Wuolah-Free-Cuaderno Tema 1 - Econometría III

CUADERNO TEMA 1 - ECONOMETRIA II...
m_jose_18_7
Econometria Iii
4º Grado en Economía
Facultad de Economía y Empresa

Universidad de Murcia
Reservados todos los derechos.

No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
CUADERNO TEMA 1 - ECONOMETRÍA III
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-7378034
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
Te has descargado este apunte gracias a la publicidad. También puedes eliminarla con 1 coin.
Econometria Iii
Banco de apuntes de la
REPASO POR LAS ECONOMETRÍAS I, II y III
ECONOMETRÍA I ECONOMETRÍA II ECONOMETRÍA III

1.- Modelos de ecuaciones simultáneas
yj-po-p.li Ei
po-ipixt-E.tl/i.jPo-PiXit-Ei-
+
y
corte temporal lo situamos en el tiempo MES
*Muchos países trasversal 2.- Variante de ecuaciones simultáneas
*Un país VAR
3.- Modelo de datos en panel
*Varios países a lo largo del tiempo
CONOCIMIENTOS
CONOCIMIENTOS A TENER EN CUENTA ll ECONOMETRÍA II
ECO DE
X
f- Eyíplx µ
' -
Sa
f-
ECXI IKYI Itplsxy Txy
> - -
-
SÍ I )?
pls?x
f- Elxi
> -
y
: á -151
Jn
>
✗
Et ETNN ( ONI ) Et G- NNCQU )

y Xp ✗
Xp
+
-
-
con
= + con
pjnco :( Áncora :( XÜXTXÜ

' ' '
XI
-
✗ ✗ Y '
Y
-
Inferencia —> ✓ ( jbmcor ) :P ( ✗ Ú Vcpisnco) -84×1×1

' "
"
×)
'
parecido a MCO—>
-
-
¿Cómo obtener un infinito de un AR1?
AR1: depende de su pasado y nada más —> lata

& ayt.IE
'
-
ll ally Et
ALYE OYE
-
-
_
' -
, ,
"
Si es estacionario, podemos escribirlo así —> ft :( 1- al ) Et-YOE-c-YE-L-i-YAE-c.at . . .
ponderaciones: 1 02 }
a
cada vez serán más pequeñas (a<1)
REPASO ÚLTIMA CLASE
estimador
←
FR '
Mii # +
Uit
>
Ñ "
Pt :
MAZE -142T
'
Ña
p.P-L-ipszt-E-LP-L-XQ-i E2tpi.x pt
FE(proponemos teorías económicas) Ut :
—>oferta
—>elasticidad demanda y precio. No afecta la lluvia a la demanda de bienes.
Ahora queremos estimar: . Tenemos que estimarlos indirectamente.
Si es FR, la ponemos—> AYEBXL '

-
Et
'
AYT :D Xttut Hay relación FR y FE
ÁB
'
E A- Et
"
r
-
_
ÁEÁ
Sabemos que: M : ÁB
Pa
M " : 1- Xp , Si: Mal :X y si los tengo estimados, entonces & también.
MII
Mal ✗ Pa Solo podemos encontrar ✗ ,pero no Pi Pa (problema de identificación) ,
1-
xp ,
ÁD
Método para saber que podemos encontrar los parámetros de la FE para la FR (identificado o no):
A B E
(A, B, E) define FE —> 1 -
Ps Po Ti Ra Queremos saber si está identificado o no

IQT
a 1 0 Tai TÍ
, ,
1Pts
Lo normalizo Excluimos a la lluvia
¿Cuáles son los modelos que tienen la misma FR y diferente FE?

"
MOE —> fee fea 1 -
Ps fu fr Pa fu 1-12 TÍ Tea fu fu
-121 722 -
2 1 721 722 O f- 21 722 821 TÍ 72, f- 22

, ,
> Cada vez que invente una A, habrá otra forma

>
Obtenemos de: FAYt=FBXt + FEt, multiplicado por la matriz f.
Solo me quiero quedar con las TA (transformaciones admisibles):
FR ( ñr
, )
?? ¥-ˢwTd¥ÉTIE-EÜ_←_
s#-⇐É!! <
FE
.
A, B, E
(FA, FB, FE)
TA—> debemos imponer la restricción en los modelos iniciales: 1 -
Ps
pa 1
-
1 fea 1 -
Ps I fr pa 1 fee Ti 9a 1 fea
fas tal 1 TÍ la 1
-121 1
pa I 1 O ha
-
, ,
Normalización
= =
=
y
La matriz p (nueva), si es TA, debe tener las mismas restricciones que la inicial
Son infinitos también, pero hay menos grados de libertad
Pa
faspa >
Ahí aparece la lluvia, y no debería. Necesitamos un 0
ahí para que sea TA
faipa :O faro Imposición>
:-O
p
Por tanto,
'
1 O 1 -
Ps I fr pa 1 fee ti Ra 1 fea
1 Ti O 1
O I
pa 1 O 1 O O ha
-
, ,
No la miramos porque no tiene restricciones en E. Si no, tenemos que imponerlo también.
No podremos encontrar estimación de Pipa y ✗ a partir de la FR. Está identificado cuando hay una TA (modelo
de partida). Si la única matriz posible es la de identidad —> 10 F=I
01
Si cuando miremos F y sea:

*F=I —> identificado
* F =/ I —> no identificado
Para ver si podemos recuperar variables, si están identificadas:

