INDICE

Modelos dinmicos: definicin. La dinmica de sistemas en los modelos econmicos. La identificacin en los modelos dinmicos. Modelos con retardos distribuidos. Tipos de distribucin de los retardos: Distribucin finita de retardos. Distribucin infinita de retardos. El problema economtrico. Estructura de los retardos. Problema de estimacin de estructuras de retardos. Operador retardo y la funcin generatriz. Retardos en cascada. Retardos de estructura racional general. Estimacin de formas autoregresivas. Hiptesis de comportamiento generados por retardos. Modelo de ajuste parcial. Modelo de expectativas adaptables. Hiptesis de las expectativas racionales. Modelos con rigideces e incertidumbre. Bibliografa.

Modelos dinmicos: definicin.

Los modelos economtricos que contienen ecuaciones de comportamiento en los que intervienen variables referidas al tiempo deben recoger de alguna manera el hecho de las reacciones econmicas son retardos. Por lo tanto un modelo es dinmico si incluye variables retardadas. Desde el punto de vista econmico, la idea importante es la de movimiento. La teora cuantitativa distingue esttica, esttica comparativa, estados estacionarios, equilibrio intertemporal o situaciones dinmicas. Este modelo se diferencia del estructural por: Ct = + Yt + Ut mod. Esttico Ct= + Yt + Ct-1 + Ut mod. Dinmico. La reaccin de C a los cambios de Y tiene lugar tanto dentro del periodo de tiempo que se toma como unidad, mientras que en el dinmico se observa que reaccionar a los cambios en Y con un retardo, siguiendo una trayectoria temporal, periodo a periodo, hasta alcanzar el equilibrio a L/P. Por otro lado se establece que a todo modelo dinmico le corresponde uno esttico, pero no viceversa. Al modelo dinmico le corresponde la esttica comparativa.

La dinmica de sistemas en los modelos econmicos.

Para plantear algunos de los principios bsicos de la dinmica de sistemas, es preciso partir de su posicin crtica respecto a la forma habitual de la elaboracin de los modelos econmicos: Frente a la especificacin de los modelos lineales, se considera que todo sistema social es complejo y no puede ser operativamente aproximado por motivos lineales. Con relacin a la exigencia de datos referidos a un periodo amplio para las variables incluidas, un modelo de comportamiento del sistema debe actuar con aquellas variables que se piensan controlan la actuacin del sistema. En cuanto al contraste y estimacin de los modelos, se propugna la experimentacin o simulacin a partir del modelo construido.

Por lo tanto la dinmica de sistemas se centra en la bsqueda de principios generales para todos los sistemas sociales y en la simulacin de su comportamiento para detectar las propiedades empricas de los mismos. Por su parte los sistemas sociales se caracterizan por ser realineados constantemente por la informacin que generan, es decir, por venir influenciados por su comportamiento en el pasado. Podemos encontrar dentro de un sistema complejo los siguientes sistemas: De retroalimentacin positiva: si su estructura lleva el crecimiento del mismo.

De retroalimentacin negativa: si tiende hacia su objetivo, aunque pueda fluctuar alrededor del mismo.

Para acabar, una vez especificado el modelo, y a partir de los valores iniciales, se simulan diferentes comportamientos para alguna variable bsica del sistema y se determinan los caminos temporales inducidos de las otras variables caractersticas, pudindose establecer ciertas transformaciones adicionales hasta que el sistema se adapte al comportamiento deseado.

La identificabilidad en los modelos dinmicos.

