Professional Documents
Culture Documents
+
(
(
(
(
(
(
(
(
+
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
hn
h
h
hk
h
h
kn n
k
k
hg
h
h
gn n n
g
g
hn
h
h
x x
x x
x x
y y y
y y y
y y y
y
y
y
c
c
c
|
|
|
... ...
... 1
... ... ... ...
... 1
... 1
...
...
... ... ... ...
...
...
...
2
1
1
0
1
2 12
1 11
2
1
2 1
2 22 12
1 21 11
2
1
h h h h
X Y Y c | + + I =
Mg. Beatriz Castaeda ECONOMETRIA I 3
Modelo de Ecuaciones simultneas
(
(
(
(
(
+
(
(
(
(
(
(
(
(
(
+
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
gn n n
g
g
gk k k
g
g
kn n
k
k
gg g g
g
g
gn n n
g
g
gn n n
g
g
x x
x x
x x
y y y
y y y
y y y
y y y
y y y
y y y
c c c
c c c
c c c
| | |
| | |
| | |
...
... ... ... ...
...
...
...
... ... ... ...
...
...
... 1
... ... ... ...
... 1
... 1
...
... ... ... ...
...
...
...
... ... ... ...
...
...
...
... ... ... ...
...
...
2 1
2 22 12
1 21 11
2 1
2 21 11
1 20 10
1
2 12
1 11
2 1
2 22 12
1 21 11
2 1
2 22 12
1 21 11
2 1
2 22 12
1 21 11
| | | | | | | || | | |
g g k g g g
X X Y Y Y Y Y Y c c c | | | ... ... ... 1 ... ... ...
2 1 2 1 1 2 1 2 1 2 1
+ + I I I =
Escribimos el modelo en forma matricial y conjunta para todas las ecuaciones
Forma reducida
E + B = I X I Y ) (
Forma estructural del modelo
E + B = I X Y Y
E + B + I = X Y Y
1 1
) ( ) (
I E + I B = I I X Y
*
E + H = X Y
Reescribimos el modelo y
despejamos Y en funcin
de las variables exgenas
Y X X X ) (
1
= H
Mg. Beatriz Castaeda ECONOMETRIA I 4
Supuestos del modelo
1. Las variables exgenas son fijas, no colineales y
no estn correlacionadas con las perturbaciones.
2. La perturbacin de cada ecuacin tiene E(c
h
) = 0 y
V(c
h
)= o
2
h
constante para todas las observaciones
3. No existe correlacin entre perturbaciones de
observaciones diferentes.
4. Aunque exista correlacin contempornea entre
perturbaciones de ecuaciones diferentes, estas
son constantes para todas las observaciones
muestrales (homocedasticidad interecuaciones)
5. Si existen ecuaciones de definicin o
identidades estas se consideran eliminadas por
sustitucin.
Mg. Beatriz Castaeda ECONOMETRIA I 5
| |
(
(
(
(
(
=
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
=
gg g g
g
g
gt t gt t gt
gt t t t t
gt t t t t
gt t t
gt
t
t
t t
E E E
E E E
E E E
E E
o o o
o o o
o o o
c c c c c
c c c c c
c c c c c
c c c
c
c
c
c c
..
.. .. ... ...
..
..
) ( ... ) ( ) (
... ... ... ...
) ( ... ) ( ) (
) ( ... ) ( ) (
...
...
) (
2 1
2 22 21
1 12 11
2
2 1
2
2
2 1 2
1 2 1
2
1
2 1
2
1
'
c
t
(
(
(
(
(
= E
gn n n
g
g
c c c
c c c
c c c
...
... ... ... ...
...
...
2 1
2 22 12
1 21 11
c
1
c
2
c
g
| |
(
(
(
(
=
(
(
(
(
=
(
(
(
(
(
(
(
(
=
11
11
11
2
1 12 1 11 1
1 12
2
12 11 12
1 11 12 11
2
11
1 12 11
1
12
11
'
1 1
... 0 0
... ... ... ...
0 ... 0
0 ... 0
) ( ... ) ( ) (
... ... ... ...
) ( ... ) ( ) (
) ( ... ) ( ) (
...
...