\
Corresponde a la primera ecuación. No se puede encontrar —> no

"
p
1 fu 1 O identificado
,
Podemos encontrar parámetros de la segunda ecuación y estimarlos
O 1 O 1 según la FR.
EXAMEN AÑO PASADO
1.
-
Yat -
✗ 12k£ tbmkt-bkkt-brskst-E.it
Yzt :X 2141-1+621×1 -1+622×2-1 -
'
basket Est
Restricción b12 -1622=0

623--0
Necesitamos matrices en FE —> (A, B, E) AYEBXT + Et
* 1 *2
1 -912 kt Yet -
derbi * 1- _
Yet
* 2=-912%-1
=
×'
-021 1 kt YA -
Asi Yet bll bez . . . X2 =

. . .
✗3
A Lo que nos debe dar :
Por tanto,
= 0 por restricción
>
^
(A, B, E) —> 1 -012 bei bubi} TÍ tía
i
-
lla 1
,
421 barba} re, ri
"
MOE—> fu fu fu fu fu fu fu fu
Solo interesada en A
,
B
,
E
que se cumplan las

restricciones ✓
722 721 722 721 722 721 722
Á ñ E
TA—> f fía 1 fe ba bes bes

'
A FEF
, ,
i i
✓
1 £21 A bsi bar bass
E PE
Con la restricción de abajo,

PE s
butfezbaibrzt-fkbs.sn bis cambiamos en TA para que sea
De MOE, no TA (le ✓
TA y no MOE.
faltan restricciones). bsitfsibll bsidtfzesbez b23f21 ⊖
necesitamos —> f21b13=0 —> f21=0
s
Necesitan sumar 0 (restricción inicial) A
Por tanto,
⊖
blztflzbaat-2lblztb22.io >
(b12 -1622 :O) >
trabar =D >
fea :O
(Ya sabemos que f21=0)
Se debe cumplir para que MOE —> TA
*Si f21= 0 —> identificado
*Si f12/= 0 —> no identificado
l
FR ( ñr
, )
KEELER!?IIEaTE€_S-_-_É! <
??
FE
.
A, B, E
(FA, FB, FE)
Los que no tengan 1 O Los que no tengan 1 FR Los que no tienen 1 fea
= =
=
I
O 1 O
=
1 fas f
EJEMPLO DE MÉTODO DE RESTRICCIÓN EXCLUSIÓN
Endógenas
Ys Y Ys ✗e Xz ✗3 Xi
YI 1 -012 O Pit Bee O O C- ( (3) G) =

-423 Pts O
Y -021 1 -931 ,
O O
Ps3 O L O BH
¿Condición necesaria? —> Ri ≥m
.
Y} -931 O 1 O O O Ps4 2>1
Por tanto, el Rang(C)=2

Obtenemos esos números y letras de las ecuaciones La primera ecuación está identificada.
Ytiaezilat buxet-bezxz-E.it
'-
RCC) :
1min ? >
pay -1-0
02kt -102373T -1623×31-+62-1 RCC ) 2? V23 Ps3 Det (c) -1-0

'
Kt
Ps3
' : =
= -
Yost 93,1kt -1034×4-1

: + Est f O
Ahora estudiaremos la segunda ecuación:
RI ≥ Ma
372
Tantos 0 como haya en la fila 2 de B
C- ( Cs Cs )
_
,
: B " Bea O
O O Ps4
Detcc ) Ben O
papaíto
:
=
O PS4
Rg (c) =L
A continuación, la tercera ecuación:
RI ≥ M3
3=1
C- ( [ 3 ( )
_
,
s
:
-012 PM B12 O
1 O O Ps3
PROPONER ESTIMADOR POR VARIABLES INSTRUMENTALES
YIt-URYzt-buxlt-brkt-E-LYzt-AUY-l-aasYzt-bzskst-E.at
43EUR Yet + a 34 # + Est
}
✗( l
B "
Yii :( ya ✗ ni Xat ) + En FORMA ESTRUCTURAL

,
,
pe ,
Y '" ×"
Ty;] [¡
✓
"
×"
-
ai i +
:( XIT ) Eji yjt-zjdj-ig.tt
+ >
=
: ; :
Yjt
=
Yje ,
bj
Yat
lxmj exkj YIT ✗ It ✗ 2T
_
v
↓ ↓
Todas las variables V >
Z,
endógenas dentro de la
,
Yj
=
Yj , Xj f. +
=
E/ *
función Kyne ltmj) F. Rj)

,,
zj
*
rj O O
a
E , ni IDNLQEI )
Ej -
.
a
=
TJIT
Ti
↳
Solo cuando están en el
mismo momento del tiempo
FORMA REDUCIDA
✗ "
Yii :( yat Xat ) 1- Eli

,
✗ ir
↑:
ai
! !; Xsit ) Eji
= +
Yje ,
exkj
bj .
Jj ¡ ZÍJJTET
⊕ "
"
:( Kit )
+
⊕ ✗ it -1hr Xat + Mis ✗ 3++1714 Xut +
Uit ✗ it Xai ✗3T Un ?)
¡ ¡ DNLO , W
Y
: ~
" :
, ,
""
- ✗e
yj , Xu Xzi ✗31 Xul Mi 44
yj.it/c-Mj+Ujt
→ : =
: Me +
:
: : :
p ,,
YJT -
XIT Xzt ✗3T ✗4T MH UIT
yj-XMj-uj~iidvco.nl ↳
wj It
↳
T.j '
'
=
;
i.
¿Cómo se estimarían los de la FR?