Para explicar este punto nos basaremos en los diferentes opiniones de diferentes autores:

Hatanaka: donde establece que en el caso de no conocerse a priori los grados polinomiales de los retardos, se establece la exclusin de una variable de una ecuacin a la nulidad de un elemento de las matrices. Por lo tanto una variable se considera excluida de una ecuacin si no entra en ningn momento del tiempo. Entonces la condicin necesaria de la identificabilidad sera ahora adoptada en el sentido de que el nmero de variables excluidas tanto exgenas como endgenas sea igual o mayor a g-1. Por lo tanto los modelos economtricos seguirn siendo superidentificables. Sims: dice que tratamientos profundos de las expectativas complican sustancialmente la identificacin. Su argumento es que si la lista de variables exgenas fuese reconsiderada con atencin y contrastada en los casos en los que la exogeneidad es dudosa, la identificacin de estos modelos, por el criterio de Hatanaka, desaparecera o sera dbil. La consecuencia de esta debilidad se produce cuando de un nmero de variables estrictamente exognas, bajo el supuesto de variables con retardos no determinados, el modelo se identifica mediante la relacin entre los parmetros estructurales y las regresiones de distribucin de retardos de las variables endgenas sobre las exognas, donde las estimaciones de estas ltimas regresiones estn sujetas a un elevado error muestral, con lo que la identificacin debera considerarse como dbil.

Modelos con retardos distribuidos.

Sea el modelo: Yt = + 0Xt + 1Xt + 2Xt + .......+ Ut (1) Retardo distribuido: Y reacciona a los cambios de X con un retardo que sigue cierta regularidad (expresin). La causalidad no sera instantnea. Comporta una implicacin en cuanto que hay que precisar si los retardos se establecen a priori o a partir de la estimacin. Este modelo es un modelo dinmico lineal general, en el que los multiplicadores dinmicos de equilibrio son constantes i llamados coeficientes de reaccin, donde

i = siendo este llamado multiplicador total.

i= 0

Tipos de distribucin de retardos.

Distribuciones finitas de retardos.
A pesar de los esfuerzos para la especificacin de los retardos, se hace imposible determinar a priori el nmero de retardos a introducir por la insuficiente informacin de que se dispone. Por otro lado se sabe que cuanto mayor sea el nmero de retardos, s, ms se reducirn los grados de libertad del modelo. Por ltimo si se pudieran conocer los retardos significativos y dispusiramos de suficientes nmeros de datos como para que no sea decisiva la prdida de s grados de libertad, la estimacin de los Xt-h vendr afectada por el problema de la multicolinealidad. Una lnea de actuacin consiste en establecer a priori criterios de relacin entre los parmetros correspondientes a los valores sucesivos de la variable desfasados en el tiempo. Un ejemplo de ello seria la distribucin aritmtica de Fisher, donde los parmetros tienen una ponderacin decreciente desde (s +1) hasta 1: i = ( s +1 + i ) con lo que:
s

0 i k

Yt = + 0Xt + 1Xt + 2Xt + ....... + sXt-s + Ut = [( s +1 + i )Xt-i ] + Ut =

i=0

= + Zt + Ut Otros criterios serian la distribucin en V invertida de Deleeuw, donde cada parmetro va recibiendo una ponderacin aritmticamente creciente hasta s/2, y decreciente desde este punto.

Distribuciones infinitas de retardos.

En las distribuciones anteriores el bsico era la determinacin del desfase s ms adecuado. Una propuesta es admitir un nmero infinito de retardos, pero con una ley de formacin tal que sea posible su transformacin a formas alternativas con un nmero finito de parmetros, que posibilite su estimacin prctica. Un ejemplo de ello seria la distribucin geomtrica decreciente de retardos de Koyck as como la distribucin fraccional de Jorgenson, que explicaremos posteriormente. Otras alternativas seran la establecida por Solow, donde los retardos siguen la distribucin de Pascal: r + i 1 Yt = [ (1- )r / (1- )] Xt + Ut y i = (1- )r ( i ) i

aunque este modelo coincide con el de Koyck para r = 1. Por otro lado, comentaremos la distribucin de los retardos realizada por Schmidt donde establece la posibilidad de combinar la distribucin de Almon con la Koyck, con lo que es posible obtener curvas (polinomios) con una alargada cola de probabilidad a la derecha (decrecimiento geomtrico).

