MODELO DE DEMANDA DE ALIMENTOS

Este modelo est tomado de Kmenta quien a su vez se remite a un artculo de Girschick
y Haavelmo. Consta de dos ecuaciones una de oferta y una de demanda, referidas ambas
al mercado de la alimentacin,
0 1 2 1
0 1 2 3 2
D
t t t t
O
t t t t t
Q a a P a Y u
Q b b P b X b Z u
+ + +
+ + + +
(1)
donde Q son cantidades, P precios, Y renta disponible, X la razn entre los precios
percibidos por los productores y los precios generales de consumo referidos al ao
anterior, y Z es una tendencia temporal. Precios y cantidades son las variables
endgenas, mientras que el resto son exgenas.
La forma estructura del modelo puede escribirse como,
1
1 11 12 13 1 11 12
2
2 21 22 23 2 21 22
3
t
t t
t
t t
t
x
y b b b u a a
x
y b b b u a a
x
_
_ _ _ _

+


, , , ,

,
(2)
donde y
1
, y
2
son cantidades y precios, y x
1,
x
2
y x
3
renta, precios relativos y tendencia
respectivamente. Considerando las restricciones b
12
= b
13
= 0 y b
21
= 0, se obtiene el
sistema (1).
La primera ecuacin de (1) excluye dos variables por lo que la ecuacin de
demanda est superidentificada. La ecuacin de oferta excluye slo una y por tanto es
exactamente identificada.
Estimaremos en primer lugar esta ltima utilizando los sistemas de MCI y VI.
Adems, expresando el modelo en forma de desviaciones con respecto a las medias, se
elimina el trmino independiente y se simplifican los clculos. Por tanto consideraremos
la ecuacin,
1 2 3 2
O
t t t t t
q p x z b b b u + + +
donde las letras minsculas representan las mismas variables pero expresadas en
desviaciones.
Los datos necesarios para la estimacin se muestran en las tablas 1 y 2,
Y1
Cantidades
Y2
Precios
X1
Renta
X2
P relativos
X3
Tendencia
98.00000 100.0000 87.40000 98.00000 1.000000
99.00000 104.0000 97.60000 99.00000 2.000000
102.0000 103.0000 96.70000 99.00000 3.000000
101.0000 105.0000 98.20000 98.00000 4.000000
104.0000 98.00000 99.80000 111.0000 5.000000
103.0000 99.00000 100.5000 108.2000 6.000000
104.0000 101.0000 103.2000 105.6000 7.000000
100.0000 105.0000 107.8000 109.8000 8.000000
1
Y1
Cantidades
Y2
Precios
X1
Renta
X2
P relativos
X3
Tendencia
100.0000 96.00000 96.60000 108.7000 9.000000
103.0000 91.00000 88.90000 100.6000 10.00000
95.00000 93.00000 75.10000 81.00000 11.00000
92.00000 99.00000 76.90000 68.00000 12.00000
94.00000 103.0000 84.60000 70.90000 13.00000
99.00000 99.00000 90.60000 81.40000 14.00000
106.0000 95.00000 103.1000 102.3000 15.00000
100.0000 98.00000 105.1000 105.0000 16.00000
104.0000 86.00000 96.40000 110.5000 17.00000
99.00000 104.0000 104.4000 92.50000 18.00000
105.0000 106.0000 110.7000 89.30000 19.00000
106.0000 113.0000 127.1000 93.00000 20.00000
Tabla 1. Datos bsicos
Y1 Y2 X1 X2 X3
Y1 14.51000 0.920000 33.04550 32.67700 3.350000
Y2 0.920000 34.19000 37.07850 -14.85100 0.000000
X1 33.04550 37.07850 132.9623 70.96635 21.84250
X2 32.67700 -14.85100 70.96635 155.3589 -20.49000
X3 3.350000 0.000000 21.84250 -20.49000 33.25000
Medias 100.7000 99.90000 97.53500 96.59000 10.50000
Tabla 2. Varianzas, covarianzas y medias
a) Estimacin de la ecuacin de oferta por MCI
1

