Extensiones del 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) Xt* : es una variable expectativa
3) La variable de expectativa: Xt* no es directamente
observable, la variable de expectativa no es un dato
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
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

ɵ ( Xt – X*t-1)=>
2) 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)
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 )
Þ 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 Y t-1
cov(vt ,Yt-1 ) ≠ 0==> los estimadores serán
sesgados e inconsistentes

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

Si Cov(Yt-1 Vt) ≠
0
Aun si el tamaño de la
Los muestra se aumenta
estimadores indefinidamente, los
son estimadores no se
inconsistente aproximan a sus valores
s 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 v t
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 en el modelo
Koyck y en 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
El método de VI
 Consiste en encontrar una variable que sustituya a la
variable yt-1
 Esta nueva variable debe estar altamente
correlacionada con Yt-1 pero no correlacionado con Vt
 Esta variable es la variable instrumental Xt-1
 Yt = α0+ B0 Xt + λ Yt-1+ vt
 Yt = α0+ B0 Xt + λ Xt-1+ vt
Prueba de autocorrelacion en los modelos
autorregresivos
Para detectar la autocorrelacion en del termino de error
tenemos dos pruebas que son:
La prueba h de Durbin
La prueba de autocorrelacion de Breusch-Godfrey
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
La prueba de Breusch-Godfrey
para auto correlación
El modelo de Koyck tiene la siguiente forma
a)Yt = αo+B0Xt + λYt-1+ vt
El procedimiento de la prueba de Breusch-Godfrey para autocorrelacion
es el siguiente:
1) Se estima el modelo dado en (a)
2) Se obtiene los residuos ut de este estimado
3)Se estima el siguiente modelo:
μt = α1+ α2Xt+ α3Yt-1+ p1 μt-1+ p2 μt-2+εt
4) H0: P1=p2 =0
H1: P1≠p2 ≠0
5) Si el tamaño de la muestra es grande Breusch-Godfrey demostraron que (n-
P)R2=> X2p
6) Si (N-P)R2 > X2p => se rechaza la H0 y se acepta la H1, es decir el termino de
error μt tiene autocorrelacion
 si (N-P)R2 < X2p => se acepta la hipótesis nula es decir, el termino de error μt no
tiene autocorrelacion
Hallar el modelo de corto plazo del siguiente
modelo de ajuste parcial
1) Y*t = A Xbt eut ( modelo de largo plazo)
2) (Yt/ Yt-1)= ( Y*t / Yt-1 )δ
3) LnY*t = LnA +bLnXt + ut
4) LnYt – LnYt-1 = δ( LnY*t –LnYt-1 )
5) LnYt – LnYt-1 = δLnA +δ bLnXt +δ ut – δLnYt-1
6) LnYt = δLnA +δ bLnXt + LnYt-1- δLnYt-1 + δ ut
7) LnYt = δLnA +δ b LnXt + (1- δ) LnYt-1 + δ ut (modelo
de corto plazo)
b: Elasticidad de largo plazo plazo
δ b: Elasticidad de corto plazo
i)Lo que significa que una variacion de 1% en Xt
ocasionara una variacion del b % en el largo plazo
ii) Lo que significa que una variacion de 1% en Xt
ocasionara una variacion del δ b % en el corto
plazo
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
de la 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 δ Ln Rt + B2 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:

M*t = B0 RB YB ue
1 2

 La elasticidad de largo plazo de M*t con respecto a Rt es B1

 La Elasticidad de largo plazo de M*t con respecto a Yt es B2
5) Las elasticidades de corto plazo son:
 Elasticidad de Mt con respecto a Rt es B1 δ
 La elasticidad de Mt con respecto a Yt es B2 δ