tij :( ✗ XÍÍYJ
'
La forma de estimar los parámetros de la FR, es con el MCO —>
MÍNIMOS CUADRADOS EN DOS ETAPAS
Yt =
Uk Yat +
bit Xet +
biz Xx "
Eit YIE ✗ 12 Yzt P +
,
Xit +
Pa Kat
'
Elt
YZT =
así Yit +
da 343 t + b. 23 ✗3T +
Eat Usaremos: mínimos cuadrados en dos etapas
Yzt =
431 Yet + A 34 ✗4T + Est Variable exógena que no está en la
primera ecuación, pero sí en el
Y t
=
ala Yzt +
bit ✗ It +
biz Xzt +
Eit sistema
exóq
☆
Mínimos cuadrados en dos etapas —> X3t, X4t —>

1) Ya
=
Mal ✗ I t +1722 ✗s e +
1723 Xst +
Man Xut + Uat
,
Ñ at Ñ Ñ 23 ✗3T Ñ 24
n
Xie
+
Xat + +
Xyt + Ú at
ya
=
22
,
Son exógenas s
Endógena (residuo)
:
Es exógena
Exógenas
E) Yie =
Liz Yat Ps K t pa Kat Eit —> MCO (estimador consistente)
+
,
' +
Metemos solo la parte exógena
Y Ji
F ? Ty;] [§:)
" " "
: =
: +
YIT Yat ✗ it ✗ 2T
Y ,
El f ,
El
^
MCO
(zizi ) -2,4
"
f ,
=
,
¿↑ :(É E.) É
" "
, .
Y
,
a V1 ^
"
f. :( J 7.) ,
É '
Yi
ÍW
'
lw
'
✗ y
Si tengo que estimar un modelo que tiene variables con problemas de endogeneidad, buscamos las exógenas con el
mínimo cuadrado en dos etapas. Metemos todas las exógenas y realizamos MCO descomponiendo en dos componentes:
Aplicamos MCO en la 2º etapa.
Tendremos que utilizar un contraste de endogeneidad para ver el nivel de endogeneidad. Hay que asegurarse de que los
instrumentos de otras ecuaciones no generan problemas de endogeneidad o hay problemas con el ruido de la ecuación
(no se pueden relacionar).
2º ecuación:
Endógena Exógena
b23Xst-fatnh.tl
Ecuación que queremos estimar —> lfzjtaifit -1×224 # +
Las endógenas se relacionan con el ruido de
la ecuación
,
YIE Últ
Jost Ust
Los instrumentos parainstrumentalizar y1t e y3t son todas las variables exógenas que no aparecen en la ecuación
principal:
Le quitamos esa parte
"
1) Y ÉMIIXIT -11712kt -11713×31-+1714 Xuttuit

,
necesito —> Fit =
XÉÑ ,
Hemos encontrado:
yzt.MS/X-L+M32X2ttM33X3t+M34XUt+U3t necesito —> % ¡ XÍTÍ
>
}
E) Jajaaj #
+
trryisetpzskst '
-
Est Esta nos garantiza consistencia
3º ecuación:
✗ 3191T +
Ps4 XUT test No MCO. Utilizamos X11’s, X2t, X3t, que están en las otras
'
Yze
-
^ ↓
Yuna ecuaciones.
Je
Exógena Endógena
f) Kt Xat Xst kit
Ponemos 1t porque es la que genera problemas >

ᵗ
FR → Mike + Mia Xat +

Mis Xsst +
Minke -14k
y ,
>
ÚÍE
E) No usamos Y1t, usamos Y3t, solo la parte exógena que es con ^

.
Yzj XSIÓE P34ket-E.se

+
-1Gt
Y> Édailfittpsuklet
>
RESUMEN
X2t y X3t no deben relacionarse con el ruido de la ecuación.

¿MCO o VI? MCO si quito y VI si dejo.
Pasos:
0º.- Lo que no está identificado, no se estima.
1º.- Contraste de endogeneidad.
1.1.- Regresiónde la FR de la variable que genera problemas de endogeneidad.
1.1.1.- Si tengo más variables, lo repito para todas las que presenten problemas.
1.1.1.1.- Ylt Mil ✗ MR Xsnt Mis ✗ that
=
it
+ +
Írt 3T
'
1.1.1.2.- Ampliamos con los residuos que queremos tener

Yat Hay, bar ✗ 2T tuit 1- Eat
-
_
+ +
Mínimos cuadrados en dos etapas sin landa —> MCO

Si nos da igual, las dos estimaciones son parecidas.
Si Y es endógena, usamos VI
Podemos hacer el siguiente contraste para saber la endogeneidad de Y:
H0: d--0 —> MCO