) (
o
o
o
c c c c c
c c c c c
c c c c c
c c c
c
c
c
c c
n n n
n
n
n
n
E E E
E E E
E E E
E E
Matriz de covarianzas contemporneas de las perturbaciones de las ecuaciones ()
=
Matriz de covarianzas de las perturbaciones de la ecuacin 1
) (
11
I o
Mg. Beatriz Castaeda ECONOMETRIA I 6
Modelo de oferta y demanda
) (
2 2 1 0
1 2 1 0
mercado de equilibrio Q Q Q
Z P Q
Y P Q
s d
s
d
= =
+ + + =
+ + + =
c | | |
c o o o
2 2 0 1
1 2 0 1
c | | |
c o o o
+ + + =
+ + + =
Z P Q
Y P Q
2 2 0 1
1 2 0 1
c | | |
c o o o
+ + =
+ + =
Z P Q
Y P Q
Q
d
: demanda; Q
s
: oferta;
P: Precio; Y: renta;
Z: precio de un bien
relacionado
Luego
| | | | | |
2 1
2
2
0 0
1 1
0
0 1
1 1
c c
|
o
| o
| o
+
(
(
(
=
(
Z Y P Q
Mg. Beatriz Castaeda ECONOMETRIA I 7
| | | | | |
(
(
(
(
+
(
(
(
(
(
(
(
1 1
1
1 1
1
1 1
1
1 1
1
2 1
1 1
1
1 1
1
1 1
1
1 1
1
2
2
0 0
0
0 1
| o | o
o
| o | o
|
| o | o
o
| o | o
|
c c
|
o
| o
Z Y P Q
| | | |
* *
2 1
1 1
2
1 1
2 1
1 1
2
1 1
1 2
1 1
0 0
1 1
0 1 1 0
1 c c
| o
|
| o
| o
| o
o
| o
| o
| o
o |
| o
| o | o
+
(
(
(
(
(
+
Z Y P Q
H
1 1
2
1 1
2 1
1 1
2
1 1
1 2
1 1
0 0
1 1
0 1 1 0
32 31
22 21
12 11
| o
|
| o
| o
| o
o
| o
| o
| o
o |
| o
| o | o
t t
t t
t t
+
= =
= =
= =
22
21
1
t
t
| =
32
31
1
t
t
o =
32 1 1 2
) ( t | o | =
22 1 1 2
) ( t o | o =
) (
12 1 11 0
t | t | =
12 1 1 0 0
) ( t | o | o =
Mg. Beatriz Castaeda ECONOMETRIA I 8
El problema de identificacin
El problema de identificacin pretende establecer si las estimaciones numricas de
los parmetros de una ecuacin estructural pueden ser obtenidos de los coeficientes
estimados de la forma reducida
Ecuacin estructural
Coeficientes pueden ser obtenidos de los
coef. estimados de la forma reducida
La ecuacin
est identificada
Si
La ecuacin no
est identificada
No
Exactamente
si puede obtenerse valores nicos
de los parmetros estructurales
Sobreidentificada
si puede obtenerse ms de un valor de
alguno de los parmetros estructurales
Mg. Beatriz Castaeda ECONOMETRIA I 9
Reglas para la identificacin:
Condicin de orden
Def. 1: En un modelo de g ecuaciones simultneas, para que una ecuacin est
identificada debe haber al menos g -1 variables excluidas entre variables
endgenas y exgenas del total de variables que aparecen en el modelo
N variables excluidas
< g -1
= g -1
> g -1
Ecuacin subidentificada
Es posible que la ecuacin est
exactamente identificada
Ecuacin posiblemente
sobreidentificada
Sea un modelo con:
g = n de variables endgenas en el modelo
g
i
= n de variables endgenas en la ecuacin
k = n de variables exgenas en el modelo
k
i
= n de variables exgenas en la ecuacin
Mg. Beatriz Castaeda ECONOMETRIA I 10
Reglas para la identificacin:
Condicin de orden
1 1
* *
= + > + g g g k k g
i i i i
Def. 2: En un modelo de g ecuaciones simultneas, para que una
ecuacin est identificada el n de variables exgenas excluidas no
debe ser menor que el n de variables endgenas incluidas como
variables explicativas en la ecuacin, es decir, K ki > g
i
- 1
Si K k
i
< g
i
- 1
= g
i
- 1
> g
i
- 1
Ecuacin subidentificada
Es posible que la ecuacin est
exactamente identificada
Ecuacin posiblemente
sobreidentificada
1 >
i i
g k k
Variables excluidas
g
i
*
: v. endgenas excluidas
Mg. Beatriz Castaeda ECONOMETRIA I 11
Reglas para la identificacin:
Condicin de rango
En un modelo de g ecuaciones simultneas con g variables endgenas, una ecuacin
est identificada si y slo s puede construirse por lo menos un determinante = 0 de
orden (g -1) x (g 1) a partir de los coeficientes de las variables excluidas de la
ecuacin, pero incluidas en las otras ecuaciones del modelo.