Problema economtrico.
La realizacin de inferencias sobre i , considerndose un problema no definido. Sabiendo que i es convergente, no es suficiente para la obtencin de estimaciones, surgiendo la necesidad de imponer alguna restriccin a priori; para ello se recurre a dos enfoques: Truncar la sucesin de trminos retardados: a partir de algn trmino dependiente bien del fenmeno estudiado o de la unidad temporal a la que vengan referidos los datos, los i comienzan a ser tan pequeos que se puede depreciar, as que la ecuacin principal se puede aproximar con exactitud mediante Yt = + iXt-i + Ut (2) Este modelo define una estructura temporal finita general de orden n Presenta dos inconvenientes que la adiccin de nuevos regresores resta grados de libertad, y por otro lado es posible que exista multicolinealidad entre los diferentes regresores. Modelo de Koyck: caracterizado por ser un modelo con distribucin infinita de retardos, en el cual supone que las i decaen geomtricamente (la influencia sobre la variable endgena es menor a medida que nos alejamos en el tiempo) y tienen el mismo signo: i=
i

0< <1 i = 1

de modo que si en t la influencia es , en t+1 es , por lo tanto el modelo inicial (1) quedara expresado como: Yt = + 0 Xt + 1 Xt-1 + 2 2 Xt-2 + .......+ Ut Cualquier valor de entre 0 y 1 asegura la convergencia, donde se puede llegar a una expresin simple de la funcin a travs de: Yt-1 = + 0 Xt-1 + 1 Xt-2 + 2 2 Xt-3 + .......+ Ut-1 Yt-1 = + 0 Xt-1 + 1 2 Xt-2 + 2 3 Xt-3 + .......+ Ut-1 , donde relacionando este modelo con el anterior obtiene: Yt= (1- ) + 0 Xt + Yt-1 + (Ut - Ut-1)

La transformacin consigue la simplificacin sustituyendo los sucesivos Xt por Yt-1, de modo que hemos sustituido el modelo de retrasos distribuidos por un modelo autorregresivo, como (1). La inclusin de Yt-1 conlleva dificultades, por tratarse de un regresor estocstico, pero nos ayuda a reducir la multicolinealidad. Pero se aade la complicacin de la autocorrelacin de Vt. Aun cuando Ut verifique la propiedades clsicas de la regresin MCO, esto no se traslada a Vt; donde en virtud de la no autocorrelacin de los Ut: E(Vt Vt-1) = E(- U2t-1) = - E(U2t-1) = -
2 u

al ser 0 y u 0 hay autocorrelacin. La combinacin de variables retardadas y autocorrelacin comporta la consistencia de los estimadores MCO. Recurre a un procedimiento para obtener estimaciones consistente por medio de dos etapas: 1.- la obtencin de las estimaciones MCO. 2.- obtencin de los estimadores consistentes.

Estructura de los retardos.

Volviendo a (1) y dejando que i siga una sucesin indefinida, considerndose en caso de aplicaciones prcticas una aproximacin de dicha sucesin siga una Ley de formacin, ms o menos compleja, pero conocida. Es conveniente definir ponderaciones: Wi = i / i = i / , cumpliendo i=0 Wi = 1 0<Wi<1

lo que permite interpretar Wi como probabilidades asignadas al conjunto de los enteros no negativos. Sus ventajas: La estructura temporal del retardo puede describirse mediante una funcin de distribucin de probabilidades. Un ejemplo de ello es a travs del modelo de Koyck: Wi = i / = 0 i / ( 0/(1- )) = (1- ) i Sirven para medir medidas centrales de retardo(media, mediana) y de dispersin (VAR).

Problema de estimacin de estructuras de retardos.