Partimos de la expresin A = B o en forma ms desarrollada,
11 12 13 11 12 13 11 12
21 22 23 21 22 23 21 22
b b b a a
b b b a a


_ _ _

, , ,
Las estimaciones de la forma reducida, son,
1
2
1 1 2 1
1 1 2 1 3
1 2
2 1 2 2 3 1 2 2 2
2 2
3 1 3 2 3
1 3 2 3

y x y x
x x x x x
x x x x x y x y x
x x x x x
y x y x
s s
s s s
y
s s s s s
y
s s s
s s

_
_

_



,


,
,

es decir,
1
Al considerar las variables en desviaciones con respecto a la media, en la mayora de los clculos se
sustituyen los valores de los sumatorios por los de las respectivas varianzas y covarianzas. Aunque esto
no es correcto, ya que habra que tener en cuenta el nmero de observaciones, n, ello no afecta a los
resultados ya que las ns de unos trminos resultan compensadas con las de otros. Por ejemplo, en la
expresin (ZX)
-1
ZY, al hacer correctamente la sustitucin aparecera 1/n en el trmino (ZX)
-1
y n en Z
Y, anulndose ambos.
2
1
1
2
132.9623 70.96635 21.84250 33.04550 37.07850
70.96635 155.3589 -20.49000 32.67700 -14.85100
21.84250 -20.49000 33.25000 3.350000 0.000000
0.149911 0.667826
0.154730 -

y
y

_ _
_

,

, ,
0.499070
0.097623 -0.746254
_



,
Por tanto,
11 12 13 11 12
21 22 23 21 22
.149911 .15473 .097623
.667826 .49907 .746254
b b b a a
b b b a a
_ _ _

, , ,
Ya sabemos que la ecuacin de demanda es superidentificada de manera que
slo nos interesa los parmetros correspondientes a la ecuacin de oferta, es decir el
segundo subsistema,
21 22 21
21 22 22
21 22 23
.149911 .667826
.15473 .49907
.097623 .746254
a a b
a a b
a a b
+
+

Haciendo a
21
= 1 y teniendo en cuenta que b
21
= 0, se tiene finalmente,
22 22 23
0.224476, 0.266759 y 0.265139 a b b
de manera que la ecuacin en desviaciones con respecto a las medias queda,
2
0.224476 0.266759 0.265139
O
t t t t t
q p x z u + + +
El trmino independiente ser
21 22 23
a Q a P b X b Z 49.725
Esta misma ecuacin puede estimarse por VI, sistema que adems de ser ms
rpido, proporciona un mtodo fcil de calcular las desviaciones tpicas de los
estimadores, muy complejas en el caso de MCI, ya que habran de obtenerse a partir de
los errores estndar de la forma reducida.
b) Estimacin por VI
La frmula para calcular el vector de los estimadores, es en este caso,
-1
b=(ZX) ZY
3
donde la matriz Z resulta de sustituir en la X los valores de Y
2
por los de X
1
que jugara
el papel de instrumento. Es la nica variable de la que se dispone para llevar a cabo
esta operacin. Se tiene as,
1 1
11 1 21 21 31 11 1 11 1 2 1 2 1 3 1 1
2
21 2 21 2 2 2 2 2 3 1
2
31 3 2 2 3 31 3 1 3 2 3 2 3
... ...
... ...
... ...
n n x y x x x x y x
n n x y x x x y
n n n n n n x y x x x
x x y x x x x y s s s s
x x x x s s s s
x x y x x x x y s s s