Estas dos condiciones se resumen en el siguiente criterio de clasificacin
De acuerdo a la condicin de orden, una ecuacin est:
1. Subidentificada si k k
i
< g
i
1
2. Posiblemente identificada, si k k
i
> g
i
1
y en este caso, de acuerdo a la condicin de rango, la ecuacin est:
a) Sobreidentificada si k k
i
> g
i
1 y Rango (A*) = g 1
b) Exactamente identificada si k k
i
= g
i
1 y Rango (A*) = g 1
c) No identificada si k k
i
> g
i
1 y Rango (A*) < g 1
A* : matriz de coeficientes de las variables excluidas
Mg. Beatriz Castaeda ECONOMETRIA I 12
Identificacin de ecuaciones
0
0
0
3 4 43 2 23 1 13 2 23 3
2 4 41 2 22 3 32 2
1 4 41 3 31 1 11 3 31 2 21 1
= + + + + +
= + + + +
= + + + + + +
t t t t t t
t t t t t
t t t t t t t
X X X Y Y
X X Y Y
X X X Y Y Y
c | | |
c | |
c | | |
Sea el modelo:
| | | | | | 0 0 0
0 0
0
0
1
1
0 0 1
3 2 1
43 42 41
31
23 22
13 11
32 31
23 21
4 3 2 1 3 2 1
= +
(
(
(
(
(
(
(
(
(
c c c
| | |
|
| |
| |
X X X X Y Y Y
A
A
1
A
2
A
3
Mg. Beatriz Castaeda ECONOMETRIA I 13
Identificacin de ecuaciones
(
(
(
(
(
(
(
(
(
=
43 42 41
31
23 22
13 11
32 31
23 21
0 0
0
0
1
1
0 0 1
| | |
|
| |
| |
A
A
1
A
2
A
3
g = 3
k = 4
Ecuacin 1: g
1
= 3; k
1
= 3
K k
1
= 1 < g
1
1 = 2 Ecuacin subidentificada
Ecuacin 3: g
3
= 2; k
3
= 3
K k
3
= 1 = g
3
1 = 1
Ecuacin posiblemente
identificada
(
=
0
0 1
*
31
|
A
(A*) = 1 < g -1
Ecuacin sobreidentificada
Ecuacin 2: g
2
= 2; k
2
= 2
K k
2
= 2 > g
2
1 = 1
Ecuacin posiblemente
sobreidentificada
(
(
(
=
0
0 1
*
31
13 11
|
| | A
(A*) = 2 = g -1
Ecuacin subidentificada
Mg. Beatriz Castaeda ECONOMETRIA I 14
Restricciones lineales homogneas
Sea el modelo:
| |
q j
A a sujeto X Y 0 ; 0 = = E +
(
B
I
|
Donde:
A
j
: Vector de coeficientes
de la ecuacin j
q: n de restricciones
homogneas
g: n de variables endgenas
De acuerdo a la condicin de orden, una ecuacin est:
1. Subidentificada si q < g 1
2. Posiblemente identificada, si q > g 1
y en este caso, de acuerdo a la condicin de rango, la ecuacin est:
a) Sobreidentificada si q
> g 1 y (| A) = g 1
b) Exactamente identificada si q = g 1 y (| A) = g 1
c) No identificada si q > g 1 y (| A) < g 1
Mg. Beatriz Castaeda ECONOMETRIA I 15
Identificacin de ecuaciones con restricciones
lineales homogneas
0
0
0
3 4 43 2 23 1 13 2 23 3
2 4 41 2 22 3 32 2
1 4 41 3 31 1 11 3 31 2 21 1
= + + + + +
= + + + +
= + + + + + +
t t t t t t
t t t t t
t t t t t t t
X X X Y Y
X X Y Y
X X X Y Y Y
c | | |
c | |
c | | |
Sea el modelo:
Sujeto a
|
31
= 3 |
11
(
(
(
(
(
(
(
(
(
=
43 42 41
31
23 22
13 11
32 31
23 21
0 0
0
0
1
1
0 0 1
| | |
|
| |
| |
A
A
1
A
2
A
3
(
=
0 1 0 3 0 0 0
0 0 1 0 0 0 0
|
Ecuacin 1 Restricciones:
|
21
= 0
|
31
= 3 |
11
q = 2 = g 1
(
=
+
13 31 11
23 22
3 0 3
0
| | |
| |
| A
(| A) = 2 = g-1
La ecuacin est exactamente identificada
Mg. Beatriz Castaeda ECONOMETRIA I 16
Identificacin con restricciones lineales
Observaciones
Cuando las restricciones se refieren solo a restricciones
de exclusin, entonces, el anlisis equivale a comparar
v. exgenas excluidas con v. endgenas incluidas como
explicativas y obtener el rango de la submatriz de
coeficientes de las variables excluidas en la ecuacin
pero incluidas en las otras ecuaciones.
Si las restricciones son no homogneas, es decir, las
restricciones tienen constante no nula, por ejemplo:
|
2
+ 3|
3
=5, entonces en el anlisis se debe comparar
(|A) con g
Mg. Beatriz Castaeda ECONOMETRIA I 17
Identificacin de ecuaciones no homogneas
t t t t t
t t t t
X X Y Y
X Y Y
2 3 32 2 22 1 12 02 2
1 1 11 2 21 01 1
c | | |
c | |
+ + + + =
+ + + =
| | | | 0
0
0
0
1
1
1
2 1
32
22
11
02 01
21
12
3 2 1 2 1
= +
(
(
(
(
(
(
(
(
c c
|
|
|
| |
X X X Y Y
Sujeto a
|
22
+ |
32
= 1
(| A) = 1 = g-1
(
=
1 0 0 0 0 0
0 1 0 0 0 0
|
Ecuacin 1
Restricciones:
|
21
= 0
|
31
= 0
q = 2 > g 1
(
=
32
22
0
0
|
|
| A
La ecuacin est sobreidentificada
(
=
1 1 0 0 0 0
0 0 1 0 0 0
|
Ecuacin 2
Restricciones:
|
12
= 0
|
22
+ |
32
= 1
q = 2 = g
(
=
1 0
0
11
|
| A
(| A) = 2 = g
La ecuacin est
exactamente
identificada
Mg. Beatriz Castaeda ECONOMETRIA I 18
Estimacin
Debido a que existen correlaciones contemporneas no nulas
entre las perturbaciones de ecuaciones diferentes, no es
apropiado aplicar al modelo estructural MCO para obtener las
estimaciones de sus coeficientes, pues bajo estas
circunstancias el estimador de MCO es sesgado e
inconsistente.
