1−α ht α−1 − wt = 0
∂ht ∂ht
De esta condición de primer orden se obtiene la demanda del trabajo:
kt 1−α

wt = αat
ht
1−α
k
wt = αat t1−α
ht
kt1−α hαt
wt = αat
ht
yt
wt = α (3.25)
ht
3.2.4. Equilibrio de mercado y definición del choque

Para cerrar el modelo es necesario definir el equilibrio en el mercado de bienes:
yt = ct + it (3.26)
Además, es necesario definir el comportamiento de la productividad:
lnat = φlnat−1 + t (3.27)
Cabe mencionar que el choque de productividad t se comporta como una distribución

normal con media cero y varianza constante: t ∼ N (0, σ2 ).
131
3.2.5. Ecuaciones principales

Las ecuaciones principales del modelo se resumen en el cuadro [3.2]:
Cuadro 3.2: Sistema de ecuaciones no lineal del modelo
Agente Ecuaciones Descripción

1
1
Familia ct = βEt ct+1 rt+1 Ecuación de Euler
kt+1 = it Ley de movimiento del capital
θ wt
1−ht = ct Oferta de trabajo
Empresa yt = at kt1−α hαt Función de producción
rt = (1 − α) kytt Demanda del capital
wt = α hytt Demanda de trabajo
Equilibrio yt = ct + it Equilibrio mercado de bienes
Choque lnat = φlnat−1 + t Choque de productividad
Es importante mencionar que el sistema de ecuaciones está conformada por: [1] el

mercado de capital: oferta de capital representada por la ley de movimiento de capital y la
demanda de capital, [2] el mercado de trabajo: oferta de trabajo y la demanda de trabajo,
[3] el mercado de bienes: la oferta de bienes representada por la función de producción, la
demanda de consumo representada por la ecuación de Euler y la demanda de inversión que
está representada por la ley de movimiento de capital; asismimo, este mercado requiere que
se haga explı́cito su equilibrio por medio de la ecuación yt = ct +it , finalmente [4] el choque
de productividad. Todas estas ecuaciones están descritas en el cuadro [3.2]. Asimismo, es
importante verificar que el número de variables sea igual al número de ecuaciones. En este
caso existen ocho variables (yt , ct , it , kt , ht , rt , wt y at ) y ocho ecuaciones.
3.3. Calibración
La calibración puede ser entendida como una forma de estimación por simulación
(Hoover, 1995). Este procedimiento consiste en asignar valores a los parámetros del mode-
lo y luego se compara las principales caracterı́sticas de las variables simuladas del modelo
calibrado con aquellas provenientes de los datos. En este capı́tulo como en el capı́tulo 2 la
calibración está basada en King y Rebelo (2000), cuyos valores se muestran en el cuadro
[3.3].
Tal como lo menciona Cooley y Prescott (1995), dado que la estructura subyacente
a los modelos RBC es un modelo neoclásico de crecimiento, la elección del valor de los
parámetros (calibración) y las formas funcionales (por ejemplo: función de utilidad y la
ley de movimiento de capital) deberı́an asegurar que el modelo económico muestre un
crecimiento balanceado2 .
2
Se entiende por crecimiento balanceado (balanced growth) a la situación en la cual todos los sectores de
una economı́a crecen a la misma tasa constante. Esto es similar a la definición de “crecimiento en estado
estacionario” (steady-state growth), el cual indica la situación en la cual el producto, capital, trabajo y
consumo cambian a la misma tasa. Como la tasa de crecimiento del capital depende de los ahorros, el
132
Cuadro 3.3: Calibración
Parámetro Observación
α = 0.667 Proporción de largo plazo del trabajo en el ingreso nacional
θ = 3.968 Calibrado para que el trabajo en estado estacionario sea
igual a 20 %
φ = 0.979 Persistencia del choque
β = 0.984 Factor de descuento
σe = 0.0072 Desviación estándar del choque de productividad
3.4. Estado estacionario

Al estado estacionario se le conoce como equilibrio de largo plazo donde ∆xt = 0
(para todas las variables del modelo) y que el choque de productividad (εt ) toma su
valor promedio (= 0). Además, dada la ecuación de movimiento de la productividad, su
valor de estado estacionario es a = 1. Asimismo, las expectativas desaparecen, por ello
se le conoce como solución no estocástica. El objetivo es encontrar el valor de estado
estacionario en función del conjunto de parámetros del modelo. Para ello es importante
considerar los siguientes tres criterios: en primer lugar, colocar todas las ecuaciones del
modelo en estado estacionario; es decir, eliminar la temporalidad y las expectativas. En
segundo lugar, utilizar las variables que solo dependen de los parámetros del modelo para
hallar el estado estacionario de las demás variables. En tercer lugar, tratar de resolver el
sistema de ecuaciones en función de ratios; por ejemplo, en lugar de buscar el valor de kss
(capital de estado estacionario) se podrı́a buscar el valro del ratio yss /kss . Cabe mencionar
que hallar el estado estacionario es un paso previo a la log-linelización. Para la ecuación
de Euler se tiene lo siguiente:
1 1
= βEt rt+1
ct ct+1
1 1
= βEt rss
css css
1 = βrss
1
rss = (3.28)
β
De la misma manera para la ley de movimiento del capital:
kt+1 = it
kss = iss (3.29)
crecimiento en estado estacionario requiere que la función de ahorros sea estable: la polı́tica de endeuda-
miento puede promover estabilidad manteniendo la tasa de interés constante. Si la tasa de crecimiento es
igual a cero, entonces se dice que la economı́a está en estado estacionario (stationary state o steady state).
Este ultimo es un estado teórico de la economı́a en el cual se consume exactamente lo que se produce y
reemplaza lo que este consume al final del periodo. Otra forma de enterderlo es cuando una economı́a tiene
un tamaño de población y stock de capital constante; es decir, la inversión solo es realizada para mantener
el stock de capital existente; en otras palabras su steady-state growth es igual a cero (Rutherford,2002;
Collin, 2003).
133
Para la oferta de trabajo:
θ wt
=
1 − ht ct
θ wss
= (3.30)
1 − hss css
Para la función de producción:
yt = at kt1−α hαt
1−α α
yss = ass kss hss (3.31)
Para la demanda de capital:
yt
rt = (1 − α)
kt
yss
rss = (1 − α) (3.32)
kss
yss
Considerando la ecuación (3.28) en la ecuación (3.32), se tiene el ratio kss en función
de parámetros del modelo:
yss
rss = (1 − α)
kss
1 yss
= (1 − α)
β kss
yss 1
= (3.33)
kss β(1 − α)
Es una buena estrategia encontrar ratios, especialmente cuando el denominador es el
capital. Esto permite que cada variable dependa del capital en estado estacionario, el cual
al hallar su valor permite encontrar los valores de las variables restantes.
Para demanda de trabajo:
yt
wt = α
ht
yss
wss =α (3.34)
hss
Para la ecuación de equilibrio en el mercado de bienes:
yt = ct + it
yss = css + iss (3.35)
Pero, de la ecuación (3.29) se sabe que: kss = iss , entonces considerando esta igualdad
en la ecuación (3.35), se tiene:
134
yss = css + iss

yss = css + kss
yss css
= +1
kss kss
css yss
= −1
kss kss
css 1
= −1 (3.36)
kss β(1 − α)
Finalmente para la ecuación de comportamiento de la productividad:
lnat = φlnat−1 + t
lnass = φlnass + ss
|{z}
=0(valor de su media)
lnass = φlnass
ln(ass ) = ln(aφss )
ass = aφss (3.37)
Dos valores de ass podrı́an resolver esta última ecuación (3.37): ass = 1 o ass = 0. Sin
embargo, solo cuando ass = 1, el lnass existe. Por tanto, la solución correcta es ass = 1.
Con el fin de encontrar los estados estacionarios de las demás variables es necesario
realizar algunas operaciones algebraicas adicionales.
Uniendo la oferta de trabajo, ecuación (3.30), con la demanda de trabajo, ecuación

(3.34), por medio del salario real se tiene:
θcss yss
= wss = α (3.38)
1−h h
| {z ss} | {zss}
oferta de trabajo demanda de trabajo
Operando en la ecuación resultante:
135
θcss yss
= α
1 − hss hss
θhss yss
= α
1 − hss css
θhss yss /kss
= α
1 − hss css /kss
De la ecuación : (3.33) y (3.36)
1
θhss β(1−α)
= α 1
1 − hss β(1−α) − 1
1
1 − hss − 1
−1 β(1−α)
= (α ) 1
θhss β(1−α)
1
− 1 = θ(α−1 )(1 − β(1 − α))
hss
1
= θ(α−1 )(1 − β(1 − α)) + 1
hss
α
hss = (3.39)
θ(1 − β(1 − α)) + α
Dado que ya se tiene el valor de hss , entonces se puede hallar el capital de estado
estacionario kss de la función de producción (ecuación (3.31)):
yss = aαss kss

1−α α
h
α ss
yss hss
=
kss kss
de la ecuación (3.33) :
hss α

1
=
β(1 − α) kss
1/α
1 hss
=
β(1 − α) kss
−1/α
1
kss = hss
β(1 − α)

α 1/α
kss = β(1 − α) (3.40)
θ(1 − β(1 − α)) + α
Dado que algunas variables se encuentran expresadas en ratio con respecto al capital,
entonces su valor de estado estacionario se puede hallar en función del valor de estado
estacionario del capital. De la ecuación (3.33) se halla el producto yss :
136
yss 1
=
kss β(1 − α)

1
yss = kss
β(1 − α)

α 1 −1
yss = β(1 − α) α (3.41)
θ(1 − β(1 − α)) + α
Haciendo lo mismo en la ecuación (3.36) se halla el consumo css :
css 1
= −1
kss β(1 − α)

1
css = kss −1
β(1 − α)

α 1/α 1
css = β(1 − α) −1 (3.42)
θ(1 − β(1 − α)) + α β(1 − α)
En la demanda de trabajo, ecuación (3.34), se sustituye yss y hss y se obtiene el salario
de estado estacionario wss :
yss
wss = α
hss

α
1 −1
θ(1−β(1−α))+α β(1 − α) α
wss = α α
θ(1−β(1−α))+α
1 −1
wss = α β(1 − α) α (3.43)
En el cuadro [3.4] se resume la expresión del estado estacionario de cada variable del
modelo.
Como se menciono antes, este modelo está basado en la calibración de King y Rebelo
(2000). En ese estudio los autores asumen que el trabajo de estado estacionario hss es
igual a 0.2. Bajo esta premisa, el valor del parámetro θ se calcula endógenamente de la
expresión de estado estacionario del trabajo, el cual se deriva del modelo. Entonces bajo
esta consideración se tiene:
α
hss =
θ(1 − β(1 − α)) + α
| {z }
η
α
hss =
θη + α
Despejando θ :
α
θη + α =
hss
1
θη = α( − 1)
h
ss
1 − hss
θ = α (3.44)
ηhss
137
Cuadro 3.4: Estado estacionario
Estado estacionario Estado estacionario (forma paramétrica) Valores

(forma recursiva)
rss = β1 = β1 rss = 1.0163
α α
hss = θ(1−β(1−α))+α = θ(1−β(1−α))+α hss = 0.2
ass = 1 =1 ass = 1
1 −1/α α
1/α
kss = hss β(1−α) = θ(1−β(1−α))+α β(1 − α) kss = 0.0375
α
1/α
iss = kss = θ(1−β(1−α))+α β(1 − α) iss = 0.0375
1
α
1 −1
yss = kss β(1−α) = θ(1−β(1−α))+α β(1 − α) α yss = 0.1146
1 α
1/α 1
css = kss β(1−α) −1 = θ(1−β(1−α))+α β(1 − α) β(1−α) − 1 css = 0.077
1 −1
α hyss

wss = ss
= α β(1 − α) α wss = 0.3821
Nota: El cálculo de los estados estacionarios se encuentra en Long Plosser EstadoEstacionario.m.
3.5. Linealización vs Log-linealización

Un paso importante en el proceso de solución del modelo es linealizar o log-linealizar
las ecuaciones del sistema. En estricto la técnica de linealización es única, lo que difere
es la naturaleza de la variable, la cual en un caso está considerada en niveles y en otro
caso en logarı́tmo. En términos prácticos se llamará a la primera linealización (variables
en niveles) y a la segunda log-linealización (variable en logarı́tmo). En ambos casos se
apróxima cada ecuación del modelo por medio de la expansión de Taylor de primer orden
(Dejong y Dave, 2007).
3.5.1. Linealización (variable en niveles)

Paso 1: el primer paso consiste en ordenar cada ecuación del sistema de tal manera que
el lado derecho de la ecuación sea igual a cero. Luego, el lado izquierdo de la ecuación
renombrarla como una función que depende de las variables que aparecen en la ecuación.
Por ejemplo, sea la siguiente expresión una ecuación del modelo:
αxt yt = βyt + θzt (3.45)

Se ordena los términos al lado izquierdo:
αxt yt − βyt − θzt = 0 (3.46)

Finalmente renombramos la ecuación como una función:
F (xt , yt , zt ) = αxt yt − βyt − θzt = 0 (3.47)

Paso 2: el segundo paso es aproximar la función [3.47] por medio de una expansión de
Taylor de primer orden alrededor del estado estacionario.
F (xt , yt , zt ) = αxt yt − βyt − θzt = 0

∂F ∂F ∂F
F (xt , yt , zt ) ≈ F (· )|ss + |ss (xt − xss ) + |ss (yt − yss ) + |ss (zt − zss )(3.48)
∂xt ∂yt ∂zt
138
Considerando que F (· )|ss = 0 y realizando un cambio de variable: x et = xt − xss ;

donde x
et es la desviación de la variable (en niveles) con respecto a su estado estacionario.
Aplicando este cambio de variable a la ecuación [3.48], se tiene:
∂F ∂F ∂F
F (xt , yt , zt ) ≈ F (· )|ss + |ss (xt − xss ) + |ss (yt − yss ) + |ss (zt − zss )
∂xt ∂yt ∂zt
∂F ∂F ∂F
F (xt , yt , zt ) ≈ 0 + |ss (e
xt ) + |ss (e
yt ) + |ss (e
zt )
∂xt ∂yt ∂zt
F (xt , yt , zt ) ≈ (αyss )e
xt + (−β)e yt + (−θ)e zt
pero : F (xt , yt , zt ) = 0 ,entonces...
0 = F (xt , yt , zt ) ≈ (αyss )e
xt + (−β)e
yt + (−θ)e
zt
0 = (αyss )e
xt + (−β)e
yt + (−θ)e
zt
αyss x
et = βe
yt + θe
zt (3.49)
La ecuación (3.49) es la versión lineal de la ecuación (3.46). Aplicando esta técnica

a cada ecuación del sistema no lineal se obtendrá el sistema lineal con las variables en
niveles. Para el caso de la ecuación de Euler se tiene:
1 rt+1
F (ct , ct+1 , rt+1 ) = − βEt =0
ct ct+1
Extrayendo las expectativas :
1 rt+1
Et F (ct , ct+1 , rt+1 ) = Et ( −β )=0
ct ct+1
∂F ∂F ∂F
F (ct , ct+1 , rt+1 ) ≈ F (· )|ss + |ss (ct − css ) + |ss (ct+1 − css ) + |ss (rt+1 − rss )
∂ct ∂ct+1 ∂rt+1