_ 1
_ _ _ _
1

1


1
, , , ,
] ,
b M M M M
2
1 3
x
y x
s
_



,
y sustituyendo,
que es obviamente el mismo resultado.
La varianza de los estimadores puede ahora ser calculada a partir de la
expresin,
2 1 1
cov( ) ( ) ( )( )

b ZX ZZ XZ
La varianza de las perturbaciones se sustituye por su estimador insesgado, que
puede calcularse como sigue,
2
( )( )

n k n k


Y- Xb Y- Xb YY- 2bXY+bXXb
El clculo del numerador puede hacerse a partir de las varianzas y covarianzas,
( ) ( )
2
1 2 1 12 13 1
2 2
1 1 2 3 1 2 1 2 3 21 2 23 2
2
1 3 31 32 3 3
2
2

y y
y y x
y x
s s s s b
n s b b b s b b b s s s b
s s s s b
n k

1
_ _
_
1

+
1


1
,
, ,
]

tenemos que,
4
1
37.07850 70.96635 21.84250 33.04550
-14.85100 155.3589 -20.49000 32.67700
0.000000 -20.49000 33.25000 3.350000
0.021804 -0.012897 -0.022271
0.002269 0.005664 0.002000
0.001398 0.

_ _




, ,

b
33.04550 0.224477
32.67700 0.266759
003491 0.031308 3.350000 0.265140
_ _ _

, , ,
( )
.92
2 .224476 .266759 .26514 32.677
3.35
2 -2*9.811627
_




,
bXY
( )
34.19 -14.85 0.000 0.224477
.224476 .266759 .26514 -14.851 155.36 -20.49 0.266759
0.000 -20.49 33.25 0.265140

10.43864
_ _



, ,
bXXb
de manera que,
( )
2
20 14.51 19.623354 10.43864
106.50772
6.657
16 16

+

Por otra parte ya se ha calculado (ZX)
-1
y (XZ)
-1
es la traspuesta de la anterior.
Adems ZZ, que ser,
2
1 1 2 1 3
2
2 3 2 2 3
2
3 1 3 2 3
132.9623 70.96635 21.84250
70.96635 155.3589 -20.49000
21.84250 -20.49000 33.25000
x x x x x
x x x x x
x x x x x
s s s
Z Z s s s
s s s
_
_







,
,
de manera que
2
,
2 1 1
0.032649 0.003397 0.002093
1
cov( ) ( ) ( )( ) 6.657 0.003397 0.007360 0.004535
20
0.002093 0.004535 0.032870

_




,
b ZX ZZ XZ
es decir,
2 1 1
0.010867 0.001131 0.000697
cov( ) ( ) ( )( ) 0.001131 0.002450 0.001510
0.000697 0.001510 0.010941

_




,
b ZX ZZ XZ
Por tanto las respectivas desviaciones tpicas son,
1 2 1
. ( ) .010867, 0.1042 . ( ) .00245 0.00495, . ( ) .010941 0.1046 d t b d t b d t b
con las que pueden contrastarse hiptesis individuales o construir intervalos de
confianza.
La estimacin obtenida con Eviews es,
Dependent Variable: Y1
Method: Two-Stage Least Squares
Date: 12/16/04 Time: 16:26
Sample: 1900 1919
2
Aqu debe introducirse 1/n = 1/20 ya que ahora no hay un trmino que lo cancele (ver nota 1).
5
Included observations: 20
Instrument list: X1 X2 X3
Variable Coefficient Std. Error t-Statistic Prob.
C 49.72454 12.61699 3.941079 0.0012
Y2 0.224477 0.104244 2.153368 0.0469
X2 0.266759 0.049493 5.389854 0.0001
X3 0.265140 0.104596 2.534891 0.0221
R-squared 0.632985 Mean dependent var 100.7000
Adjusted R-squared 0.564170 S.D. dependent var 3.908156
S.E. of regression 2.580064 Sum squared resid 106.5077
F-statistic 10.35247 Durbin-Watson stat 2.473426
Prob(F-statistic) 0.000498
Tabla 3. Estimacin de la ecuacin de oferta
c) Estimacin de la ecuacin de demanda
Al ser sobreidentificada solo puede estimarse por MC2E, siendo la expresin que
permite la estimacin directa
3
,
1
]
1

