Presentación

En la actualidad la calidad de la Educación Superior está íntimamente asociada a

la enseñanza, desarrollo y aplicación de la investigación, en este sentido, los
docentes y estudiantes deben interactuar no solo en el proceso de enseñanza
aprendizaje, sino también en la producción de trabajos de investigación que
puedan ser expuestos y publicados.

Para ello se debe difundir procesos para que los docentes de la Universidad
Nacional del Centro del Perú y en especial los docentes de la Facultad de
Economía orienten sus esfuerzos, fomentando la investigación formativa en cada
uno de los cursos que dictan, para lograrlo, las autoridades deben comprometerse
a instituir, facilitar e implementar estrategias para el desarrollo de la Investigación
Formativa en los estudiantes desde el primer hasta el último semestre.

Una de las estrategias que considero muy importante para lograr el avance de la
Investigación Formativa en la Facultad de Economía de la UNCP es la de difundir
los trabajos realizados por los estudiantes en cada uno de las asignaturas, esto
debido a: 1) Los trabajos son el reflejo práctico de las conceptos y teorías
enseñadas en las aulas universitarias y el desarrollo de este trabajo conlleva a
dedicación e inversión de tiempo y dinero por parte de los estudiantes. 2) Los
trabajos son revisados por los docentes quienes utilizando criterios de evaluación
contrastan lo enseñado con lo aprendido, estableciendo una relación enseñanza
aprendizaje a través de la calificación, que debe reflejar las competencias
adquiridas (lo que el alumno sabe hacer en la realidad con los conocimientos
teóricos enseñados). 3) la difusión de los trabajos muestra el esfuerzo de la
enseñanza del docente y el esfuerzo de los estudiantes por demostrar lo que han
aprendido, por tanto, los trabajos publicados sirven como ejemplo para los
compañeros de ciclos anteriores sobre todo de cómo deben presentar su trabajo y
también sirve de retroalimentación para mejorar y obtener un mejor resultado.

Por lo expuesto, considero importante la publicación de los trabajos de

investigación y para ello presento la revista GACETA ECONOMICA
ESTUDIANTIL, con los trabajos realizados por los estudiantes del curso de
Econometría II del semestre académico 2014-II.

Por último espero que este esfuerzo de publicar este conjunto de trabajos sea
considerado por las autoridades y se logre institucionalizar la revista GACETA
ECONOMICA ESTUDIANTIL y que esta sirva de ventana abierta para la
publicación de los mejores trabajos realizados por los estudiantes en cada uno de
cursos del plan curricular.

Mg. Oswaldo Rodolfo Quiroz Marín

 MARCO TEÓRICO PARA MODELOS DE ECUACIONES SIMILTANEAS

Introducción:
La econometría clásica, mide la relación de causalidad entre una variable endógena y
un conjunto de variables exógenas representado en una ecuación, pero sin embargo,
considerar todo el comportamiento sistemático de una relación económica en una sola
ecuación podría resultar inadecuado tanto en lo teórico como en lo práctico, por tanto,
para representar un sistema de relaciones económicas expresada en un conjunto de
ecuaciones econométricas interrelacionadas es necesario construir un modelo
econométrico de ecuaciones simultaneas lo cual se desarrollara en este capítulo.

Competencias:
 Representar un modelo multiecuacional en forma estructural y en forma reducida.
 Relacionar los parámetros estructurales y los parámetros de las ecuaciones en forma
reducida.
 Determinar cuando una ecuación está no identificada, cuando está sobre identificada y
cuando está exactamente identificada.
 Aplicar mínimos cuadrados indirectos (MCI) de las ecuaciones exactamente identificadas.
 Aplicar método de mínimos cuadrados en dos etapas (MC2E) en el caso de las ecuaciones
sobre identificadas y exactamente identificadas.
 Aplicar el método de estimación de variables instrumentales (VI) como un caso
 particular de MC2E.