1 rss β
F (ct , ct+1 , rt+1 ) ≈ 0+ − 2 e ct + β 2 e ct+1 + − ret+1
css c css
ss
1 rss β
0 = Et − 2 e ct + β 2 e ct+1 + − ret+1
css css css

1 rss β
0 = − 2 e ct + Et β 2 e ct+1 + − ret+1
c c css
ss ss
1 rss β
ct = Et β 2 e ct+1 + − ret+1
c2ss
e
css css
ect = βEt (rss e ct+1 − css ret+1 ) (3.50)
Haciendo el mismo procedimiento de linealización para la ley de movimiento del capital:
F (kt+1 , it ) = kt+1 − it = 0
∂F ∂F
F (kt+1 , it ) ≈ F (· )|ss + |ss (kt+1 − kss ) + |ss (it − iss )
∂kt+1 ∂it
F (kt+1 , it ) ≈ 0 + (1)e kt+1 + (−1)eit
0 = ekt+1 + (−1)eit
kt+1 = eit
e (3.51)
139
Para la oferta de trabajo, la ecuación linealizada serı́a:
θ wt
F (ht , wt , ct ) = − =0
1 − ht ct
∂F ∂F ∂F
F (ht , wt , ct ) ≈ F (· )|ss + |ss (ht − hss ) + |ss (wt − wss ) + |ss (ct − css )
∂ht ∂wt ∂ct
θ −1 wss
F (ht , wt , ct ) ≈ 0+ 2
ht +
e w
et + 2 e ct
(1 − hss ) css css
θ 1 wss
0 = ht −
e wet + 2 e ct
(1 − hss )2 css css
1 θ wss
w
et = 2
ht + 2 e
e ct
css (1 − hss ) css
wss e θ
w
et = ht + ct (3.52)
(1 − hss ) 1 − hss
e
De manera similar para la función de producción:
F (yt , at , kt , ht ) = yt − at kt1−α hαt = 0

∂F ∂F ∂F ∂F
F (yt , at , kt , ht ) ≈ F (· )|ss + |ss (yt − yss ) + |ss (at − ass ) + |ss (kt − kss ) + |ss (ht − hss )
∂yt ∂at ∂kt ∂ht
1−α α −α α e 1−α α−1 e
F (yt , at , kt , ht ) ≈ 0 + (e yt ) + (−kss at ) + (−(1 − α)ass kss
hss )(e hss )(kt ) + (−αass kss hss )(ht )
yss yss e yss e
0 = yet − at − (1 − α)
e kt − α ht
ass kss hss
yss yss e yss e
yet = at + (1 − α)
e kt + α ht (3.53)
ass kss hss
Haciendo lo mismo para demanda de capital:
yt
F (rt , yt , kt ) = rt − (1 − α) =0
kt
∂F ∂F ∂F
F (rt , yt , kt ) ≈ F (· )|ss + |ss (rt − rss ) + |ss (yt − yss ) + |ss (kt − kss )
∂rt ∂yt ∂kt
−(1 − α) (1 − α)yss e
F (rt , yt , kt ) ≈ 0 + (1)e rt + yet + 2
kt
kss kss
−(1 − α) (1 − α)yss e
0 = (1)ert + yet + 2
kt
kss kss
yss e kss
kt = yet − ret (3.54)
kss 1−α
De igual forma para la demanda de trabajo:
140
yt
F (wt , yt , ht ) = wt − α =0
ht
∂F ∂F ∂F
F (wt , yt , ht ) ≈ F (· )|ss + |ss (wt − wss ) + |ss (yt − yss ) + |ss (ht − hss )
∂wt ∂yt ∂ht

−α αyss e
F (wt , yt , ht ) ≈ 0 + (1)w et + yet + ht
hss h2ss

α αyss e
0 = et −
w yet + ht
hss h2
ss
α αyss e
w
et = yet − ht (3.55)
hss h2ss
Para la ecuación de equilibrio en el mercado de bienes:
F (yt , ct , it ) = yt − ct − it = 0
∂F ∂F ∂F
F (yt , ct , it ) ≈ F (· )|ss + |ss (yt − yss ) + |ss (ct − css ) + |ss (it − iss )
∂yt ∂ct ∂it
F (yt , ct , it ) ≈ 0 + (1)e yt + (−1)e ct + (−1)eit
yet = e
ct + eit (3.56)
Finalmente para el choque de productividad:
F (at , at−1 , t ) = lnat − φlnat−1 − t = 0

∂F ∂F ∂F
F (at , at−1 , t ) ≈ F (· )|ss + |ss (at − ass ) + |ss (at−1 − ass ) + |ss (t − ss )
∂at ∂at−1 ∂t
Considerando : ss = 0
1 φ
F (at , at−1 , t ) ≈ 0 + at + (−
e )eat−1 + (−1)t
ass ass
1 φ
0 = at + (−
e )e
at−1 + (−1)t
ass ass
1 φ
at = (
e )e
at−1 + t
ass ass
Dado que : ass = 1
at = φe
e at−1 + t (3.57)
El cuadro [3.5] resume las ecuaciones linealizadas del modelo.
3.5.2. Linealización (variables en logarı́timo) o Log-linealización

Es usual considerar la log-linearización del modelo debido a que las variables trans-
formadas están expresadas como la desviación porcentual de su estado estacionario. Es
decir:
bt = ln(xt ) − ln(xss )
x
En ese contexto, los coeficientes de la solución del sistema lineal se interpretan como
elasticidades. Esta técnica fue inicialmente propuesto por King et al (1987) y Campbell
141
Cuadro 3.5: Sistema de ecuaciones lineal del modelo (Long y Plosser, 1983)
Agente Ecuaciones Descripción

Familia ct = βEt (rss e
e ct+1 − css ret+1 ) Ecuación de Euler
kt+1 = eit
e Ley de movimiento del capital
wss e θ
wet = (1−h ss )
ht + 1−h ss
ct
e Oferta de trabajo
yss
Empresa yet = ass e yss e
at + (1 − α) kss kt + α ayss
ss
ht
e Función de producción
yss e kss
kss kt
= yet − 1−α r et Demanda del capital
α αyss e
wet = hss yet − h2 ht Demanda de trabajo
ss
Equilibrio yet = e
ct + eit Equilibrio mercado de bienes
Choque at = φe
e at−1 + t Choque de productividad
(1994).
Para log-linearizar el sistema no lineal se puede aplicar dos formas. La primera es si-
guiendo el mismo camino descrito en la sección previa pero con una variante. La forma
estándar sugiere que los términos de la ecuación son llevados al lado izquierdo y luego es
renombrada por una función (que depende de las variables de la ecuación), para finalmente
aplicar una apróximación de esta función por medio de la expansión de Taylor de primer
orden. La variante es que primero se tiene que aplicar logarı́tmo a ambos lados de cada
ecuación y luego procurar expresar cada variable en logarı́tmo; por ejemplo, el consumo
ct está en niveles, para que esté en logarı́tmo se puede hacer lo siguiente: elnct .
La segunda forma es propuesta por Uhlig (1997), la cual es mucho más práctica. La
propuesta de Uhlig (1997) consiste en reemplazar cada una de las variables por su log-
desviación (xt = xss exbt ) y luego considerar tres propiedades de aproximación, las cuales
se mencionan mas adelante.
Cabe mencionar que para el modelo de este capı́tulo en particular ambas formas de
log-linealizar no representan diferencia en esfuerzo. La propuesta de Uhlig (1997) gana
mayor importancia en cuanto a practicidad a medida que el modelo es más complejo. Por
ejemplo, el modelo del capı́tulo 5 hacia adelante puede ser log-linealizado rápidamente y
con poco esfuerzo por medio de la técnica de Uhlig en comparación con el camino estándar.
Método estándar: debido a los supuestos del modelo de Long y Plosser (1983), algu-
nas ecuaciones no requeriran una apróximación de Taylor de primer orden sino que será
sencillo obtener la ecuación expresada en log-desviaciones. En estos casos bastará colocar
la ecuación en logarı́tmo y restar la ecuación en estado estacionario. Dichas ecuaciones
son: la ley de movimiento del capital, la función de producción, la demada de capital, la
demanda de trabajo y la productividad. Para el caso de la ecuación de Euler, la oferta de
trabajo y la ecuación de equilibrio del mercado de bienes sı́ se requiere aplicar la expan-
sión de Taylor. Claramente, a medida que el modelo sea más complejo la aplicación de la
142
expansión de Taylor será más requerida.
Para la ecuación de Euler se tiene lo siguiente: en primer lugar se toma logarı́tmos en

ambos lados de la ecuación (ecuación (3.58)), luego se lleva todos los elementos de esta
ecuación a la lado izquierdo y se renombra como una función de las variables endógenas que
aparecen en esta ecuación. En este caso en particular la función es f (lnrt+1 , lnct+1 , lnct ).
1 rt+1
= βEt
ct ct+1

1 rt+1
ln = Et ln β (3.58)
ct ct+1
−lnct = Et [lnβ + lnrt+1 − lnct+1 ]
Et [lnβ + lnrt+1 − lnct+1 ] + lnct = 0
F (lnrt+1 , lnct+1 , lnct ) = Et [lnβ + lnrt+1 − lnct+1 + lnct ] = 0
F (lnrt+1 , lnct+1 , lnct ) = 0 (3.59)
El paso siguiente es aproximar la función “F (·)” por medio de una expansión de Taylor
de primer order.
∂F
F (lnrt+1 , lnct+1 , lnct ) ≈ Et F (· )|ss + |ss (lnrt+1 − lnrss ) +
∂lnrt+1
∂F ∂F
|ss (lnct+1 − lncss ) + |ss (lnct − lncss )
∂lnct+1 ∂lnct

F (yt , ct , it ) ≈ Et 0 + (1)(lnrt+1 − lnrss ) + (−1)(lnct+1 − lncss ) + (1)(lnct − lncss )

F (yt , ct , it ) ≈ Et rbt+1 − bct+1 + bct

ct = Et b
b ct+1 − rbt+1 (3.60)
Con respecto a la ley de movimiento del capital se procede de la misma manera que
en la ecuación de Euler excepto que no es necesario aplicar la aproximación de Taylor.
kt+1 = it
lnkt+1 = lnit
lnkss = lniss
lnkt+1 − lnkss = lnit − lniss
kt+1 = bit
b (3.61)
En el caso de la oferta de trabajo.
143
θ wt
=
1 − ht ct
θ wt
ln = ln
1 − ht ct
lnθ − ln(1 − ht ) = lnwt − lnct (3.62)
lnθ − ln(1 − hss ) = lnwss − lncss (3.63)
(3.62) − (3.63) :
−ln(1 − ht ) + ln(1 − hss ) = lnwt − lnct − lnwss + lncss
ordenando :
−ln(1 − ht ) + ln(1 − hss ) = (lnwt − lnwss ) − (lnct − lncss )
−ln(1 − ht ) + ln(1 − hss ) = w
bt − b
ct (3.64)
Para que la ecuación (3.64) esté totalmente log-linealizada falta expresar el trabajo
como su log-desviación de su estado estacionario. Para ello se hará lo siguiente:
ln(1 − ht ) = ln(1 − elnht )
Esta expresión se aproxima por medio de la expansión de Taylor de primer orden:
∂g
g(lnht ) = ln(1 − elnht ) ≈ g(· )|ss + |ss (lnht − lnhss )
∂lnht
−elnht

lnht lnhss
ln(1 − e ) ≈ ln(1 − e )+ (lnht − lnhss )
1 − elnht

lnht hss
ln(1 − e ) ≈ ln(1 − hss ) − (lnht − lnhss )
1 − hss

hss
ln(1 − elnht ) ≈ ln(1 − hss ) − ht
b (3.65)
1 − hss
Reemplazando la ecuación (3.65) en (3.64) se obtiene la expresión log-lineal de la oferta

de trabajo.
−ln(1 − ht ) + ln(1 − hss ) = wbt − b

ct

hss
−ln(1 − hss ) + ht + ln(1 − hss ) = w
b bt − b
ct
1 − hss

hss b bt − b
ht = w ct (3.66)
1 − hss
Para obtener la forma log-lineal de la función de producción basta con aplicar logarı́tmo
a la función de producción y luego evaluarla en sus estado estacionario para finalmente
restar ambas ecuaciones.
144
lnyt = lnat + (1 − α)lnkt + αht (3.67)
lnyss = lnass + (1 − α)lnkss + αhss (3.68)
(3.67) − (3.68) :
lnyt − lnyss = lnat − lnass + (1 − α)lnkt − (1 − α)lnkss + αht − αhss
at + (1 − α)b
ybt = b kt + αb
ht (3.69)
La demanda de trabajo sigue los mismos pasos que la función de producción.
yt
wt = α
ht
lnwt = lnα + lnyt − lnht (3.70)
lnwss = lnα + lnyss − lnhss (3.71)
(3.70) − (3.71) :
lnwt − lnwss = lnyt − lnyss − lnht + lnhss
bt = ybt − b
w ht (3.72)
Con respecto a la demanda del capital se obtiene:
yt
rt = (1 − α)
kt
lnrt = ln(1 − α) + lnyt − lnkt (3.73)
lnrss = ln(1 − α) + lnyss − lnkss (3.74)
(3.73) − (3.74) :
lnrt − lnrss = lnyt − lnyss − lnkt + lnkss
rbt = ybt − b
kt (3.75)
Para la ecuación de equilibrio de mercado se tiene:
yt = ct + it
lnyt = ln(ct + it )
lnyt − ln(ct + it ) = 0 (3.76)
Debido a que se desea que las variables esten expresadas en logarı́tmo se realiza el
siguiente artificio: cada variable xt se expresa como elnxt . Aplicando este artificio a la
ecuación (3.76):
lnyt − ln(ct + it ) = 0
lnyt − ln(elnct + elnit ) = 0
F (yt , ct , it ) = lnyt − ln(elnct + elnit ) = 0 (3.77)
145
Apróximando F (yt , ct , it ) por medio de la expansión de Taylor de primer orden se tiene:
∂F ∂F ∂F
F (yt , ct , it ) ≈ F (· )|ss + |ss (lnyt − lnyss ) + |ss (lnct − lncss ) + |ss (lnit − lniss )
∂lnyt ∂lnct ∂lnit
−elncss −elniss
F (yt , ct , it ) ≈ 0 + (1)(lnyt − lnyss ) + lncss (lnct − lncss ) + (lnit − lniss )
e + elniss elncss + elniss
css iss b
≈ ybt − ct −
b it
css + iss css + iss
css iss b
≈ ybt − ct −
b it
yss yss
css iss b
ybt ≈ ct +
b it (3.78)
yss yss
Finalmente para la ecuación de productividad.
Se sabe : lnass = 0
lnat − lnass = φlnat−1 − φlnass + t
at = φb
b at−1 + t (3.79)
Método de Uhilg (1997): se define x bt como la log-desviación de la variable xt con

respecto a su valor de estado estacionario (xss ):
bt = ln(xt ) − ln(xss )
x (3.80)
De lo anterior se obtiene:
xt = xss exbt (3.81)
Además, se sabe que para pequeñas desviaciones del estado estacionario se cumple que:
1era propiedad : exbt ≈ 1 + x

bt (3.82)
Esta primera propiedad se obtiene al aplicar una aproximación de Taylor de primer

orden, la cual se explica a continuación.
Aproximación de Taylor (1er orden): aproximar la función f (b

xt ) alrededor de su estado
estacionario x
bss :
f 0 (b
xss ) f 00 (b
xss )
xt ) ≈ f (b
f (b xss ) + xt − x
(b bss ) + (b bss )2 + ...
xt − x
1! 2!
Considerando una aproximación de 1er orden:
f 0 (b
xss )
xt ) ≈ f (b
f (b xss ) + xt − x
(b bss )
1!
146
xt ) = exbt , entonces (sabiendo que x