H1: A =/ O —> tendremos que poner tuit —> MC en 2 etapas.. VI /=MCO —> VI
TRANSPARENCIA 50
✗ 2 Yat ?
Yit Pil Ki
= ' +
Elt
'
G
G 12
Proporciona estimadores eficientes y consistentes.
Eat G¡
'
Jzt
=
da '
Y , [
+
paz ✗ ae +
MC3E —> permite estimar todo el modelo al mismo tiempo
(covarianzas incluidas)
Nos centramos en una ecuación y nos olvidamos de las demás: estimación de información incompleta.
Parte del modelo, covarianzas entre las dos ecuaciones, solo se estima.
El coste de eso, es que obtenemos una estimación muy grande.
El de las dos etapas es consistente y se olvida de las covarianzas.
Inconvenientes de las tres etapas:
1.- Si tengo que estimarlo todo, son numéricamente complejas para encontrar la información.
2.- Los de info completa: la dimension es difícil encontrar solución, todas las ecuaciones deben estar identificadas, si
la segunda ecuación está mal especificada, se nos olvida un ()^2, y los parámetros estarán mal. Esto contagia la
estimación de la parámetros de la primera ecuación.
Primero con dos etapas:
Regresamos Y2 en su FR —> '
y ze
=
M " ✗ it +
Mis ✗ z t + Uat →
Jae
JIN ja
NI :|
_
(
E"
-
J" ,
. . .
X"
Estimamos la segunda variable:
: =
:
P "
Iii j . .
✗ a-
Sustituimos Y2 por su estimación (dejamos lo exógeno sin tocar):
y ,
=
ÉL +
E. → F- LÉIÍIÉIY ,
→ ex
Me quedo con
los residuos
Método de estimación de tres etapas: para la tercera
etapa
① ¥] 1
Jat
.
② s
1) d) ti Mis ✗2T Regresar en FR.
] M " ✗' t
+
= + + Ult
→
2
,
z,
:
=L :X :*:|
2) Todas las observaciones de Y2: "
;
Jat Y It
Cambio a por la estimación

n
n
CZAÍAÍZAY
^
,
La =
, eeat
Me quedo con los

residuos para la
tercera etapa
3) Ponemos todas las observaciones de Y1 e Y2 -
← de 1- eq
l ÷:/ =/ } |}
"
÷
" "
" . E"
/¡
: : :
: :
Es ×"
:-,
+
.
Y "
O .
. .
OJ .
.
*,
:
i
: ¿ si
Jit ✗2T
Quiero tener dos ecuaciones, así que para que desaparezca la primera, ponemos 0.
ÍATXI =
Z
a-
J É
+
ZTXCMITR , -1 MZTRZ )
¡Y
^
Hacer mínimos cuadrados en dos etapas, es hacer MCO —> trae = É 'Í
Esta estimación no tiene en cuenta:
ñ
a
Í ÍA Y
~
'
Smcae :(
'
,
TÍO O Ok 00
O O ti 00812
tia O O TI O O
O O Tu O Ori
f.
67 =
ECE . . En ) O :-[ ( Eyez) coulfechadosen -
-
=
momento)
◦ =
ECE" E " ) ° ' " ' °" OE "" E " " ◦ """ b""
)
ll
D= ECE " Eiz varianza

D= ECEII
,
Eas) :O
Ti C- ( Ev Ev ) Tr ELEIEEAI) coutmoment)
= :
:
~
ñ
a
ÍTÍÍ /d- SÍY

'
Smcse :( Si quiero esto, debo estimar ¿ que es la última parte de la etapa.
Ji ÓI
J E [ Ei ] YTEE?
YTEEat-sfr-HEeit-ea.tn
→ -
_
-
.
a LOU ~
CÉIÉ E)
a
Una vez que tengo É lo meto —> Smoot EE Y

"
"
-
Y
YIE =
MIIXIE +
Mr Xzttvlt Wi Wiz
WI —> en FR esto puede ser lo que quiera ser.

-
= 1721 Xitt Mrzllzt + Uzt

Jae
J "
XII ✗ 21
. .
.
U "
⊕, ,
i. =
p.at :
YIT XIT Xzt UIT
Y =
XM + Vi →
WÍIT
, ,
Ti XTIÍY
'
, :( ✗ ,
Yu Xu Ki O O Un
}
i I I Mii !
Ki Ki O O Mia ,
Uii
Ya , O O XI , ✗ 21 Mal V21
i I I i : Mar :
Yat O O ✗ it Xai Uzí Wi O OWRO O
W ? v12
¡ ¡ Ñ ñ → SÍ =
uno Owio O
^ V12 W }
→
j.in iñ
-
O C- ( Oh , UR )
-
Éaco Í Í
"
:(ÍÍX )
'
O Eluuiuis)
-
Entre explicativas no hay endógenas. WEE (Un , UIT )

Es una estimación consistente porque en la matriz están las predeterminadas. El V21)
=
Wiz U
☐ =
ECUII V22 )
Timeo :(ÍLÉX ) IÍÚÍÍ

,
"
<
ECU v41
-
un
-
Cuando las variables explicativas son iguales en todas las ecuaciones (en FR), en esos modelos, estimar MCO o MCG
es igual. No ganamos eficiencia proponiendo MCG en FR.
Si quiero eficiencia y consistencia, estimo ecuaciones por separado con MCO (que las variables explicativas sean las
mismas en todas las ecuaciones):
He Xai 00
Xetlsi ÓÜ
00×11×21
¿ ÓXII a-
RESUMEN RESUMEN
Tenemos que dar con un estimador consistente y eficiente:

s
CONSISTENCIA EFICIENCIA
FR MCO MCO
FE MC2E MC3E Cuando la covarianza=0 para todas las ecuaciones

MC3E *MC2E del sistema
Nos piden
parámetros de la FE
MODELOS DE ECUACIONES SIMULTÁNEAS DINÁMICOS
MODELOS DE ECUACIONES SIMULTÁNEAS DINÁMICOS
FE →
AOYT A. Yt +
Ap Yt ptpoxttpilt
tpqX-i-q-E-CFR-Y-c-AJA.Yt.it
it it
-
- -
- -
. . . .
. _
Si no modelizo la inercia aquí, se irá al ruido y dejarán de ser blancos
. _
TAÍAP Ye -
px ÁÓPOXT AÍP + . ✗ t.it . -
tthípsqxe -
g-
+ AÍEC
renombramos —> Yt =
CIYT -
it . . .
+
Cp Yt p
-
+ MOXE + Mi ✗ t -
it . . .
+
Mq Xt g- -
+ Ut
FF →
[I -
AL -
. . .
CPLP ) Yt - ( rotniltnq E) ✗ c- +
Ut
todo lo que depende de Y, nos lo traemos

