Estimacion de Modelos de Ecuaciones Simultaneas

Naturaleza de los modelos
El problema de la identicacion
Estimacion
Estimacion de la Forma Reducida.
Estimacion de la Forma Estructural
Conclusiones
Apendice
Indice de Contenidos
1
Introducci on
Modelos de sistemas de ecuaciones
Forma estructural del modelo
Forma reducida del modelo
Hipotesis del modelo
Conclusiones
2
El problema de la identificaci
on
Introducci on
Identicacion con restricciones de nulidad
Condicion de orden
Condicion de rango de la forma estructural
Condicion de rango de la forma reducida
Identicacion con restricciones lineales
Conclusiones
3
Estimaci
on
Mnimos Cuadrados Ordinarios
Mnimos Cuadrados Indirectos
Mnimos Cuadrados Dos Etapas
Mnimos Cuadrados Tres Etapas
Conclusiones
Apendice
Modelos de Ecuaciones Simultaneas
Estimacion
Conclusiones
Apendice
Estimaci on de modelos de ecuaciones simult aneas
En los temas anteriores hemos podido estudiar cuando la forma estructural de un
modelo de ecuaciones simultaneas puede ser estimado a partir de la informacion que
arroja la forma reducida del mismo.
Recordemos que un modelo esta identicado, recurriendo a la condicion de rango de la
forma estructural, cuando se verica
(A
h
) = g 1
En esta situacion, y dependiendo los resultados obtenidos en la condicion de orden
clasicabamos una ecuacion como:
exactamente identicada si (g g
) + (k k
) = g 1
o sobreidenticada si (g g
) + (k k
) > g 1
A lo largo de este tema, se centrara el estudio en la estimacion de los valores de los
parametros que describen el modelo de ecuaciones simultaneas. Para ello se describiran
los distintos metodos existentes para realizar la estimacion de los parametros de:
la forma reducida ()
y los parametros de la forma estructural ( y )
Estimacion
Conclusiones
Apendice
1
Introducci on
Conclusiones
2
on
Introducci on
Condicion de orden
Conclusiones
3
Estimaci
on
Conclusiones
Apendice
Estimacion
Conclusiones
Apendice
Estimaci on de la Forma Reducida
Utilizando como punto de partida los resultados mostrados en el captulo 1, se sabe
que la expresion del modelo en su forma reducida corresponde a
Y = X + V.
Centrando la atencion en la ecuacion h-esima, y teniendo en cuenta los estudios
realizados sobre este tipo de modelos, se verica que el EMCO de
h
de dicha
ecuacion, y
h
= X
h
+ v
h
, viene dado por la expresion