Si f (b bt = xt − xss ):
bss = 0, porque x
exbt ≈ exbss + exbss (b
xt − x
bss )
exbt ≈ 1 + (b
xt − x
bss )
x
ebt
≈ 1+x
bt
Dos propiedades adicionales son importantes:
2da propiedad : x
bt ybt ≈ 0 (3.83)
x
2da propiedad : Et [ae bt+1
] = Et [ab
xt+1 ] + a (3.84)
Aplicando estas propiedades se procede a log-linealizar el sistema descrito en el cuadro
[3.3]:
Para la ecuación de Euler:
c−1
t = βEt c−1
t+1 rt+1
−1 −1
css ebct = βEt css ebct+1 rss erbt+1

e−bct = Et e−bct+1 erbt+1

e−bct = Et e−bct+1 +brt+1

1−b
ct = Et 1 − b ct+1 + rbt+1

ct
b = Et bct+1 − rbt+1 (3.85)
La ley de moviento de capital en su forma log-lineal quedarı́a:
kt+1 = it
kss ekt+1 = iss eit
b b
kss (1 + b
kt+1 ) = iss (1 + bit )
kss + kss bkt+1 = iss + issbit
kss b
kt+1 = issbit
como : kss = iss
kt+1 = bit
b (3.86)
Para la oferta de trabajo:
θ wt
=
1 − ht ct
Recordando : 1 − ht = lt
θ wt
=
lt ct
θ wss ewbt
=
lss eblt css ebct
e−lt = ewbt −bct
b
1−blt = 1 + w bt − b
ct
b ct − w
lt = b bt (3.87)
147
Para terminar de obtener la oferta de trabajo en su versión log-lineal es necesario

obtener la relación log-lineal entre el ocio lt y el trabajo ht :
lt = 1 − ht
Log-linealizando esta expresión:
lt = 1 − ht
lss elt = 1 − hss eht
b b
lss (1 + b lt ) = 1 − hss (1 + b
ht )
lss + lssb lt = 1 − hss − hssb ht
lssblt = −hssb ht
hss
lt = −
b ht
b
lss
hss b
lt = −
b ht (3.88)
1 − hss
Introduciendo (3.88) en (3.87) se obtiene la oferta de trabajo log-lineal:
b ct − w
lt = b bt
hss b
− ct − w
ht = b bt
1 − hss
hss b
bt − b
ht = w ct (3.89)
1 − hss
Haciendo lo mismo para la función de producción:
b 1−α b α
yss eybt = ass ebat kss ekt hss eht

yss eybt = ass ebat kss

1−α (1−α)kt α αht
e hss e
b b
eybt = ebat +(1−α)kt +αht

b b
at + (1 − α)b
1 + ybt = 1 + b kt + αbht
at + (1 − α)b
ybt = b kt + +αbht (3.90)
Con respecto a la demanda de capital:
148

yt
rt = (1 − α)
kt
yss eybt

rss erbt = (1 − α)
kss ebkt
yss eybt −kt
b
rss erbt = (1 − α)
kss
erbt = eybt −kt
b
1 + rbt = 1 + ybt − b
kt
rbt = ybt − kt
b (3.91)
Para la demanda de trabajo
yt
wt = α
ht
yss eybt
wss ewbt = α
hss ebht
eybt
ewbt =
ebht
ewbt = eybt −ht
b
bt = 1 + ybt − b
1+w ht
bt = ybt − ht
w b (3.92)
En el equilibrio de mercado de bienes:
yt = ct + it
yss eybt = css ebct + iss eit
b
yss (1 + ybt ) = css (1 + b

ct ) + iss (1 + bit )
yss + yss ybt = css + css bct + iss + issbit
yss ybt = css b
ct + issbit
css iss b
ybt = ct +
b it (3.93)
yss yss
Finalmente, la ecuación de la productividad:
lnass ebat = φlnass ebat−1 + t
lnass + b
at = φlnass + φb
at−1 + t
at = φb
b at−1 + t (3.94)
El cuadro [3.6] resume las ecuaciones log-lineal del modelo obtenidas por las dos formas
(método estándar o la propuesta de Uhilg):
149
Cuadro 3.6: Ecuaciones log-lineal
Ecuaciones log-lineal Descripción

[1] ct = Et b
b ct+1 − rbt+1 Ecuación de Euler
[2] kt+1 = bit
b Ley de movimiento del capital
hss b
[3] 1−hss ht = w bt − b ct Oferta de trabajo
[4] ybt = bat + (1 − α)b kt + αb
ht Función de producción
[5] rbt = ybt − ktb Demanda de capital
[6] wbt = ybt − b ht Demanda de trabajo
css
[7] ybt = yss bct + yiss
ss
bit Equilibrio en el mercado de bienes
[8] at = φb
b at−1 + t Choque de productividad
Nota: Para obtener directamente la solución del modelo con Dynare se puede
utilizar el mod “Long Plosser Dynare lineal log.mod” del capı́tulo 2.
3.6. Solución del sistema lineal

La solución del sistema lineal consiste en encontrar las funciones de polı́ticas; es decir,
las variables de control en función de las variables de estado y variables exógenas. En este
modelo la variable de estado es el capital kt y la variable exógena es la productividad at .
La idea es encontrar, por ejemplo, para el consumo:
ct = ηck b
b kt + ηca b
at
De manera similar para todas las variables endógenas: ybt , b ct , bit , b
kt+1 , b
ht , w
bt y rbt .
En la literatura existe varias formas de resolver el sistema de ecuaciones en diferencias
estocásticas. Dejong y Dave (2007) sugieren que al menos cuatro métodos son usuales:
método de Blanchard y Kahn (1983), método de Sim (2001), método de Klein (2000) y el
método de coeficientes indeterminados de Uhlig (1999). Este capı́tulo se concentra en los
dos más usuales: método de Blanchard y Kahn, y el método de coefientes indeterminados.
Sin embargo, antes de describir y aplicar ambos métodos, se resolverá el modelo de Long
y Plosser analı́ticamente. Esta solución analı́tica es factible debido a que las no lineali-
dades desaparecen a causa de los dos supuestos del modelo: depreciación total y utilidad
logarı́tmica.
3.6.1. Método analı́tico

En primer lugar se procura disminuir la dimensión del sistema de ecuaciones lineales
mediante la unión de algunas ecuaciones. Empezamos con el equilibrio en el mercado de
trabajo (eliminamos wbt ). Del cuadro [3.4] unimos la ecuación [3] y [6]:
hss b
ct = ybt − b
ht + b ht
1 − hss
1 b
ht = ybt − b
ct (3.95)
1 − hss
Luego se elimina la inversión bit al reemplazar la ecuación [2] en [7]:
150
css iss b
ybt = ct +
b it
yss yss
css iss b
ybt = ct +
b kt+1 (3.96)
yss yss
Introduciendo la tasa de interés real (ecuación [5]) en la ecuación de Euler (ecuación

[1]):

ct = Et b
b ct+1 − rbt+1

ct = Et b
b ct+1 − (byt+1 − bkt+1 )

ct = Et b
b ct+1 − ybt+1 + b
kt+1 (3.97)
Pero de la ecuación (3.95) se sabe que:
1 b
ht = ybt − b
ct
1 − hss
1 b
ct − ybt = − ht
1 − hss
b
1 b
ct+1 − ybt+1 = − ht+1 (3.98)
1 − hss
b
Reemplazando la ecuación (3.98) en la ecuación de Euler (ecuación (3.97)):

b ct+1 − ybt+1 + b
ct = Et b kt+1
1 b
ct = Et − ht+1 + bkt+1 (3.99)
1 − hss
b
Además, de la ecuación (3.96) se despeja el capital en “t + 1”:
css iss b
ybt = ct +
b kt+1
yss yss
yss css
kt+1 =
b yt −
(b ct )
b (3.100)
iss yss
Esta última expresión se reemplaza en la ecuación de Euler (ecuación (3.99)):
151
1 b
ct = Et − ht+1 + b
kt+1
1 − hss
b
1 b yss css
ct = Et − ht+1 + yt −
(b ct )
1 − hss
b b
iss yss
yss css 1 b
ct − yt −
(b ct ) = Et − ht+1
1 − hss
b b
iss iss
(css + iss ) yss 1 b
ct − ybt = Et − ht+1
1 − hss
b
iss iss
yss yss 1 b
ct − ybt = Et − ht+1
1 − hss
b
iss iss
yss 1 b
ct − ybt )
(b = Et − ht+1
iss 1 − hss

yss 1 b 1 b
− ht = Et − ht+1
iss 1 − hss 1 − hss
yss b
ht = Etb
ht+1
iss
1
ht
b = Etb
ht+1 (3.101)
β(1 − α)
| {z }
=φh >1
Por un momento evaluemos la ecuación (3.64) sin el operador expectativa:
φh b
ht = b
ht+1 (3.102)
Debido a que φh es mayor a uno, entonces esta ecuación es explosiva. La única solución
estable es cuando b
ht = 0. Esto implica que la solución del modelo para el trabajo es que es-
ta variable se mantiene en su estado estacionario: como b ht = 0, entonces, lnht − lnhss = 0,
lo cual implica que lnht = lnhss y por tanto: ht = hss .
Por tanto, la función de polı́tica del trabajo bht es b

ht = 0. Dos conclusiones importantes
emergen de esta última ecuación. Primero, no fue necesario utilizar el método de coefi-
cientes indeterminados para obtener la solución de b ht , y como veremos más adelante, de
las demás variables. Esto es debido a que los dos supuestos del modelo de Long y Plosser
(1983), depreciación total y utilidad logarı́tmica, eliminan no linealidades del sistema de
ecuaciones. Esto permite que el modelo pueda ser resuelto directamente. Segundo, el tra-
bajo b
ht no depende de la variable exógena b at ni de la variable de estado b
kt . Esto indica que
un incremento de la productividad no afecta al trabajo ni directamente ni indirectamente
por medio del capital.
Para encontrar la solución del resto de variables se revisa sus ecuaciones de comporta-
miento. En primer lugar se revisa la función de producción log-lineal:
152
at + (1 − α)b
ybt = b kt + αbht
at + (1 − α)kt + 0
ybt = b b
at + (1 − α) b
ybt = b k
| {z } t
ηyk
ybt = b
at + ηyk b
kt (3.103)
De la demanda de capital se obtiene la solución para la tasa de interés real rbt :
rbt = ybt − b
kt
De la ecuación (3.103) :
rbt = ηyk b at − b
kt + b kt
rbt = (ηyk − 1) bkt + b
at
| {z }
ηrk
rbt = ηrk b
kt + b
at (3.104)
En la demanda de trabajo se obtiene el salario real w

bt :
bt = ybt − b
w ht
De la solución : ecuación (3.103) y b
ht = 0
w
bt = ηyk b at − 0
kt + b
w
bt = ηyk kt + b
b at (3.105)
Al reemplazar la solución de b
ht y de w
bt en la oferta del trabajo se encuentra la solución
del consumo bct :
hss b
bt − b
ht = w ct
1 − hss
bt − b
0 = w ct
ct = w
b bt
ct = ηyk b
b kt + b
at (3.106)
De la ecuación de equilibrio en el mercado de bienes se obtiene la solución para la

inversión:
153
css iss b
ybt = ct +
b it
yss yss

css yss
bit = ybt − ct
b
yss iss

css yss
bit = ηyk kt + b
b at − (ηyk kt + b
b at )
yss iss
css yss
bit = (ηyk bkt + bat )(1 − )
yss iss
bit = iss yss
(ηyk bkt + bat )
yss iss
bit = ηyk bkt + b
at (3.107)
Finalmente, de ley de movimiento del capital se obtiene la solución para el capital:
kt+1 = bit
b
kt+1 = ηyk b
b kt + b
at (3.108)
Cuadro 3.7: Funciones de polı́tica y de estado (solución del modelo)
Funciones de polı́tica Coeficientes (elasticidades) Valores

[1] bht = 0
[2] ybt = ηyk b
kt + b
at ηyk = 1 − α ηyk = 0.333
[3] rbt = ηrk kt + b
b at ηrk = ηyk − 1 ηrk = 0.667
[4] w bt = ηyk kt + b
b at
[5] bct = ηyk b
kt + b
at
[6] bit = ηyk b
kt + b
at
[7] kt+1 = ηyk kt + b
b b at
3.6.2. Método de Blanchard y Kahn

El método de Blanchard y Kahn resuelve un sistema de ecuaciones en diferencias es-
tocástica por medio de la descomposición de Jordan; es decir, trata de partir el modelo
o el sistema en dos componentes. La estrategı́a de solución consiste en resolver el compo-
nente inestable, de la cual se halla la función de polı́tica, y luego introducir esta función
de polı́tica en la representación estado-espacio inicial para encontrar la ecuación de estado.
En este apartado se diferencia dos subsecciones: en la primera se explica el método en

términos generales y en la segunda se aplica el método al modelo de Long y Plosser (1983).
Descripción del método: el métódo de Blanchard y Kahn se puede descomponer en

siete pasos (ver la figura [3.3]). El primero consiste en transformar el sistema de ecuacio-
nes en forma de estado-espacio. La utilidad de esta representación es que las ecuaciones se
154
pueden escribir como un sistema en diferencia de primer orden. El segundo paso consiste
en obtener una forma de estado-espacio alternativo; es decir, transladar la matriz de coe-
ficientes asociados al vector de la izquierda de la ecuación al lado derecho. El fin de ello
es obtener un sistema de la forma siguiente: Zt+1 = F Zt + GUt+1 .
El tercer paso consiste en descomponer el sistema de ecuaciones en dos partes. Para

ello se utiliza la descomposición de Jordan, la cual particiona la matriz de coeficientes
“F” en sus eigenvalores asociados. El cuarto paso es utilizar la partición de Jordan para
separar el sistema de ecuaciones en un subsistema estable y en un subsistema inestable.
La nomenclatura inestable se refiere a que son las ecuaciones asociadas a los iegenvalores
inestables (módulo mayor a uno) de la matriz “F”, y el subsistema estable se refiere a las
ecuaciones asociadas a los iegenvalores estables (módulo menor a uno). El quinto paso es
el cambio de variable con el fin de aprovechar al máximo la descomposición de Jordan,
lo cual simplifica la solución del modelo. El sexto paso consiste en resolver la ecuación
inestable por medio del método de sustitución iterada. El resultado de ello es la función
de polı́tica. Finalmente, el septimo paso es utilizar la función de polı́tica en el modelo
estado-espacio alternativo y de allı́ encontrar la función de estado.
Figura 3.2: Pasos del método de Blanchard y Kahn
Paso 1 Paso 2 Paso 3 Paso 4