[ (C) Te MCL)
> <
Por tanto -
CCLIYT :D ( L)✗ ttut
CCLÍUT
-
'
Si es estacionario, podemos llevarnos el C(L) al otro lado: Yt :

CLL ) MCLJXE +
> Cuando lo aplique, se

✗ t
=
FOXt-faxt-i-faxt.at . . .
+ Youet Hut - it tant -2 +
. .
.
retardará: es E ponderada .
Las F me calculan el efecto conjunto de las F y . Aíslan de forma total el retardada.

efecto de X sobre Y. Podemos saber cómo algo sorpresa o afecta a las
variables o cómo afecta a las variables.
YE Fei Fei üc FÍ Fía ity ÉÍ Éz vi -2
It
=
Fai Fai Me
+
Fsí Fía mty
+
FÍ, Fiz Mt,
+ ' "
+
CCLÍUE
Tct Fzi Fzsi FÍ , fría FÍI FÍZ ↳ compartamos Es
porque no nos interesa .
Yt
Si aumenta it, ¿cómo reacciona Yt? Nos lo dice Fi FRI
Cuando aumenta it, transcurrido un periodo —>

Si transcurren tres periodos —> FF so
it
•
FÍ
Si no hay nada, el PIB vale algo.
Ei
•
-
,
Si hay algo en la economía, el PIB
Fii
vale otra cosa.
La resta, es ese valor: y; ¥
"
Yt
-
↳ nivel que habría
Si aumenta Mi, Yt reacciona —> Fiz FRI ↓

no ocurre
tenido
producido
si se hubiese
cambio en
Transcurrido un periodo —> fila nada enlaeco .

Él / por ejemplo
FME
|
↓
%;
F"
tiene
impacto
menos
tqp
.
¿De dónde sacamos las F= Son combinaciones de C y , que vienen de A y B.
Necesitamos que A y B estén bien estimados —> identificar modelo (todas las ecuaciones) y estimar de forma
consistente. Si lo necesito, también de forma eficiente.
ESCALÓN
^
/
FÍ Se va n acumulando
Ei
.
. •
Los F son más pequeños
Fi / Fii FI
F¡ FÍTFÍ
+ -1
7- í
. . .
Íuttiitíi? ÓS habríamos
si eso
fuese
-
,
•
[¡
✓
Pericles puntos porcentuales de PIB .
{ r.si//m!)+/F } | E) [ En
+I + 1 +1
Fii FÉ
2
ÉÍ
'
YE ' 'i
{
" ity Fez
tía + , ,
Fai Fai .ru
+ . . .
+
cocine
2
TCT Fsi Fz? FÍ , Ésa FST -832
EJERCICIO 10 (relación 1)
10 Qt =L Pt-i-E.it
,
-
T?
p,
Pt Pt -1 Pallt Ezt Ti
=p ,
+ + -
¿Cómo estimamos consistente entre los parámetros de las ecuaciones?
Paso 1 —> ver si están identificadas
Si estuviera identificada, con Pt-1 está retardada, no se relaciona con el ruido —> MCO
Observamos la segunda ecuación —> Pt-1 no se relaciona, pero Qt podría estarlo.
COU ( Qt Ezt)
,
=
COUCXIPE " + Eit ,
Ese)= XICOUCPT -
( + Eit , Ezt)
-
_
dilo (Pt -1 , Ezt ) +
COULEI -4Gt)
=0. Pt-1 está retardada y no
se relaciona con E2t
Para estimar con MOE—>
(A, B, E) —> 1 O de Ti tiz Tenemos 1 normalización

-
Pal M Tr TÍ
, ,
[ Á, Á É ) ,
-
f f. , 2 1 O & , fz × , f " Sir T? Tia Fifa ,
FÍÁBÉEF '
821 822 -
Pa 1 ,
fzl fzz P ,
, fzi fzz JR TÍ fizfzz
O O O O T?
TA > 1 1 1 a 1 Tia 1 fz ,
8a 1 -
Ra 1 ,
fzi 1 P ,
, fai I Or TÍ O 1
Multiplicamos: V
1-
fiapz fiz Necesitamos 0 ahi para seguir
fai pa
-
1 las restricciones —> f12=0
Ya no hay más restricciones. La matriz F no es I. No está identificada. La 1º ecuación está identificada —>
MCO. La segunda ecuación no podemos identificarla.
O O O T?
fa
10
TA > 1 1 1 a 1 Tia 1 ,
fa 1 -
pa 1 ,
fzl P ,
, fai 1 Jr TÍ O 1
rio t f" =
Ti rifa ,
Tifa, pi O 1 rifa Tifiitri

necesitamos los O .
→
ftp.i-O-lavarespooitivapordefin .
por tanto , fai :O
En este caso, tendríamos las dos identificadas. Como las cov(Qt, E2t) = O, se estiman por MCO:
O
>
*
Cou ( Qt, Ezt) COU (di Ptu Es e) Ezt) Est )
+100*2=-4%1
= + Eit ,
=
ti COUL it
-
l + El t ,
=
a Lou (Pt -
Is
Si llegamos a la 7ª ecuación, todas los anteriores son endógenas y se estiman ecuación por ecuación: MCO.
Cómo obtenemos un infinito de un AR1
l
AR1: depende de su pasado y nada más —> Le =
aye it Et
-
al < 1
le L) =
Et →
alyt =
ayt
ya
-
a
-
i
Si es estacionario, podemos escribirlo así —>

