Académique Documents
Professionnel Documents
Culture Documents
30
delos econométricos, permitiendo la construcción de que sientan las bases teóricas en el campo de la pro-
un marco de referencia de análisis de regresión y las babilidad y la estadística del modelo de regresión li-
31
nósticos, la incompatibilidad entre estimaciones de en el modelo (Dickey y Fuller, 1979), previamente
series de tiempo con las de corte transversal y, prin- al análisis de regresión tradicional. Ello generó en la
cipalmente, el no presentar un marco consistente que década de los ochenta un amplio campo de investi-
explique el comportamiento de las relaciones de lar- gación en la econometría (Nelson y Plosser, 1982).
go plazo establecidas por la teoría económica, y los Davidson, Hendry, Srba y Yeo (1978) (DHSY),
patrones cíclicos de las series económicas (Hendry, proponen la especificación de un modelo denomi-
1993). Estas insuficiencias condujeron al uso de nado modelo de corrección de error (ECM), que inicial-
modelos ARIMA (Box y Jenkins, 1970), que sólo con- mente fue propuesto por Phillips (1954) y aplicado
sideran la estructura temporal de las series, y a espe- posteriormente por Sargan (1964). En una versión
cificaciones basadas en expectativas racionales (Lucas, simplificada del modelo DHSY entre el consumo y el
1976; Sargent y Sims, 1977). En este contexto, las ingreso tenemos que:
investigaciones desarrolladas por Clive W.J. Granger
y Robert F. Engel, adquieren un peso importante en ∆ lnCt = β 0 + β 1∆ lnYt − β 2 (lnCt −1 − lnYt −1 ) + ε t [4]
la definición de una nueva metodología
econométrica. Los cambios en la variable dependiente (consumo)
Una de las principales aportaciones de Engle y son relacionados con cambios en la variable explica-
Granger fue identificar los efectos de las propieda- tiva (ingreso) y el rezago de la diferencia entre am-
des estocásticas de las series en un modelo de regre- bas variables. La característica importante del modelo
sión.2 De este modo, en el caso de dos variables que es que la proporción consumo a ingreso de largo pla-
se definen como camino aleatorio y se especifican en zo, aporta información relevante para explicar los
un modelo de regresión. cambios en el consumo a corto plazo. Este modelo
presenta mejores propiedades estadísticas que mo-
y t = y t −1 + u t ( )
u t → IID 0,σ u2 [1] delos estáticos y no está sujeto a la crítica de regre-
x t = x t −1 + v t ut → IID (0,σ )
2
v [2] sión espuria (Charemza y Deadman, 1992) en el caso
de presentarse la propiedad de cointegración.
E (u t v t ) = 0 ∀t , s ; Simultáneamente al desarrollo de los modelos de
corrección de error se observa el avance de los mo-
y t = β 0 + β 1x t + z t [3] delos de vectores autorregresivos (Sims, 1980) (VAR),
a inicios de los ochenta y que se basan en los mode-
Granger y Newbold (1974) demuestran que la ecua- los ARIMA. Ello representó también una fuerte crítica
ción (3) genera un R2 elevado, las pruebas estadísti- a los modelos estructurales debido a que estos nue-
cas t y F rechazan la hipótesis nula de no significancia vos modelos VAR permiten realizar análisis de las se-
y el estadístico Durbin-Watson reporta un valor cer- ries económicas, sin la necesidad de imponer
cano a cero. Lo anterior se identifica como un pro- restricciones en los parámetros y realizar una divi-
blema de regresión espuria, donde los resultados sión arbitraria entre variables endógenas y exógenas.
sobre el valor y signo de los estimadores no son Estas aparentes diferencias en las distintas especi-
confiables, debido a que las series presentan un pro- ficaciones de modelos econométricos desarrolladas
ceso estocástico no estacionario. De esta manera, se en los setenta, es retomada por Granger y Engel a
muestra la importancia de identificar las propieda- fin de construir un marco metodológico sólido y
des estocásticas de las series y de considerar la pre- consistente. El problema de regresión espuria pue-
sencia de raíces unitarias en las variables consideradas de solucionarse si existe una combinación lineal en-
2
Yule (1927), define la correlación espuria, como resultado de su análisis de correlaciones entre diferentes series.