Definiciones
Dado un sistema de ecuaciones econométricas, cada una de las cuales representa un
modelo de regresión lineal. Cuando la variable dependiente en una ecuación actúa
también como variable explicativa en otra ecuación, estamos ante un modelo de
ecuaciones simultáneas o modelo multiecuacional. Las variables dependientes
son también llamadas variables endógenas. Por su parte, las variables que vienen
determinadas por factores externos al modelo son llamadas variables exógenas.

Forma Estructural (o de comportamiento).- Sistema de ecuaciones en las cuales

se muestran interrelaciones entre variables endógenas entre si y con las otras
variables exógenas (predeterminadas)

y1t  12 y 2t   13 y 3t   10   11 x1t   12 x 2t  e1t

y 2t   21 y1t   23 y 3t   20   21 x1t   22 x 2t  e2t
y 3t   31 y1t   32 y 2t   30   31 x1t   32 x 2t  e3t

y1t  12 y 2t   13 y 3t   10   11 x1t   12 x 2 t  e1t

  21 y1t  y 2t   23 y 3t   20   21 x1t   22 x 2t  e2t
  31 y1t   32 y 2t  y 3t   30   31 x1t   32 x 2t  e3t

 1  12  13   y1t   10  11  12   1   e1t 

       
  21 1   23   y 2t    20  21  22   x1t   e2t 
       
   31   32 1   y 3t   30  32  32   x 2t  e3t 

El uso del método MCO para estimar los parámetros de las ecuaciones en forma
estructural da lugar a estimaciones sesgadas e inconsistentes.
Forma Reducida.- Es la transformación del sistema de ecuaciones estructural en la
cual las variables dependientes están exclusivamente expresadas en variables
exógenas o (predeterminadas).
1
 y1t   1   12   13    10  11  12   1   e1t  
         
 y 2t     21 1   23    20  21  22   x1t   e2t  
         
   32   x2t  e3t  
 y3t     31   32 1    30  32

y1t  10  11 x1t  12 x 2t  e1*t

y 2 t  20  21 x1t  22 x 2t  e2*t
y 3t  30  31 x1t  32 x 2t  e3*t
ij : es una combinación de  ij y  ij y los errores eij* : es una combinación de
 ij , y demas e ij

Identificación
Un sistema de ecuaciones simultáneas puede estar plenamente identificado, sub
identificado o sobre identificado de acuerdo a la siguiente especificación:

Plenamente Identificado.- Si el número de parámetros a calcular en la forma

reducida es igual al número de parámetros en la forma estructural.

Sub Identificado.- Si el número de parámetros a calcular en la forma reducida es

menor al número de parámetros en la forma estructural.

Sobre Identificado.- Si el número de parámetros a calcular en la forma reducida es

mayor al número de parámetros en la forma estructural.

Condición de Rango: Es la condición suficiente. Suele aplicarse en sistema de ecuaciones

muy pequeños, la forma simplificada de la condición de rango es:

R<G-1 : La ecuación esta Sub identificada

R=G-1 : La ecuación esta plenamente identificada
R>G-1 : La ecuación esta Sobre identificada

R : Número de restricciones de la ecuación: (Rango de la Matriz de coeficientes de matrices

excluidas).
G : Número de variables endógenas de todo el sistema

Condición de Orden: Es la condición necesaria, en la práctica es la que mas se suele

utilizar:
K-k = g-1 : La ecuación esta plenamente identificada
K-k > g-1 : La ecuación esta sobre identificada
K-k < g-1 : La ecuación esta sub identificada

K : Número de variables predeterminadas en el sistema.

k : Número de variables predeterminadas en la ecuación.
g : Número de variables endógenas en la ecuación.
Ejemplo:

Ecuaciones estructurales o de comportamiento

y1t   12 y 2t   10   11 x1t  e1t

y 2t   21 y1t   20   22 x 2t  e2t

1
 1  12   y1t   10  11 0     e1t 
       x1t    
  21 1   y 2t   20 0  22    e2t 
 x 2t 