La estimacin de (2) por MC lleva a la multicolinealidad, restando precisin a las estimaciones y dificulta la obtencin de un nmero apropiado de retardos. El

incremento de regresores puede llevarnos a resultados espreos, por lo tanto el nmero de retardos para una buena aproximacin es elevado. La solucin sera perder flexibilidad poniendo restricciones a priori a los datos de una forma temporal concreta, beneficindonos ya que reduce el nmero de parmetros a estudiar. Como la estructura del retardo es finita la funcin generatriz wi una inversa finita, por lo que no es posible una representacin autoregresiva. Bajo este enfoque se recurre a la hiptesis de Almon, que establece que los bi se pueden aproximar mediante ordenadas de una funcin polinmica de grado no muy elevado. Esta hiptesis presenta la ventaja de que la funcin es bastante flexible y que se atena la multicolinealidad.

Operador retardo y funcin generatriz.

Para simplificar la obtencin de los parmetros con retardos: Operador retardo: LZt = Zt-1, donde Zt es una funcin del tiempo Funcin generatriz: W(Z) = W0 + W1Z + W2 Z2+ W3 Z3+....... , 1<Z<1

Segn Koyck, se establece que la combinacin de la funcin generatriz y del operador retardo da origen a ventajas instrumentales. Yt = + 0 Xt + 1Z Xt-1 + 2Z2 Xt-2 + .......+ Ut = + ( .) Xt + .......+ Ut = + (Z)Xt + Ut Donde parametrizando con los Wi: Yt = + W(Z) Xt + Ut , donde W(Z) = W0 + W1Z + W2 Z2+ W3 Z3+....... y =
i= 0 i 0

+ 1Z + 2Z2+

donde W vendr dado por W(Z) = ( 1- )(1- Z)-1

Retardos en cascada.
El uso de la funcin generatriz de retardos facilita las operaciones con series de distribucin de retardos llamados retardos en cascada. Considerando tres variables X, Y y Z y con orden de causalidad ZXY, si X depende de Z con un retardo distribuido la funcin generatriz: A(Z) = a0 + a1Z + a2 Z2+ a3 Z3+....... y si X influye a Y: B(Z) = b0 + b1Z + b2 Z2+ b3 Z3+....... Por lo tanto la funcin generatriz correspondiente a la primera causa de Z y al ltimo efecto es:

C(Z) = A(Z) B(Z)

Retardo de estructura racional general.

Jorgenson propuso la aproximacin del modelo Yt = + 0Xt + 1Xt + 2Xt + .......+ Ut Yt = a + (P(L)/ Q(L)) Xt + Ut Donde P y Q son polinomios de grado m y n , donde n > m, y no poseen races comunes. Para el modelo de Koych, supongamos que Q(L) es invertible Q(L)-1 = Ci Li, con Ci convergente, obtenemos Q(L)-1 = (1- L)-1= 1+ W1L + W2 L2+ W3 L3+......., con <1 que asegura la convergencia de Li, consecuencia la ecuacin del modelo se puede escribir: P(L)/ Q(L) =P(L) Q(L)-1 = 0 + 1 L + 2 L2+ ....... = (L) Este parmetro es conocido como multiplicador dinmico, el cual permite aproximar al modelo general (1) con cualquier grado de exactitud y para ello necesita menos parmetros que (2) La ventaja que presenta es muy general, por lo que no impone restricciones a los datos reales, esperando que estos datos definan la estructura temporal concreta del retardo. En la prctica m y n no son conocidos y los datos no son de calidad y abundantes para poder definir con precisin el retardo. Sobre Q(L)-1 = Ci Li , la estructura del retardo es muy sensible a los cambios de i, ya que pequeas variaciones de stos dentro de sus intervalos de confianza llevarn a fuertes cambios en la estructura temporal de los retardos. Esto nos lleva a que las estimaciones de i sean muy precisas.

Estimacin de formas autoregresivas.