Mtodos de estimacin:
1. MCI: Mnimos cuadrados indirectos.
2. Variables instrumentales.
3. MC2E: Mnimos cuadrados en dos etapas.
4. MC3E: Mnimos cuadrados en tres etapas con informacin
incompleta.
5. MC3E: Mnimos cuadrados en tres etapas con informacin
completa.
6. Mxima verosimilitud.
Mg. Beatriz Castaeda ECONOMETRIA I 19
Estimacin por MCI
Este es un mtodo valido nicamente para ecuaciones exactamente
identificadas, consiste en estimar por MCO los parmetros de la forma reducida
y luego se despejan los coeficientes de la ecuacin en su forma estructural, a
estos estimadores se denomina estimadores de MCI.
Como en la forma reducida cada variable endgena es explicada slo por las
variables exgenas (que son predeterminadas), entonces, el estimador de MCO
de los coeficientes en la forma reducida es insesgado, consistente y eficiente. El
estimador de MCI es un estimador consistente de los coeficientes de la forma
estructural.
Forma estructural del modelo
E + B + I = X Y Y
1 1
) ( ) (
I E + I B = I I X Y
*
E + H = X Y
Y X X X ) (
1
= H
Mg. Beatriz Castaeda ECONOMETRIA I 20
t t t t
t t t t t
X Y Y
X X Y Y
2 3 32 1 12 2
1 2 21 1 11 2 21 1
c |
c | |
+ + =
+ + + =
Estimacin por MCI
Se cuenta con la matriz de covarianzas
(
(
(
(
(
(
3 1 2 1 2
1 1 0 4 0
2 0 4 2 3
1 4 2 16 6
2 0 3 6 12
Y
1
Y
2
X
1
X
2
X
3
Y
1
Y
2
X
1
X
2
X
3
Mg. Beatriz Castaeda ECONOMETRIA I 21
t t t t
t t t t t
X Y Y
X X Y Y
2 3 32 1 12 2
1 2 21 1 11 2 21 1
c |
c | |
+ + =
+ + + =
t t t t
t t t t t
X Y Y
X X Y Y
2 3 32 1 12 2
1 2 21 1 11 2 21 1
c |
c | |
+ =
+ + =
| | | | | |
2 1
31
21
11
3 2 1
21
12
2 1
0
0
0
1
1
c c
|
|
|
+
(
(
(
=
(
X X X Y Y
| | | | | |
* *
1
1
1
1 1
1
31
21
11
3 2 1 2 1
2 1
21 12 21 12
21
21 12
12
21 12
0
0
0
c c
|
|
|
+
(
(
(
(
(
=
X X X Y Y
| |
32
0 | | = A
Ecuac. 1.
(| A) = 1= g -1
Ecuac. Exact. identificada
(
=
0
0
21
11
|
|
| A
Ecuac. 2.
(| A) = 1= g -1
Ecuac. sobreidentificada
q =1 = g -1
q =2 > g -1
Modelo en forma estructural
Modelo en forma reducida
Identificacin de ecuaciones
Mg. Beatriz Castaeda ECONOMETRIA I 22
Y X X X ) (
1
= H
(
(
(
=
(
(
(
(
(
(
= H
4
8
1 2
4 0
2 3
3 1 2
1 1 0
2 0 4
2 / 1
2 / 1
2 / 5 2 / 1
1
2 / 1
1
31
2 / 1
1
21
2 / 1
1
11
21 12
21 32
21 12
21
21 12
11
= =
= =
= =
|
|
|
t
t
t
4
21 12
32
21 12
12 21
21 12
12 11
1
32
1
22
2 / 5
1
12
= =
= =
= =
|
|
|
t
t
t
Coef. ecuac. 1:
21
, |
11
, |
21
8 / 1
32
31
21
= =
t
t
16 / 13
21 12 11 11
= = t t |
2 / 1
21 22 21 21
= = t t |
Coef. ecuac. 2:
12
, |
321
16
21
22
12
= =
t
t
11
12
12
= =
t
t
12 31 32 32
= = t t | 2 / 13
12 31 32 32
= = t t |
Mg. Beatriz Castaeda ECONOMETRIA I 23
Estimacin por Variables instrumentales
En el modelo estructural para explicar a cada variable endgena participan,
tambin, algunas de las otras variables endgenas lo cual genera un problema de
correlacin entre las variables explicativas con los trminos perturbacin.
Un mtodo consistente y mas eficiente que el MCI es utilizar variables
instrumentales (VI) y es aplicable a ecuaciones identificadas (exactamente o
sobreidentificadas).