 1 
 y1t   1 12   10  11 0    1 12   e1t  
1 
     x1t      
 y 2t  1      21
21  12 1   20 0  22     21 1  e2t  
 
  x 2t  
 1 
 y1t        11 12 22     1 12   e1t  
1   10   
12 20
    x1t   
 y 2t  1   21 12    21 10   20  21 11  22      21 1  e2t  

  x 2t  
 y1t  1   10  12 20  11 x1t 12 22 x 2t   e1t 12 e2t  
    
 y 2t  1   21 12    21 10   20  21 11 x1t  22 x 2t    21e1t e2t  

 10   12 20  11 12 22 e  12 e2t

y1t   x1t  x 2 t  1t
1   21  12 1   21 12 1   21 12 1   21  12

 21 10   20  21 11  22  e  e2t

y 2t   x1t  x 2t  21 1t
1   21  12 1   21  12 1   21  12 1   21  12

Plenamente Identificado.- Si el número de parámetros a calcular en la forma

reducida es igual al número de parámetros en la forma estructural.

Sub Identificado.- Si el número de parámetros a calcular en la forma reducida es

menor al número de parámetros en la forma estructural.

Sobre Identificado.- Si el número de parámetros a calcular en la forma reducida es

mayor al número de parámetros en la forma estructural.
Caso Práctico

Se tiene las siguientes ecuaciones de la forma estructural:

it   11 PBI t   11 M 1t  e1t …….(1)

PBI t   21it   20   22TCRt  e2t …..(2)

it  11 PBI t   10 * 0   11 * M 1t  12 * 0  e1t

  21it  PBI t   20   21 * 0   22TCRt  e2t

Identificación

G = Número de variables endógenas del sistema 2

g = Número de variables endógenas de la 1era ecuación 2
2da ecuación 2
K = Número de variables exógenas del sistema + 3
número de coeficientes independientes
k = Número de variables exógenas de la ecuación 1era Ecuación 1
+ número de coeficientes independientes 2da Ecuación 2
R = Número de restricciones de la ecuación 1era Ecuación 2
2da Ecuación 1

Condición de Rango
R G-1 R>=<G-1
1era Ecuación 2 1 Mayor : Sobre identificada
2da Ecuación 1 1 Igual : Identificada

Condición de orden
K-k g-1 K-k >=<g-1
1era Ecuación 2 1 Mayor : Sobre identificada
2da Ecuación 1 1 Igual : Identificada

Estimación:
1era Ecuación : sobre identificada, se puede estimar por mínimos cuadros en dos etapas
(MC2E)

Dependent Variable: R
Method: Two-Stage Least Squares
Sample: 1995M01 2007M01
Included observations: 145
Instrument list: TCR OM

Variable Coefficient Std. Error t-Statistic Prob.

 OM -0.000391 1.79E-05 -21.87914 0.0000
PBI_SA 0.396287 0.008795 45.05824 0.0000

R-squared 0.471339 Mean dependent var 28.06966

Adjusted R-squared 0.467642 S.D. dependent var 5.229090
S.E. of regression 3.815292 Sum squared resid 2081.573
Durbin-Watson stat 0.129607

2da Ecuación: plenamente identificada, se puede estimar por mínimos cuadros indirectos
(MCI), variables instrumentales (VI) y con mínimos cuadrados en dos etapas (MC2E)

Dependent Variable: PBI_SA

Method: Two-Stage Least Squares
Sample: 1995M01 2007M01
Included observations: 145
Instrument list: TCR OM C

Variable Coefficient Std. Error t-Statistic Prob.

R -3.285147 0.256993 -12.78304 0.0000

TCR 1.448674 0.233609 6.201270 0.0000
C 72.76040 26.04218 2.793944 0.0059

R-squared 0.416279 Mean dependent var 128.6855

Adjusted R-squared 0.408057 S.D. dependent var 16.14060
S.E. of regression 12.41822 Sum squared resid 21898.15
F-statistic 116.3562 Durbin-Watson stat 0.115733
Prob(F-statistic) 0.000000