Documente Academic
Documente Profesional
Documente Cultură
681
16.1. Características
Las razones por las cuales se producen rezagos obedecen a causas sicológicas
(no se cambia de hábito de manera inmediata), tecnológicas (la incorporación
de la nueva tecnología disponible se realiza a lo largo del tiempo) o
institucionales (por ejemplo, una buena alternativa financiera puede
aprovecharse hasta que existan fondos disponibles).
Yt 0 X t 1 X t 1 2 X t 2 t (1)
Yt X t Yt 1 t (2)
Yt 0 X t 1 X t 1 2 X t 2 k X t k t (3)
16.2. Estimación
Yt 0 X t 1 X t 1 2 X t 2 t (4)
1. estimación ad hoc
Estimación ad hoc
Este enfoque lo adoptaron Alt (1942) y Tinbergen (1949). Ellos sugieren que la
estimación se realice secuencialmente, lo cual significa hacer:
Yt f ( X )
Yt f ( X , X t 1 )
Yt f ( X , X t 1, X t 2 )
sucesivamente
k 0 k siendo k 0, 1, 2 y 0 1 (5)
1- es la velocidad de ajuste
1
k 0
1
(6)
Yt 0 X t 0 X t 1 0 2 X t 2 t (7)
684
Yt 1 0 X t 1 0 X t 2 0 2 X t 3 t 1
multiplicando por
Yt 1 0 X t 1 0 2 X t 2 0 3 X t 3 t 1 (8)
Yt Yt 1 (1 ) 0 X t t t 1 (9)
Reordenando
Yt (1 ) 0 X t Yt 1 t (10)
Estadístico h de Durbin
n
h ˆ
1 n(var ˆ )
685
̂ estimación de
1
ˆ 1 d
2
Estructura de rezagos
log 2
Mediana de rezagos 0 1 (11)
log
Indica el tiempo que se necesita para alcanzar el 50% del cambio total en Y
Rezago medio (12)
1
Si 1/ 2 rezago promedio = 1
Yt 0 1 X t* t (13)
el término de error
X t* X t*1 X t X t*1 (14)
Esta hipótesis establece que las expectativas son corregidas cada periodo por
una fracción de la brecha entre el valor actual y el esperado de la variable.
X t* X t ( 1 ) X t*1 (15)
Yt 0 1 X t (1 ) X t*1 t
(16)
0 1 X t 1 (1 ) X t*1 t
Yt 1 0 1 X t*1 t 1 (17)
Se lo multiplica por ( 1 )
Yt 0 1 X t ( 1 ) Yt 1 t (19)
Donde t t ( 1 ) t 1
Esta es otra racionalización del modelo de Koyck dada por Marc Nerlove.
Partiendo del modelo de acelerador flexible de la teoría económica, se supone
que hay un nivel de existencias de capital de equilibrio -u óptimo deseado o de
largo plazo- requerido para generar una producción determinada bajo unas
condiciones dadas de tecnología y tasa de interés, entre otras.
Yt* 0 1 X t t (20)
Yt Yt 1 Yt* Yt 1 (21)
0 1 es el coeficiente de ajuste
Yt Yt 1 es el cambio observado
Pero,
Yt Yt 1 inversión (22)
I Yt* Yt 1
Yt Yt* Yt 1 Yt 1
689
Yt 0 1 X t t 1 Yt 1
Yt 0 1 X t t 1 Yt 1
Yt 0 1 X t 1 Yt 1 t (24)
Una vez que se estima (24) es posible estimar la existencia de capital de largo
plazo (ecuación 20) a partir del término : dividiendo los coeficientes 0 y
1 , y eliminando el término rezagado de Y , se obtiene la función de largo
plazo.
Expectativas adaptativas
Yt 0 1 X t (1 ) Yt 1 t (1 ) t 1 (26)
o Ordenada al origen
o Una variable X
i a0 a1i a2 i 2 a3 i 3 am i m (28)
1
Esto se basa en el Teorema de Weierstrass que dice que ´en un intervalo cerrado finito cualquier función
continua puede ser aproximada mediante un polinomio de grado apropiado´
691
Figura 1 Figura 2
Figura 3
Yt 0 X t 1 X t 1 2 X t 2 k X t k t (29)
k
Yt i X t i t (30)
i 0
i a0 a1i a2 i 2 (31)
k
Yt a0 a1i a2 i 2 X t i t
i 0
(32)
k k k
a0 X t i a1 i X t i a2 i X t i t 2
i 0 i 0 i 0
692
k
Z 0t X t X t 1 X t 2 X t k X t i
i 0
k
Z1t 1X t 1 2 X t 2 kX t k iX t i (33)
i 0
k
Z 2t 12 X t 1 2 2 X t 2 k 2 X t k i 2 X t i
i 0
y reemplazado en (32)
Yt a0 Z 0t a1Z1t a2 Z 2t t (34)
Ahora bien, se ha llegado al final del modelo pero se está a mitad camino de lo
que realmente se quiere conocer. El objetivo son los coeficientes de la
variables explicativa rezagada y, lo que se tiene, son los coeficientes de
variables que en su interior tienen una combinación de variables con rezagos.