Forma de
Forma de Descomposició Partición del
estado-espacio
estado-espacio n de Jordan modelo
alternativo
Paso 7 Paso 6 Paso 5

Encontrando la Solución de la
Cambio de
función de ecuación
variable
estado inestable
Paso 1: Forma estado-espacio generalizado

El primer paso para resolver el sistema de ecuaciones no lineales que representan el modelo3
es colocar dicho sistema en forma estado-espacio:

Xt+1 Xt
A =B + CVt+1 (3.109)
Et Yt+1 Yt
En la representación (3.109), la variable Vt+1 puede ser choques iid con media igual a
cero (E(Vt ) = 0) y autocorrelación nula. Alternativamente, Vt+1 puede comportarse como
un proceso AR(1), la cual depende de choques exógenos iid.
3
Cabe mencionar que a este sistema de ecuaciones no lineales se le conoce también como modelo
estructural. Esto es debido a que muestra los parámetros profundos o iniciales del modelo. El modelo re-
ducido es aquel que se obtiene de combinar las ecuciones de este sistema inicial; en este caso, los parámetros
son combinaciones de los parámetros profundos.
155
En este sistema de ecuaciones se puede definir dos tipos de variables: Xt es el vector

de variables backward looking (predeterminadas o variables de estado). Estas variables
son funciones solo de las variables conocidas en “t”, y dado que son pre-determinadas se
cumple: Et Xt+1 = Xt+1 . Un ejemplo de ello es el capital kt+1 , el cual ha sido determinado
en “t”; es decir, ya se conoce en “t”; por tanto, Et kt+1 = kt+1 .
Cabe mencionar que las variables de estado pueden ser endógenas y exógenas. Usual-
mente la variable de estado exógena es la productividad porque se comporta como un
AR(1) y no depende de ninguna variable del modelo. Además de lo anterior, el segundo
tipo de variables es el vector de variables forward looking (variables de control) Yt .
Variables de estado Variables de control Variables de choques

     
X1t Y1t V1t
 X2t   Y2t   V2t 
     
Xt =  .   . 
Yt =   . 
Vt = 
  
 .   .   . 
Xnt nx1 Ymt mx1 Vnv t n x1
v
El número de variables de estado “n” es igual al número de variables de estado

endógenas “ns ” más el número de variables de estado exógenas “nv ”.
n = ns + nv
El número total de variables “n + m” es igual al número total de ecuaciones.
Con estas consideraciones, el sistema (3.72) quedarı́a caracterizado de la siguiente

manera:

Xt+1 Xt
A(n+m)x(n+m) = B(n+m)x(n+m) + C(n+m)xnv Vt+1 (3.110)
Et Yt+1 Yt
Paso 2: Forma estado-espacio alternativo

Xt+1 Xt
A = B + CVt+1
Et Yt+1 Yt

Xt+1 −1 Xt −1
| {z } Yt + A
= A B | {z C} Vt+1
Et Yt+1
F G

Xt+1 Xt
= F + GVt+1
Et Yt+1 Yt
Paso 3: Descomposición de Jordan de F

La matriz F puede ser expresada (por la descomposición de Jordan) de la siguiente manera:
F = HJH −1 (3.111)
 
λ1 ... 0
. ... . 
F = [d1 ...dn+m ]   [d ...d ]−1 (3.112)
. ... .  1 n+m
0 ... λn+m
156
Donde H es la matriz de eigenvectores y J es la matrix diagonal de eigenvalores. Además,

{λi }n+m n+m
i=1 son eigenvalores y {di }i=1 son los eigenvectores asociados.
Introduciendo la descomposición de Jordan, ecuación (3.111), en la forma de estado-

espacio alternativo, se tiene:

Xt+1 Xt
= F + GVt+1
Et Yt+1 Yt

Xt+1 −1 Xt
= HJH + GVt+1
Et Yt+1 Yt

−1 Xt+1 −1 Xt
H = JH + H −1 GVt+1 (3.113)
Et Yt+1 Yt
Paso 4: Partición del modelo
Un paso importante en el método de Blanchard y Kahn es que los eigenvalores se

ordenan de manera ascendente, esto es con el fin de identificar aquellos eigenvalores que
en módulo son mayores a uno. Por tanto, los eigenvalores ordenados, en módulo, son:
| λ1 |<| λ2 |<| λ3 |< ... | λn+m |< ...

Asumiento que la matriz de eigenvalores está ordenado, se tiene que “J” se puede
expresar de la siguiente manera:

J1nxn 0nxm
J= (3.114)
0mxn J2mxm (n+m)x(n+m)
La matriz “J” se ha particionado en cuatro elementos, de los cuales dos de ellos son
importantes: el primero es J1nxn que es una matriz diagonal que contiene los eigenvalores
cuyos módulos son menores a uno (| λ |< 1). El segundo es J2mxm que es una matriz
diagonal que contiene los eigenvalores cuyos módulos son mayores a uno (| λ |> 1).
En base a la particion de la matriz de eigenvalores se particiona también la matriz de

eigenvectores y su matriz inversa:
Matriz de eigenvectores Inversa"de la matriz de eigenvectores

#

H11nxn H12nxm −1 He 11nxn H
e 12nxm
H= H = e
H21mxn H22mxm (n+m)x(n+m) H21mxn H e 22mxm
(n+m)x(n+m)
Considerando la partición de matrices en la ecuación (3.114):

−1 Xt+1 Xt −1
H = JH + H −1 GVt+1
Et Yt+1 Yt
" # " # " #
He 11 H
e 12 Xt+1 He 11 He 12 Xt He 11 H
e 12
He 21 e 22 Et Yt+1 = J H
H e 21 He 22 Yt + H e 22 GVt+1
e 21 H
157

G1nxnv
Además, considerando que G =
G2mxnv
" # " # " #
e 11 H
H e 12 Xt+1 e 12 Xt
e 11 H
H H e 12 G1
e 11 H
=J e e 22 Yt + H e 22 G2 Vt+1 (3.115)
e 21 H
H e 22 Et Yt+1 H21 H e 21 H
Paso 5: Cambio de variable

En la ecuación (3.114) se puede definir dos nuevas variables X
et y Yet :
" # " #
He 11 H e 12 Xt X
= et
e
(3.116)
H21 H22 Yt
e e Yt
Además, se considera:
" # " #
H
e 11 H
e 12 G1 G
= e1
e
(3.117)
e 21 H
H e 22 G2 G2
Introduciendo las dos nuevas variables en la ecuación (3.116) y el nuevo vector G,

e se
tiene:
" # " # " #

He 11 H
e 12 Xt+1 H e 11 He 12 Xt He 11 H
e 12 G1
H e 22 Et Yt+1 = J H
e 21 H e 21 He 22 Yt + H e 22 G2 Vt+1
e 21 H
" # " # " #
X
et+1 X et Ge1
= J + e 2 Vt+1
Et Yet+1 Yet G
" # " # " #
X
et+1 J1 0 Xet G
e1
= + e 2 Vt+1 (3.118)
Et Yet+1 0 J2 Yet G
Paso 6: Desacoplamiento de las ecuaciones

De la ecuación (3.118) se podrı́a obtener dos ecuaciones; es decir, el sistema se puede
desacoplar:
Ecuación estable
Xt+1 = J1 X
e et + G
e 1 Vt+1 (3.119)
Ecuación inestable
Et Yt+1 = J2 Yet + G
e e 2 Vt+1 (3.120)
La ventaja de este desacoplamiento es que cada ecuación puede ser resuelta por sepa-
rado.
Paso 7: Resolviendo la ecuación inestable (encontrando la función de polı́tica)

La ecuación (3.120) es una ecuación en diferencias estocástica con expectativas racionales
de 1er orden. Para obtener la solución de este tipo de ecuaciones usualmente se aplica la
técnica de sustitución repetida.
Et Yet+1 = J2 Yet + G
e 2 Vt+1
158
Reordenando los términos y considerando que J2 es una matriz diagonal (mxm), cuyos
elementos son mayores a uno, se tiene:
J2 Yet = Et Yet+1 − G
e 2 Vt+1
Yet = J2 Et Yet+1 − J2−1 G
−1 e 2 Vt+1
|{z} | {z }
=P1 =P2
Yet = P1 Et Yet+1 − P2 Vt+1 (3.121)
Donde: P1 es una matriz diagonal, cuyos elementos son mayore a uno. La solución de
la ecuación (3.121) se obtiene al aplicar el método de sustitución repetida. Esta técnica
trabaja de la siguiente manera: dado que esta ecuación se mantiene en todos los periodos
bajo expectativas racionales, entonces la ecuación (3.121) se puede adelantar un periodo
y aplicar el operador de expectativas en “t”.
Yet+1 = P1 Et Yet+1 − P2 Vt+1

Et Yet+1 = P1 Et Yet+2 − P2 Et Vt+2 (3.122)
La ecuación (3.122) se reemplaza en (3.121) y se obtiene lo siguiente:
Yet = P1 Et Yet+1 − P2 Vt+1

Yet = P1 P1 Et Yet+2 − P2 Et Vt+2 − P2 Vt+1
Yet = P12 Et Yet+2 − P1 P2 Et Vt+2 − P2 Vt+1 (3.123)
Adelantando dos periodos en la ecuación (3.123) y aplicando expectativas en “t”, se

tiene:

Et Yet+2 = P1 Et Yet+3 − P2 Et Vt+3 (3.124)
Nuevamente, reemplazando la ecuación (3.124) en (3.123), resulta:
Yet = P12 P1 Et Yet+3 − P2 Et Vt+3 − P1 P2 Et Vt+2 − P2 Vt+1

Yet = P13 Et Yet+3 − P12 P2 Et Vt+3 − P1 P2 Et Vt+2 − P2 Vt+1 (3.125)
Al generalizar la ecuación (3.125) para “n” periodos, se tiene:
Yet = P1n Et Yet+n −P1n−1 P2 Et Vt+n −P1n−2 P2 Et Vt+(n−1) −P1n−3 P2 Et Vt+(n−2) ...−P1 P2 Et Vt+2 −P2 Vt+1
(3.126)
En forma compacta:
n
P1j−1 P2 Et Vt+j − P2 Vt+1
X
Yet = P1n Et Yet+n − (3.127)
j=2
159
Considerando n → ∞:
n
P1j−1 P2 Et Vt+j − Lim P2 Vt+1
n X
Yet = Lim P1 Et Yt+n − Lim
e
n→∞ n→∞ n→∞
j=2
∞
X
Lim P1n Et Yet+n −

Yet = (3.128)
n→∞
j=2
El primer término de la ecuación (3.128), Lim P1n Et Yet+n , es igual a cero. Esto se

n→∞
debe a que la matriz diagonal P1n tiene valores menores a uno, los cuales tienden a cero a
medida que “n” crece. Además, desde un punto de vista de optimización, que este término
sea igual a cero refleja la condición de transversalidad que se le impone a la solución de
esta ecuación en diferencias. Desde un punto de vista económico tiene sentido suponer que
el valor esperado de la variable en un tiempo muy lejano no tenga influencia en la variable
el dı́a de hoy. A continuación se muestra la convergencia a cero de la matriz P1n cuando n
tiende a infinito.
P1n = (J2−1 )n
 n
1/λi,1

 1/λi,1 

= 
 1/λi,1 

 ... 
1/λi,m
1/λi,1
 
 1/λni,1 
1/λni,1
 
= 



 ... 
1/λni,m
Aplicando lı́mite con “n” que tiende a infinito:
 
Lim 1/λi,1
n→∞

 Lim 1/λni,1 

n→∞
Lim P n
 
=  Lim 1/λni,1 
n→∞ 1  n→∞ 
...
 
 
Lim 1/λni,m
n→∞
Lim P n = [0]mxm
n→∞ 1
: Lim P1n Et Yet+n = 0

Por tanto (3.129)
n→∞
Considerando el resultado de la ecuación (3.129), la ecuación (3.128) quedarı́a:

∞
X
Yet = − (3.130)
j=2
160
Además, se sabe que la variable Vt se distribuye como una normal con media cero
y varianza constante; es decir, Vt ∼ N (0, σv2 ). Esta distribución se mantiene para cada
periodo; es decir, se cumple: Vt ∼ N (0, σv2 ), Vt+1 ∼ N (0, σv2 ), ..., Vt+n ∼ N (0, σv2 ). Donde
la media condicional de la variable siempre es igual a cero: Et Vt+n = 0 cuando j = 1, 2, 3....
Bajo esta premisa, entonces Et Vt+j = 0, reemplazando esta expresión en la ecuación (3.92)
se tiene:
∞
P1j−1 P2 Et Vt+j −P2 Vt+1
X
Yet = −
| {z }
j=2
=0
Yet = −P2 Vt+1 (3.131)
Aplicando del operador expectativas en t a la ecuación (3.131) se obtiene:
Yet = −P2 Vt+1

Et Yet = −P2 Et Vt+1
Se sabe : Et Vt+1 = 0
Entonces :
Et Yet = 0
Por tanto :
Yet = 0 (3.132)
De la ecuación (3.116) que refleja el cambio de variable:
H
e 21 Xt + H
e 22 Yt = Yet
H
e 21 Xt + H
e 22 Yt = 0
e 22 Yt = −H
H e 21 Xt
e −1 H
Función de polı́tica = Yt = −H e 21 Xt (3.133)
22
La ecuación (3.133) representa la función de polı́tica porque las variables de control

(representada por el vector Yt ) están en función de las variables de estado (representada
por el vector Xt ).
Paso 8: En el sistema inicial (encontrando la función de estado)

Reescribiendo la representación de estado-espacio alternativo:

Xt+1 Xt
= F + GVt+1
Et Yt+1 Yt

Xt+1 F11 F12 Xt G1
= + V
Et Yt+1 F21 F22 Yt G2 t+1
La ecuación para la primera variable (la variable de estado) es:
Xt+1 = F11 Xt + F12 Yt + G1 Vt+1 (3.134)
161
Esta ecuación depende de la variable de control; sin embargo, por la función de polı́tica,
ecuación (3.133), se sabe la relación entre Yt y Xt . Reemplazando esta relación en la
ecuación (3.134):
e −1 H
Xt+1 = F11 Xt + F12 (−H e 21 Xt ) + G1 Vt+1
22
e −1 H
Ecuación de estado : Xt+1 = (F11 − F12 H e 21 )Xt + G1 Vt+1 (3.135)
22
La ecuación (3.135) es la ecuación de estado. Con esta ecuación el modelo queda re-
suelto.
Aplicación del método: en la aplicación al modelo de Long y Plosser se seguirá los

mismos pasos para mantener el hilo conductor del método de solución. Antes de aplicar el
método es necesario reducir el número de ecuaciones y por ende el número de variables.
El fin de ello es evitar que aparezca alguna fila llena de ceros en cualquier lado (matriz A
o B) de la representación estado-espacio. Si, por ejemplo, aparece una fila de ceros en la
matriz A, entonces dicha matriz no serı́a invertible. Esto imposibilitarı́a la aplicación del
método de Blanchard y Kahn. Entonces partiendo del sistema de ecuaciones lineales (con
variables en logarı́tmo) del cuadro [3.6], se realizan algunos artificios algebraicos descritos
a continuación.
En primer lugar se elimina el salario real wt al considerar el equilibrio en el mercado

de trabajo; es decir, se iguala la oferta de trabajo (ecuación [3] del cuadro [3.6]) con la
demanda de trabajo (ecuación [6] del cuadro [3.6]). La ecuación resultante se muestra a
continuación:
hss b
Oferta de trabajo : ht = w bt − bct
1 − hss
bt = ybt − b
Demanda de trabajo : w ht
hss b
Equilibrio : ht + bct = wbt = ybt − b
ht
1 − hss
hss b
: ht + bct = ybt − b
ht
1 − hss
1 b
: ht = ybt − bct (3.136)
1 − hss
La ecuación [5] del cuadro [3.6], que representa la demanda de capital, puede ser
introducida en la ecuación [1] (ecuación de Euler) por medio de la tasa de interés.
Demanda de capital : rbt = ybt − b kt