32
tre el conjunto de series, que genere un proceso Cuando zt = 0, existe una situación de equilibrio
estocástico estacionario. Ello se ha definido como un de largo plazo, que se define como un punto esta-
33
cointegración no es necesariamente único. 2) Todas GRÁFICA 1.
la variables deben ser del mismo orden de integra- Conjunto atractor y vector de cointegración
ción en el caso más simple ya que la combinación de
órdenes de integración genera distribuciones no
estándar difíciles de aplicar. Además aun con todas Y
las variables del mismo orden de integración ello no
asegura que cointegren. 3) No existe claridad en el ( yt , xt )
uso del término “relación de equilibrio”, sólo se defi- β′X t
α
ne en términos de un punto estacionario y 4) Si Xt
tiene n componentes, debe haber n-1 vectores de
cointegración.
Por otra parte, el teorema de representación de
Granger (1981), establece que si las series son
cointegradas es posible especificar un modelo de
corrección de errores, que integra a las variaciones
de las series y la relación de cointegración, permi- X
tiendo, por una parte, analizar la relación de las va-
riables en niveles y por otra estimar un modelo con Una forma sencilla de expresar el teorema de repre-
las propiedades estadísticas adecuadas. sentación es por medio de modelo ADL(1,1)
(Hendry, Pagan y Sargan, 1984):
∆X t = −αβ ′X t + u t [6]
y t = α 0 + α 1y t −1 + β 0 x t + β 1x t −1 + ε t [7]
La ecuación (6) incluye exclusivamente variables es-
tacionarias o combinaciones estacionarias con pro- ( )
u t → IID 0,σ u2 y α1 < 1
piedades estadísticas más adecuadas que una ecuación
en niveles. En tanto α representa el mecanismo de La solución de largo plazo de la ecuación (7), se de-
corrección que garantiza que los errores de equili- fine como:
brio incorporen información a las variaciones de la
yt =
α0 (β + β 1 ) x
+ 0
variable dependiente. (1 − α1 ) (1 − α1 ) t [8]
En la gráfica 1 se representan los puntos forma-
dos por el par de series (yt, xt), donde β’Xt represen- La ecuación (7) puede ser reespecificada como un
ta a un conjunto atractor (Johansen, 1995) que se ECM, que incluye los errores de la ecuación (8) de
mueve de forma compacta a través del tiempo y de- un periodo anterior. Restando en ambos lados de la
fine una relación estable. Los agentes económicos a ecuación (7) el término yt–1 se obtiene:
través de sus acciones generan que las variables eco-
nómicas se muevan alrededor de la relación estruc- ∆y t = α 0 + (α 1 − 1) y t −1 + β 0 x t + β1x t −1 + u t [9]
tural β’Xt y los coeficientes de a expresan los
mecanismos y las magnitudes de ajuste que realizan Sumando en la expresión (9) β 0 x t −1 − β 0 x t −1 = 0 y
los agentes, en la medida en que el comportamiento reordenando
de éstos fuerza a las diferentes variables a regresar a
su conjunto atractor ante la presencia de cualquier
∆y t = α 0 + β 0 ∆x t + (α 1 − 1) y t −1 + ( β 0 + β 1 ) x t −1 + u t [10]
situación de desequilibrio (Johansen, 1995).
34
siendo α1–1=–(1–α1) entonces la ecuación (10) pue- Depejando Yt y Zt
de especificarse como un modelo de corrección de
o bien como:
∆y t = β 0 ∆x t − γ ( y t −1 − k 0 − k1x t −1 ) + u t [12] La solución del sistema (14) está dada por la ecua-
ción (1-a11L) (1-a22L)-a12a21L2. La cual se pude defi-
Donde k1 =(β0+β1)/(1–α1) es el multiplicador de lar- nir como una ecuación característica:
go plazo, es decir el parámetro que mide la respues-
ta de yt largo plazo de xt ante un cambio de. La λ2 − (a11 + a 22 )λ + (a11a22 − a12a21 ) = 0 [15]
ecuación (12) contiene al mecanismo de corrección
de errores (yt–1–k0–k1xt–1), que captura las desviacio- Si ambas raíces características (λ1 y λ2) están dentro
nes de yt con respecto a su valor de equilibrio en el del círculo unitario entonces el sistema (12) tiene
período anterior. Si, α1<1, el modelo dinámico tie- una solución estable y el VAR debe ser estimado en
ne una solución convergente y el parámetro γ debe niveles. Si cualquiera de las raíces toma el valor de
estar entre 0 y -1, indicando la magnitud del ajuste uno ó se encuentra fuera del círculo unitario, las se-
de un período a otro. De esta forma, ries pueden estar cointegradas CI(1,1). A fin de ga-
reparemetrizando el ALD(1,1) se puede obtener un rantizar que las variables Yt y Zt estén cointegradas