En el modelo de ecuaciones simultneas se considera como v. instrumentales a las
variables exgenas excluidas de la ecuacin que deseamos estimar.
t t t t
t t t t t
X Y Y
X X Y Y
2 3 32 1 12 2
1 2 21 1 11 2 21 1
c |
c | |
+ + =
+ + + =
Ejemplo
Entonces
para la ecuacin 1 X
3
sera v. inst de Y
2
y
para la ecuacin 2 X
1
o X
2
podran ser v. inst
de Y
1
Para la aplicacin de VI se requiere que k - k
i
> g
i
- 1
Para que exista un nmero suficiente de instrumentos disponibles.
Mg. Beatriz Castaeda ECONOMETRIA I 24
Variables instrumentales
E + B + I = X Y Y
| | E +
(
B
I
= X Y Y
1 1 1 1 1 1
c | + + I = X Y y
Dado el modelo
Para la ecuacin 1 tenemos:
| |
1
1
1
1 1 1
c
|
+
(
I
= X Y y
Z
1
A
1
Sea
| |
1 1 1
X Y Z =
Matriz de variables explicativas en la ecuacin
1
*
1
*
1
X Y Z =
Matriz de variables instrumentales
Entonces:
1
*'
1
1
1
*'
1 1
y Z Z Z A
=
Mg. Beatriz Castaeda ECONOMETRIA I 25
Estimador de variables instrumentales
1
*'
1
1
1
*'
1 1
y Z Z Z A
=
' ] ) [( ) ( ) ( )
(
1
1
*'
1
* *'
1
1
1
*'
1 11 1
1
= Z Z Z Z Z Z A V
VI
o
La matriz de
covarianzas
asinttica del
estimador de VI
Si la ecuacin est exactamente identificada el estimador de VI
coincide con el estimador de MCI
) (
1 1
1
'
1
11 11
k g n
e e
S
+
= = o
| |
(
=
I
1
1 1 1 1
|
X Y y e
1 1
' '
1 1
' '
1 1
'
1
'
1
2
1 1 1
A Z Z A y Z A y y e e + =
Mg. Beatriz Castaeda ECONOMETRIA I 26
| |
| |
2
32
12
3 1 2 3 32 1 12 2
1
21
11
21
2 1 2 1 2 21 1 11 2 21 1
c c |
c c | |
|
|
|
+
(
= + + =
+
(
(
= + + + =
x y x y y
x x y x x y y
t t t t
t t t t t
(
(
(
(
(
(
3 1 2 1 2
1 1 0 4 0
2 0 4 2 3
1 4 2 16 6
2 0 3 6 12
Y
1
Y
2
X
1
X
2
X
3
Y
1
Y
2
X
1
X
2
X
3
Matriz de covarianzas
Ecuacin 1
| |
2 1 2 1
x x y Z =
| |
2 1 3
*
1
x x x Z =
( )
1
*'
1
1
1
*'
1 1
y Z Z Z A
=
(
(
(
(
(
(
=
(
(
(
1
'
2
1
'
1
1
'
3
1
2
'
2 1
'
2 2
'
2
2
'
1 1
'
1 2
'
1
2
'
3 1
'
3 2
'
3
21
11
21
y x
y x
y x
x x x x y x
x x x x y x
x x x x y x
|
|
(
(
=
(
(
(
(
=
(
(
(
(
=
(
(
2 / 1
16 / 13
8 / 1
0
3
2
0 2 / 1 1
8 / 1 16 / 3 8 / 1
4 / 1 8 / 1 4 / 1
0
3
2
1
1 0 4
0 4 2
1 2 1
21
11
21
|
|
La estimacin de
VI coincide con la
de MCI
EJEMPLO
Mg. Beatriz Castaeda ECONOMETRIA I 27
' ] ) [( ) ( ) ( )
(
1
1
*'
1
* *'
1
1
1
*'
1
2
1 1
1
= Z Z Z Z Z Z A V
VI
o
)
2 (
1 1
' '
1 1
' '
1 1
'
1
) 1 (
1
'
1
1 1
A Z Z A y Z A y y e e n + =
| | | |
(
(
(
(
(
(
(
(
(
+ =
2 / 1
16 / 13
8 / 1
1 0 4
0 4 2
4 2 16
2 / 1 16 / 13 8 / 1
0
3
6
2 / 1 16 / 13 8 / 1
1
1
'
1
2 12
n
e e
(
=
(
(
VI
A V
Cuando se utiliza covarianzas
8594 . 11
22
) 8594 . 10 ( 24
)
1 1
(
1
'
1
11
=
+
= =
k g n
e e
o
Asumiendo n = 25
Mg. Beatriz Castaeda ECONOMETRIA I 28
Estimador de mnimos cuadrados
en dos etapas MC2E
Se utiliza para estimar coeficientes de ecuaciones identificadas
(exactamente o sobreidentificadas).
El procedimiento de MC2E proporciona un nico estimador que es la
combinacin lineal ptima de los estimadores que podran generarse por
VI.
1 etapa: Construir una regresin auxiliar para cada variable endgena
incluida como explicativa en la ecuacin en funcin de todas las
variables exgenas del modelo.