Ecuación de Euler : bct = Et bct+1 − rbt+1

rbt+1 en la ecuación de Euler : b
ct = Et bct+1 − ybt+1 − b
kt+1 (3.137)
Finalmante, la ecuación [2] se introduce en la restricción presupuestaria (ecuación [7]):
162
Ley de movimiento del capital : bkt+1 = bit

css iss b
Restricción presupuestaria : ybt = ct +
b it
yss yss
css iss b
: ybt = ct +
b kt+1 (3.138)
yss yss
Hasta aquı́ se tiene un conjunto de cinco ecuaciones con cinco variables debido a que se
ha eliminado tres variables (brt , bit y w
bt ). Sin embargo, el sistema aún se podrı́a resumir un
poco más. Despejando el trabajo b ht de la ecuación (3.100) e introduciendo esta expresión
en la función de producción (ecuación [4] del cuadro [3.6]), se tiene:
Equilibrio (mercado de trabajo) : bht = (1 − hss )(b

yt − b
ct )
at + (1 − α)kt + αb
Función de producción : ybt = b b ht
at + (1 − α)b
: ybt = b kt + α(1 − hss )(b
yt − b
ct )
: (1 − α(1 − hss ))b at + (1 − α)b
yt = b kt − α(1 − hss )b
ct
(3.139)
Con esta última ecuación y habiendo eliminado el trabajo b ht y su correspondiente
ecuación, el sistema se convierte en cuatro ecuaciones con cuatro variables: b ct , ybt , b
kt y b
at .

E1 : b ct = Et b ct+1 − ybt+1 − b
kt+1 (3.140)
css iss b
E2 : ybt = ct +
b kt+1 (3.141)
yss yss
E3 : (1 − α(1 − hss ))b at + (1 − α)b
yt = b kt − α(1 − hss )b
ct (3.142)
E4 : b
at = φb
at−1 + t (3.143)
A este nivel se puede intentar escribir el sistema de cuatro ecuaciones en forma de
estado-espacio. Para ello se define la variables de control (b
ct y ybt ) y las variables de estado
(b
kt y b
at ). Las primeras dos variables tienen asociado el operador de expecttivas, por lo
cual son considerados variables forward looking o de control. Cabe mencionar que aunque
el capital en “t+1” tenga asociado el operador expectativas; no obstante, sigue siendo una
variable de estado porque bkt+1 es determinada en “t”, entonces Et b kt+1 es igual a bkt+1 (sin
expectativas).
La siguiente ecuación expresa la forma genérica de escribir el sistema en forma estado-

espacio:

Xt+1 Xt
A =B + CVt+1
Et Yt+1 Yt
Donde en este caso en particular Xt = [bkt at ]t y Yt = [b
b yt ct ]t . Bajo esta premisa se
b
escribe el sistema en forma estado-espacio:
  
−1 0 −1 1 kt+1
b
−iss /yss 0 0 0  at+1 
  b  = ... (3.144)
 0 0 0 0 Et b
 ct+1 
0 1 0 0 Et ybt+1
163
La representación estado-espacio se detuvo debido a que la matriz “A” presenta una

lı́nea llena de ceros. Esto imposibilita encontrar la inversa de esta matriz y por tanto en-
contrar solución al sistema. Todo ello sugiere que el modelo puede ser aún más resumido.
Se despeja la producción ybt de la ecuación (??) y se introduce en la ecuación (??) y

(??). Con ello se elimina una variable (b
yt ) y una ecuación (??).
1
De E3 : ybt = at + (1 − α)b
(b kt − α(1 − hss )bct ) (3.145)
1 − α(1 − hss )
1 css iss b
(3.145) en E2 : at + (1 − α)b
(b kt − α(1 − hss )b
ct ) = ct + kt+1
1 − α(1 − hss )
b
yss yss
: nc b
ct + nk b at + (1 − α)b
kt+1 = b kt (3.146)
Donde: nc = ycss
ss
(1 − α(1 − hss )) + α(1 − hss ) y nk = iss
yss (1 − α(1 − hss )). Reemplazando
la ecuación (3.147) en E1 se tiene:

E1 : b
ct = Et bct+1 − ybt+1 − b
kt+1 (3.147)
1
(3.146) en E1 : b
ct = Et bct+1 + [bat+1 + (1 − α)b
kt+1 − α(1 − hss )b
ct+1 ] +bkt+1
1 − α(1 − hss )
| {z }
ny

ct = Et (1 + α(1 − hss )ny )b
: b ct+1 − ny b
at+1 + (1 − (1 − α)ny )b
kt+1 (3.148)
Finalmente el sistema está compuesto por tres ecuaciones con tres variables: b
ct , b
kt y
at :
b

ct = Et (1 + α(1 − hss )ny )b
E1* : b ct+1 − ny b
at+1 + (1 − (1 − α)ny )b
kt+1 (3.149)
E2* : nc b
ct + nk b at + (1 − α)b
kt+1 = b kt (3.150)
E3* : b
at = φb
at−1 + t (3.151)
Considerando que la única variables forward looking es el consumo y que existe dos
variables de estado: capital y la productividad, se procede a escribir este sistema en forma
estado-espacio:
       
−(1 − (1 − α)ny ) ny −(1 + α(1 − hss )ny ) kt+1
b 0 0 −1 kt
b 0
 nk 0 0  b at+1  = (1 − α) 1 −nc   b at +0 t+1
0 1 0 Et b
ct+1 0 φ 0 Et b
ct 1
(3.152)
En este caso cada matriz (A y B) no tienen filas llenas de ceros, entonces se podrı́a
encontrar la inversa de A. A continuación se sigue los pasos descritos anteriormente en
la metodologı́a de Blanchard y Kahn pero esta vez aplicado al modelo de Long y Plosser
(1983).
Paso 1: Forma estado espacio

En términos generales la forma estado espacio para este modelo serı́a:
164
   
kt+1
b kt
b
at+1  = B b
A b at  + Ct+1 (3.153)
Et b
ct+1 ct
b
Sin embargo, para este modelo la matriz A, B y C tienen sus propios valores en función
de los parámetros.
       
−(1 − (1 − α)ny ) ny −(1 + α(1 − hss )ny ) kt+1
b 0 0 −1 kt
b 0
 nk 0 0   at+1 = (1 − α) 1 −nc
b     at + 0 t+1
b  
0 1 0 Et b
ct+1 0 φ 0 Et bct 1
(3.154)
Al reemplazar los valores de los parámetros, la ecuación (3.154) quedarı́a:
       
−0.2860 2.14416 − 2.1441 kt+1
b 0 0 −1 kt
b 0
 0.1528 0 0   at+1 = 0.333
b   1 −0.8472 b
 at  + 0 t+1
0 1 0 Et b
ct+1 0 0.979 0 ct
b 1
(3.155)
Paso 2: Forma estado-espacio alternativo
Se multiplica la ecuación (3.155) por la inversa de la matriz A con el fin de obtener la
forma estado espacio alternativo:
      
kt+1
b 2.1789 6.5434 −5.5434 kt
b 0
 bat+1 =   0 0.9790 0  at + 1 t+1
b   (3.156)
Et b
ct+1 −0.2907 0.1061 1.2059 ct
b 1
Donde la matriz que acompaña al vector [b

kt , b ct ]t
at , b es la matriz “F” y el vector [0,1,1]t
es el vector “G”. Cabe mencionar que la inversa de la matriz A está representada por la
siguiente matriz:
 
0 6.5434 0
−1
A =  0 0 1.0000
−0.4664 −0.8729 1.0000
Paso 3: Descomposición de Jordan de F
Al aplicar la descomposición de Jordan de la matriz F se obtiene lo siguiente:
 
0.333 0 0
J = 0 0.979 0  (3.157)
0 0 3.0518
En la matriz J se puede observar que tiene dos eigenvalores con módulo menor a uno
y un eigenvalor con módulo mayor a uno. La condición de Blanchard y Kahn para que
el sistema tenga solución única indica que el número de eigenvalores con módulo mayor
a uno debe ser igual al número de variables forward looking. Dado que el consumo es la
única variable forward looking, entonces la condición de Blanchard y Kahn se cumple para
este modelo.
Paso 4: Partición del modelo

Particionando la matriz de eigenvalores se tiene J1 que contiene aquellos eigenvalores
estables.
165

0.333 0
J1 = (3.158)
0 0.979
De otro lado, J2 contiene el único eigenvalor inestable:
J2 = 3.0518 (3.159)
Además, considerando la matriz inversa de H y sus matrices particionadas:

 
0.3384 −3.7805 2.1490 " #
−1 −1 He 11nxn He 12nxm
H = 0 2.3860 0  H =
H
e 21mxn H e 22mxm
0.6873 2.0640 −2.0640
Donde, cada matriz particionada es:

0.3384 −3.7805 2.1490
e 21 = 0.6873 2.0640

e 22 = −2.0640

H11 =
e H12 =
e H H
0 2.3860 0
Paso 5: Cambio de variable

En lı́nea con la ecuación (3.116) se tiene:
" # " #
He 11 He 12 Xt X
= et
e
H21 H22 Yt
e e Yt
Aplicando a los parámetros del modelo:
    e 
0.3384 −3.7805 2.1490 kt
b kt
b
 0 2.3860 0 at  = e
 b 
b

at  (3.160)
0.6873 2.0640 −2.0640 ct
b ect
b
De igual manera con la ecuación (3.117):
" # " #
H
e 11 H e 12 G1 G
= e1
e
H21 H22 G2
e e G2
La aplicamos a los parámetros del modelo:

   " #
0.3384 −3.7805 2.1490 0
 1 = G1
e
 0 2.3860 0 (3.161)
G
e2
0.6873 2.0640 −2.0640 1
Por tanto el sistema con el cambio de variable quedarı́a:
   
k k
e e " #
 et+1  J1 0  t 
b b
Ge1
at+1  = 0 J2 a
e t + e 2 t+1
G
 b b 
Et b
ct+1
e ct
e
b
    e   
k t+1
e
b 0.3330 0 0 kt
b −1.6316
at+1  =  0 0.9790 0  eat  + 2.3860  t+1 (3.162)
 e    
 b b
Etect+1
b 0 0 3.0518 e ct
b 0
166
Paso 6: Desacoplamiento de las ecuaciones

De la ecuación (3.118) se podrı́a obtener dos subsistemas; es decir, el sistema se puede
desacoplar:
Ecuación estable
X = J1 Xet + Ge 1 Vt+1
" t+1
e
# "e #
k t+1 0.3330 0 k t + −1.6316
e
b b
= (3.163)
at+1
e
b 0 0.9790 e at
b 2.3860 t+1
Ecuación inestable
Et Yet+1 = J2 Yet + G
e 2 Vt+1
Ete ct+1 =
b 3.0518e ct + 0t+1
b (3.164)
Paso 7: Resolviendo la ecuación inestable (encontrando la función de polı́tica)

Resolviendo la ecuación (3.164) se tiene que:
ct = 0
e
b (3.165)
Además, se sabe del cambio de variable (ecuación (3.160)) que:
ct = 0.6873b
e
b at − 2.064b
kt + 2.064b ct (3.166)
Por tanto, combinando la ecuación (3.165) y (3.166):
0.6873 b 2.064
ct =
b kt + at
b
2.064 2.064
ct
b = 0.333b
kt + b
at (3.167)
La ecuación (3.167) representa la función de polı́tica para el consumo.
Paso 8: En el sistema inicial (encontrando la función de estado)

La siguiente ecuación es la representación de estado-espacio alternativo (ecuación (3.156))
que se mencionó lı́neas arriba.
      
kt+1
b 2.1789 6.5434 −5.5434 kt
b 0
at+1 =
 b   0 0.9790 0  at + 1 t+1
b  
Et b
ct+1 −0.2907 0.1061 1.2059 ct
b 1
De esta ecuación se puede obtener la ecuación para las variables de estado. Por ejemplo
para el b
kt+1 se tiene:
kt = 2.1789b
b at − 5.5434b
kt + 6.5434b ct (3.168)
Reemplazando la ecuación de polı́tica (ecuación (3.167)) se tiene:
kt+1 = 2.1789b
b at − 5.5434(0.333b
kt + 6.5434b kt + b
at )
kt+1 = 0.333kt + b
b b at (3.169)
167
Esta ecuación representa la ecuación de estado. Lo mismo se hace con la segunda

variable, la cual muestra la evolución de la productividad:
at+1 = 0.9790b
b at + t+1 (3.170)
Con la función de polı́tica para el consumo y la función de estado se podrı́a obtener las
reglas de decisión de las demás variables. Del cuadro [3.6], la cual contiene las ecuaciones
log-lineales, se puede extraer la ecuación [2]:
bit = b
kt+1
bit = 0.333b
kt + b
at (3.171)
La ecuación (3.171) representa la función de polı́tica (solución) para la inversión bit . De
la ecuación [7] del mismo cuadro se puede obtener la solución para la producción (ecuación
(3.172)):
css iss b
ybt = ct +
b it
yss yss
css iss
ybt = (0.333bkt + bat ) + (0.333b
kt + b
at )
yss yss
css iss
ybt = ( + )(0.333b kt + b
at )
yss yss
| {z }
=1
ybt = 0.333b
kt + b
at (3.172)
De la misma manera para la tasa de interés (ecuación [5] del cuadro [3.6]):
rbt = ybt − b
kt
rbt = (0.333b at ) − b
kt + b kt
rbt = −0.667b
kt + b
at (3.173)
Para el trabajo b
ht se utiliza la ecuación [4] para obtener su solución:
at + (1| −
ybt = b {z α})kt + αht
b b
=0.333
0.333b
kt + b
at = b
at + 0.333b
kt + αb
ht
0 = αht
b
ht = 0
b (3.174)
Finalmente, de la ecuación [3] se obtiene la solución para el salario real w
bt :
hss b
bt − b
ht = w ct
1 − hss
bt − (0.333b
0 = w kt + b
at )
w
bt = 0.333kt + b
b at (3.175)
168
Las ecuaciones (3.167) y (3.169) a (3.175) representan la solución del sistema de ecua-
ciones log-lineales, las cuales son similares a las obtenidas analı́ticamente (cuadro 3.7).
En la figura [3.3] se grafica la función de polı́tica del consumo y de la tasa de interés.
La relación entre estas variables y el capital es lineal debido a que se ha restringido la
apróximación de la solución a la expansión de Taylor de primer orden.
Figura 3.3: Función de polı́tica
Consumo: c_hat = 0.333*k_hat + a_hat Tasa de interés: r_hat = −0.667*k_hat + a_hat