"
Yt =
( 1- al ) Et =
Yo Et + Yi Et -
i
+ Ya Et-2 + . . .
↓
Ponderaciones: ¡ & a
≥
. . .
Cada vez serán más

pequeños (a<1)
MODELOS DE ECUACIONES SIMULTÁNEOS
3 variables:
1 Pt = Mi E- +
Et Variables endógenas en función de exógenas
Pe Qt zt
90 Qt ⊕
P,
=
≥ Et '
-
Et
→
Q, El
fl →
P2 Son modelos de forma reducida. Cogemos las Primero estimamos 1
QZ E2
: : : :
variables y las correlacionamos con variables de
12 → Pt Qt Zt fuera del mercado
Están relacionadas
2 ¿Por qué se producen estos movimientos?
Usamos la teoría económica
Zt Si aumenta Qd, qué efecto tiene en el precio Pt —> ✗
~-
^
P
Pt Esos no podemos obtenerlos con el modelo de forma reducida

Et
'
t
Son modelos de forma estructural. Debe ser único, sino, no identificado.
Qt
✓~⇐
Pt
Qt
REALIZAMOS MODELOS ECONÓMICOS
s
Inician problemas
Oferta -> Qt =p Pt + pazttsit ( habrá parte
,
que no se
explique por precio /lluvia)
Demanda —> P Eze (la lluvia aparece ) PE ✗ Qt

+ →
no = +
Eat
Supuesto adicional —> QÍ Q ? Cse vaciarlos mercado.JP =

Elasticidad de ¡¡Necesitamos estimar alfa!!
demanda precio
PÍ fcth =
,
rr )
Ña FCM =
,
Mr )
sí =
fltr ,
,
Rr )
Modelo de identificación: varias formas estructurales están ligadas a la forma reducida
Qt :
pa Pt
'
Et
Pt =
ti Qttlzze + Eat
1
Qtip , PÉIPIZT +
Pzdt -
it Ent Es exógena porque se relaciona con el ruido de la ecuación
Endógena —> E Ene Pe =/ E En
Endógena retardada: E En Clt =/ E Qt
Predeterminada —> E Eeo Ott Elert =
Endógena débil: E Eee Et

'
-
E Eet
Qt :
RPT Bazt+ + Et →
Eitruii DNCO ,
6? ) E ( Eit, Eí ) :O UN EI
É
ti ]
E ( Eie Earl :O
, ea
T.tt
ECGT Eat )
G.
=
, a
ECE.it/Pt)- ElEitlXt Ezt)E(E-/Qt-i- -ECEitPiPt-'-BiZt-i+Eit

Cogemos una endógena —>
No son independientes
-
1)
Para sustituir, debo t-1
Es ruido blanco —> Qt-1, pero E1t no cambia.
Pt-1 depende de—> ✗ Qt it Est l no se relaciona con nada de t.
- -
Depende de Et-j pasados
Por todo ello, Qt-1 es predeterminada
✗ ¡ &
Q-L-Muzttu.ee
Pt TKIZT Uat
= '
Podemos estimar —> TI ,
Forma reducida.
Ña Cómo reaccionan mis
variables ante un shock
E
anterior.
5) Qt
:p Pttpazetsit
,
D) Pt Qttszt
-
✗
-
Objetivo para estimar (de la forma reducida a la estructural).
Más de 1 forma estructural pueden estar relacionadas con la forma reducida. Los modelos no están entonces, identificados.
¿EN QUÉ CASOS UNA FORMA REDUCIDA TIENE +1

ESTRUCTURAL?
5) Qt
:p Pttpazetsit
, Forma estructural
D) Pt
<
✗ Qt Eat
-
-
+
Qe p.Pt-pa-C-L-E.it
-
Endógeno: izquierda —>

Pt Qt Ezt
-
✗ =
Busco una matriz para multiplicarla con y que me dé lo de la izquierda.

^
✓
1 B de B2 Et
ze t
Necesito otro vector para multiplicarlo con la variable
-
-4 1 PE 0 Gt exógena y obtener la parte derecha.

A Yt B Xt Et
E- ti TR
Tia TI
EJEMPLO
!! !!!! .fi?;:H!!:
'
Yüa . " " " "" ' "

"" " ""
Yat =
93343T +
Paz Xat
+ Ezt Yat -
93343T =
Barakat + Ezt
43T =
93 , Yit +
Bss Xlt +
ESE
Obtenemos el vector:
1 -
ar -
AB Yit Mi O ✗ it Et
1 Yzt Bzz EE
=
D -933 O t
-931 O 1 Yost pts1 O Xrt Est

Pensamos qué multiplicar con Pensamos qué multiplicar con
para obtener la parte izquierda para obtener la parte derecha
Las E están correladas —> E =