Procedimiento
Si la ecuacin est exactamente identificada el estimador de MC2E
coincide con el estimador de VI y MCI
Mg. Beatriz Castaeda ECONOMETRIA I 29
Estimador de MC2E
1
Y
| |
3 2 1
y y Y =
1 1
u X Y + = o
1 1 1 1 1 1
c | + + I = X Y y
1
1
' ) ' ( Y X X X
= o
Ejemplo
1
1
1
' ) ' (
Y X X X X Y
=
,
Las predicciones de las variables de Y
1
son tales que
1. Cada variable de est correlacionada con la variable observada de Y
1
ejemplo
| | | |
3 2
1
3 2 1
' ) ' (
y y X X X y y Y
= =
2. Las variables estn incorrelacionadas con el trmino perturbacin de la
ecuacin por ser combinaciones lineales de las variables exgenas X
Mg. Beatriz Castaeda ECONOMETRIA I 30
| |
1
1
1
1 1 1 1 1 1 1 1
c
|
c | +
(
I
= + + I = X Y X Y y
| |
1 1
* X Y X =
1
1
2
1
1
*' *) *' (
y X X X
E MC
=
(
I
|
2 etapa: En la ecuacin original se remplaza las variables endgenas por
sus predicciones obtenidas con las regresiones auxiliares. Luego
por MCO se estiman los coeficientes de la ecuacin.
Sea
(
(
=
1
1
1
1
1
1
1
1
' '
' '
* *'
X X Y X
X Y Y Y
X X
( ) ( )
1
1 '
1 1
1 1 '
1 1
'
1
' ) ' ( ' ) ' ( ' ) ' (
Y X X X X Y Y X X X X X X X X Y Y Y
= =
1
'
1 1
1 '
1 1
'
1
' ) ' (
X Y X X X X X Y X Y = =
donde
(
(
=
1
'
1
1
'
1
1
*'
y X
y Y
y X
1 1 1 1
'
' Y X Y X =
Mg. Beatriz Castaeda ECONOMETRIA I 31
(
(
(
(
=
(
1
1
1
1
1
1
1
1
1
1
1
1
'
1 '
1
' '
' 1 '
2
1
1
' ) ' ( ' ) ' (
y X
y X X X X Y
X X Y X
X Y Y X X X X Y
E MC
|
El estimador de MC2E es un caso especial de variables instrumentales donde:
| |
1 1 1
X Y Z =
| |
1 1
*
1
X Y Z =
Vector de variables instrumentales
( ) = =
(
I
1
*'
1
1
1
*'
1
1
1
y Z Z Z
VI
|
E MC
y X
y Y
X X Y X
X Y Y Y
2
1
1
'
'
1
' '
' '
1
1
1
1
1
1
1
1
1
1
1
1
(
I
=
(
(
(
(
|
El estimador de MC2E es un estimador consistente y es el de mnima varianza
entre los estimadores de VI, que utilizan como instrumentos combinaciones
lineales de las variables predeterminadas del modelo.
( ) ( )
1
1 '
1
1
1
1 '
1 1
' ) ' ( ' ) ' (
y X X X X Z Z X X X X Z A
=
Mg. Beatriz Castaeda ECONOMETRIA I 32
' ] ) [( ) ( ) ( )
(
1
1
*'
1
* *'
1
1
1
*'
1 11 2 1
1
= Z Z Z Z Z Z A V
E MC
o
| | *
1 1
*
1
X X Y Z = = | |
1 1 1
X Y Z =
(
(
=
1
1
1
1
1
1
1
1
' '
' '
* *'
X X Y X
X Y Y Y
Z Z =
(
(
=
1
1
1
1
1
1
1
1
' '
' '
1
*
1
'
X X Y X
X Y Y Y
Z Z
Como
Luego
1
1
1
11
1
1
*'
1 11 2 1
) ' ) ' ( ' ( ) ( )
(
= = Z X X X X Z Z Z A V
E MC
o o
Matriz
simtrica
) (
1 1
1
'
1
11 11
k g n
e e
S
+
= = o
| |
(
=
I
1
1 1 1 1
|
X Y y e
1
' '
1 1
'
1 1
' '
1 1
' '
1 1
'
1
'
1
1 1 1 1 1
2 y Z A y y A Z Z A y Z A y y e e = + =
Mg. Beatriz Castaeda ECONOMETRIA I 33
Mnimos Cuadrados en tres etapas MC3E
(
(
(
(
(
+
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
g g g g
a
a
a
Z
Z
Z
y
y
y
c
c
c
... ...
... 0 0
... ... ... ...
0 0 0
0 0 0
...
2
1
2
1
2
1
2
1
(
(
(
(
(
+
(
(
(
(
(
(
(
(
(
+
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
gn n n
g
g
gk k k
g
g
kn n
k
k
gg g g
g
g
gn n n
g
g
gn n n
g
g
x x
x x
x x
y y y
y y y
y y y
y y y
y y y
y y y
c c c
c c c
c c c
| | |
| | |
| | |
...
... ... ... ...
...
...
...
... ... ... ...
...
...
... 1
... ... ... ...
... 1
... 1
...
... ... ... ...
...
...
...
... ... ... ...
...
...
...
... ... ... ...
...
...
2 1
2 22 12
1 21 11
2 1
2 21 11
1 20 10
1
2 12
1 11
2 1
2 22 12
1 21 11
2 1
2 22 12
1 21 11
2 1
2 22 12
1 21 11
| | | | | | | || | | |
g g k g g g
X X Y Y Y Y Y Y c c c | | | ... ... ... 1 ... ... ...