Yt= (1- ) + 0 Xt + Yt-1 + (Ut - Ut-1) Si se admite que el trmino de la perturbacin compuesta de esta ecuacin no presenta autocorrelacin, los MC, aunque sesgado con muestras finitas, presentan buenas propiedades asintticas. Si se admite la hiptesis de normalidad para las perturbaciones, estos estimadores son maximoverosimiles, consistentes y asintticamente eficientes. Mantenindose estos resultados para la estructura del retardo racional general. Se establecen dudas sobre la hiptesis de independencia de la perturbaciones: Cuando no se cumple esta hiptesis las estimaciones MCO son inadmisibles. Se hace necesario el contraste de esta hiptesis, para ello recurren al test de DubinWatson, aunque no muy recomendado, es el que se usa.

Cuando hay evidencia de autocorrelacin en las perturbaciones se aborda el problema desde dos enfoques: Leviatn: basado en los MVI. Hannan: basado en las aplicaciones de tcnicas espectrales.

Hiptesis de comportamiento generados por retardos distribuidos.

Modelo de ajuste parcial: genera retardos distribuidos atendiendo a rigideces en el comportamiento econmico, pero bajo el supuesto de no existencia de incertidumbre sobre el futuro, en el sentido que cualquier cambio exgeno se supone permanente. Si introducimos el concepto de equilibrio a largo plazo y ligndolo a Y* Y* = + X + U Esta relacin no se puede estimar directamente porque Y* es inobservable, para poder estimar y se hace necesario enunciar alguna hiptesis sobre la forma en la que se tiene lugar el ajuste de Y a su valor de equilibrio a largo plazo Y* dY/dt = (Y*(t) Y(t)) , Yt Yt-1 = (Y*(t) Y(t)) 0 < 1 donde esta ecuacin se puede expresar de esta otra forma Yt = Y* + (1- ) Yt-1 En la que Y aparece como valor promedio del valor deseado actual y observado en el periodo anterior. Para el modelo de Koych: Y = + 0 X +(1- )Y + U La cual presenta la ventaja de que la perturbacin mantiene las propiedades del modelo de partida, puesto que estn multiplicadas por una constante. De ah que su estimacin por MCO goce de propiedad de consistencia. Modelos de expectativas adaptables: considerando la siguiente funcin donde Xe es el valor esperado de X, se escribe Yt= + Xet + Ut (3)

Se produce una vinculacin entre el comportamiento de los sujetos econmicos (Yt) al valor esperado de X (Xet) y al corriente (Xt). Dando una relacin lineal donde no existen rigideces en el comportamiento. Como Xet es inobservable se hace necesario una hiptesis sobre el proceso de formacin de las expectativas por el sujeto, donde estos elaboran sus expectativas segn los valores histricos de Xt. La hiptesis de expectativas: d Xet / dt = (Xt - Xet) estableciendo que las expectativas se van modificando de acuerdo con la evolucin de las condiciones exognas y de forma tal que el cambio de expectativas en cualquier instante t es proporcional a la diferencia entre el valor real y el esperado hasta ese momento. Xet - Xet-1 = (Xt - Xet-1) 0< 1 Xet = Xt +(1- ) Xet-1 Si desplazamos la ecuacin anterior y multiplicamos por, obtenemos mediante sustituciones sucesivas: Xet = (1- )i Xt-i
i=0

lo que indica que el valor de la expectativa es una media ponderada de valores de X, con ponderaciones decrecientes, siendo una progresin geomtrica a razn (1- ), a medida que nos alejamos del pasado.

(1- )i =[ 1/ (1-(1- ))] = 1

i=0

para la estimacin de los parmetros , y , se debe eliminar la variable inobservable Xet, a tal efecto puede sustituirse (3) quedando Yt= + (1- )i Xt-i + Ut
i=0

si aplicamos el proceso de Koyck Yt= + Xt + (1- )Yt-1 + (Ut (1- )Ut-1)

En el modelo sencillo con constante para las expectativas adaptables, cuando se aaden variables explicativas, se plantea el problema de la superidentificabilidad al obtener la forma autoregresiva, la cual lleva a aplicar un procedimiento de estimacin directa que no precisa de la forma autoregresiva.