modelo de corrección de errores permitiendo mo- CI(1,1), es necesario entonces que una raíz caracte-
delar simultáneamente a la dinámica de corto y lar- rística sea igual a uno y la otra menor a uno en valor
go plazo. absoluto. De esta manera, cada variable tendrá la mis-
Otra forma de especificar la relación entre la ecua- ma tendencia estocástica y la primera diferencia será
ción de cointegración y el ECM es por medio de ana- estacionaria. Por ejemplo si λ1 = 1, Yt tendrá la forma:
lizar las propiedades de un modelo VAR. Esto es,
asumiendo un VAR(1) con dos variables Yt, Zt. Yt = [(1 − a22 L )ε yt + a12 Lε zt ] /[(1 − L)(1 − λ2 L )] [16]
Donde εyt y εzt son perturbaciones conocidas como La ecuación (17) describe un proceso estacionario si
ruido blanco que pueden estar correlacionadas en- el λ 2 < 1 . Este resultado permite especificar al mode-
tre sí. Utilizando operadores de rezago (L) y resol- lo VAR en un modelo de corrección de errores. Es
viendo para los términos de error se puede decir, del sistema (12) aplicando la primera diferencia:
reespecificar el sistema (12) como:
35
asumiendo que a11 = [(1–a22L)–a12a21]/(1–a22) ello ción e inferencia de los modelos empíricos, entonces
implica que a11 – 1 = - a12 a21 / (1-a22) y el sistema el concepto de regresión espuria y la teoría de
(18) puede ser representado como: cointegración, dio como resultado un avance signi-
ficativo en el análisis de las propiedades estocásticas
∆Yt = −[a12 a21 /(1 − a22 )]Yt −1 + a12 Z t −1 + ε yt de las series utilizadas en los modelos econométricos.
∆Z t = a21Yt −1 − (1 − a22 ) Z t −1 + ε zt Así, se abrió un importante campo de investigación
[19]
en la identificación de estacionariedad y no
estacionariedad en las variables macroeconómicas,
Así, cuando una de las raíces características toma el
que ha permitido una mejor comprensión de su evo-
valor de uno y la otra en valor absoluto es menor a la
lución a través del tiempo y de los efectos que gene-
unidad, el modelo VAR en (12) se puede expresar
ran los cambios en la política económica.
como un modelo de corrección de errores. Más aun
Un importante factor que ha contribuido a la
en el caso donde a12 y a21 difieren de cero, se puede
rápida adopción de la teoría de cointegración y el
obtener un vector de cointegración normalizado,
ECM, es si duda la sencillez del procedimiento pro-
por ejemplo para el caso de Yt .
puesto por Engel y Granger basado en dos pasos. El
primero consiste es aplicar un método de estimación
que genere estimadores consistentes de los
∆ Yt = α y (Yt −1 − β Z t −1 ) + ε yt parámetros de la ecuación de equilibrio, en segun-
[20] do lugar estimar un ECM incluyendo los errores reza-
∆ Z t = α z (Yt −1 − β Z t −1 ) + ε zt
gados de la ecuación de equilibrio, que se identifica
como el ajuste dinámico de corto plazo. De esta for-
ma, el análisis empírico se sustenta en un balance
donde αy = -a12a21 / (1-a22); b = (1-a22) / a21; y αz = a21 entre la hipótesis teórica a comprobar y la informa-
ción estadística disponible, con lo que se obtiene una
La expresión (20) define que los cambios en Yt y Zt mejor aproximación al proceso generador de infor-
responden a desviaciones de la relación de equili- mación (Spanos, 1986).
brio de un período anterior: Yt-1 - βZt-1. si Yt-1 = bZt-1. El teorema de representación permitió hacer com-
De esta forma el teorema de representación permite patibles los modelos VAR y los modelos uniecuacionales
hacer compatibles distintas especificaciones, de tal basados en una hipótesis teórica (Johansen, 1988).
forma que un modelo de especificación dinámica Este marco ha permitido a la econometría realizar
(ADL) contiene a un ECM, el cual a su vez se pude importantes avances en el análisis de las condiciones
derivar de un modelo VAR. de exogeneidad y las pruebas no causalidad en el
sentido de Granger, en las variables del modelo em-
III. Comentarios generales pírico. Ello representó una respuesta a la críticas de
arbitrariedad en la especificación y la poca
El trabajo de Granger y Engel ha sido fundamental confiabilidad en el valor de los parámetros ante mo-
en el desarrollo de una metodología econométrica y dificaciones de política económica (Lucas, 1976;
en el uso de la econometría moderna. Debido a que Sargent, 1981).
