El modelo de Koyck

El modelo de expectativas adaptativas

1)Supongamos que tenemos el modelo:
Yt = B0 + B1 Xt* +ut
donde:
Yt : demanda de dinero;
Xt*: tasa de interés esperada, normal, o de largo plazo
2) La variable de expectativa: Xt* no es directamente
observable
3) Por lo cual se propone la siguiente hipótesis que
describe como se forman las expectativas:
Xt* - X*t-1 = θ ( Xt – X*t-1 ); donde 0 ≤ θ≤1
4) La hipótesis implica que los agentes económicos
adaptaran sus expectativas a la luz de la experiencia
pasada, es decir aprenderán de sus errores
 Si θ=1 =>Xt* = Xt , las expectativas se cumplen
 inmediatamente
 Si θ=0 => Xt* = X*t-1 hay expectativas estáticas, las
condiciones prevalecen a lo largo del tiempo
5) Xt* - X*t-1 : brecha entre el valor esperado actual
y el valor esperado en el periodo
anterior(expectativa a formarse)
( Xt – X*t-1 ): brecha entre el valor actual y su valor
esperado anterior(error cometido
anteriormente)
6)Las expectativas son corregidas en cada periodo
por una fracción θ de la brecha entre el valor
actual de la variable y su valor esperado anterior
Derivación del modelo de expectativas
adaptativas
1) Yt = B0 + B1 Xt* +ut
2) Xt* - X*t-1 =ɵ ( Xt – X*t-1)=>
Xt* = ɵ Xt +(1- ɵ ) X*t-1
3) Sustituyendo (2) en (1)
Yt = B0 + B1 [ ɵ Xt +(1- ɵ ) X*t-1] +ut
4) Yt = B0 + B1 ɵ Xt + B1 (1- ɵ ) X*t-1 +ut
5) Especificando(1) para el tiempo t-1 :
Yt-1 = B0 + B1 X*t-1 +ut-1
6) Multiplicando (5) por (1- ɵ ) tenemos:
(1- ɵ ) Yt-1=(1- ɵ )B0 + (1- ɵ )B1 X*t-1 + (1- ɵ )ut-
1
7) Restando (6) de (4) :
Yt- (1- ɵ )Yt-1=B0 -(1- ɵ )B0+ɵB1Xt +ut - (1- ɵ ) ut-1

Yt= ɵB0 + ɵB1 Xt + (1- ɵ ) Yt-1 + ut - (1- ɵ ) ut-1

=>Yt= ɵB0 + ɵB1 Xt + (1- ɵ ) Yt-1 + vt ( el

modelo de expectativas adaptativas)
si θ=1 => Los valores actuales y de largo plazo
son iguales
El modelo de ajuste de existencia o de
ajuste parcial
1) Supongamos que tenemos el modelo:
Yt* = B0 + B1 Xt +ut;
donde:
Yt* : Nivel de existencias de capital deseado o de
largo plazo
Xt : Nivel de producción
2) Como Yt* es una variable que no es
directamente observable Se postula la siguiente
hipótesis:
Yt – Yt-1 = δ ( Yt* - Yt-1 ); tal que: 0< δ≤ 1
4) Yt – Yt-1 : cambio observado
( Yt* - Yt-1 ): cambio deseado o de largo plazo
5) Se postula que el cambio observado en las
existencia de capital (Inversión) en cualquier
momento del tiempo t es una fracción δ del
cambio deseado o de largo plazo en ese periodo
Derivación del modelo de ajuste de
existencias
1) Tenemos que: Yt* = B0 + B1 Xt +ut;
2) Hipótesis de ajuste parcial:
Yt – Yt-1 = δ ( Yt* - Yt-1 )
 Yt = δ Yt* + (1- δ) Yt-1
3) Sustituyendo (1) en (2) tenemos:
Yt = δ(B0 + B1 Xt +ut) + (1- δ) Yt-1

=>Yt = δ(B0 ) + δ B1 Xt + δ ut) + (1- δ) Yt-1

=>Yt = δ B0 + δ B1 Xt + (1- δ) Yt-1 + δ ut ( Modelo
de ajuste parcial)
Modelos de expectativas adaptativas y
de ajuste parcial
1) Considérese el modelo: Yt* = B0 + B1 Xt* +ut;
2) Donde Yt* = existencias de capital deseado
Xt* = nivel de producción deseado o de
largo plazo
3) En este caso tenemos que utilizar las dos
hipótesis sobre las variables de expectativas.
4) Yt = δ Yt* + (1- δ) Yt-1
5) Xt* = ɵXt +(1- ɵ ) X*t-1
6) Yt = δ(B0 ) + δ B1 Xt + δ ut) + (1- δ) Yt-1
La combinación del modelo de expectativas adaptativas y el
de ajuste parcial es:
Yt = B0 δ θ + B1 δ θ Xt +[(1- θ)+ (1- δ)] Yt-1
-( 1- θ) (1- δ) Yt-2 + [δµt – δ(1- θ)] µt-1
Estimación de modelos autorregresivos
1) Los modelos de Koyck, de expectativas
adaptativas, y de ajuste parcial son modelos
autorregresivos:
2) los modelos autorregresivos son modelos que
tienen como variables explicativas a variables
rezagadas de la variable endógena, es decir
son de la forma siguiente:
3) Yt = ɸ0 + ɸ1 Xt + ɸ2 Yt-1 + ɸ3 Yt-2 + …+ ut
3) El modelo de Koyck, de expectativas
adaptativas y el de ajuste parcial son modelos
autorregresivos
Yt = α0 + B0 Xt + λ Yt-1 + ut - λ ut
Yt= ɵB0 + ɵ B1 Xt + (1- ɵ ) Yt-1 + ut - (1- ɵ ) ut-
1
Yt = δ B0 + δ B1 Xt + (1- δ) Yt-1 + δ ut