Hiptesis de las expectativas racionales.

En un contexto de incertidumbre, los sujetos econmicos se comportan de acuerdo con las expectativas que ellos forman sobre su futuro. La hiptesis de las expectativas adaptativas permite la formacin de expectativas de una variable exgena, es decir que los sujetos elaboran sus expectativas en funcin de los valores pasados de la variable exgena. Formalmente se considerar que la expectativa racional para la variable X en el periodo t venga dada por la esperanza matemtica de la variable condicionada a toda la informacin disponible en ese momento: X*t = E(Xt/ t-1), donde t es el conjunto de observaciones de todas las variables endgenas y exognas hasta el momento t inclusive. Cuando existe una modelo de comportamiento para la formacin de expectativas, es de suponer que los sujetos lo usan, es decir que la variable de expectativas pueda convertirse en endgena mediante la formacin terica, por lo tanto es de suponer que los agentes formarn sus expectativas acudiendo a las predicciones que proporciones dicha teora. Para el caso en el que las expectativas racionales se establezcan sobre la variables endgenas del modelo, stas tambin terminan implicando una explicitacin de las expectativas sobre las exgenas. As, un modelo multiecuacional con inclusin de expectativas sobre cualquiera de las endgenas, puede expresarse: D0 Yt+ C0Xt + G0Yt* = Ut donde Yt* es el vector de la variable no observable de las expectativas racionales sobre las endgenas en el periodo t. Podemos expresar este modelo en trminos de expectativas (D0 + G0)Yt* + C0Xt* = 0 con lo que la relacin entre expectativas racionales sobre las endgenas y sobre las exognas vendar dada por (D0 + G0) no singular: Yt* = - (D0 + G0)-1 C0Xt* y el modelo original es transformable en otro alternativo con expectativas racionales definidas ahora sobre las variables exgenas: D0 Yt+ C0Xt - G0 (D0 + G0)-1C0Xt* = Ut Los errores cometidos en el establecimiento de expectativas racionales, diferencias entre Yt real e Yt*, sern: Yt - Yt* = [ -D0-1 C0Xt + D0-1G0 (D0 + G0)-1C0Xt* + Vt ] - [- (D0 + G0)-1 C0Xt*] =

= -D0-1 C0Xt + (D0-1G0 + I) (D0 + G0)-1 C0Xt*+ Vt = -D0-1 C0Xt + (D0-1G0 + I) Y*t+ Vt = -D0-1 C0 (Xt-Xt*) + Vt = t (Xt-Xt*) + Vt por lo tanto los errores cometidos en las expectativas racionales (Yt-Yt*) dependen solo de los errores de prediccin de las variables exgenas del modelo(Xt-Xt*) y del trmino de la perturbacin. Por otro lado si explicitamos el proceso de formacin de estas expectativas, X*t = R(B)Xt-1, y sustituimos en la forma estructural, pasamos a un modelo con retardos distribuidos sobre las exgenas: D0 Yt+ C0Xt + F(B)Xt-1 = Ut con Yt* = - G0 (D0 + G0)-1 C0 R(B) A partir de esta expresin se entienden mejor las crticas sobre la validez de las simulaciones con modelos economtricos, por ejemplo Lucas seala que el modelo pude entenderse como un conjunto de relaciones de comportamiento derivadas de unas reglas de actuacin ptimas, parcialmente basadas en las expectativas (racionales) que los agentes econmicos tienen sobre ciertas variables clave. Lo que pretende decir es que cualquier cambio en la evolucin futura de esas variables relevantes altera las reglas de decisin ptima. Pero para comprenderlo mejor hace falta realizar matizaciones: Debe reconocerse que las expectativas racionales slo es una hiptesis de trabajo, cuya validez emprica debe verificarse. Imposibilidad prctica de identificar un modelo de expectativas racionales.