Para calcular los coeficientes i , se debe hacer uso del supuesto inicial dado
en (31), donde:
i a0 a1i a2 i 2
Por lo que
Si i 0 , ˆ0 aˆ 0 aˆ1 0 aˆ 2 0 2
Si i 1, ˆ1 aˆ 0 aˆ11 aˆ 2 12
Si i 2 , ˆ 2 aˆ 0 aˆ1 2 aˆ 2 2 2 (35)
sucesivamente
693
Si i k , ˆ k aˆ 0 aˆ1k aˆ 2 k 2
m
Var ( ˆ i ) Var (aˆ 0 aˆ1i aˆ 2 i 2 ) i 2 j var(aˆ j ) 2 i j p cov(aˆ j aˆ p ) (36)
j 0 j p
Entonces:
i 0 Var ( ˆ 0 ) Var ( aˆ 0 aˆ 10 aˆ 2 0 2 )
i 1 Var ( ˆ 1 ) Var ( â0 â11 â2 12 ) 12* 0 var( â0 ) 12* 1 var( â1 ) 12* 2 var( â2 )
2 101 cov( â0 â1 ) 10 2 cov( â0 â2 ) 11 2 cov( â1â2 )
i 2 Var ( ˆ 2 ) Var ( â0 â1 2 â2 2 2 ) 2 2* 0 var( â0 ) 2 2*1 var( â1 ) 2 2* 2 var( â2 )
2 2 01 cov( â0 â1 ) 2 02 cov( â0 â2 ) 212 cov( â1â2 )
i 3 Var ( ˆ 3 ) Var ( â0 â1 3 â2 3 2 ) 3 2* 0 var( â0 ) 3 2*1 var( â1 ) 3 2* 2 var( â2 )
2 3 01 cov( â0 â1 ) 3 02 cov( â0 â2 ) 312 cov( â1â2 )
i k Var ( ˆ k ) Var ( â0 â1k â2 k 2 ) k 2* 0 var( â0 ) k 2*1 var( â1 ) k 2* 2 var( â2 )
2 k 01 cov( â0 â1 ) k 02 cov( â0 â2 ) k 12 cov( â1â2 )
Prueba de Granger
3. se construye el estadístico
F
SCR r SCR nr / m
SCR nr / n k
que se distribuye como una Fm,n k ; donde:
Para aplicar el test se debe, en Eviews, abrir un grupo para las variables PIB y
Consumo; luego en View-Granger Casuality se debe ingresar el número de
rezagos a considerar (Lags to include):
En la primera línea del test cuando dice “PBI does not Granger Cause
CONSUMO” quiere decir que el comportamiento del PBI no afecta las
variaciones de Consumo, por ende los coeficientes asociados a la variable
explicativa PBI se anulan. Esta es la hipótesis nula, la cual es rechazada.
i a0 a1i a2 i 2
698
Consumot a0 Z0 t a1Z1t a2 Z 2t t
4
Z1t iX t i X t 1 2 X t 2 3 X t 3 4 X t 4
i 0
4
Z 2t i 2 X t i X t 1 2 2 X t 2 3 2 X t 3 4 2 X t 4
i 0
consumo c Z0 Z1 Z2
i 2 2 a0 a12 a2 22 ˆ 2 aˆ 0 aˆ 12 aˆ 2 4
0.464424 - 0.347033 * 2 0.061411 * 4
0 ,016
i 3 3 a0 a13 a2 32 ˆ 3 aˆ 0 aˆ 13 aˆ 2 9
0.464424 - 0.347033 * 3 0.061411 * 9
0 ,02397
i 4 4 a0 a14 a2 42 ˆ 4 aˆ 0 aˆ 14 aˆ 216
0.464424 - 0.347033 * 4 0.061411 * 16
0 ,05887
m
Var ( ˆ i ) var( aˆ 0 aˆ 1i aˆ 2i 2 aˆ m i m ) i 2 j var( aˆ j ) 2 i j p cov( aˆ j aˆ p )
j 0 j p
i 2 Var ( ˆ 2 ) var( aˆ 0 aˆ 12 aˆ 2 22 )
22* 0 var( aˆ 0 ) 22*1 var( aˆ 1 ) 22* 2 var( aˆ 2 )
2 20 1 cov( aˆ 0aˆ 1 ) 20 2 cov( aˆ 0aˆ 2 ) 21 2 cov( aˆ 1aˆ 2 )
0 ,001188 4 * 0 ,002281 16 * 0 ,000132
22 * ( 0 ,001386 ) 4 * 0 ,000268 8 * 0 ,000529 ) 0 ,00056
sˆ 2 0 ,00056 0 ,02366