h
= (XX)
1
Xy
h
Como consecuencia a los comentarios realizados se verica que el EMCO de la matriz
es
= [
1
. . .
g
] = [(XX)
1
Xy
1
. . .(XX)
1
Xy
g
] = (XX)
1
X[y
1
. . .y
g
] = (XX)
1
XY
Propiedades
Suponiendo que se cumplen las hip otesis basicas del modelo de regresion el estimador
es:
Insesgado.
Consistente.
Estimacion
Conclusiones
Apendice
Ejercicio 1
Demostrar las propiedades de insesgadez y consistencia que presenta el estimador de la
forma reducida.
Ejercicio 2
El modelo dado por:
y
1t
=
12
y
2t
+
11
x
1t
+
13
x
3t
+ u
1t
y
2t
=
21
y
1t
+
22
x
2t
+ u
2t
genera la siguiente matriz de momentos de segundo orden
y
1
y
2
x
1
x
2
x
3
y
1
2 3 1 1 0
y
2
6 1 3 4
x
1
1 0 0
x
2
1 1
x
3
1
Obtener la estimacion de la forma reducida utilizando la informacion muestral.
Expresar el modelo de ecuaciones simultaneas estimado utilizando los resultados
obtenidos.
Estimacion
Conclusiones
Apendice
1
Introducci on
Conclusiones
2
on
Introducci on
Condicion de orden
Conclusiones
3
Estimaci
on
Conclusiones
Apendice
Estimacion
Conclusiones
Apendice
Estimaci on de la Forma Estructural
Una vez realizada la identicacion de los modelos de ecuaciones simultaneas,
centraremos nuestra atencion, a lo largo de esta seccion, en la estimacion de los
parametros que vienen descritos en el modelo estructural.
Los metodos de estimaci on de modelos multiecuacionales se clasican en tres grupos:
M etodos Directos. Cada ecuaci on del modelo se estima como si estuviera
aislada, sin considerar el resto de ecuaciones del modelo, y sin distinguir entre
variables end ogenas y predeterminadas. Es por ello, que se recurrira a uno de los
metodos de estimaci on mas usuales, como son por ejemplo los MCO.
M etodos con informaci on limitada. Se caracterizan porque estiman cada
una de las ecuaciones por separado, y realizando distincion entre variables
endogenas y predeterminadas. Dentro de los metodos con informacion limitada se
distinguen:
Mnimos cuadrados indirectos, MCI.
Mnimos cuadrados dos etapas o bietapicos, MC2E.
Variables instrumentales, VI.
Maxima verosimilitud con informacion limitada.
M etodos con informaci on completa. Estos metodos consideran toda la
informacion del modelo para realizar la estimaci on conjunta de este, consiguiendo
as estimar el modelo en su totalidad, en lugar de, ecuacion por ecuacion. Entre
ellos se distinguen:
Mnimos cuadrados tres etapas o trietapicos, MC3E.
Maxima verosimilitud con informacion completa.
Estimacion
Conclusiones
Apendice
Relaci on entre identificaci on y estimaci on
La estimacion de los coecientes de un modelo esta condicionada por los resultados
que se obtienen a la hora de realizar la identicaci on.
No identificada Cuando la ecuaci on en estudio no este identicada, y teniendo en
cuenta que el metodo de mnimos cuadrados ordinarios (MCO) no
requiere la identicacion del modelo, se recurrira a este para realizar
la estimacion de los parametros.
Exactamente identificada Se utilizara el metodo de mnimos cuadrados indirectos
(MCI), mnimos cuadrados dos etapas (MC2E), variables
instrumentales (VI) o mnimos cuadrados tres etapas (MC3E).
Notese que en este caso las estimaciones obtenidas por los metodos
coinciden entre s.
Sobreidentificada En el caso de que la ecuacion en estudio este sobreidenticada,
se utilizaran mnimos cuadrados dos etapas (MC2E), variables
instrumentales (VI) o mnimos cuadrados tres etapas (MC3E).
Estimacion
Conclusiones
Apendice
Mnimos Cuadrados Ordinarios, MCO.
El metodo de mnimos cuadrados ordinarios viene caracterizado por no exigir que las
ecuaciones del modelo esten identicadas.
Para estimar los parametros de la ecuaci on hesima del modelo,
y
h
=
_
Y
h
X
h
h
_
+ u
h
= Z
h
h
+ u
h
utilizaremos el EMCO