2 1 2 1 1 2 1 2 1 2 1
+ + I I I =
Modelo de ecuaciones simultneas
Esta notacin no recoge las restricciones nulidad de parmetros en cada ecuacin y
no resulta til para una solucin generalizada de los estimadores de todos los
coeficientes del modelo, en su lugar consideramos la notacin de variables apiladas
| |
1
1
1
1 1 1
c
|
+
(
I
= X Y y
1 1 1 1
c + = a Z y
| |
g
g
g
g g g
X Y y c
|
+
(
I
=
g g g g
a Z y c + =
. . . . . . . . . . .
Y* = Z* a* + c*
Mg. Beatriz Castaeda ECONOMETRIA I 34
(
(
(
(
(
=
g
c
c
c
c
...
*
2
1
(
(
(
(
(
=
gn n n
g
g
c c c
c c c
c c c
c
...
... ... ... ...
...
...
2 1
2 22 12
1 21 11
c
1
c
2
c
g
c
t
| |
(
(
(
(
(
=
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
=
I I I
I I I
I I I
E E E
E E E
E E E
E E
gg g g
g
g
g g g g
g
g
g
g
o o o
o o o
o o o
c c c c c c
c c c c c c
c c c c c c
c c c
c
c
c
c c
...
... ... ... ...
...
...
) ( ... ) ( ) (
... ... ... ...
) ( ... ) ( ) (
) ( ... ) ( ) (
...
...
) *' * (
2 1
2 22 12
1 12 11
1 1
2 2 2 2 1
1 2 1 1 1
2 1
' ' '
' ' '
' ' '
' ' '
2
1
I E Cov = = ) *' * ( *) ( c c c
(
(
(
(
(
= =
gg g g
g
g
t t
E
o o o
o o o
o o o
c c
..
.. .. ... ...
..
..
) (
2 1
2 22 21
1 12 11
'
Mg. Beatriz Castaeda ECONOMETRIA I 35
Producto de Kronecker AB
( )
1 1 1
. 1
= B A B A
Sean las matrices
(
(
(
(
=
mn m m
n
n
a a a
a a a
a a a
A
..
.. .. ... ...
..
..
2 1
2 22 21
1 12 11
(
(
(
(
(
=
pq p p
q
q
b b b
b b b
b b b
B
..
.. .. ... ...
..
..
2 1
2 22 21
1 12 11
(
(
(
(
=
B a B a B a
B a B a B a
B a B a B a
B A
mn m m
n
n
..
.. .. ... ...
..
..
2 1
2 22 21
1 12 11
Propiedades
( )
' '
' . 2 B A B A =
( ) ( ) DF CE F E D C = . 3
Mg. Beatriz Castaeda ECONOMETRIA I 36
Estimador de mnimos cuadrados
en tres etapas MC3E
El estimador de MC3E puede interpretarse como un estimador en 3
etapas de las cuales las 2 primeras coinciden con las de MC2E y la
tercera consiste en estimar la matriz a partir de los residuos de la
2 etapa y aplicar luego MCG para la obtencin de los estiadores de
los coeficientes.
Este mtodo generaliza el mtodo de MC2E en el sentido de tomar
en consideracin las correlaciones contemporneas de las
perturbaciones.
Este mtodo se aplica para estimar coeficientes del modelo en su
conjunto o de un bloque de ecuaciones identificadas (exactamente
o sobreidentificadas).
Mg. Beatriz Castaeda ECONOMETRIA I 37
MC3E - Procedimiento
1 etapa: Por MCO se estima cada una de las variables Y en funcin de
todas las variables X
* *' *) *' (
1
Y X X X
= o
* *' *) *' ( * *
1
Y X X X X X Y
= = o
(
(
(
(
(
+
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
g g g
u
u
u
X
X
X
y
y
y
... ...
... 0 0
... ... ... ...
0 0 0
0 0 0
...
2
1
2
1
2
1
o
o
o
Y* = Z* a* + c*
Y* = X* o + u*
2 etapa: Se estima los coeficientes de cada estructural sustituyendo las
variables endgenas explicativas por sus estimaciones obtenidas
con la 1 etapa
Y* = W* a* + c*
(
(
(
(
(
=
]
[
]
[
]
[
... 0 0
... ... ... ...
0 0 0
0 0 0
*
2 2
1 1
g g
X Y
X Y
X Y
W
* *' *) *' ( * *' * *' *) *' ( * *'
1
1
1
2
Y X X X X Z Z X X X X Z a
E MC
=
Mg. Beatriz Castaeda ECONOMETRIA I 38
3 etapa: Con los residuos obtenido de la segunda etapa se estima a los
elementos de la matriz
(
(
(
(
(
= =
gg g g
g
g
t t
E
o o o
o o o
o o o
c c
..
.. .. ... ...
..
..