1
]
1

1
1 2
2
2 2 2
Y X
Y Y
X X Y X
X Y Y Y
b

1
Se considerar tambin aqu el la ecuacin expresada en desviaciones con respecto a la
media, de manera que,
1 2 1
D
t t t t
q p y a a u + +
o bien,
1 1 2 2 1 1 t t t t
y y x a a u + +
La expresin
2

2
Y Y puede calcularse a partir de los datos originales como,
2
1
2 2 2
XY X(XX) Y Y Y

donde ahora las X (sin punto) representan todas las exgenas. Se tiene as,
3
Por X

se representan las variables exgenas que entran en la ecuacin de demanda. En el manual esta
expresin es Xf.
6
( ) ( )
2 1 2 2 2 3
1
1
2
1 1 2 1 3
2
2 3 2 2 3
2
3 1 3 2 3
37.0785 14.851 0
132.9623 70.96635 21.84250
70.96635 155.3589 -20.49000
21.84250 -20.49000 33.25000
37.0785
y x y x y x
x x x x x
x x x x x
x x x x x
s s s
s s s
s s s
s s s

_
_







,
,

2
2
Y X
XX
XY 14.851
0
_

,
Por tanto,
2
1
2 2 2
XY X(XX) Y Y Y

= 33.18391
El siguiente elemento de la frmula es,
2 1
2 1
2
1

37.0785

37.0785
132.9623
y x
y x
x
s
s
s




2 2

2 2

Y X =Y X
X Y X Y
X X
Por otra parte,
1

XY X(XX) Y Y Y
1
2 1 2

donde solo faltara calcular XY

1
ya que el resto de la expresin lo fue con anterioridad para la
obtencin de
2
1
2 2 2
XY X(XX) Y Y Y

. Como,
1 1
1 2
1 3
33.0455
32.677
3.35
y x
y x
y x
s
s
s
_
_







,
,
1
XY
se tiene que
1

XY X(XX) Y Y Y
1
2 1 2

= 3.105869.
Por ltimo X

Y
1
= s
y1x1
= 33.0455. Calculados todos los elementos del estimador
MC2E,
1
1

33.18391 37.0785 3.105869 0.2674

37.0785 132.9623 33.0455 0.3231

1
1 1 1 1

1
1
1 1 1
] ] ] 1 ]
]
2 2 2
2 1
1
2
Y Y Y X
Y Y
b
X Y
X Y X X
La estimacin obtenida con ordenador es,
7
Dependent Variable: Y1
Method: Two-Stage Least Squares
Date: 12/16/04 Time: 18:08
Sample: 1900 1919
Included observations: 20
Instrument list: X1 X2 X3
Variable Coefficient Std. Error t-Statistic Prob.
C 96.28671 8.101501 11.88505 0.0000
Y2 -0.272725 0.097748 -2.790097 0.0126
X1 0.324586 0.048083 6.750534 0.0000
R-squared 0.755588 Mean dependent var 100.7000
Adjusted R-squared 0.726834 S.D. dependent var 3.908156
S.E. of regression 2.042611 Sum squared resid 70.92839
F-statistic 23.57685 Durbin-Watson stat 2.132370
Prob(F-statistic) 0.000013
Tabla 4. Estimacin de la ecuacin de demanda
Para el clculo del estimador de la varianza de las perturbaciones puede seguirse
el mismo procedimiento que en el caso de la estimacin por VI. Segn la tabla anterior
la suma cuadrtica de los residuos (en negrita) es 70.92839, de manera que,
2
70.92839
4.1723
17

Se tiene entonces,
1
1
2

33.18391 37.07850
1
cov( ) 4.1723
37.07850 132.9623 20
0.009132 -0.002547
-0.002547 0.002279

1
_

1

, 1
]
_

,
2 2 2
2
Y Y Y X
b
X Y X X
siendo las desviaciones tpicas,
1 2
. .( ) .009132 0.0956, . .( ) .002279 0.0477 d t b d t b
8