h,MCO
=
_
Z
h
Z
h
_
1
Z
h
y
h
donde
Z
h
= (Y
h
X
h
), donde Y
h
son las variables endogenas que act uan como
explicativas en la ecuaci on a estimar y X
h
contiene las variables predeterminadas
de tal ecuacion.
y
h
es la variable endogena que esta siendo explicada en la ecuacion.
Propiedades
Generalmente proporcionan estimadores:
Sesgado e inconsistente.
Sin embargo, en modelos recursivos los estimadores son:
Insesgado y consistente.
Nota de inter es
Los estimadores MCO no son consistentes como consecuencia de la simultaneidad que
se describen en los modelos de ecuaciones simultaneas. Sin embargo, en el caso de no
existir esa simultaneidad, siempre sera recomendable utilizar las estimaciones de MCO.
Estimacion
Conclusiones
Apendice
Mnimos Cuadrados Ordinarios, MCO.
Ejercicio 1
Teniendo en cuenta que el estimador del metodo de mnimos cuadrados ordinarios
viene descrito mediante la expresion
h,MCO
=
_
Z
h
Z
h
_
1
Z
h
y
h
compruebe que es un estimador sesgado e inconsistente.
Ejercicio 2
Dado el modelo multiecuacional
y
1t
=
1
y
2t
+
2
x
1t
+
3
x
3t
+ u
1t
y
2t
=
1
y
1t
+
2
x
2t
+ u
2t
Sabiendo que las sumas de los productos cruzados son:
y
2
1t
= 4
y
1t
x
1t
= 3
y
2t
x
1t
= 2
x
2
1t
= 4
x
1t
x
2t
= 0
y
2
2t
= 2
y
1t
x
2t
= 0
y
2t
x
2t
= 4
x
2
2t
= 1
x
1t
x
3t
= 2
y
1t
y
2t
= 6
y
1t
x
3t
= 2
y
2t
x
3t
= 1
x
2
3t
= 3
x
2t
x
3t
= 1
Estimar cada una de las ecuaciones que determinan el modelo utilizando MCO.
Estimacion
Conclusiones
Apendice
Mnimos Cuadrados Indirectos, MCI.
La estimacion de los parametros estructurales de una ecuacion del modelo, utilizando
el metodo de mnimos cuadrados indirectos, solamente se podra aplicar si la ecuacion
esta exactamente identicada. En el caso de no vericarse esta condicion habra que
recurrir a otros metodos para realizar la estimacion.
A la hora de aplicar dicho metodo se seguiran los siguientes pasos:
1
Estimar la matriz de los coecientes de la forma reducida utilizando MCO.
2
Estimar los coecientes estructurales a partir de las relaciones algebraicas
existentes entre los coecientes estructurales y los de la forma reducida, es decir
resolveremos el sistema

h
=
h
donde
h
Es la hesima columna de .

h
Es la columna analoga a

h
en la matriz .
Propiedades
Los estimadores obtenidos con el metodo de mnimos cuadrados indirectos son:
Sesgados.
Consistentes.
Estimacion
Conclusiones
Apendice
Mnimos Cuadrados Indirectos, MCI.
Ejercicio 1
Sabiendo que el estimador de mnimos cuadrados indirectos viene determinado por la
expresi on
h,MCI
=
_
X
Z
h
_
1
X
y
h
compruebe que es un estimador sesgado y consistente.
Ejercicio 2
Dado el modelo
Y
1t
=
0
+
1
Y
2t
+
2
X
2t
+ u
1t
Y
2t
=
0
+
1
Y
1t
+
2
X
1t
+ u
2t
1
Es posible obtener los parametros de la expresi on estructural del modelo una vez
conocidos los parametros correspondientes a la forma reducida?
2
Obtenga la estimacion de los parametros de la forma estructural, siempre y
cuando sea posible, sabiendo que
=
_
_
1 3
2 1
1 2
_
_
Estimacion
Conclusiones
Apendice
Mnimos cuadrados dos etapas, MC2E.
Es uno de los procedimientos mas utilizados puesto que puede emplearse tanto en
ecuaciones que esten exactamente identicadas como en ecuaciones sobreidenticadas.
Tal y como indica su propio nombre, este metodo consta de dos etapas:
1
a
ETAPA. Se estiman cada una de las variables endogenas utilizando la
estimacion del modelo en forma reducida. De esta forma se elimina la correlacion
existente entre las variables endogenas y las perturbaciones.
2
a
ETAPA. Una vez obtenidas las estimaciones de cada una de las variables
endogenas, se sustituyen en las ecuaciones iniciales las estimaciones de las
variables end ogenas que act uan como explicativas, y a continuacion, se aplica
MCO sobre las ecuaciones estructurales modicadas.
Como se muestra a continuaci on, el metodo de MC2E tambien puede ser aplicado
utilizando diferentes herramientas. Tal y como se ha comentado en el paso segundo, se
sustituye Y
h
por

