Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Wuolah-free-Apuntes Tema 2 - Econometría III
Wuolah-free-Apuntes Tema 2 - Econometría III
m_jose_18_7
Econometria Iii
4º Grado en Economía
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-7378026
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-7378026
Te has descargado este apunte gracias a la publicidad. También puedes eliminarla con 1 coin.
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
Econometria Iii
Banco de apuntes de la
MODELOS VAR: FE, FR, FF
Forma estructural
AOYE ApYt Et
-P+
=5+AIYE-1+...+
Etviid (E
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
)
O,
Forma reducida
Ye
-AöğtÅòÅlytitÅöApYtptsöEt
YE
=S+CIYE-1+..tCpYEP+UE
Válida para predecir VEUE =
R=AÖICAÖ)
E
xUt
=AöEt
kCi
=AöAi
Yj ujvLO
=XMjxuj
,WSIt
Y x 0 0 Mi Un
^
: ...::
I
o
o
yu xoo Mms Uu
Forma final
FR YE
=S+CiYE-1+..+CpYE-P+UE
V
Te has descargado este apunte gracias a la publicidad. También puedes eliminarla con 1 coin.
FASE DE ESPECIFICACIÓN Y ESTIMACIÓN
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
ESPECIFICACIÓN
Debemos saber si este modelo tiene raíz unitaria o no a través del CONTRASTE DE DICKEY-FULLER.
Debemos tomar el logaritmo de la serie y hacer el contraste (también podemos hacerlo viendo sus raíces
inversas en Eviews).
M
Contraste: H0: tiene raíz unitaria
H1: no tiene raíz unitaria Ho
x (0,05) '
HO
s
p
-value
ESTIMACIÓN
Se utiliza cuando queremos comparar dos modelos que estiman ko y ka parámetros. Debemos realizar
este contraste:
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-7378026
Te has descargado este apunte gracias a la publicidad. También puedes eliminarla con 1 coin.
¿QUÉ PASA SI TIENEN RAÍCES UNITARIAS?
① Contrastes secuenciales:
=O
O1
:
:
HI CPRAx CPTO VAR
8
FO 3
HI
:
:
Hago contrastes secuencialmente hasta que encuentre en rechazo. Cuando lo encuentre, ese es el
nª de retardos que debo incluir.
Iale
AICCp log qPM Sobreestima p.
2
)=
BICCp 2 ( pre BIC(p) ≥ HQ(p) ≥ AIC(p)
-
):logI2k
log
logCTD
BIC y HQ son consistentes funcionan mejor en
-
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-7378026
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
③ Criterios de selección basados en la capacidad predictiva:
m
Estadístico: ISC T
+PM+1
T
-pre-s
- Se basa en la predicción de horizonte 1
- En muestras grandes, funciona peor que BIC y HQ
- En muestras pequeñas, no está claro
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
- Elegimos el modelo cos menor
Los ruidos deben ser blancos para que las estimaciones cumplan una serie de propiedades:
FUNCIONES DE CORRELACIÓN
Para que en un contexto multivariante los ruidos sean blancos, hay que comprobar que no se
relacionan con los ruidos pasados propios ni ajenos. Mediante las funciones de correlación, partimos
de la siguiente expresión, la cual se debe cumplir para que los ruidos sean blancos:
-UIE-jeFEUIEUiEj
Puij
ECUit Uit Sustituimos por la
:O
-j)
expresión muestral
vCUitUiEj FzuitFEuîzj
Ut no es
observable,
spuiÜltjzfzûîzÜîtj
^
así que lo
sustituimos por
Fêuîkffuîzj
No debemos encontrar correlación en los órdenes pequeños. Eligiendo tan solo el orden, Eviews nos da
los gráficos de las CorrCuiz UIzij y se presentan con bandas de confianza de modo que si la
)
,
correlación muestral está dentro de esas bandas de confianza, no podemos rechazar la nula de que la
poblacional sea 0. Con las bandas de confianza, podemos adoptar la decisión de AH0 o RH0. Si nos
salimos un poco de las bandas de confianza en órdenes lejanos, AH0.
Vamos a obtener tantos residuos como variables en el modelo.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-7378026
Te has descargado este apunte gracias a la publicidad. También puedes eliminarla con 1 coin.
