Академический Документы
Профессиональный Документы
Культура Документы
Guillermo Bozzoli
Econometria
Guillermo Bozzoli
La propiedad sobre la que nos vamos a concentrar es que, para que b sea un
estimador consistente de (y dado que plim (n-1XX)-1=Q-1) necesitamos que plim n1
Xu=0 que se puede resumir como el requisito que X no este correlacionado con u en
el limite. Si esto no ocurre, el estimador seria inconsitente. En este caso, este
problema no se podria resolver , por ejemplo, aumentando el tamao de la muestra.
En este caso, existen metodos de estimacion que dados ciertos supuestos, nos
permiten obtener estimadores consistentes de los parametros de interes.
Para motivar uno de estos estimadores, utilizaremos un ejemplo clasico de variables
correlacionadas con errores: el modelo de ecuaciones simultaneas.
Hasta ahora, hemos considerado que nuestras variables explicativas eran no aleatorias y
que la relacion entre variables podia describirse por medio de una ecuacion.
Ahora consideremos el caso donde las ventas y el precio de un bien se determinan
simultaneamente por la interaccion de la demanda y la oferta.
Imaginemos que en este mercado se resgistran operaciones diarias.
La cantidad demandada (Qdt) depende del precio (pt) y del ingreso de las familias (It),
este ultimo esta dado y no depende de lo que ocurre en este mercado. Una forma de
llamar a esta ultima variable es predeterminada .La cantidad demandada depende
ademas de errores o shocks a la demanda u1t, donde puede pensarse que son por
ejemplo shocks a las preferencias.
Funcion de Demanda:
(1) Qdt =1+2pt+3It+u1t
Ahora pensemos que la cantidad ofrecida (Qst)depende del precio pt y del precio de la
jornada previa
(pt-1), que esta dado antes de que se realicen las transacciones hoy. Supongamos que
podemos asumir que pt-1 esta predeterminado2. Ademas, existen errores o shocks a la
oferta, u2t, que podrian interpretarse como shocks a la funcion de produccion de este
bien, por ejemplo.
Funcion de Oferta:
(2) Qst= 1+2pt+3pt-1+u2t
Despues, cerrariamos el modelo con una market clearing condition o condicion de
consistencia que especifica que en equilibrio las cantidades demandadas deben igualar
a las ofrecidas y el precio ajusta en todo t para que ello ocurra.
2
Esto no es automatico. Por ejemplo, como pt-1 depende de la oferta y demanda previa, esta
correlacionado con los errores de t-1(ut-1), y si los errores de t-1 estan correlacionados con los de t,
entonces, podria ocurrir que pt-1 este correlacionado con los ut y entonces no podria ser considerado
predeterminado. Asumiendo que los u t son independientes entre periodos, podemos tratar a pt-1 como
predeterminada
Econometria
Guillermo Bozzoli
Condicion de Equilibrio:
(3) Qst=Qdt=Q
Reemplazando (3) en (2) y (1) obtenemos una descripcion de los determinantes del
precio y la cantidad como un sistema de dos ecuaciones.
Qt =1+2pt+3It+u1t
Qt= 1+2pt+3pt-1+u2t
Imaginense a un investigador que intentara estimar la ecuacion de demanda y obtiene
datos de p y Q de este mercado. Sin embargo, el investigador dispone de un scatter
plot de precios vs. cantidades. Pero p y Q tienen mas de una relacion involucrada.
Entonces, como podria saber si la linea que mejor ajusta a los puntos es una funcion
de demanda, de oferta o cualquier cosa?
12
10
0
0
0.5
1.5
2.5
Econometria
Guillermo Bozzoli
12
S
10
S'
S'
S'''
4
D
2
0
0
0.5
1.5
2.5
Pero podria ocurrir que los puntos se generen al darse desplazamientos en la oferta y en
la demanda, en cuyo caso, la recta que mejor ajusta los puntos no describe ni la
demanda ni la oferta, como muestra el grafico 3.
12
S
10
S'
S'
D'
S'''
D''
D'''
0
0
0.5
1.5
2.5
Econometria
Guillermo Bozzoli
Qt =1+2pt+3It+u1t
Qt= 1+2pt+3pt-1+u2t
A esta forma de describir el mercado, por medio de funciones de comportamiento
(en este caso demanda y oferta) se lo conoce como forma estructural.
Podriamos reescribir las ecuaciones en forma matricial, de la siguiente manera
1 2 Q t 1
1 p =
2 t
1
3
0
1
0
u
I t + 1t
u
3
p t 1 2 t
AYt = Z t + u t
donde :
1 2
Q
A =
; Yt = t ; = 1
G *G
1 2 G*1 p t G*K 1
1
u
Z t = I t ; u t = 1t
K *1
u 2 t
p t 1
3
0
0
3
ademas :
u t ~ IN(0, ),
donde
2
= 1
12
u 12t
12
=
E
22
u 1t u 2 t
u 1t u 2 t
u 22 t
Notar que AYt=t+ut sigue estando en forma estructural ya que las endogenas (p y
Q) siguen interrelacionadas entre si.
Una forma alternativa de expresar estas ecuaciones es despejar las endogenas (p y Q)
en funcion de las predeterminadas (1, I, pt-1).