,
Ter Es Las restricciones pueden aparecer en las
TE Tri covarianzas. Por ejemplo: Tr:O
ri
¿CÓMO PASAR DE FR A FE?
Si obtenemos A, B, E sabremos el modelo de ecuaciones simultáneas.
FE —> AYEBXT
+ EE VCEE) :-[ ( EEEH :C
;
n n
ÁBXE
' '
A- AYT :
+ A- Et Lo endógeno en función de lo exógeno
FR —> Ot :
Mil Ztt Ult
Pt Ha Uat
M U
Seguimos, invertimos y multiplicamos (pág 14):
Qt :
M" Ztt Ult = Pa
Pt Na Uat 1-4 ' Ztt . . .
✗ B2
1- aps
✓
✓
Sabemos que —> Mei

.
B2 /( 1- dps Mai .
✗ Ba -
_ ✗ Balls -
✗
psl
És
Si dividimos: óalóo
! :{¡ =
✗ =
pa Ñ / 1- dpsl Está no identificado. Hay infinitas combinaciones de B1 y B2 para resolver el

-
"
-
sistema.
¿CÓMO SABER SI ESTÁ O NO IDENTIFICADO?
Pueden salir (son parámetros)

⊖ ⊖
un un
EEEÉÁÍ ÁEÁ
'
V ut
=
V ÁET =
E UTUÍ : EÁEEÉA " -
-
ÁE
Traspuesto Nos queda identificarlo como la varianza de Et
Si me das A, B, E → podemos obtener la forma estructural

Si me dasMr → me das la forma reducida.
¿Con M y r puedo obtener la FE?
'
La relación es: B
'
A
>
E
n r
"
ÁB SE ÁEÁ
MÉTODO PARA SABER SI ESTÁ O NO IDENTIFICADO
Tengo una forma reducida y quiero saber cuántas tengo estructurales. Si no impongo restricciones, puedo obtener
infinitas estructurales.
MOE: modelos observacionalmente equivalentes
Obtenemos lo mismo
⑦ AYT =
BXE + Et VCET ) =
E → Yt =
ÁBXE ÁE
+
⊕
Si multiplicamos todo el sistema por una matriz F —> F AYT FBXT = + F Et >
Mxm tamaño
* Identificado como A, B, E
FBXEIÁ ÁFEE
" " '
* (FA, FB, FEF') >
Yt =
A F =
A BXT * A Et
- "
=
Además, la varianza de los ruidos:

VCFEE ) ECLFETXFETI ] :-[ [ FETETF ] : FSF
' '
:
La matriz de covarianzas de ruidos tras la transformación.
EJEMPLO DEL MÉTODO DE RESTRICCIÓN DE EXCLUSIÓN A Y B
Se va ecuación por ecuación para ver si
está identificada o no
Y/
t-URYzt-buxlt-brkt-E-LY2t-aziY-l-aziYzt-bzskst-E.at Solo restricciones de exclusión

↓
Alguna var: O
Yzt -
asi Yet + a 344kt + Est
Yit
Yat 41T Yrt
1.- Nº de variables endógenas → m =3 (Y1, Y2, Y3) T T T
2.-→ Nº de variables endógenas entre las explicativas de ecuación j → Mj —> m, =L mz = 2 M3 =L
3.- Nº de endógenas que se excluyen entre las explicativas de la ecuación j → mj

=
( Yat ) Ó Yit y Yat .
. .
→
ñnjosma :O
↓
Todas las endógenas se han
incluido. Están Y1t e Y3t.
No se excluyen:
4.- Exógenas que están excluidas en las endógenas —> Kj —> K*j —> Las de fuera que no están dentro..
Para excluir Y3 de la 1º ecuación

^
% ± "
—> Las excluimos

(A, B) —> (1 -
ar 0, Su br O 0 )
A- =
1 -4120 D= b " b12 00
General → Él a, O bi O ) '
( Áeqt IXM , IXÑ , 1×4 , 111kt Parámetros que acompañan a las exógenas que se han quedado
4
Cómo endógenas queremos excluirlas
sieq MOE FCA , B ) '

( 1. F1 1 al O b, O
④ C2
[m il
[3 C4 CS
Cm 1) 1 -
- -
mtcm-ym.CM 1)Kirkuk!
-
Necesitamos un 0 De multiplicar (1, F1) por todo

L
TA —> ltfic , aitfilz FIG bitch Fils *

Todo está
normalizado, así
que TA también
Te has descargado este73cL

apunte gracias a la publicidad. También puedes eliminarla con 1 coin.
eq
'
" '
ex v nv
ÉL
-u n .
"
'
Filis :O Ficcz + G) =D — > todo en matrices! F / (d) ( ( ( I —> F1=0 —> Identificado
'
* →
,
* FICS :O I
sit-i.at .
. . ) .
Solo puedo multiplicar por ¿

'
cuando exista:
La 1º ecuación estaría el rango de C debe ser m-1
identificada. Si F1 /= 0, no
identificada
mi kit
C- Im I) -
(3 [5
NT -1kt
, ≥ m -
I
-
-
Mitñi
Condición necesaria que el número de variables exógenas excluidas

K*1 sea mayor o igual que el número de endógenas incluidas en la
ecuación para que sea identificada. Tengo más columnas que filas.
La condición suficiente es que el rango de C sea m-1
EL ESTIMADOR DE VARIABLES INSTRUMENTALES (VI)
F- Xendóq Xexóqp
,
+ E
→ los combinamos y sustituimos las variables endógenas por un instrumento, por lo que
.
Wl .
WNK
,
. .
no pueden relacionarse con los ruidos (sería el problema inicial).Si quito el PIB, puedo
meter consumo (w), pero no elefantes.
Deben cumplir dos requisitos:
- No relacionado con el ruido de la ecuación → ECEIT /Wi Wi ) :-[ (E) =D -
- Muy correlacionadas con las variables endógenas → ↑ tcorrcxendoq Wi Wi )

-
ESTIMACIÓN POR VARIABLES INSTRUMENTALES (VI)
YIt-URYzt-buxlt-brkt-E-LY2t-AUY-l-aziYzt-bzskst-E.at
Y3t-a3IYet-a34kut-E.SE
endóq exóq
Yu Yai Ki XZI ✗ 12 En
t
pi
,
,
: :
"
=
:
'
:
p
.
,,
✗'t Gr
Y ,,
Yii Xr
f-
'
✗
pie
%
Xendóq Xexóq pie
,
Las variables que no tienen problema de endogeneidad, no se tocan.

