Академический Документы
Профессиональный Документы
Культура Документы
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.
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.
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.
0 i k
= + 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.
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.
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).
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.
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+
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:
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.
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.
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
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.
= -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.
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
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.