Yt=A-1Zt+A-1ut
o
Yt=Zt+vt, donde =A-1, vt= A-1ut
Si escribimos las ecuaciones, encontramos que
Econometria
Guillermo Bozzoli
2 3
u 2 u 1t
2 1 1 2
p t 1 + 2 2 t
3 2 It +
2 2
2 2
2 2
2 2
3
3
+ 1
u u1
pt = 1
It +
p t 1 + 2
2 2 2 2
2 2
2 2
Qt =
Econometria
Guillermo Bozzoli
2.-ESTIMACION EN PCGIVE
Para evaluar cuales serian los efectos de estimar por MCO la ecuacion (1), y como
funcionarian el estimador alternativo que estamos por introducir, generemos una
muestra de 100 observaciones donde las ecuaciones estructurales son:
Qdt =3pt+It+u1t
y
Qst= 3+2pt+0.6pt-1+u2t
Econometria
Guillermo Bozzoli
y
Var(u1t)=1, Var(u2t)=1, y Cov(u1t,u2t)=0.
Es decir
1=3,
2=-1,
3=1,
1=3,
2=2,
3=0.6,
11=1,
12= 21=0,
22=1.
De forma tal que la elasticidad precio de la demanda es (-)1, la elasticidad precio de la
oferta es 2, y la elasticidad ingreso de la demanda es 1 en el modelo poblacional.
Una de las ventajas de simular una muestra es que sabemos cuales son los verdaderos
parametros, entonces podemos evaluar cuan precisos son los estimadores.
Dada una muestra de shocks u1t, u2t (t=1,...,100) sacados de una distribucion que
cumple las caracteristicas de esta simulacion(ut~IN(0,), donde Var(u1t)=1, Var(u2t)=1,
y Cov(u1t,u2t)=0. ), reconstruimos el equilibrio de mercado usando la forma reducida.
Tomemos un cross plot de Q contra p de estos 100 datos. De esta nube de puntos
dificilmente se puede argumentar que se observa una curva de demanda.
qxp
80
78
76
74
72
70
23
23.5
24
24.5
25
25.5
26
26.5
27
27.5
28
28.5
29
Econometria
Guillermo Bozzoli
Coefficient
10.625
0.059193
0.62770
Std.Error
1.9966
0.14572
0.049461
t-value
5.322
0.406
12.691
t-prob
0.0000
0.6855
0.0000
HCSE PartR^2
1.9171 0.2260
0.14597 0.0017
0.047545 0.6241
DW = 1.87
Pero porque incluir en W a p1, que pertenece a la oferta? Porque p1 desplaza la oferta!
La idea es que al incluirla como instrumento en la demanda, va a netear el efecto de la
oferta en las cantidades y precios, permitiendonos obtener estimadores consistentes de
los parametros de la demanda.
Para correr la ecuacion de demanda por el metodo de variables instrumentales, vamos a
elegir explicar a q por p, I
y p1. En PcGive>Model>Formulate seleccionamos las variables en este orden, y luego
marcamos una vez p, y apretamos el boton de Endogenous, entonces antes de p va a
aparecer una E. Luego marcamos p1 y marcamos el boton de Instrument, apareciendo
una I antes de p1. Esto indica que, si elegimos correr la ecuacion por variables
instrumentales, p va a ser considerada endogena e y el instrumento sera p1. El ingreso
Econometria
Guillermo Bozzoli
es considerada exogena, pero tambien podria ser intrumentada por si misma (es lo
mismo). Al presionar OK, aparece Estimate Model, donde en Method elegimos
Instrumental Variables. Apretamos OK y en GiveWin>Windows>Results aparece la
siguiente salida. Primero nos va a mostrar dos regresiones de las endogenas como
funcion de las predeterminadas, es decir las estimaciones de la forma reducida para p
y Q.
t-value
2.517
37.017
3.648
DW = 1.83
t-value
0.240
29.640
-6.865
DW = 1.94
Coefficient
-0.87249
5.7672
0.92075
Std.Error
0.30381
2.7121
0.098099
t-value
-2.872
2.126
9.386
t-prob
0.0050
0.0360
0.0000
0.25549
0.72413
4.7835
0.89451
1.3388
[0.7751]
[0.3969]
[0.0915]
[0.4706]
[0.2551]
Econometria
Guillermo Bozzoli
Coefficient
0.31886
-0.21460
0.31500
Std.Error
1.3280
0.031259
0.010628
t-value
0.240
-6.865
29.640
t-prob
0.8107
0.0000
0.0000
HCSE PartR^2
1.3622 0.0006
0.034154 0.3270
0.010703 0.9006
DW = 1.94
Coefficient
5.7672
-0.87249
0.92075
Std.Error
2.1349
0.23916
0.077223
t-value
2.701
-3.648
11.923
t-prob
0.0082
0.0004
0.0000
HCSE PartR^2
2.0905 0.0700
0.24364 0.1206
0.078052 0.5944
DW = 1.83
i) Correr una regresion de la supuesta variable correlacionada con el error contra las
otras variables (potenciales instrumentos y exogenas): en este caso, correr una regresion
de p contra I y p1. Guardar el valor de prediccion: phat.
Esto ya lo hicimos antes.
Econometria
Guillermo Bozzoli
ii) Estimar la ecuacion estructural, esto es q contra p e I, pero agregando phat a dicha
regresion. Si phat resulta significativo, puede interpretarse como evidencia de
correlacion en el limite entre la variable sospechosa y el error.
EQ(38) Modelling q by OLS (using Data1)
The present sample is: 1 to 100
Variable
Constant
I
p
phat
Coefficient
5.7672
0.92075
0.51187
-1.3844
Std.Error
2.0391
0.073756
0.15922
0.27844
t-value
2.828
12.484
3.215
-4.972
t-prob
0.0057
0.0000
0.0018
0.0000
HCSE PartR^2
1.9636 0.0769
0.074582 0.6188
0.14865 0.0972
0.24446 0.2048
DW = 1.82