Y
h
. De esta forma se el modelo queda descrito por:
y
h
=
_
Y
h
X
h
h
_
+ u
h
=

Z
h
h
+ e
h
donde e
h
= u
h
+ v
h
h
.
Nota de inter es
Si la ecuacion esta exactamente identicada, las estimaciones obtenidas mediante
MC2E y MCI coinciden
Estimacion
Conclusiones
Apendice
1
a
FORMA
h,MC2E
=
_
h
X(X
X)
1
X
Y
h
Y
h
X
h
X
h
Y
h
X
h
X
h
_
1
_
h
X(X
X)
1
X
y
h
X
h
y
h
_
=
_
h
X
Y
h
Y
h
X
h
X
h
Y
h
X
h
X
h
_
1
_
h
X
y
h
X
h
y
h
_
donde

h
es la matriz formada por las estimaciones, obtenidas en la forma reducida,
de las variables endogenas que act uan como explicativas, X
Y
h
contiene las variables
predeterminadas de la ecuacion, X
h
X
h
matriz formada por todas las variables
predeterminadas que aparecen en la ecuacion en estudio, X
h
y
h
la matriz viene
determinada por las variables predeterminadas que vienen descritas en la ecuacion y la
endogena que esta siendo explicada.
2
a
FORMA
h,MC2E
=
_
h
X(X
X)
1
X
Y
h
Y
h
X
h
X
h
Y
h
X
h
X
h
_
1
_
h
X(X
X)
1
X
y
h
X
h
y
h
_
=
_
Z
h
_
1
h
y
h
donde

Z
h
=
_
Y
h
X
h
,

Y
h
contiene las estimaciones de las variables end ogenas
explicativas de la ecuaci on en estudio obtenidas al estimar la forma reducida, y
h
es la
variable end ogena del primer miembro de dicha ecuacion y X
h
contiene las variables
predeterminadas de la ecuacion en estudio.
Estimacion
Conclusiones
Apendice
Ejercicio 1
Sabiendo que el estimador de mnimos cuadrados dos etapas viene determinado por la
expresi on
h,MC2E
=
_
Z
h
_
1
h
y
h
compruebe que es un estimador sesgado y consistente.
Ejercicio 2
Sea el modelo
y
1t
=
1
y
2t
+
2
x
1t
+ u
1t
y
2t
=
0
+
1
y
1t
+
2
x
2t
+ u
2t
Teniendo en cuenta la informaci on referente a las matrices (X
X)
1
y

, estime cada
una de las ecuaciones razonando el uso del metodo seleccionado.
X
X =
_
_
2 0 0
0 1 0
0 0 4
_
_
=
_
_
2 1,5
5 8
1,5 3
_
_
Estimacion
Conclusiones
Apendice
El metodo de mnimos cuadrados en tres etapas (MC3E), junto con el de maxima
verosimilitud con informaci on completa, son tecnicas que permiten estimar de manera
simultanea todos los parametros del modelo estructural.
Si partimos de una ecuacion h del modelo estructural
y
h
=
_
Y
h
X
h
h
_
+ u
h
= Z
h
h
+ u
h
cuya forma matricial quedara
_
_
y
1
y
2
.
.
.
y
g
_
_
=
_
_
Z
1
0 0
0 Z
2
0
.
.
.
0 0 Z
g
_
_
_
2
.
.
.
g
_
_
+
_
_
u
1
u
2
.
.
.
u
g
_
_
o tambien
y = Z + u
Teniendo en cuenta las hipotesis relativas a las perturbaciones:
1
E[u
j
] = 0 para j = 1, 2, . . . , n
2
E[u
i
u
j
] = 0 i = j
3
E[u
i
u
i
] =
y que el vector u contiene las n perturbaciones de las g ecuaciones
Estimacion
Conclusiones
Apendice
Entonces se describe la matriz de varianzas y covarianzas del modelo matricial como:
E[uu
] =
_
2
1
I
12
I . . .
1g
I
21
I
2
2
I . . .
2g
I
.
.
.
.
.
. . . .
.
.
.
g1
I
g1
I . . .
2
g
I
_
_
= I = V
donde representa el producto de Kronecker.
A partir de la matriz de varianzas y covarianzas se deduce que:
los terminos de las perturbaciones seran homoscedasticos,
no autocorrelacionados para perturbaciones no contemporaneas,
correlacionados para perturbaciones contemporaneas entre dichas ecuaciones.
Debido a que la matriz no es diagonal sera conveniente aplicar mnimos cuadrados
generalizados (MCG). El principal inconveniente que presenta dicho metodo es que
es desconocida.
Estimacion
Conclusiones
Apendice
Para intentar resolver este problema, y conseguir as describir un estimador
consistente, se ha propuesto utilizar MC3E de la siguiente manera:
1
Utilizando MC2E se estiman cada una de las ecuaciones del modelo.
2
Estimamos la matriz V,
_
V
1
=
1
X (X
X)
1
X
_
. Para ello estimamos los
elementos de la matriz mediante la expresi on

hj
=
e
h
e
j
n
donde e
h
= y
h
Z
h
h,MC2E
3
Aplicar MCG utilizando la expresi on
MC3E
=
_