CONTRASTE DE PORTMANTEAU
Nos centramos en analizar Vj, que es la covarianza de los ruidos con su pasado. Partiendo de la
propuesta poblacional:
Vj
= E
Ut E uix uitUtj
-lit-j
=
Uit
-j
Ut
-j
UitjUatj
E
=E
E E UztU z
tj
U UatUitj
2t-j
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
Necesitamos un estimador: ûjÅutÜtj
svj
=fûêûtj
^
ûjfûtÜtjfuêütj
fûêÜtjfuêûtj
Su estadístico es: h
Qn
=tFtrvjûòûjvè
j
=l
Solo tiene sentido para valores de h>p: es una deficiencia grave porque los retardos h pequeños son los
más importantes. Para RH0 o AH0, me fijo en el p-valor.
CONTRASTE DE BREUSCH-GODFREY
ûtÇYflf
.*CpYtptBûtçttBuûtntEtZç
El contraste es:
H0: B1=B2=B3…=0 ut 2 —> el pasado no afecta al presente
r.b
HA: noH0 utxrb
Estadístico:
QEreT M FT
.
2E~XuM?
-Er
Ho
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-7378026
Te has descargado este apunte gracias a la publicidad. También puedes eliminarla con 1 coin.
CAUSALIDAD DE GRANGER
Se busca causalidad en el sentido de Granger en el sentido de que una provoca cambios a la otra.
Pero, si una variable causa en sentido de Granger a otra, no significa que se cumpla al contrario.
Buscamos ver qué variable está detrás del movimiento de la otra.
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
:
-4tut
3Yt-3
-2+
+C.YE1+C2
4
2.- Expresarlo de forma matricial:
+ Cz Cz
ffz
.
XE hot
Ci
=
Xt + +
"
Czz "
GPC
he Czi Caà hey ast
=fi+CiXtytCi?
-1+
-2+....
-2+....
ht C XEL + C-
2T
C
2PXE-2+...
C2cHE-Z....+Uat
-fat
+
22HE-
4.- Realizar el contraste/s
H0: ht——>xt ht no causa a xt Ci = 3=0
4 2 2
2-Ci2:C9
C
H1: ht——>xt ht sí causa a xt
"o
H1: xt——>ht xt sí causa a ht
PREDICCIÓN
YttîtŞtçîyttÇâytûtCâffmztÇüyez
YeepiŞtÇîûttîtÇzyâkÇyzîeÇuyez
ûteŞŞtÇYûrâtÇzûzîtÇzûzzÇûûzm
De esta forma obtenemos predicciones recursivas, ya que obtenemos recursivamente predicciones
basadas en los periodos anteriores.
El error de predicción sería: Ytth YT
+NIT
-
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-7378026
Te has descargado este apunte gracias a la publicidad. También puedes eliminarla con 1 coin.
ESPECIFICACIÓN ESTRUCTURAL
La especificación estructural se utiliza para dotar de intuición económica a los resultados obtenidos.
Para ello, necesitamos la FE, dado que la FR solo es válida para predecir.
Entre las principales herramientas para el análisis económico, se encuentran:
1º.- Funciones de respuesta al impulso: miden la reaccion de las variables endógenas ante un
shock (impulso) inesperado de las endógenas (en uno de los ruidos estructurales), manteniendo el
resto de los ruidos estructurales constantes.
2º.- Descomposición de la varianza del error de predicción: miden la proporción de la varianza
del error de predicción que se explica por un impulso inesperado en alguna de las endógenas (en los
ruidos estructurales), manteniendo el resto de los ruidos estructurales constantes.
Para realizar la especificación estructural, necesitamos obtener la FRI a partir de la FE, FR y FF:
FR YE
=AóA,Yt1+.AöBpYtptDöEt
V Cu
+)-DÖ[Aö
' CpYtp ut
YE=CYE-1T...+
:
Cp Ut
:BöEt
-AöAp
Puedo hallar la FF con un VAR(1): YE =
CYE +
u
+
-1
Ye tut
-CCCYt-2tUE-.)
YE
=CCCCCYE-3-ut-2)tat-sI+uz
YE CCCYt CCut CUE
=
-3-
-tut
-2+
YE 4 4 44 Y Lp
=
t+
ut-1+4uE-2+...
t-P
)
-fLEy....
Siempre podré estimar los 4 porque es una combinación lineal de la FR. Debemos poner esta expresión
en función de Et para hallar la FRI. Para ello, sabemos que —> Ut
=BöEt
FF YE
=DöEttØAöEt1x...+YBÖEEp
YE EEI TRpEEp
:RoEE-R.
+...
Rh
=YnBö
Expresamos matricialmente esta expresión:
Ri Ri Ri Riz
Ests+...