4) Yt = α0 + B0 Xt + λ Yt-1 + Vt
Yt= ɵB0 + ɵ B1 Xt + (1- ɵ ) Yt-1 +Vt
Yt = δ B0 + δ B1 Xt + (1- δ) Yt-1+ Vt
5)Los modelos autorregresivos tienen dos problemas
de estimación que son:
a) Estos modelos están autocorrelacionados, es decir:
E( vt vt-1) ≠0 Los parámetros estimados son
ineficientes
b) La covarianza de su variable aleatoria con la
variable explicativa Yt-1 es diferente de cero, es
decir la variable aleatoria esta correlacionada con la
variable explicativa Yt-1
cov(vt ,Yt-1 ) ≠ 0==> los estimadores serán
sesgados e inconsistentes

.
 Los El valor de la
estimadores intersección
son sesgados seria muy
grande

Si Cov(Yt-1 Vt) ≠ 0
Aun si el tamaño de la
muestra se aumenta
Los indefinidamente, los
estimadores estimadores no se
son aproximan a sus valores
inconsistentes poblacionales verdaderos
6) El modelo de Koyck y el modelo de expectativas
adaptativas no cumple con dos de los
supuestos del MCO.
Las violaciones de estos supuestos de MCO
dan lugar a estimadores sesgados e
inconsistentes
7)La implicación de encontrar que en el modelo de
Koyck igual que en el modelo de expectativas
adaptativas, la variable explicativa estocástica:
Yt-1, este correlacionada con el termino de error vt
es que los estimadores MCO no solamente están
sesgados sino que además, no son consistentes
( aun si el tamaño de la muestra se aumenta
indefinidamente los estimadores no se aproximan
a sus valores poblacionales)
8)Sin embargo el modelo de ajuste parcial es
diferente. En este modelo vt=δut, donde 0<δ≤1.
Por consiguiente, si ut satisface los supuestos del
modelo clásico de regresión lineal, igual lo hará
δut, por tanto, la estimación MCO del modelo de
ajuste parcial tendrá estimaciones consistentes
aun cuando las estimaciones tiendan a estar
sesgadas ( en muestras finitas o pequeñas)
Demostrar para el modelo de Koyck:
1) E( vt vt-1) = -λ σ2
2) cov( vt yt-1)= -λσ2
Para corregir estos problemas el modelo Koyck y
el modelo de expectativas adaptativas se estiman
utilizando el Método de variables instrumentales
que dará estimaciones consistentes y sesgadas
en muestras pequeñas, sin embargo, el método
de variables instrumentales puede a su vez
generar el problema de multicolinealidad, por
ende el método mas adecuado para estimar
estos modelos es el método de la máxima
verosimilitud
La prueba h de Durbin para detectar la
autocorrelacion
1) La prueba de Durbin Watson no puede ser
utilizado para detectar la autocorrelacion en
los modelos autorregresivos ( como son el
modelo de Koyck, y el modelo de
expectativas adaptativas y el modelo de
ajuste de existencias), debido al siguiente
hecho:
2)Sabemos que en la prueba de Durbin
Watson, el estadístico “d” calculado debe
estar alrededor de “2” para que el modelo
sometido a prueba de autocorrelacion no este
autocorrelacionado.
3)En los modelos autorregresivos, el estadístico
“d” calculado tiende siempre a 2, por ende,
mediante la prueba de Durbin Watson no se
puede detectar la autocorrelacion en la
variable aleatoria µt en estos modelos.
4) En vista de ello, se ha propuesto la
prueba h de Durbin para muestras
grandes para detectar la autocorrelacion
de primer orden en los modelos
autorregresivos( ut = p ut-1 +εt )
5) En esta prueba se utiliza el estadístico h

donde:
n= tamaño de la muestra
var(a2) = varianza del coeficiente del rezago Yt-1
P= estimación de P (coeficiente de correlación serial
de primer orden), donde P se puede calcular con:
p= 1-d/2; donde d: el estadístico de Durbin Watson
6) Para un tamaño de muestra grande( asintótica)
Durbin demostró que, bajo la hipótesis nula de
que p=0, h sigue una distribución normal
estándar, es decir h ~N(0,1)
7) A un nivel de significación del 5% en la
distribución normal se sabe que:
Pr( -1.96 ≤ h ≤ 1.96) = 0.95
 Si h se encuentra entre -1.96 y 1.96, no hay
autocorrelacion
 Si h > 1.96 hay autocorrelacion
 Si h < -1.96 hay autocorrelacion
Ejemplo de aplicación
B1 B2 u
1) M*= B0 R Y e
t
2) Donde:
M*t = Demanda de dinero deseada o de largo
plazo
Rt = tasa de interés a largo plazo
Yt = ingreso nacional real
3) Determinar el modelo de corto plazo
4) Determinar las elasticidades a corto plazo
5) Determinar las elasticidades a largo plazo
6) Probar si el modelo esta autocorrelacionado o no
1) Se estimo el modelo anterior para la
economía dela india para el periodo 1948-
1965:
Ln Mt=1.5484- 0.1041 Ln Rt +0.6859 Ln Yt + 0.5297Ln Mt-1
(0.8336) (0.3710) (0.3859) (0.2013)
(1.857) (-0.2807) (1.777) (2.631)

R = 0.94; d= DW= 1.88

2) El modelo a corto plazo fue:
Ln Mt = δLn B0 +B1 δLn Rt + B δLnYt + (1-δ)ln Mt-1 +δut
3) El modelo a largo plazo fue:
Ln M*t = lnB0 + B1 ln Rt + B2 ln Yt + ut
4) El modelo original a largo plazo fue:
B1 B2 u
M*t = B0 R Y e