) (
2 1
2 22 21
1 12 11
'
) (
1 1
1
'
1
11 11
k g n
e e
S
+
= = o
1
' '
1 1
'
1
'
1
1 1
y Z A y y e e =
)
2 2
( )
1 1
(
2
'
1
12 12
k g n k g n
e e
S
+ +
= = o
2 2
' '
1 2 2
'
2
' '
1 2
'
2
'
1
1 1 1 1
A Z Z A A Z y y Z A y y e e + =
Mg. Beatriz Castaeda ECONOMETRIA I 39
Se pondera al modelo con la matriz X* y luego se aplica MCG
X*Y* = X* Z* a* + X* c*
Y* = Z* a* + c*
* *' *)) *' ( ( * *' * *' *)) *' ( ( * *' *
1
1
1
3
Y X X V X Z Z X X V X Z a
E MC
= c c
donde
* ) ( * * *) ( * *) * ( X I X X V X X V = = c c
) ( ) ( ) ( ) ( X X X I I X I = =
) ( ) ( ) ( ) ( * *) * ( *
1 1 1 1
X X X X X I X X X I X X V X
= = c
* )] ) ( ( [ *' * )] ) ( ( [ *' *
1 1
1
1 1
3
Y X X X X Z Z X X X X Z a
E MC
=
Mg. Beatriz Castaeda ECONOMETRIA I 40
Propiedades del estimador MC3E
*) * (
3
a a T
E MC
1. Si las ecuaciones de un sistema estn identificadas, entonces el estimador
de MC3E es consistente.
2. La distribucin asinttica de
Es normal con esperanza 0 y matriz de covarianzas
1
1 1 *
3
* )] ) ( ( [ *' )
(
= Z X X X X Z a V
E MC
3. El estimador de MC3E es ms eficiente que el estimador de MC2E
4. Si o
ij
=0, i = j, entonces el estimador de MC3E coincide con el estimador de
MC2E
5. Si todas las ecuaciones del modelo estn exactamente identificadas, entonces
los estimadores de MC2E y MC3E coinciden.
Mg. Beatriz Castaeda ECONOMETRIA I 41
Estimador de Mxima Verosimilitud MV
Se obtiene maximizando la funcin de verosimilitud de la ecuacin
que se pretende estimar, sujeta a las restricciones para sus
coeficientes. Se asume que la perturbacin tiene distribucin normal
Estimador de mxima verosimilitud con informacin
limitada MVIL
Si la ecuacin est exactamente identificada el estimador MVIL
coincide con el estimador MC2E, VI y MCI
MVIL es un estimador consistente y su distribucin asinttica coincide
con el estimador de MC2E, por lo que comparte la propiedad de
eficiencia de ste ltimo.
Mg. Beatriz Castaeda ECONOMETRIA I 42
Estimador de Mxima Verosimilitud MV
Se obtiene maximizando la funcin de verosimilitud que se obtiene
al suponer que el vector de perturbaciones de todas las ecuaciones
sigue una distribucin normal multivariante. Para la maximizacin se
utiliza algoritmos de mtodos numricos de optimizacin
Estimador de mxima verosimilitud con informacin
completa MVIC
MVIC es un estimador consistente y asintticamente eficiente y su
distribucin asinttica coincide con el estimador de MC3E, si las
perturbaciones tienen distribucin normal.
Mg. Beatriz Castaeda ECONOMETRIA I 43
Prueba de correlacin contempornea
0 :
0
= =
ij
H o
0 :
1
= =
ij
H o
No existe correlacin contempornea
Existe correlacin contempornea
Estadstica
)
ln
ln ( =
ii LR
T o
1. Para residuos de estimador de MV.
Tiene distribucin asinttica
2
) 2 / ) 1 ( ( g g
_
=
=
g
i
i
j
ij LM
r T
2
1
1
2
+
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
g g g g
u
u
u
X
X
X
y
y
y
... ...
... 0 0
... ... ... ...
0 0 0
0 0 0
...
2
1
2
1
2
1
2
1
|
|
|
I u u E u Cov = = ) *' * ( *) (
(
(
(
(
(
= =
gg g g
g
g
t t
u u E
o o o
o o o
o o o
..
.. .. ... ...
..
..
) (
2 1
2 22 21
1 12 11
'
* ] [ *' * ] [ *' *
1
1
1
Y I X X I X
SUR
=
|
Donde los elementos de se estiman mediante los residuos del estimador de
MCO de cada ecuacin.
Nota. Para la prueba de correlacin contempornea con el estadstico
LM
se
utiliza los residuos de MCO.
Mg. Beatriz Castaeda ECONOMETRIA I 46
Observaciones
3. Si los regresores de un bloque de ecuaciones son un subconjunto de
los de otro, MCG no aporta ganancias de eficiencia en la estimacin de
las ecuaciones ms reducidas.
4. Cuanto mayor sea la correlacin contempornea de las perturbaciones,
mayor ser la ganancia en eficiencia atribuible a MCG.
1. Si o
ij
=0, i = j, entonces el estimador de MCG coincide con el
estimador de MCO
2. Si x
i
= X
j
, i = j, es decir las ecuaciones tienen variables explicativas
idnticas, el estimador de MCG coincide con el estimador de MCO
5. Cuanto menor sea la correlacin entre las matrices X, mayor ser la
ganancia en eficiencia atribuible a MCG.