Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1
7.1.1 Sesgo de las ecuaciones
simultáneas 7.1.1 Sesgo de las ecuaciones simultáneas
Para demostrar, consideremos los siguientes Por definición: Cov(Yt, Ut)=E[(Yt–E(Yt))(Ut–E(Ut)]
supuestos:
E[Ut] = 0 Sacando el valor esperado de Yt:
E[Ut2] = 2 0
E[Ut Ut+s] = 0 Yt
It
Ut 0 It
1 1 1 1 1 1 E[Yt ]
E[It Ut] = 0 1 1 1 1
Puesto que E[ut]=0
Supuestos del modelo lineal clásico U 1
E t E[U t ] 0
(1) Yt = Ct + It 1 1 1 1
(2) Ct = o + 1Yt + ut Si se obtiene el sesgo de Yt:
Sustituyendo (2) en (1): 0 It U It
Sesgo Yt E[ yt ] t 0
1 1 1 1 1 1 1 1 1 1
Yt = (o + 1yt + ut) + It
Yt - 1yt = o + It + ut 0 It U Ut
Yt t Sesgo Yt E[ yt ]
Yt (1 - 1) = o + It + ut 1 1 1 1 1 1 1 1
Se puede entonces obtener: Y1t = 10 + 12 Y2t+ 13 Y3t + 14 Y4t + 11 X1t + 12 X2t + 13 X3t + u1t
Y2t = 20 + 21 Y1t + 23Y3t + 24 Y4t + 21 X1t + 22 X2t + 23 X3t + u2t
Cov(Yt, Ut) = E[(Yt – E(Yt)) (Ut – E(Ut)] Y3t = 30 + 31 Y1t + 32 Y2t + 34 Y4t + 31 X1t +32 X2t + 33 X3t + u3t
Ut Y4t = 40 + 41 Y1t + 42 Y2t+ 43Y3t + 41 X1t + 42 X2t + 43 X3t + u4t
1 2
Cov( yt , Ut) E Ut E[U t2 ]
1 1 1 1 1 1 La forma general sería la siguiente:
Dado que 2 > 0, entonces la Cov(Yt,Ut) 0 por lo tanto
Yt tiene comportamiento aleatorio. - 10 + Y1t - 12 Y2t - 13 Y3t - 14 Y4t - 11 X1t - 12 X2t - 13 X3t = u1t
Los estimadores de MCO son inconsistentes y - 20 - 21 Y1t + Y2t - 23 Y3t - 24 Y4t - 21 X1t - 22 X2t - 23 X3t = u2t
sesgados. - 30 - 31 Y1t - 32 Y2t + Y3t - 34 Y4t - 31 X1t - 32 X2t - 33 X3t = u3t
De la misma manera se puede demostrar para la función - 40 - 41 Y1t - 42 Y2t - 43 Y3t + Y4t - 41 X1t - 42 X2t - 43 X3t = u4t
del consumo.
2
7.2 El problema de identificación
7.1.3 El modelo en su forma reducida
Identificación: Se refiere a la posibilidad de calcular los
Para obtener la primera ecuación en forma reducida: parámetros estructurales de un modelo de ecuaciones
Mt = o + 1Yt + u1t simultáneas partiendo de los parámetros de las formas
reducidas.
Mt = o + 1(o + 1 Mt + 2 It + u2t) + u1t Ecuación identificada: Si es posible encontrar estimaciones
Mt = o + 1o + 11 Mt + 12 It + 1u2t + u1t numéricas para los parámetros estructurales,
Mt - 11 Mt = o + 1o + 12 It + 1u2t + u1t Ecuación no identificada: Si no es posible encontrar
Mt (1 - 11) = o + 1o + 12 It + 1u2t + u1t estimaciones numéricas
0 1 0 u 1u 2t A su vez,
Mt 1 2 It 1t
1 1 1 1 1 1 1 1 1 Ecuación está exactamente identificada cuando se puede
obtener un valor único de los parámetros estructurales a
Mt 2 3 It v2t partir de los reducidos.
