Documentos de Académico
Documentos de Profesional
Documentos de Cultura
El Modelo de Koyck16V
El Modelo de Koyck16V
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)