1.4 1
0.8
1.2
0.6
0.4
0.8
0.2
0
0.6
−0.2
0.4
−0.4
0.2
−0.6
c_hat = 0.333*k_hat r_hat = −0.667*k_hat
c_hat = 0.333*k_hat + 0.5 r_hat = −0.667*k_hat + 0.5
c_hat = 0.333*k_hat + 1 r_hat = −0.667*k_hat + 1
0 −0.8
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
3.7. Representación de serie de tiempo

Las funciones de polı́tica y de estado son útiles para encontrar la representación de
serie de tiempo de cada variable. En primer lugar se debe de expresar la productividad
en su forma MA(∞), luego se debe de encontrar la representación de series de tiempo de
la variable de estado kt en su forma MA(∞). La representación MA(∞) permite obtener
ambas variables en función al error t . Finalmente, debido a que las demás variables están
en función a la productividad y al capital, entonces se puede obtener la representación
de serie de tiempo de cada una de ellas con tan solo sustituir la forma MA(∞) de la
productividad y del capital en cada función de polı́tica. A continuación se muestra el
procedimiento descrito.
at = φb
b at−1 + t
(1 − φL)b
at = t
t
at = (3.176)
1 − φL
b
Siguiendo el mismo procedimiento para el capital y considerando la representación

(3.176):
169
kt+1 = ηyk b
b kt + bat
(1 − ηyk L)bkt+1 = b at
t
(1 − ηyk L)b
kt+1 =
1 − φL
t
kt+1 =
b (3.177)
(1 − ηyk L)(1 − φL)
La ecuación (3.177) indica que el capital se comporta como un AR(2):
(1 − (ηyk + φ)L + ηyk φL2 )b

kt+1 = t
kt+1 − (ηyk + φ)b
b kt + ηyk φb
kt−1 = t
b kt − ηyk φb
kt+1 = ηyk + φ)b kt−1 + t (3.178)
Del cuadro [3.7] se observa que el producto, el consumo, la inversión y el salario tienen
la misma función de politica, la cual es la misma que la del capital:
ybt = b
ct = bit = w
bt = b
kt+1 = ηyk b
kt + b
at
Por tanto, estas variables tambien se comportan como un AR(2), la misma represen-
tación de serie de tiempo del capital e inclusive los mismos coeficientes asociados a cada
componente de la serie de tiempo. De otro lado, la función de polı́tica de la tasa de interés
es distinta a las demas variables en su coeficiente asociado al capital:
rbt = ηrk b
kt + b
at
Donde : ηrk = ηyk − 1
rbt = (ηyk − 1)bkt + b
at
rbt = ηyk b at −b
kt + b kt
| {z }
=b
kt+1
kt+1 − b
rbt = b kt
t t−1
rbt = −
(1 − ηyk L)(1 − φL) (1 − ηyk L)(1 − φL)
t − t−1
rbt =
(1 − ηyk L)(1 − φL)
(1 − L)t
rbt = (3.179)
(1 − ηyk L)(1 − φL)
La ecuación (3.179) sugiere que la tasa de interés se comporta como un ARMA(2,1),
tal como se puede ver en la siguiente ecuación:
(1 − L)t
rbt =
(1 − ηyk L)(1 − φL)
(1 − (ηyk + φ)L + ηyk φL2 )b
rt = t − t−1
kt+1 − (ηyk + φ)b
b rt−2 = t − t−1
rt−1 + ηyk φb
rt−1 − ηyk φb
rbt = (ηyk + φ)b rt−2 + t − t−1 (3.180)
170
Cabe mencionar que al igual que las demás variables endógenas, la tasa de interés
mantiene los coeficientes del componente autorregresivo de orden 2 que presenta el capital.
En el cuadro [3.8] se muestra un resumen de la representación de serie de tiempo de las
variables del modelo.
Cuadro 3.8: Representación de series de tiempo
Variable Serie de tiempo

ybt AR(2)
ct
b AR(2)
bit AR(2)
kt
b AR(2)
ht
b AR(2)
w bt AR(2)
rbt AR(2)
at
b AR(1)
Hasta aquı́ se ha encontrado la solución del modelo, las cuales son reglas de decisión que
describen el consumo, trabajo e inversión óptima del agente representativo. Estas reglas
dependen del stock de capital (predeterminado) y de la productividad. Para evidenciar el
efecto del choque de productividad en estas decisiones se podrı́a sustituir la productividad
por su representación MA(∞). De la ecuación (3.176) se podrı́a obtener la versión en
medias moviles de la productividad;
t
at =
1 − φL
b
at
b = t + φt−1 + φ2 t−2 + φ3 t−3 + ...
Introduciendo esta expresión en la solución, por ejemplo, del producto (ecuación (3.172)):
ybt = 0.333b
kt + b
at
kt + t + φt−1 + φ2 t−2 + φ3 t−3 + ...
ybt = 0.333b
En forma compacta :
∞
X
ybt = 0.333b
kt + φj t−j
j=0
Esta última ecuación sugiere que el producto de hoy depende del stock de capital
acumulado hasta hoy (que fue determinado en el periodo previo) y de la acumulación de
choques de productividad (positivos o negativos).
3.8. Funciones impulso-respuesta

La función impulso-respuesta representa el comportamiento temporal de cada variable
endógena ante la realización de un choque. Es importante notar que cada elemento de
171
esta función es un equilibrio. Por ejemplo, cada valor de la función impulso-respuesta del
consumo refleja el equilibrio en el mercado de bienes en cada periodo. De igual forma la
función impulso-respuesta del salario refleja el equilibrio en cada periodo del mercado de
trabajo.
Figura 3.4: Función impulso-respuesta
−3 Consumo −3 Inversión −3 Producto −3 Capital

x 10 x 10 x 10 x 10
11 11 11 11
10 10 10 10
9 9 9 9
8 8 8 8
7 7 7 7
6 6 6 6
5 5 5 5
4 4 4 4
0 20 40 0 20 40 0 20 40 0 20 40
−16 Trabajo −3 −3 −3
x 10 x 10 Tasa de interés x 10 Salario real x 10 Productividad
3 8 11 7.5
7 7
2.5 10
6 6.5
9
2 5 6
4 8 5.5
1.5
3 7 5
1 2 4.5
6
1 4
0.5 5
0 3.5
0 −1 4 3
0 20 40 0 20 40 0 20 40 0 20 40
Nota: Esta gráfica impulso-respuesta se obtiene del archivo “irfs nolineal log.m”
El gráfico [3.4] ilustra las reacciones de las variables ante un choque positivo de produc-
tividad en el perido “t=1”. Para entender por qué cada variable se comporta de la manera
en como se muestra en el gráfico [3.4] se analizará el comportamiento de las variables (del
modelo en general) desde “t=0” hasta “t=4”.
Periodo t = 0: en este periodo la economı́a está en estado estacionario; es decir, está en

el equilibrio de largo plazo. En este equilibrio todas las variables son iguales a su valor de
estado estacionario:
rb0 = yb0 = b
c0 = w
b0 = b
h0 = bi0 = b
k0 = b
a0 = 0
Además, el capital en el periodo “t=1” es igual a la inversión en “t=0”:
k1 = bi0 = 0
b
De lo anterior se concluye que el capital en el periodo “t=0” y “t=1” son igual a cero
(están en su estado estacionario):
172
k1 = b
b k0 = 0
Periodo t = 1: en este periodo sucede el choque, el cual toma el valor de su desviación
estándar σ = 0.0072 :
a1 = φ b
b a0 + 1
|{z} |{z}
=0 =σ
a1 = σ
b (3.181)
Reacciones de la empresa: el incremento de la productividad influencia positivamente el

producto, la cual a su vez incrementa la demanda de factores.
↑b
a1 →↑ yb1 →↑ P mg b
k1 (Dk1 )∧ ↑ P mgb
h1 (Dh1 )
En primer lugar, el efecto directo del incremento de la productividad es sobre la función
de producción:
yb1 = a1 +(1 − α) b
b k1 +αb
h1
|{z} |{z}
=σ =0
yb1 = σ + αb
h1 (3.182)
La ecuación (3.182) sugiere que la producción en “t=1” es mayor que en “t=0” aunque
el trabajo sea igual a cero. En segundo lugar, este incremento en la producción genera un
aumento en la productividad marginal del capital y del trabajo; es decir, incentiva una
mayor demanda de dichos factores por el lado de la empresa.
b1 = yb1 − b
Demanda de trabajo : w h1
: w
b1 = σ + αb h1 − b
h1 (3.183)
Por tanto, dado que yb1 > yb0 , entonces la demanda de trabajo se incrementa (ver gráfico
3.5). En tercer lugar, la demanda del capital se expande:
Demanda de capital : rb1 = yb1 − b

k1
|{z}
=0
: rb1 = yb1 = σ + αb
h1 (3.184)
Reacciones de la familia: la familia representativa se ve afectada indirectamente por el

choque de productividad por medio del mercado de factores. Ante este cambio de condi-
ciones, la familia responde ajustando su curva de oferta de trabajo y de capital.
En primer lugar, dado que la oferta de capital en “t=1” ha sido determinado en “t=0”,
la cual es igual a cero; es decir, el capital se mantiene en el estado estacionario, entonces el
equilibrio en el mercado de capital en “t=1” está determinado en el punto “B” del gráfico
173
Figura 3.5: Respuesta de la empresa ante el choque de productividad (t = 1)
𝒓𝒕 Mercado de capital 𝒘𝒕 Mercado de trabajo
𝒓𝟏 B ℎ𝑠𝑠
ℎ = 𝑤0 − 𝑐0
1 − ℎ𝑠𝑠 0
A A
𝒌𝟎 = 𝒌𝟏 = 𝟎 𝒉𝟎 = 𝟎
𝑟1 = 𝑦1 − 𝑘1 𝒌𝒕 𝑤1 = 𝑦1 − ℎ1 𝒉𝒕
𝑟0 = 𝑦0 − 𝑘0 𝑤0 = 𝑦0 − ℎ0
[3.5]. El incremento de la tasa de interés (b

r1 > rb0 ) produce dos efectos sobre el consumo.
El primero es conocido como efecto sustitución, el cual indica que un incremento en la
tasa de interés esperado en el periodo siguiente reduce el consumo en el periodo actual
e incrementa el consumo en el periodo siguiente. Esto se debe a que el consumidor tiene
una disposición a sustituir consumo intertemporalmente si el incentivo (la tasa de interés)
es cada vez más fuerte. Cabe mencionar que por “incremento” se entiende que la variable
está por encima de su estado estacionario; es decir, rbt > 0. Cuando ello sucede, el efecto
sustitución sugiere que el consumo bct−1 se reduce. De otro lado si rbt < 0 el consumo b ct−1
se incrementa.
El análisis del efecto sustitución se realiza mediante la ecuación de Euler. Al analizar

dicha ecuación en t = 0 se tiene:
c1 − rb1 ]
c0 = Et [b
b
En este caso, un incremento de rb1 producirı́a una caı́da de b
c0 y un incremento de bc1 ;
sin embargo, dado que en t = 0 la economı́a está en estado estacionario, el único efecto
que se mantiene es el incremento del consumo en “t = 1”. Es decir, b c1 = rb1 (Efecto 0).
Dado que la familia está parada en “t=1” es necesario analizar el efecto sustitución en
este periodo:
c2 − rb2 ]
c1 = Et [b
b
Esta ecuación sugiere que si la tasa de interés del periodo siguiente se incrementa;
es decir, rb2 > 0 entonces el consumo de hoy b c1 disminuye. Como se verá más adelante,
efectivamente en “t=2” se tiene que rb2 > 0 y por tanto el efecto sustitución indica que b
c1
disminuye (efecto 1).
El segundo efecto de la tasa de interés es conocido como “efecto riqueza” o “efecto

ingreso”, el cual indica que el consumidor se siente más rico debido a que el costo de
174
alquiler del capital (tasa de interés) se ha incrementado y por tanto sus ingresos también.
Para analizar este efecto es necesario recurrir a la restricción presupuestaria (en niveles)
en “t=1”.
c1 + i1 = w1 h1 + r1 k1
Dado el aumento de la tasa de interés en “t=1”, la familia podrı́a destinar estos re-
cursos a un mayor consumo b c1 e inversión bi1 (efecto 2). Hasta aquı́ estos dos efectos
son contrapuestos, la pregunta natural es qué efecto es dominante. En este modelo ambos
efectos se neutralizan debido a que la elasticidad de sustitución intertemporal es igual a
uno. Tal como se demostrará en el capı́tulo 4, la dominancia del efecto sustitución sobre el
efecto ingreso depende de la elasticidad de sustitución. Por tanto, no hay un movimiento
en el consumo por esta vı́a, solo por el efecto sustitución en “t=0” que produce un incre-
mento del consumo en “t=1” (Efecto 0).
Figura 3.6: Respuesta de la familia ante el choque de productividad (t = 1)
En t=1 se determina la
oferta de capital para t=2, ℎ𝑠𝑠
la cual es perfectamente ℎ = 𝑤1 − 𝑐1
inelástica. 1 − ℎ𝑠𝑠 1
𝒓𝟏 B ℎ𝑠𝑠
ℎ = 𝑤0 − 𝑐0
1 − ℎ𝑠𝑠 0
𝑤1 B
A A
𝒌𝟎 = 𝒌𝟏 = 𝟎 𝒌𝟐 𝒉𝟎 = 𝟎 ℎ1
𝑟1 = 𝑦1 − 𝑘1 𝒌𝒕 𝑤1 = 𝑦1 − ℎ1 𝒉𝒕
𝑟0 = 𝑦0 − 𝑘0 𝑤0 = 𝑦0 − ℎ0
En la figura [3.6] se muestra la reacción de la familia por medio de la oferta de trabajo,

llevando el equilibrio en “t=1” al punto “B”. La pregunta que surge es ¿hasta qué punto
la familia reduce su oferta de trabajo? suponemos que h1 es el equilibrio final. Si esto es
ası́ se debe de cumplir que el salario w1 debe equilibrar la oferta y demanda de trabajo:
hss b
h1 + b
c1 = w
b1 = yb1 − b
h (3.185)
1 − hss | {z }1
| {z } demanda de trabajo
oferta de trabajo
Operando en ambos lados de la expresión (3.185) se tiene:
hss b
h1 = yb1 − b
c1 (3.186)
1 − hss
Pero se sabe que:
c1 = rb1 = yb1 = σ + αb
b h1
175
Entonces reemplazando esta expresión en la ecuación (3.186):
hss b
h1 = 0 (3.187)
1 − hss
Por tanto, el trabajo de equilibrio en “t=1” es igual a cero; es decir, es igual al valor
de su estado estacionario: b
h1 = 0. Por tanto lo que realmente pasa con la oferta de trabajo
es que se reduce sucesivamente hasta llegar al punto “C” (ver la figura [3.7]).
Figura 3.7: Equilibrio en el mercado de trabajo (t = 1)
𝒘𝒕 Mercado de trabajo
ℎ𝑠𝑠
ℎ = 𝑤1 − 𝑐1
1 − ℎ𝑠𝑠 1
C
𝑤1 ℎ𝑠𝑠
ℎ = 𝑤0 − 𝑐0
1 − ℎ𝑠𝑠 0
B
A
𝒉𝟎 = 𝟎
𝑤1 = 𝑦1 − ℎ1 𝒉𝒕
𝑤0 = 𝑦0 − ℎ0
Por tanto, para resumir los valores de equilibrio de las variables se tiene lo siguiente:
a1 = σ , luego: b
b h1 = 0 y yb1 = w
b1 = b
c1 = rb1 = σ
Además, b
k1 = 0 y bi1 = b
k2 . Para hallar el valor de b
k2 se utiliza la ecuación de equilibrio
de mercado de bienes:
css iss b
yb1 = c1 +
b i1
|{z} yss yss
=b
c1
css iss b
1− bc1 = i1
yss yss
iss iss b
bc1 = i1
yss yss
c1
b = bi1 (3.188)
Dado que b c1 = σ , entonces: bi1 = σ y por tanto: b

k2 = σ . El gráfico [3.8] indica el
equilibrio final en el periodo “t=1” en el mercado de factores.
176
Figura 3.8: Equilibrio en t = 1