Ecuación sobreidentificada, cuando se puede obtener más
0, 1, 2 y 3 son los Coeficientes de la forma reducida o de un valor numérico para algunos de los parámetros de
las ecuaciones estructurales.
Coeficientes Reducidos.
K – k < m – 1
3
7.2.2 Condición de rango
7.2.2 Condición de rango
En un sistema de ecuaciones, cualquier ecuación particular está - 10+ Y1t - 13Y3t - 11X1t - 13X3t = u1t
identificada si y solamente si es posible obtener un - 20 - 21Y1t + Y2t- - 21X1t - 22X2t = u2t
determinante no nulo de orden (M-1)(M-1) de los coeficientes - 30 - 31Y1t - 32Y2t+ Y3t ¨ - 32X2t - 33X3t = u3t
de las variables excluidas de la ecuación (endógenas y
exógenas), pero incluidas en las otras ecuaciones del modelo. Resulta más fácil disponer en la siguiente matriz:
Ejemplo:
Y1t = 10 + 13 Y3t + 11 X1t + 13 X3t + u1t NoEc. 1 Y1t Y2t Y3t X1t X2t X3t
Y2t = 20 + 21 Y1t + 21 X1t + 22 X2t + u2t
Y3t = 30 + 31 Y1t + 32 Y2t +32 X2t + 33 X3t + u3t 1 - 10 1 0 - 13 - 11 0 -13
4
7.3.2 El Método de Mínimos Cuadrados indirectos 7.3.3 El Método de Mínimos Cuadrados en dos Etapas
Permite obtener estimaciones de los parámetros estructurales MC2E: Para estimar parámetros estructurales de ecuaciones
para ecuaciones exactamente identificadas sobreidentificadas (si se aplica a ecuaciones exactamente
identificadas da los mismos resultados que MCI).
Procedimiento:
1º Se obtienen las ecuaciones en su forma reducida Supone relacionar cada variable endógena con todas las variables
2º Se estiman los coeficientes reducidos por MCO exógenas y usar los valores pronosticados de las variables
3º Se obtienen estimaciones de los coeficientes endógenas para estimar las ecuaciones estructurales del modelo.
estructurales a partir de los coeficientes reducidos. Las dos etapas son las siguientes:
1ª Estimar por MCO ecuaciones que relacionen las variables
Presentan algunas dificultades: endógenas con todas las variables exógenas del modelo para
obtener los valores estimados de cada una de ellas.
i) Se presenta la dificultad de encontrar las relaciones entre 2ª Se corre la segunda regresión utilizando los valores
parámetros estructurales y reducidos. pronosticados de las variables endógenas que sean explicativas
ii) No es fácil calcular los errores estándar de los parámetros en las otras ecuaciones.
estructurales, por tanto,
Ventajas:
iii) No pueden realizarse las pruebas de significación estadística
• Se puede aplicar MCO obtener estimaciones consistentes.
iv) No se pueden encontrar estimaciones de intervalo
• Permite obtener los errores estándar se pueden efectuar las
v) No es posible estimar ecuaciones sobreidentificadas
pruebas de hipótesis y obtener estimaciones de intérvalo.
Estimación: Ejercicio
Ejercicio: Condición de orden
Verificar en el modelo:
En el ejemplo:
1) Wt = o + 1Pt + 1 Qt u1t
(1) Wt = o + 1Pt + 1 Qt u1t
(2) Pt = o + 1 Wt + 2 Yt + u2t
(2) Pt = o + 1 Wt + 2 Yt + u2t
K – k m – 1
El modelo en su forma reducida:
(1) 2 - 1 = 2 – 1 Exact. Identificada
(1) Wt = o + 1Qt + 2 Yt + v1t
K – k m – 1
(2) Pt = 3+ 4 Qt + 5 Yt + v2t
(2) 2 -1 = 2 - 1 Exact. Identificada