en los primeros desarrollos de la econometría se asu- El concepto de exogenidad y las pruebas de no
mía estacionaridad en los datos, que empíricamente causalidad, en el contexto de series cointegradas, re-
es difícil de aceptar, generando sesgos en la estima- duce el número de variables a modelar y simplifica
36
el proceso de modelación econométrica (Galindo, (1991), “Long-run Economic Relationships”,
1997). Redings in coitegration, Oxford University Press,
37
y Newbold, P. (1974). “Spurious regressions in A.R. Pagan y D. Sargan (1984), “Dynamic
econometrics”. Journal of Econometrics, 2, pp. Specification”, Handbook of Econometrics, vol. II,
111-120. Z. Griliches y M.D. Intriligator (eds.), pp. 1023-
(1981), “Some properties of time series data and 1100.
their use in econometric model specification”. (1986), “Econometric Modelling with cointegrated
Journal of Econometrics, 16, pp. 121-130. variables: an overview”, Oxford Bulletin of
y A. A. Weiss (1983), “Time series analysis of error- Economic and Statistics, 48(3), pp.51-63
correction models”, en S. Karlin et al. (eds.), y N.R. Ericcson (1991), “An Econometric
Studies in Econometrics, Time Series and Analysis of UK Money Demand in Monetary
Multivariate Analysis, New York Academic Press, Trends in the United States and the United
pp. 225-278 Kingdom by Milton Friedman and Anna
(1983), “Cointegrated variables and error- Schwartz”, American Economic Review, 81(1), pp.
correcting models” discussion papers 8-38.
University of California, San Diego., C. A. y G. Mizon (1990), “Procrustean econometrics: or
(1986), “Developments in the study of cointegrated stretching and squeezing data”, en C.W.J.
economic variables”, Oxford Bulletin of Granger (ed.) Modelling Economic Series,
Economic and Statistics, 48, pp. 213-228 Clarendon Press Oxford, pp. 121-136
(1990), “Where are The Controversies in y G.J. Anderson (1993), “Econometrics: Alchemy
Econometric Methodology”, Modelling Economic or science?”, en Econometrics: Alchemy or Science,
Series, C.W.J. Granger (ed.), Calderon Press Blackwell Publishers, pp. 9-28
Oxford, pp. 1-23. (1995), Dymamic Econometrics, Oxford
y M. Deutsch (1992), “Comments on the Evaluation University Press.
of Policy Models”, Journal of policy modeling, Johansen, S. (1988). Statistical analysis of
14(4), pp. 497-516 cointegration vectors, Journal of Economic
y G.E. Mizon (1993), “Cointegration, error Dynamic and Control, 12, pp. 231-254.
correction, and the econometric analysis of non- (1995), Likelihood-based inference in cointegrated
stationary data”, Advanced Text in Econometrics, vector auto-regressive models, Advanced Texts in
Oxford University Press Econometrics, Oxford University Press.
Haavelmo, T. (1943) “The Statistical Implications Koopmans, T. C. (1937) Linear Regression Analysis
of a System of Simultaneous Equations”, of Economic Time Series, N e t h e r l a n d s
Econometrica, 11, 1-12. Economic Institute, Haarlem.
(1944) “The Probability Approach In Econometrics”, Lucas, R. E. (1976) “Econometric Policy Evaluation:
Supplement to Econometrica, 12. A Critique”, en K. Brunner y A. Meltzer (eds).
Hendry, D.F. (1979), “Predictive Failure and Stabilization of the Domestic and International
Econometric Modelling in Macroeconomics: The Economy, Amsterdam: North-Holland, pp. 7-29
Transaction Demand for Money”, en P. Omered Nelson, C.R. y Ploseer, C.I. (1982), “Trends and
(ed.), Economic Modelling, London Heinemann. ramdon walks in macroeconomic time series:
(1980), Econometrics: Alchemy or science, some evidence and implications”, Journal of
Economica, 47, pp. 387-406. Monetary Economics, 10, pp. 139-162
(1983), “Econometric Modelling: the Orcutt, G. (1948), “A Study of the Autoregressive
consumption function in retrospec”, Scottish Nature of the Time Series used for
Journal of Political Economy, 30, pp. 193-220. Tinbergen’s Model of the Economic System of
38
the United States 1919-1932”, Journal of the Sims, C. A. (1980) Macroeconomics and Reality,
Royal Statistical Society (series B), 10, 1-45. Econometrica, 48, pp. 1-48.
39