Modelos con rigideces e incertidumbre.

El modelo de ajuste parcial ignora la incertidumbre acerca del futuro hacindose dependiente de Xt y no Xet, mientras que el modelo de expectativas adaptables no tiene en cuenta las rigideces en el ajuste. Se puede obtener un modelo combinacin de los anteriores, lo que nos lleva a plantear el problema de identificacin cuando la estimacin se enfoca a travs de la forma autoregresiva. Presentamos los siguientes casos: Yt * = + Xet + Ut (4), donde se propone el comportamiento con rigideces al mismo tiempo que propone que los sujetos formen expectativas sobre los valores futuros. Yt Yt-1 = (Yt*-Yt-1) 0< 1

Xet - Xet-1 = (Xt - Xet-1) 0< 1 Son los supuestos de ajuste parcial y expectativas adaptables necesarios para eliminar la variable inobservable de (4). Sustituyendo y operando Yt = + (1- ) Yt-1 + Xet + Ut

Xet = [ 1/ (1-(1- ))] Xt Obtenemos: Yt = + Xet + ((1- ) + (1- ) )Yt-1 - ((1- ) (1- ) )Yt-2 + [ Ut -(1- )Ut-1] No se pueden obtener los valores de y por separado, pero se puede obtener estimaciones de y a travs del sistema de parmetros. Si modificamos (4) de forma que Y dependa tanto de Xet y Xt. La ecuacin se puede escribir de la siguiente forma: Yt * = + Xet + 1 Yt + Ut recurriendo a las ecuaciones usuales: Yt Yt-1 = (Yt*-Yt-1) Xet - Xet-1 = (Xt - Xet-1) Se obtiene: Yt = + ( 1+ 2 ) Xt + (1- ) 1 Xt-1 + ((1- ) + (1- ) )Yt-1 - ((1- ) (1- ) )Yt-2 + [ Ut -(1- )Ut-1] En este caso y no aparece de forma simtrica, de modo que no surgen problemas de identificacin. Si modificamos la hiptesis de ajuste parcial de forma que el cambio en Y del periodo a otra dependiendo tanto de Yt*-Yt-1 asi como de Xet y Xt Yt Yt-1 = (Xt - Xet-1) + (Yt*-Yt-1)

Y recurriendo a las ecuaciones usuales: Yt * = + Xet + Ut Xet - Xet-1 = (Xt - Xet-1) Eliminando las variables inobservables se obtiene la forma autorregresiva. Yt = 1 + ( 0(1- )+ 1) Xt - 1 0

(1- ) Xt-1 + ((1- ) + (1- ) )Yt-

((1- ) (1- ) )Yt-2 + 1[Ut -(1- )Ut-1]

Bibliografa.

Jos Mara Otero Ed. CA 1983. Modelos economtricos y predicciones de series temporales. Jos Mara Otero 1973. Revista espaola de economa. Nelson lvarez Vzquez Ed. UNED 1998. Econometra addenda. Angel Alcaide Inchausti Ed. CERA 1992. Modelos deterministas y estocsticos. Antonio Pulido San Romn Ed. Pirmide 1998. Modelos economtricos. W. Forrester The impact of feedback control concepts on the management sciences. I. Fisher Note on a short-cut method for calculating distributed lags. F. Deleeuw The demand for capital goods by manufacturers: a study of quarterly time series. S. Almon The distributed lag between capital appropiations and net expeditures. L. M. Koyck Distributed lags and investment analisys. R. M. Solow On a family of lag distributions. D. W. Jorgenson Rational distributed lag functions. M. Hatanaka On the global identification of the dynamic siultaneous equations model with statioonary disturbances. C. A. Sims Macroeconomic and reality.

MODELOS DINAMICOS:
Modelos con retardos distribuidos.

Victor M. Rodrguez lvarez.