Cuando generen problemas, las cambiamos a por otras → instrumento (las sacamos fuera y las metemos). Si tengo
6 instrumentos, solo puedo coger 1 porque se me descuadraría la matriz.
Y= [X endógena, X exógena]B +E
Se sustituyen por instrumentos
P(W, … Wr) —> deben ser independientes del ruido de la ecuación E[E/w…wr]=0
—> correlacionadas con las variables de la ecuación
Corr[X endógena, W…Wr]
La forma de escribirlo es: Tw ¡ ¡ lw ÍWY
'
pie
>
Y -
. . - wr ✗
XBTE
>
Cambiamos A por W que incluye nuevas variables

Éi uixiúitptlúxiiúe
ÍP + E
1.- ¿Sesgado, insesgado? No es independiente de E. dentro de X hay una variable

relacionada con E en la matriz
¡ lw XTIWE
'
E X E ≠
=p ✗
+
r , p
2.- ¿Consistente?
"
pepi . =p PL
+
uíx pluie
T
T
Por el (-1) es como si hubiese multiplicado Qw’

Cualquier estimado de variables es consistente.

Wuolah-Free-Cuaderno Tema 1 - Econometría III

Cargado por

Información del documento

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

Wuolah-Free-Cuaderno Tema 1 - Econometría III

Cargado por

Copyright:

Formatos disponibles

CUADERNO TEMA 1 - ECONOMETRIA II...

Facultad de Economía y Empresa

Reservados todos los derechos.

ECONOMETRÍA I ECONOMETRÍA II ECONOMETRÍA III

Et ETNN ( ONI ) Et G- NNCQU )

pjnco :( Áncora :( XÜXTXÜ

Inferencia —> ✓ ( jbmcor ) :P ( ✗ Ú Vcpisnco) -84×1×1

¿Cómo obtener un infinito de un AR1?

AR1: depende de su pasado y nada más —> lata

Si es estacionario, podemos escribirlo así —> ft :( 1- al ) Et-YOE-c-YE-L-i-YAE-c.at . . .

cada vez serán más pequeñas (a<1)

Ahora queremos estimar: . Tenemos que estimarlos indirectamente.

Si es FR, la ponemos—> AYEBXL '

(A, B, E) define FE —> 1 -

Ps Po Ti Ra Queremos saber si está identificado o no

¿Cuáles son los modelos que tienen la misma FR y diferente FE?

MOE —> fee fea 1 -

2 1 721 722 O f- 21 722 821 TÍ 72, f- 22

> Cada vez que invente una A, habrá otra forma

Solo me quiero quedar con las TA (transformaciones admisibles):

No la miramos porque no tiene restricciones en E. Si no, tenemos que imponerlo también.

Si cuando miremos F y sea:

Para ver si podemos recuperar variables, si están identificadas:

Corresponde a la primera ecuación. No se puede encontrar —> no

Restricción b12 -1622=0

Asi Yet bll bez . . . X2 =

(A, B, E) —> 1 -012 bei bubi} TÍ tía

que se cumplan las

TA—> f fía 1 fe ba bes bes

Con la restricción de abajo,

YI 1 -012 O Pit Bee O O C- ( (3) G) =

¿Condición necesaria? —> Ri ≥m

Y} -931 O 1 O O O Ps4 2>1

Por tanto, el Rang(C)=2

02kt -102373T -1623×31-+62-1 RCC ) 2? V23 Ps3 Det (c) -1-0

Yost 93,1kt -1034×4-1

Ahora estudiaremos la segunda ecuación:

Tantos 0 como haya en la fila 2 de B

A continuación, la tercera ecuación:

Yii :( ya ✗ ni Xat ) + En FORMA ESTRUCTURAL

función Kyne ltmj) F. Rj)

Yii :( yat Xat ) 1- Eli

¿Cómo se estimarían los de la FR?

La forma de estimar los parámetros de la FR, es con el MCO —>

Mínimos cuadrados en dos etapas —> X3t, X4t —>

Metemos solo la parte exógena

1) Y ÉMIIXIT -11712kt -11713×31-+1714 Xuttuit

Est Esta nos garantiza consistencia

f) Kt Xat Xst kit

Ponemos 1t porque es la que genera problemas >

FR → Mike + Mia Xat +

E) No usamos Y1t, usamos Y3t, solo la parte exógena que es con ^

Yzj XSIÓE P34ket-E.se

X2t y X3t no deben relacionarse con el ruido de la ecuación.

1.1.1.2.- Ampliamos con los residuos que queremos tener

Mínimos cuadrados en dos etapas sin landa —> MCO

Podemos hacer el siguiente contraste para saber la endogeneidad de Y:

H0: d--0 —> MCO

Primero con dos etapas:

Regresamos Y2 en su FR —> '

Cambio a por la estimación

Me quedo con los

D= ECE " Eiz varianza