ℎ𝑠𝑠
ℎ = 𝑤1 − 𝑐1
1 − ℎ𝑠𝑠 1
C
C 𝒓𝟏 = 𝝈 𝜺 𝒘𝟏 = 𝝈𝜺
A A
𝒌𝟎 = 𝒌𝟏 = 𝟎 𝒉𝟎 = 𝒉𝟏 = 𝟎
𝑟1 = 𝑦1 − 𝑘1 𝒌𝒕 𝑤1 = 𝑦1 − ℎ1 𝒉𝒕
Periodo t = 2: en este periodo aún el efecto de la productividad se vislumbra aunque

con menor fuerza. La ecuación (3.189) indica que la productividad en este periodo b
a2 es
menor que en el periodo anterior b
a1 :
a2 = φ b
b a1 + 2
|{z} |{z}
=σ =0
a2 = φσ
b (3.189)
Cabe mencionar que el choque que se considera en este modelo es temporal; es decir,
su realización es en un solo periodo y es igual a su desviación estándar: 1 = σ . En los
siguientes periodos el choque es igual a su estado estacionario; es decir: 2 = 3 = 4 = ... =
0. Ademas, al obtener la representación MA(∞) de la productividad se puede analizar los
efectos del choque de productividad sobre la productividad en los siguientes periodos:
at = t + φt−1 + φ2 t−2 + φ3 t−3 + φ4 t−4 + ...

b (3.190)
Al calcular la variación de la productividad en “t” ante un choque en el mismo periodo
se tiene:
∆bat
=1
∆t
Considerando que ∆t = σ , entonces: ∆bat = σ y además si se sabe que la variación
de la productividad es con respecto a su estado estacionario (= 0) entonces: b
at = σ . De
la misma forma se calcula el impacto del choque en “t+1”, “t+2” y ası́ sucesivamente, se
tiene lo siguiente:
at+1 = φσ ,
b at+2 = φ2 σ ,
b at+3 = φ3 σ ...
b
Este resultado es importante y sugiere dos ideas centrales: la primera es que dado que
φ < 1 entonces el impacto del choque se diluye o disminuye en el tiempo. La segunda idea
es que la maginitud del impacto depende del valor del parámetro de persistencia φ. Si este
177
parámetro es pequeño entonces rápidamente el efecto desaparecerá en el tiempo.
Reacciones de la empresa: como se mencionó antes, el primer impacto del choque de

productividad es sobre la función de producción.
a2 + (1 − α)b
yb2 = b k2 + αb
h2
yb2 = φσ + (1 − α)σ + αbh2
yb2 = (φ + (1 − α))σ + αb
h2 , φ = 0.979, α = 0.667
yb2 = 1.312σ + αh2
b (3.191)
De los resultados de equilibrio en el periodo “t=1” se sabe que yb1 = σ . Entonces dado
h2 , en la ecuación (3.191) se observa que el coeficiente (1.312) que multiplica a σ en yb2 es
b
mayor al asociado a yb1 (1). Esto sugiere que: yb2 > yb1 > 0. El incremento del producto a
causa de la mayor productividad incentiva a la empresa a expandir su demanda de trabajo
y de capital como se ve en la figura [3.9].
Figura 3.9: Respuesta de la empresa ante el choque de productividad (t=2)

ℎ𝑠𝑠
ℎ = 𝑤1 − 𝑐1
1 − ℎ𝑠𝑠 1
C
𝒘𝟏 = 𝝈𝜺
𝒓𝟏 = 𝝈 𝜺 C
D
𝑟2 = 𝑦2 − 𝑘2 A 𝑤2 = 𝑦2 − ℎ2
A
𝒌𝟎 = 𝒌 𝟏 = 𝟎 𝒉𝟎 = 𝒉𝟏 = 𝟎
𝑟1 = 𝑦1 − 𝑘1 𝒌𝒕 𝑤1 = 𝑦1 − ℎ1 𝒉𝒕
𝒌𝟐 = 𝝈𝜺
Al reemplazar el valor del producto en la demanda de capital se obtiene lo siguiente:
rb2 = yb2 − b
k2
rb2 = (φ + (1 − α))σ + αb
h2 − (σ )
rb2 = (φ − α)σ + αh2
b (3.192)
| {z }
0.312
Se sabe que la tasa de interés de equilibrio en el periodo “t=1” es rb1 = σ . Entonces

al comparar este resultado con la ecuación (3.192) se deduce que rb2 < rb1 . Esto indica que
la demanda del capital en el periodo “t=2” no se ha expandido lo suficiente como para
incrementar la tasa de interés por encima de rb1 . Cabe mencionar que aunque la tasa de
interés es menor que el periodo anterior sigue siendo mayor al estado estacionario y por
178
tanto sigue produciendo un incentivo de sustituir consumo de hoy por mañana (efecto sus-
titución negativo en el consumo de hoy) y sigue generando ingresos positivos a la familia
(efecto ingreso positivo) aunque en menor medida que en el periodo “t=1”.
Reacciones de la familia: el efecto ingreso se puede observar en la restricción presupuestaria

(en niveles):
c2 + i2 = w2 h2 + r2 k2
Donde el lado del ingreso se incrementa debido al aumento de la tasa de interés con
respecto a su estado estacionario. Cabe mencionar que este incremento es menor con res-
pecto al periodo previo. Esto produce que el consumo y la inversión en “t=2” aumente
pero en menor proporción (con respecto al periodo previo). De otro lado, el efecto susti-
tución sugiere que el consumo en “t=2” también deberı́a de aumentar y el consumo del
periodo “t=1” deberı́a de disminuir:
b c2 − rb2 ]
c1 = Et [b (3.193)
Por tanto, ante el incremento del consumo por efectos de la tasa de interés, la familia
se siente con recursos suficientes como para sacrificar ocio. Esto lleva a la reducción de la
oferta de trabajo en el periodo “t=2” hasta el nivel en el que el trabajo se queda en su
valor de estado estacionario (ver la figura 3.10).
Figura 3.10: Respuesta de la familia ante el choque de productividad (t=2)
Mercado de trabajo
𝒘𝒕 ℎ𝑠𝑠
ℎ = 𝑤2 − 𝑐2
1 − ℎ𝑠𝑠 2
D ℎ𝑠𝑠
ℎ = 𝑤1 − 𝑐1
1 − ℎ𝑠𝑠 1
𝒘𝟏 = 𝝈𝜺 B
A 𝑤2 = 𝑦2 − ℎ2
𝒉𝟎 = 𝒉𝟏 = 𝟎
𝑤1 = 𝑦1 − ℎ1 𝒉𝒕
Luego que la empresa y la familia han reaccionado ante los efectos de choque de
productividad, el cual se materializó en el periodo 1, se tiene los siguiente valores de
equilibrio de las variables en el periodo 2: b a2 = φσ , luego: bh2 = 0 y yb2 = w
b2 = bc2 =
(φ + 1 − α)σ . Además, se tiene que rb2 = (φ − α)σ . De la misma manera que en el periodo
1, se puede concluir que bajo la restricción presupuestaria la inversión en equilibrio es
igual al consumo de equilibrio:
179
c2 = bi2
b
Asimismo, por la ley de movimiento del capital se sabe que: b
k3 = bi2 . Por tanto, los
valores de equilibrio de todas las variables son:
yb2 = w
b2 = b k3 = (φ + 1 − α)σ ,
c2 = bi2 = b a2 = φσ ,
b h2 = 0
b
La figura 3.11 muestra el equilibrio en el mercado de factores en el segundo periodo.
Figura 3.11: Equilibrio en t = 2

ℎ𝑠𝑠
ℎ = 𝑤2 − 𝑐2
D 1 − ℎ𝑠𝑠 2
𝒘𝟐 = 𝟏. 𝟑𝟏𝟐 𝝈𝜺
Equilibrio en t=1
C
C Equilibrio en t=2
𝒓𝟐 = 𝟎. 𝟑𝟏𝟐 𝝈𝜺 D
𝑟2 = 𝑦2 − 𝑘2 𝑤2 = 𝑦2 − ℎ2
A A
Equilibrio en t=0
𝒌𝒕 𝒉𝒕
𝒌 𝟐 = 𝝈𝜺
Periodo t = 3: en este periodo los efectos del choque de productividad aún persisten
aunque con menor impacto.
a3 = φ b
b a2 + 3
|{z} |{z}
=φσ =0
2
a3 =
b φ σ (3.194)
De la ecuación (3.194) se puede inferir que b a3 = φ2 σ es menor que ba2 = φσ . Por
tanto el impacto sobre el producto será positivo pero menor que en el periodo “t=2”.
Reacciones de la empresa: dado que el stock de capital se ha estado incrementando entre el

periodo 2 y 3 (pasó de b
k2 = σ a b
k3 = 1.312σ ) y que además los efectos del choque que se
materializó en el primer periodo aún persisten, en menor fuerza, en el tercer periodo. Todo
ello lleva al producto a incrementarse en este periodo tal como se muestra a continuación.
a3 + (1 − α)b
yb3 = b k3 + αb
h3
yb3 = φ2 σ + (1 − α)(1 + φ − α)σ + αb
h3
yb3 = (φ2 + (1 − α)(1 + φ − α)) σ + αb
h3
| {z }
=1.3953
yb3 = 1.3953σ + αb
h3 (3.195)
180
Al comparar con el producto del periodo “t=2”, se tiene lo siguiente:
1.3953σ + αb
h3 = yb3 > yb2 = 1.312σ
Ante el incremento del producto, la empresa expande su demanda de capital y de
trabajo como en los peridos previos, tal como se observa en la figura 3.12.
Figura 3.12: Respuesta de la empresa ante el choque de productividad (t=3)
𝒓𝒕 t=3 Mercado de capital 𝒘𝒕 Mercado de trabajo

ℎ𝑠𝑠
ℎ = 𝑤3 − 𝑐3
D 1 − ℎ𝑠𝑠 3
𝒘𝟐 = 𝟏. 𝟑𝟏𝟐 𝝈𝜺
Equilibrio en t=1
C
C
𝒓𝟐 = 𝟎. 𝟑𝟏𝟐 𝝈𝜺 D
E
𝑟3 = 𝑦3 − 𝑘3
A A 𝑤3 = 𝑦3 − ℎ3
Equilibrio en t=0
𝑟2 = 𝑦2 − 𝑘2 𝑤2 = 𝑦2 − ℎ2
𝒌𝒕 𝒉𝒕
𝒌𝟐 = 𝝈𝜺 𝒌𝟑 = 𝟏. 𝟑𝟏𝟐𝝈𝜺
Al reemplazar el valor del producto en la demanda de capital se obtiene lo siguiente:
rb3 = yb3 − b
k3
h3 − 1.312σ
rb3 = 1.3953σ + αb
rb3 = 0.0833σ + αh3
b (3.196)
Al comparar el valor de equilibrio de la tasa de interés en el periodo “t=1”, ecuación

(3.192), con la ecuación (3.196) se observa que la tasa de interés en el periodo 3 se ha
reducido significativamente: el coeficiente de σ en la ecuación de demanda de la tasa de
interés pasó de 31.2 % en el segundo periodo a 8.33 % en el tercer periodo (ecuación 3.196).
Esto se debe a dos efectos: por un lado la influencia del choque de productividad se diluye
en el tiempo y la expansión del stock de capital es menor; es decir, se incrementa pero a
un menor ritmo.
Reacciones de la familia: ante un escenario de mayor demanda de trabajo y de capital por

el lado de las empresas pero en menor magnitud que en el periodo anterior, los ingresos de
la familia aún se mantienen positivas; es decir, por encima del estado estacionario debido
a que la tasa de interés (aunque pequeña) aún sigue siendo positiva. Asimismo, el salario
real se mantiene al alza. Todo ello implica que la familia experimenta un efecto ingreso
aunque menor que el periodo anterior pero que permite incrementar el consumo, el ocio
y la inversión. El incremento del ocio se traduce en una reducción de la oferta de trabajo
hasta llegar al equilibrio en “E” (ver la figura 3.13).
181
De otro lado, el efecto sustitución implica una reducción del consumo en el segundo
periodo pero un incremento en periodo actual. Cabe mencionar que dado que la tasa de
interés en el este periodo ya está muy cerca a cero, el efecto sustitución es pequeño.
Figura 3.13: Respuesta de la familia ante el choque de productividad (t=3)
Mercado de trabajo
𝒘𝒕 ℎ𝑠𝑠
ℎ = 𝑤3 − 𝑐3
1 − ℎ𝑠𝑠 3
E
ℎ𝑠𝑠
ℎ = 𝑤1 − 𝑐1
1 − ℎ𝑠𝑠 1
C
𝒘𝟏 = 𝝈𝜺
B
A 𝑤2 = 𝑦2 − ℎ2
𝒉𝟎 = 𝒉𝟏 = 𝟎 𝑤1 = 𝑦1 − ℎ1 𝒉𝒕
Los valores de equilibrio de todas las variables son:
yb3 = w
b3 = b k4 = (φ2 + (1 − α)(1 + φ − α))σ ,
c3 = bi3 = b a3 = φ2 σ ,
b h3 = 0
b
En los siguientes periodos, el efecto del choque de productividad prácticamente des-

aparecerá, lo cual llevará a que la demanda del capital se incremente marginalmente ante
una expansión de la oferta de capital. Ello producirá que la tasa de interés se vuelva nega-
tiva; es decir, este por debajo de su estado estacionario. Ante esta situación, por el efecto
sustitución, la familia aumentará su consumo hoy evitando transladar consumo presente
al futuro. El incremento del consumo presente implica una menor inversión hoy lo que
finalmente se traduce en la reducción del stock del capital en los periodos siguientes. Esta
reducción de la oferta de capital por el lado de las familias se mantendrá hasta que el ca-
pital vuelva al estado estacionario. Este comportamiento llevará a que todas las variables
de la economı́a vuelvan al estado estacionario en un periodo de tiempo.
3.9. Simulación de las variables endógenas

