Académique Documents
Professionnel Documents
Culture Documents
ECONOMETRIA I
LIC. FERNANDO ESCOBAR
1. Introducción
2. El problema de identificación
3. Estimación de modelos de ecuaciones simultáneas
1. Introducción
Ct Yt t (1)
Yt Ct Z t (2)
Las ecuaciones (1) y (2) es el sistema de ecuaciones en su forma estructural, donde:
a) t N (0, 2 I )
b) Z t y t son independientes
C t (C t t ) t
(1 )C t Z t t
Ct Zt t (3)
1 1 1
UNIVERSIDAD CATÓLICA BOLIVIANA
ECONOMETRIA I
LIC. FERNANDO ESCOBAR
y
Yt Ct Z t
1
Yt Zt t (4)
1 1 1
A las ecuaciones (3) y (4) se les denomina ecuaciones en su forma reducida. Las
variables endógenas se expresan en función de variables predeterminadas del modelo
(exógenas o endógenas rezagadas) y de la perturbación estocástica del modelo.
t
Sea vt
1
2
v N 0, I
(1 ) 2
De la ecuación (4), se puede demostrar que:
2
Cov (Yt , t )
(1 )
Habíamos vistos que bajo los supuestos del modelo lineal clásico, para obtener
estimadores con propiedades deseables (insesgados y consistentes) los errores no
deberían están correlacionados con ninguna de las variables explicativas del modelo.
Por tanto, dado que el ingreso está correlacionado con la perturbación estocástica,
concluimos que si aplicamos MCO a la ecuación (1) (es decir, a la función de
consumo), obtendríamos estimadores sesgados e inconsistentes.
En lo que sigue, se utilizará la letra y para denotar variables endógenas y la x para las
variables predeterminadas (las variables no están en desviaciones a la media).
La pregunta que surge es ¿cómo estimar 2 funciones (oferta y demanda) por separado
conociendo sólo una nube de puntos ( y1 , y 2 )?. Dicho problema se llama el problema de
identificación.
Si imponemos:
0
E ( t ) E 1t
2 t 0
12
E ( t t ' ) 11
21 22
Entonces:
E (v t ) 0
11 122 22 2 12 12
var( v 1t ) E (v )
2
2
1t
212 11 22 2 21 12
var( v 2 t ) E (v )
2
2
2t
21 11 12 22 (1 12 21 ) 12
Cov (v 1t , v 2 t ) E (v 1t v 2 t )
2
Hay 3 vías que básicamente pueden ayudar a identificar una o ambas ecuaciones del
modelo: (1) restricciones en los parámetros estructurales ' s y ' s , (2) restricciones en
la matriz y (3) reespecificaciones del modelo que incorporen variables adicionales.
Veamos un ejemplo del caso (1) Supongamos en particular, que 21 0 . Esto reduce el
número de parámetros estructurales a 6, pero el número de parámetros de forma
reducida sigue siendo 5. Aparentemente, los parámetros estructurales siguen no
identificados. Pero si sustituimos la restricción en 1 y 2 obtenemos:
UNIVERSIDAD CATÓLICA BOLIVIANA
ECONOMETRIA I
LIC. FERNANDO ESCOBAR
11
1
21 11
2
2
21
1
y2
Lo anterior implica que 21 puede ser estimado como ˆ 21 (¿Por qué? R. Las
y1
estimaciones MCO de 1 y 2 en (7) y (8) son las medias muestrales de las variables
dependientes). Esto permite identificar la ecuación de oferta pero la ecuación de
demanda sigue sin ser identificada.
Supongamos ahora una restricción del tipo (2), la cual establece que
var( 1t ) 11 0
11 1 122
11 también es identificable
y1 12 y 2 11 x1 12 x2 1t
21 y1 y 2 21 x1 23 x3 24 x4 2t
Con 12 0 y 21 0
x1
y 1 ( 11 12 21 ) 12 12 23 12 24 x 2 v 1
(10) 1
y 2 ( 21 11 21 21 12 23 24 x 3 v 2
x 4
Donde 1 12 21 y las v' s son aquellas dadas en las ecuaciones (7) y (8)
x1
y 1 1 11 21 31 41 x 2 v 1
(11)
y 2 21 22 23 24 x 3 v 2
x 4
22 13 14
Ello implica que 21 , 12
12 23 24
Una vez que encontramos los ' s , los ' s pueden ser encontrados de 11 y 21 .
Vemos que hay 8 parámetros de forma reducida pero sólo 7 parámetros estructurales.
Ello proviene del hecho que existen dos estimadores posibles para 12 . A priori, no hay
razón por la cual estas estimaciones sean iguales (el sistema está sobreidentificado).
UNIVERSIDAD CATÓLICA BOLIVIANA
ECONOMETRIA I
LIC. FERNANDO ESCOBAR
2. Problema de identificación
Asumamos un modelo lineal que contiene G ecuaciones, cada una con t observaciones.
La i ava ecuación se puede escribir como:
Las variables Yit son las variables endógenas en t y las X it indican variables
predeterminadas (corrientes o en rezagos) que puede incluir rezagos de las Y ' s .
y t xt t
t 1,2,....T
11 12 ... 1G
22 ... 2G
21
G1 G2 ... GG
11 12 ... 1K
21 22 ... 2 K
G1 G 2 ... GK
Y1t X 1t 1t
Y X 2t
y t 2t xt 2t
... ... ...