2
Xt Est Ria Eetp
Rü
? y
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-7378026
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
FR FE
çîAöAi A partir de la estimación de la FR, no
puedo encontrar una estimación única de
î los parámetros de la FE porque tengo M
=AözAö
Ecuaciones MP 142 ecuaciones más/M parámetros menos. Para
Parámetros de la
linealmente
independientes
Map FE encontrar los parámetros de la FE de forma
única a partir de la FR necesito imponer
MEM MP +R
restricciones.
Mz
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
Para que el sistema tenga solución, se requiere que el número de ecuaciones linealmente independientes
sea igual al número de parámetros de la forma estructural.
Debemos añadir M restricciones al sistema que tengan sentido.
1º.- Debemos imponer que las covarianzas sean nulas para aislar los shocks y poder obtener las FRI
mezome
Tij Me faltan:
MEMBMMP
=O
z
M
+
2º.- Normalizamos la diagonal principal de las varianzas y covarianzas
52 = Me faltan aún:
MRM
f
:MBM
Estas dos restricciones implican: E =I
RãîRzå
so
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-7378026
Te has descargado este apunte gracias a la publicidad. También puedes eliminarla con 1 coin.
DESCOMPOSICIÓN DE LA VARIANZA DEL ERROR DE PREDICCIÓN
Para ver cuánto se mueven las variables, usamos la varianza. Queremos ver qué parte de ese movimiento
es culpable E1 y de qué parte es culpable E2. Lo debemos expresar en % del total de la varianza. Se
pueden mirar las varianzas de los errores o de las variables. Es lo mismo.
Partimos de la FF: YE + Ra Et
=RoEE
R.Et-I+
EE
-2+...
Ye
R.: RoEt tRiEte 4 R , x R
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
Et+a
-
E7s+..
.
-14R2Et+-25...
+
+
Yt
EEttR
t iEe
m A
i
+IF-R
+..
Eu Ye tRu
,- Ro Etth R Eeth Y t
+
:
1Et+
+.
4...
.
J periodos Posterior
después al cambio
I
vÇinçRjottçRîMo
Variable i ante
cambios en la Contribución de Y1 Contribución de Ym
variable 1
Ahora necesitamos estimar los R, para lo que necesitamos los parámetros de la FE, requeriremos que el
sistema esté balanceado por medio de restricciones.
① Tij
:O
I
②Õ I
=I
=
2
③ CP y LP
çéj vlæv
t
V
=
RûRizRiRai
vÇŞg
)Carlex.9")
Rżz
.+fî"RäBäRääMkzkêñä
Rż Riz Rżå
)arlèvçj
vlęw
)-RİtRÅtRîîtriétkîRîzk
Agrupamos los elementos —> vC
%xl-RiPtCRiP+...-'IKJECRizPtCRåP+...+(Rä2)=A
C =
B E z
= C
.
Una vez estimados los R, conocemos vlçîl
Podemos ver que los shocks de E1 y E2 influyen a la varianza (B y C=A)
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-7378026
Te has descargado este apunte gracias a la publicidad. También puedes eliminarla con 1 coin.
MODELO DE CORRECCIÓN DEL ERROR
COINTEGRACIÓN
M variables I(d) están cointegran as si existe una combinación lineal no nula de todas ellas que sea I(d-1),
es decir, I(0) o de orden menor.
Imagina que tenemos dos variables, Y1 y Y2 que son I(1). Podría existir una o varias combinaciones
lineales estacionarias como: BiYnt +
BaJzE=EX~ICo)
Pero no siempre conocemos esa combinación lineal. ¿Cómo sabemos si existe esa combinación lineal?
① A veces nos dice la teoría económica lo que valen las betas 1 y 2 como en los tipos de interés.
② Otras veces, tendremos que estimar regresando las series en niveles y obtener sus residuos
(regresión de cointegración).
Pero debemos comprobar si la combinación lineal es estacionaria o no, aplicando el test ADF a los
residuos siguiendo unas pautas:
Si los parámetros nos los da la teoría económica —> aplicamos AFD a Et
Si estimamos para comprobar la teoría económica o porque no hay teoría económica —> aplicamos
ADF a et sin constante, sin tendencia.
Además, debemos tener en cuenta, que los valores que Eviews proporciona no son válidos, por lo que
tenemos que acudir a las tablas de Philip y Ouliaris.
Constante en cointegración Tendencia en series
Caso 1 No No
Caso 2 Si No
Caso 3 Si Si
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-7378026
Te has descargado este apunte gracias a la publicidad. También puedes eliminarla con 1 coin.