Tal como se indico en el capı́tulo 2, la simulación de las variables endógenas se pue-
de realizar de dos formas: la primera es indicandole a Dynare dentro de “stoch simul” el
número de periodos que se desea simular, la desventaja de este camino es que solo se puede
hacer una simulación. La segunda es utilizar dos opciones de Dynare (periodos y número
182
de réplica), la primera opción indica el número de periodos y la segunda el número de

veces que se desea realizar la simulación. La desventaja de este método es que Dynare
crea un archivo binario, el cual es difı́cil de leer en Matlab. Sin embargo, Johannes Pfeifer
ha creado una función en Matlab que soluciona este problema (para mayor detalle ver el
capı́tulo 2).
El gráfico [3.14] muestra la simulación mediante la primera opción. Cabe mencionar

que para esta simulación se utiliza el código “Long Plosser.m” (sección 5). Asimismo, el
gráfico [3.15] muestra la décima simulación de las variables por medio de la segunda opción.
Figura 3.14: Simulación (primera alternativa)
LnConsumo LnInversion LnProducto LnCapital

−2.4 −3.1 −2 −3.1
−3.15 −3.15
−2.45 −2.05
−3.2 −3.2
−2.5 −2.1
−3.25 −3.25
−2.55 −2.15
−3.3 −3.3
−2.6 −2.2
−3.35 −3.35
−2.65 −3.4 −2.25 −3.4

0 50 100 150 0 50 100 150 0 50 100 150 0 50 100 150
LnTrabajo LnTasaInt LnSalario LnProductividad

−1.6094 0.05 −0.8 0.1
−1.6094 0.04 0.08

−0.85
−1.6094 0.06
0.03
−1.6094 −0.9 0.04
0.02
−1.6094 0.02
0.01
−1.6094 −0.95 0
0
−1.6094 −0.02
−1
−1.6094 −0.01 −0.04
−1.6094 −0.02 −1.05 −0.06

0 50 100 150 0 50 100 150 0 50 100 150 0 50 100 150
Como se puede ver en ambas alternativas de simulación, las variables endógenas (en
logaritmo) se comportan según la representación de serie de tiempo que se deriva de la
solución (ver tabla 3.8).
3.10. Componente cı́clico de las variables simuladas

Para calcular el componente cı́clico se utiliza las series simuladas (100 veces con 150
periodos). Los pasos son los siguientes: en primer lugar se aplica el filtro HP a cada si-
mulación de las variables; por ejemplo, dado que el producto se ha simulado 100 veces
entonces se tiene 100 series, se procede a aplicar el filtro HP a cada serie de tal manera
que se obtienen 100 componentes cı́clicos y 100 tendencias. Todas ellas son de la misma
variable. En segundo lugar, se procede a graficar el componente tendencial y cı́clico de una
de las simulaciones, en este caso se ha graficado la simulación 10 (ver gráfico 3.16).
El gráfico [3.16] muestra el componente tendencial de cada variable endógena (co-
183
Figura 3.15: Simulación (segunda alternativa)
LnProducto LnConsumo LnInversion LnCapital

−2 −2.45 −3.2 −3.2
−2.05
−2.5 −3.25 −3.25
−2.1
−2.55 −3.3 −3.3

−2.15
−2.2
−2.6 −3.35 −3.35
−2.25
−2.65 −3.4 −3.4
−2.3
−2.35 −2.7 −3.45 −3.45

0 50 100 150 0 50 100 150 0 50 100 150 0 50 100 150
LnTasaInt LnSalario LnTrabajo LnProductividad

0.04 −0.85 −1.6094 0.06
Simulación N°10
−1.6094 0.04 Simulación N°20
0.03 −0.9
−1.6094 0.02
0.02 −0.95 −1.6094 0
−1.6094 −0.02
0.01 −1 −1.6094 −0.04
−1.6094 −0.06
0 −1.05
−1.6094 −0.08
−0.01 −1.1 −1.6094 −0.1

0 50 100 150 0 50 100 150 0 50 100 150 0 50 100 150
rrespondiente a la décima simulación). Como se puede observar, la tendencia es la serie

suavizada que pasa por el medio de toda la serie. Cabe subrayar que el trabajo no tiene
tendencia; la lı́nea que fluctúa alrededor de la variable tiene el mismo valor en el eje “Y”;
por tanto, no tiene tendencia ni componente cı́clico.
El gráfico [3.17] muestra el componente cı́clico por cada variable (de la décima simula-
ción). Dicho componente se obtiene de la diferencia entre la variable y su tendencia. Como
resultado de ello, el valor promedio del componente cı́clico es igual a cero. Cabe mencionar
que los gráficos [3.16] y [3.17] se obtiene del código “Long Plosser.m” (sección 4)
3.11. Cálculo de los momentos teóricos

En esta sección se tomará las 100 simulaciones de la sección previa para calcular la
distribución de cada momento; en particular de la desviación estándar. Para el cálculo de
los momentos del componente cı́clico de las variables se utiliza el código “Long Plosser.m”
(sección 5)
El modelo supone que el error t se distribuye como una Normal (0,σ ). Entonces cada
una de las variables también se distribuyen como una normal, con su media y desviación
estándar propia. El gráfico [3.18] muestra la desviación estándar de cada variable simulada
(100 veces). El valor de desviación estándar de cada variable producida por el modelo es el
promedio o la mediana de cada distribución. Por ejemplo, el promedio de la distribución de
desviación estándar del lonarı́tmo del producto es 0.0124, de igual forma para el logarı́tmo
del consumo es 0.0124.
184
Figura 3.16: Tendencia

−2.1 −2.45 −3.2 −3.2
−2.15 −2.5 −3.25 −3.25
−2.2 −2.55 −3.3 −3.3
−2.25 −2.6 −3.35 −3.35
−2.3 −2.65 −3.4 −3.4
−2.35 −2.7 −3.45 −3.45

0 50 100 150 0 50 100 150 0 50 100 150 0 50 100 150
LnTasaInt LnSalario LnTrabajo LnProductividad

0.04 −0.85 −1.6094 0.06
Variable
−1.6094 0.04 Tendencia
0.03 −0.9 −1.6094
0.02
−1.6094
0.02 −0.95 0
−1.6094
−0.02
−1.6094
0.01 −1 −0.04
−1.6094
−0.06
0 −1.05 −1.6094
−1.6094 −0.08
−0.01 −1.1 −1.6094 −0.1

0 50 100 150 0 50 100 150 0 50 100 150 0 50 100 150
3.12. Comparación modelo teórico con los datos

Una prueba clave que evalúa el poder de capturar la realidad por parte del modelo es
comparar los momentos teóricos (brindados por el modelo) con los momentos empı́ricos
(encontrados en los datos). El cuadro [3.9] muestra los momentos que se obtienen del mode-
lo en comparación con aquellos obtenidos por los datos. Cabe precisar que los momentos
teóricos son obtenidos utilizando el archivo “Long Plosser Dynare nolineal log.mod”, el
cual considera el filro HP.
Del cuadro [3.9] se desprende dos conclusiones: la primera es que el modelo de Long y
Plosser está muy lejos de replicar la realidad. Esto era de esperar por los supuestos que se
ha considerado. La segunda es que el modelo puede ser fortalecido en varias direcciones;
por ejemplo, se puede levantar el supuesto de depreciación total o suponer una funciónde
utilidad que permita obtener una elasticidad de sustitución diferente de uno.
3.13. Códigos
En el cuadro [3.10] se indica los códigos utilizados en este capı́tulo.
185
Figura 3.17: Ciclo

0.03 0.03 0.03 0.03
0.02 0.02 0.02 0.02
0.01 0.01 0.01 0.01
0 0 0 0
−0.01 −0.01 −0.01 −0.01
−0.02 −0.02 −0.02 −0.02
−0.03 −0.03 −0.03 −0.03
−0.04 −0.04 −0.04 −0.04

0 50 100 150 0 50 100 150 0 50 100 150 0 50 100 150
LnTasaInt LnSalario −13 LnTrabajo LnProductividad

x 10
0.025 0.03 4 0.03
0.02 3
0.02 0.02
0.015
2
0.01
0.01 0.01
1
0.005 0
0 0
0 −0.01
−1
−0.005 −0.01
−0.02
−2
−0.01
−0.03 −0.02
−0.015 −3
−0.02 −0.04 −4 −0.03

0 50 100 150 0 50 100 150 0 50 100 150 0 50 100 150
Figura 3.18: Distribución de la Des. Est.
LnProducto LnConsumo LnInversion

25 25 25
20 20 20
15 15 15
10 10 10
5 5 5
0 0 0
0.005 0.01 0.015 0.02 0.005 0.01 0.015 0.02 0.005 0.01 0.015 0.02
LnCapital LnTasaInt LnSalario

25 25 25
20 20 20
15 15 15
10 10 10
5 5 5
0 0 0
0.005 0.01 0.015 0.02 4 6 8 10 0.005 0.01 0.015 0.02
−3
x 10
186
Cuadro 3.9: Comparación del comportamiento cı́clico del modelo teórico con los datos
empiricos
Datos empı́ricos USA Modelo teórico

Variable DesEst Corr. con producto (t) DesEst Corr. con producto (t)
Producto 1.72 1 0.0126 1
(0.0017)
Consumo 1.27 0.83 0.0126 1
(0.0017)
Inversión 8.24 0.91 0.0126 1
(0.0017)
Capital 5.34 0.9 0.0126 1
(0.0017)
Trabajo 1.59 0.86 0
(0)
Salario 0.757 0.68 0.0126 1
(0.0017)
Tasa de interés 0.0072 0.2841
(0.00045)
Nota: Los valores empı́ricos han sido tomado de Cooley y Prescott (1995), los cuales han sido
calculados bajo el periodo muestral de 1954.I hasta 1991.III. Mientras los valores teóricos se han
obtenido de una simulación de 100 veces considerando un periodo de 150 trimestres. Los valores
mostrados en el modelo teórico son los valores promedios de cada distribución. Estos valores se
obtiene del archivo “Long Plosser Dynare nolineal log.mod”.
Cuadro 3.10: Códigos en Matlab y Dynare
Códigos Descripción
Matlab
Long Plosser.m Este m-file calcula el estado estacionario,
los coeficientes de la solución del mode-
lo y se aplica el filtro HP a las variables
simuladas (100 veces con 150 periodos).
Además, se calcula los momentos teóricos
del componente cı́clico.
Long Plosser BlanchardKahn.m Este m-file busca seguir paso a paso la
aplicación del método de Blachard y Kahn
al modelo de Long y Plosser.
ifrs nolineal log.m Este m-file grafica la función impulso-
respuesta del modelo Long y Plosser, el
cual está descrito en el archivo mod des-
crito lı́neas abajo.
Dynare
Long Plosser Dynare nolineal log.mod Este .mod contiene las ecuaciones no-
lineales y con las variables en logarı́tmo
del modelo de Long y Plosser (1983, 1989).
187
188

Tomo I Macro Dinámica-123-188

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tomo I Macro Dinámica-123-188

Cargado por

Copyright:

Formatos disponibles

Capı́tulo 3

Modelo RBC con solución

3.2. Construcción del modelo

Figura 3.1: Esquema del modelo de Long y Plosser (1983, 1989)

3.2.1. Función de utilidad

La elasticidad de sustitución intertemporal del consumo debe ser invariante a la

El efecto ingreso y sustitución asociadas con el crecimiento en la productividad

La función de utilidad que cumple estas dos restricciones es:

Donde c es consumo y l es ocio; σ es la elasticidad de sustitución del consumo (inva-

u(c, l) = ln(c) + θln(l) (3.1)

Greenwood, et. al. (1989):

Campbell (1994): trabajo fijo (se usa en el capı́tulo 4)

Campbell (1994): trabajo variable (se usa en el capı́tulo 5)

Long y Plosser (1983) y Plosser (1989):

u(ct , ht ) = ln(ct ) + θln(1 − ht ) (3.6)

La función de utilidad de la ecuación (3.6) se obtiene considerando γn = 1 en la función

Donde ct es el consumo del periodo t y β es el factor de descuento, el cual está expresado

Cuadro 3.1: Efecto de la impaciencia en el factor de descuento

Impaciencia Efecto P∞ t u(c , h )

Considerando la forma funcional de la función instántanea de utilidad según la ecuación

La maximización de esta función objetivo está sujeta a dos restricciones: la restricción

Ineta = Ibruta − Depreciación (3.9)

A la ecuación (3.10) se le conoce como la ley de movimiento de capital, la cual describe

Las condiciones de primer orden, en el periodo “t”, son:

uht = −λt wt (3.14)

λt = βEt λt+1 (rt+1 ) (3.16)

uct = βEt uct+1 (rt+1 )

yt = f (at , kt , ht ) = at kt1−α hαt (3.18)

Una caracterı́stica importante de la función Cobb-Douglas es que la participación de

La renta destinada al pago del capital y del trabjo es rt kt y wt ht respectivamente. Al

Caracterı́sticas de la función de producción neoclásica

1. Rendimientos a escala constante: la función f (at , kt , ht ) debe de mostrar rendi-

f (at , λkt , λht ) = λf (at , kt , ht ) (3.21)

2. Rendimientos positivos y decrecientes: la función de producción neoclásica

3. Condiciones de Inada: estas condiciones indican que el producto marginal del

La optimización: las empresas se desenvuelven en un contexto de competencia perfecta

Sujeto a la función de producción:

yt = at kt1−α hαt (3.22)

Max Πt = at kt1−α hαt − (rt kt + wt ht ) (3.23)

Derivando esta expresión, ecuación (3.23), con respecto al capital kt :

∂Π ∂(at kt1−α hαt − rt kt )

∂Π ∂(at kt1−α hαt − rt kt − wt ht )

3.2.4. Equilibrio de mercado y definición del choque

lnat = φlnat−1 + t (3.27)

Cabe mencionar que el choque de productividad t se comporta como una distribución

3.2.5. Ecuaciones principales

Cuadro 3.2: Sistema de ecuaciones no lineal del modelo

Agente Ecuaciones Descripción

Es importante mencionar que el sistema de ecuaciones está conformada por: [1] el

Cuadro 3.3: Calibración

3.4. Estado estacionario

Para la oferta de trabajo:

Para la demanda de capital:

Para demanda de trabajo:

yss = css + iss

Finalmente para la ecuación de comportamiento de la productividad:

Uniendo la oferta de trabajo, ecuación (3.30), con la demanda de trabajo, ecuación

Operando en la ecuación resultante:

yss = aαss kss

Cuadro 3.4: Estado estacionario

Estado estacionario Estado estacionario (forma paramétrica) Valores

3.5. Linealización vs Log-linealización

lnat = φlnat−1 + t (3.27)

Cabe mencionar que el choque de productividad t se comporta como una distribución

F (at , at−1 , t ) = lnat − φlnat−1 − t = 0