i 3 Var ( ˆ 3 ) var( aˆ 0 aˆ 13 aˆ 2 32 )
32* 0 var( aˆ 0 ) 32*1 var( aˆ 1 ) 32* 2 var( aˆ 2 )
2 30 1 cov( aˆ 0aˆ 1 ) 30 2 cov( aˆ 0aˆ 2 ) 31 2 cov( aˆ 1aˆ 2 )
0 ,001188 9 * 0 ,002281 81* 0 ,000132
23 * ( 0 ,001386 ) 9 * 0 ,000268 27 * 0 ,000529 ) 0 ,000351
sˆ 3 0 ,000351 0 ,01873
i 4 Var ( ˆ 4 ) var( aˆ 0 aˆ 14 aˆ 2 42 )
42* 0 var( aˆ 0 ) 42*1 var( aˆ 1 ) 42* 2 var( aˆ 2 )
2 40 1 cov( aˆ 0aˆ 1 ) 40 2 cov( aˆ 0aˆ 2 ) 41 2 cov( aˆ 1aˆ 2 )
0 ,001188 16 * 0 ,002281 256 * 0 ,000132
24 * ( 0 ,001386 ) 16 * 0 ,000268 64 * 0 ,000529 ) 0 ,001252
sˆ 3 0 ,001252 0 ,03538
Yt w t 0 X t 1 X t 1 k X t k t (1)
k / 2 si k es par
(3)
(k 1) / 2 si k es impar
Yt w t 1 2 (0 ) 3 (0 ) 2 p 1 (0 ) p X t
1
2 (1 ) 3 (1 ) 2 p 1 (1 ) p X t 1
1
2 (k ) 3 (k ) 2 p 1 (k ) p X t k t
Eliminando paréntesis
Yt w t 1 X t 2 (0 ) X t 3 (0 )2 X t p 1(0 ) p X t
1 X t 1 2 (1 ) X t 1 3 (1 )2 X t 1 p1(1 ) p X t 1
1 X t k 2 (k ) X t k 3 (k )2 X t k p1(k ) p X t k t
Agrupando términos
Yt w t 1 X t X t 1 X t k
2 (0 ) X t (1 ) X t 1 (k ) X t k
3 (0 )2 X t (1 )2 X t 1 (k )2 X t k
p 1 (0 ) p X t (1 ) p X t 1 (k ) p X t k t
703
donde
Z1t X t X t 1 X t k
Z2t ( 0 ) X t ( 1 ) X t 1 ( k ) X t k
Z3t ( 0 )2 X t ( 1 )2 X t 1 ( k )2 X t k
Z( p 1 )t ( 0 )p X t ( 1 )p X t 1 ( k )p X t k
1 0.016004
2 0.101388 K 4 2 (Por lo expresado en 3)
3 0.061411
Con esta información y dado que se ha definido un polinomio de segundo
grado para j ,
j 1 2 ( j ) 3 ( j )2
el cálculo se realiza de la siguiente manera:
705
j 0 ˆ 0 ˆ1 ˆ 2 ( 0 2 ) ˆ 3 ( 0 2 )2
0.016004 0.101388 * 2 0.061411* 4
0.464424
j 1 ˆ1 ˆ1 ˆ 2 ( 1 2 ) ˆ 3 ( 1 2 )2
0.016004 0.101388 * 1 0.061411* 1
0.178803
j 2 ˆ 2 ˆ1 ˆ 2 ( 2 2 ) ˆ 3 ( 2 2 )2
0.016004
j 3 ˆ 3 ˆ1 ˆ 2 ( 3 2 ) ˆ 3 ( 3 2 )2
0.016004 0.101388 * 1 0.061411* 1
0.023973
j 4 ˆ 4 ˆ1 ˆ 2 ( 4 2 ) ˆ 3 ( 4 2 )2
0.016004 0.101388 * 2 0.061411* 4
0.058872
El resultado coincide con los coeficientes que muestra Eviews bajo el título
“Lags Distribution of”
1 0.058942
k 1
2 0.120499 K 5 2 (por lo expresado en 3)
2
3 0.036707
j 0 ˆ 0 ˆ1 ˆ 2 ( 0 2 ) ˆ 3 ( 0 2 )2
0.058942 0.120499 * 2 0.036707 * 4
0.446768
j 1 ˆ1 ˆ1 ˆ 2 ( 1 2 ) ˆ 3 ( 1 2 )2
0.058942 0.120499 0.036707
0.216148
j 2 ˆ 2 ˆ1 ˆ 2 ( 2 2 ) ˆ 3 ( 2 2 )2
0.058942
j 3 ˆ 3 ˆ1 ˆ 2 ( 3 2 ) ˆ 3 ( 3 2 )2
0.058942 0.120499 0.036707
0.02485
j 4 ˆ 4 ˆ1 ˆ 2 ( 4 2 ) ˆ 3 ( 4 2 )2
0.058942 0.120499 * 2 0.036707 * 4
0.035228
j 5 ˆ 5 ˆ1 ˆ 2 ( 5 2 ) ˆ 3 ( 5 2 )2
0.058942 0.120499 * 3 0.036707 * 9
0.027808
BIBLIOGRAFIA