Z
V
1
Z
_
1
V
1
y
donde

V es la estimacion de V realizada en la etapa anterior y
Z =
_
_
X(X
X)
1
X
1
0 0
0 X(X
X)
1
X
2
0
.
.
.
.
.
.
.
.
.
0 0 X(X
X)
1
X
g
_
_
Estimacion
Conclusiones
Apendice
Propiedades
El estimador MC3E puede interpretarse como un estimador de VI.
Debido a la propiedad anterior dicho estimador es consistente.
Si la correlaci on entre perturbaciones contemporaneas entre distintas ecuaciones
es nula,
ij
= 0 i = j , entonces el estimador MC3E coincide con el estimador
MC2E.
Si todas las ecuaciones del modelo estan exactamente identicadas entonces
tambien coincidiran MC3E y MC2E.
Generalmente MC3E sera asintoticamente mas eciente que MC2E, salvo que
haya errores de especicaci on del modelo.
Para aplicar MC3E se requiere que todas las ecuaciones sean identicables.
Estimacion
Conclusiones
Apendice
1
Introducci on
Conclusiones
2
on
Introducci on
Condicion de orden
Conclusiones
3
Estimaci
on
Conclusiones
Apendice
Estimacion
Conclusiones
Apendice
En resumen, es necesario saber ...
Forma Reducida
M
ETODO ESTIMADOR PROPIEDADES CARACTER
ISTICAS ECUACI
ON
ECUACI
ON
MCO

= (XX)
1
XY Insesgado Ninguna
consistente
Forma Estructural
M
ETODO ESTIMADOR PROPIEDADES CARACTER
ISTICAS
ECUACI
ON
MCO

h,MCO
=
h
Z
h
1
Z
h
y
h
Sesgado Cualquier
inconsistente ecuacion
. . . . . .
MCI

h,MCI
=
Z
h
1
X
y
h
Sesgados Ecuaciones
Consistentes Exact. Identif.
. . . . . .
MC2E

h,MC2E
=
Z
h
h
y
h
Sesgados Ecuaciones
Consistentes identicalbes
. . . . . .
MC3E

MC3E
=

Z

V
1
Z

V
1
y Consistentes Ecuaciones
identicalbes
Estimacion
Conclusiones
Apendice
1
Introducci on
Conclusiones
2
on
Introducci on
Condicion de orden
Conclusiones
3
Estimaci
on
Conclusiones
Apendice
Estimacion
Conclusiones
Apendice
TEOREMA DE MANN Y WALD Sea X
nk
y sea u
1g
el vector de perturbaciones
aleatorias tal que
E(u) = 0
E(x
h
u) = 0 con h = 1, . . . , n donde x
h
es la columna hesima de la matriz X
p lm
_
X
X
n
_
=
X
< donde
X
es una matriz denida positiva.
Entonces se verica que
p lm
_
X
u
n
_
= 0
k
X
n
N(0,
2
u
X
)
Nota de inter es
Una regla que suele ser utilizada cuando hay sumatorios en n, consiste en multiplicar y
dividir por n para describir a partir de dichos sumatorios los momentos muestrales,
consiguiendo as facilitar los calculos que se deben hacer. As pues, cuando se realiza
p lm los resultados tenderan a los momentos poblacionales y por tanto, en el caso de
suponer que X no esta correlacionada con u, las covarianzas que se describen entre
ellas seran cero.

Estimacion de Modelos de Ecuaciones Simultaneas

Загружено:

Сведения о документе

Исходное описание:

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Estimacion de Modelos de Ecuaciones Simultaneas

Загружено:

Авторское право:

Доступные форматы

Naturaleza de los modelos

ETODO ESTIMADOR PROPIEDADES CARACTER

ETODO ESTIMADOR PROPIEDADES CARACTER

Вам также может понравиться