YGt X Kt Gt
Con 1 t 1 t
La matriz es GxK .
y
Az t t t (15)
xt
y
con A , matriz de todos los coeficientes estructurales, z t t vector de
xt
observaciones de todas las variables en t .
Sea 1 la primera fila de A . Entonces la primera ecuación estructural puede ser escrita
como:
1 z t 1t
La mayoría de las restricciones son de exclusión. Por ejemplo la variable Y3t no aparece
en la primera ecuación. Por lo tanto, 13 0 Esta restricción se puede escribir como:
0
0
1
11 12 13 ... 11 ... 1K
0 0
0
0
0
UNIVERSIDAD CATÓLICA BOLIVIANA
ECONOMETRIA I
LIC. FERNANDO ESCOBAR
1
1
0
11 12 13 ... 11 ... 1K
0 0
0
0
0
Si estas son las únicas restricciones a priori sobre 1 , éstas pueden ser resumidas en:
1 0 (16)
0 1
0 1
1 0
Con
0 0
... ...
0 0
0
AW 0
con:
A y W
I
Por lo tanto, las restricciones sobre los coeficientes estructurales de la primera ecuación
son:
1 W 0 (17)
1 W 0 (18)
UNIVERSIDAD CATÓLICA BOLIVIANA
ECONOMETRIA I
LIC. FERNANDO ESCOBAR
rangoW G K 1 (19)
Es una condición necesaria y suficiente para identificar la primera ecuación. (en general,
para la ecuación i-ava debe cumplirse la condición de rango anterior)
Por lo tanto, uno primero chequea condiciones necesarias para la identificación. Dado
que W tiene K R , una condición necesaria para que se dé es que:
K R G K 1
(20)
R G 1
es la condición de orden.
Esta establece que el número de restricciones a priori no debe ser inferior al número de
ecuaciones en el modelo menos 1. Si hay sólo restricciones de exclusión, la condición
de orden es que el número de variables excluidas de la ecuación debe ser al menos tan
grande como el número de ecuaciones en el modelo menos 1.
RG g K k
RG g K k
G g K k G 1
K k g 1
UNIVERSIDAD CATÓLICA BOLIVIANA
ECONOMETRIA I
LIC. FERNANDO ESCOBAR
Ejemplo:
12 0 21 0 (restricciones de exclusión)
0
0 12 11 12
A 11
0 21 22 21 22
1
0
A 12 rango( A) G 1 2 1 1
22 22
0
0
Para la segunda ecuación,
1
0
UNIVERSIDAD CATÓLICA BOLIVIANA
ECONOMETRIA I
LIC. FERNANDO ESCOBAR
A 11 rango( A) G 1 2 1 1 . Si 11 0 también está identificada.
0
UNIVERSIDAD CATÓLICA BOLIVIANA
ECONOMETRIA I
LIC. FERNANDO ESCOBAR
Este método es factible para una ecuación que está exactamente identificada. El primer
paso consiste en estimar los coeficientes del modelo reducido por MCO ecuación por
ecuación. Luego obtenemos los parámetros del modelo estructural de relaciones
algebraicas entre estos y los del modelo reducido.
y t xt t
(22)
t 1,2,....T
Con
Y1t X 1t
Y X 2t
y t 2t xt
... ...
YGt X Kt
Sea:
y1' x 1'
' '
y2 x
y x 2
... ...
' '
y T x T
T observaciones
(Por ejemplo y1' Y11 Y21 ... YG1 , x1 ' X11 X 21 ... X K1 )
Dado T observaciones, el modelo estructural puede ser escrito como:
11 21 ... G 1
22 ... G 2
12
... ... ... ...
1T 2T ... GT
y x 'v
' ( ' ) 1
v ( ' ) 1
Yi y1 1 x1 1 i
1
Y i y1
x 1 1 i
1
1
1
Yi y1 y 2 x 1 i
x2 0
1
0
donde y 2 y x 2 son matrices de G g y K k variables endógenas y predeterminadas
respectivamente, excluidas de la ecuación:
1
ˆ '
( x ' x ) x ' y ˆ1 1
1
0
0
o
1
ˆ '
1
( x ' x ) x ' Yi y1
y 2 ˆ1 1
0
0
entonces:
ˆ1'
( x ' x ) x ' Yi ( x ' x ) xy 1 1
1 ˆ
1
0
Sea:
ˆ '
x ' Yi xy 1 ˆ1 ( x ' x ) 1
0
Entonces obtenemos:
Yi y1 1 x 1 1 i
Dado que x 2 no está correlacionada con i pero sí está correlacionada con y1 (ver
sistema en la forma reducida). Podemos usar x1 x 2 como instrumentos de x1 y1
UNIVERSIDAD CATÓLICA BOLIVIANA
ECONOMETRIA I
LIC. FERNANDO ESCOBAR
1
ˆ1,IV x 2 ' x '
ˆ y1
x 1 2 Yi
x '
1,IV x 1 ' 1
Consideremos la ecuación:
Y1T y1 1 x 1 1 i
Sabemos que la condición necesaria para identificar es que K k g 1 . MCO
aplicado a la ecuación anterior da estimadores inconsistentes. MC2E reemplaza y1 por
ŷ1
En este caso, el estimador de Mínimos Cuadrados en dos etapas, también puede ser
interpretado como un método de variables instrumentales donde la matriz de
instrumentos para y1 x1 es yˆ 1 x1