Professional Documents
Culture Documents
M ts = 0 + 1Yt + u 2t
Equilibrio:
M td = M ts
Donde:
M= dinero
Y= ingreso
R= tasa de inters
P= precio
u= termino de error
Supngase que R y P son exgenos y que M y Y son endgenas. En la siguiente tabla se presenta informacin
sobre M (dada por M2), Y(PIB), R (tasa de bonos del tesoro a tres meses) y P (ndice de precios al
consumidor), para los Estados Unidos durante 1970-1991.
M2 USD $
miles
de millones
Ao
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
628,1
712,7
805,2
861
908,6
1032,3
1163,7
1286,6
1388,7
1496,7
1629,5
1792,9
1951,9
2186,1
2374,3
2569,4
2811,1
2910,8
3071,1
3227,3
3339
3439,8
1117,7
1097,2
1207
1349,6
1458,6
1585,9
1768,4
1974,1
2232,7
2488,6
2708
3030,6
3149,6
3405
3772,2
4038,7
4268,6
4539,9
4900,4
5250,8
5522,2
5677,5
Condicin de orden
Ecuacin
K-k
M-m
Resultados
Identificabilidad
primera
segunda
3-3
3-1
2-1
2-1
0<1
2>1
Subidentificada
Sobreidentificada
Condicin de Rango
Ecuacin
primera
segunda
0
0
1
1
2
0
Identificabilidad
3 subidentificada
0 Sobreidentificada
0 + 1Yt + 2 Rt + 3 P + 1t = 0 + 1Yt + 2 t
1Yt 1Yt = 0 0 2 Rt 3 Pt + 2 1
Y ( 1 1 ) = 0 0 2 Rt 3 Pt + 2 1
Yt =
0 0 2 Rt
P 1t
3 t + 2t
1 1
1 1 1 1
1 1
Yt = 20 21 Rt 22 Pt + et
0 t
1 1
R
21 = 2 t
1 1
20 =
22
et =
2 Rt
1 1
u 2 u1
1 1
3 t + 2t
1 1 1 1
1 1
1 1
M td = 0 +
+ 2 Rt + 3 P + 1t
1 0 1 0 1 2 Rt
P 1 1t
1 3 t + 1 2t
1 1
1 1
1 1
1 1
1 0 0 1 1 2 Rt 1 3 Pt 1 2t 1 1t
+
1 1
1 1
1 1
1 1
M td = 10 11 Rt 12 Pt + et
1 0 0 1
1 1
R
11 = 1 2 t
1 1
P
12 = 1 3 t
1 1
1 1t
et = 1 2t
1 1
10 =
c) De acuerdo a la respuesta del literal a) estime, si es posible una o las dos ecuaciones y obtenga los
parmetros estimados en su forma estructural. (Realice las estimaciones en E-views y SPSS)
Debido a que la funcin de la demanda no esta identificada procedemos slo con la funcin de la oferta, los
resultados obtenidos en el programa SPSS con MC2E son:
MODEL:
MOD_1.
Equation number:
Dependent variable.. M2
Listwise Deletion of Missing Data
Multiple R
R Square
Adjusted R Square
Standard Error
,99781
,99563
,99541
63,74123
Analysis of Variance:
DF
Sum of Squares
Mean Square
1
20
18505872,3
81258,9
18505872,3
4062,9
4554,79410
Signif F =
Regression
Residuals
F =
,0000
SE B
Beta
Sig T
,615317
31,551627
,009117
30,706388
1,001118
67,489
1,028
,0000
,3164
RESULTADOS:
M ts = 31.55 + 0.62Yt
ee = (31.55) (0.009)
d) Estime las ecuaciones estructurales utilizando MCO. Son comparables los resultados con los obtenidos en
el literal anterior?
Coefficients(a)
Unstandardized
Coefficients
Model
1
B
(Constant
)
PIB
TASA
IPC
Standardized
Coefficients
Std. Error
11,660
Beta
53,484
Sig.
,218
,830
,428
,066
,696
6,519
,000
-24,527
5,909
-,064
-4,151
,001
9,209
3,190
,315
2,886
,010
a Dependent Variable: M2
Coefficients(a)
Unstandardized
Coefficients
Model
1
B
(Constant
)
PIB
Standardized
Coefficients
Std. Error
37,662
30,535
,613
,009
Beta
,998
Sig.
1,233
,232
67,718
,000
a Dependent Variable: M2
No son comparables los resultados con los obtenidos en el literal anterior ya que ya que son slo comparables cuando se trata de
modelos recursivos, triangulares o causales y en este caso estamos con un modelo de ecuaciones simultneas
= 0 + 1 Y t + 2 v t
= 5% =0.025
N=22
t(n-k) g.l=(22-3)=19g.l
t(n-k)g.l=2.093
tc= 0,428 /0,079=5.42
-2.093
2.093
5.42
INTERPRETACION:
Con un 95% de confianza podemos decir que no existe suficiente evidencia estadstica para aceptar la hiptesis nula
de que no hay simultaneidad es decir se acepta la alternativa de que si hay simultaneidad
2. Para el modelo:
Wt = 0 + 1UN t + 2 Pt + u1t
Pt = 0 + 1Wt + 2 Rt + 3 M t + u 2t
Donde:
.
K-k
M-m
Resultados
Identificabilidad
primera
segunda
4-2
4-3
2-1
3-1
2<1
1=1
Sobrebidentificada
exactamente identificada
Condicin de Rango
Ecuacin
primera
segunda
0 - 1
2
1
UN
Rt
1
0
0
2
Mt
Identificabilidad
subidentificada
Sobreidentificada
Wt =
Pt = 0 + 1 ( 0 + 1 UN t + 2 Pt + u 1t ) + 2 R t + 3 M t + u 2 t
Pt =
0 + 0 1
3
u + 1 u 1t
1 1
2
+
UN t +
Rt +
M t + 2t
(1 2 1 ) (1 2 1 )
(1 2 1 )
(1 2 1 )
(1 2 1 )
Pt = 02 + 12 UN t + 22 R t + 32 M t + v 2 t
c) Si las ecuaciones estn identificadas, obtenga (algebraicamente), los parmetros estructurales a partir de
los parmetros reducidos (excepto los parmetros del trmino independiente)
1 =
21
11
11
(1 2 1 ) 1 1
=
=
= 1
1
1
(1 2 1 )
2 = 22 21 * 1 =
2
22
* 1
(1 2 1 ) (1 2 1 )
2 = 22 21 * 1 =
2 2 2 1 2 (1 2 1 )
=
= 2
1 1 2
1 1 2
3 = 23 13 * 1 =
3
2 3
* 1
(1 2 1 ) (1 2 1 )
3 = 23 13 * 1 =
3 2 3 1 3 (1 2 1 )
=
= 3
1 1 2
1 1 2
3. Un modelo economtrico de ecuaciones simultneas construido para reflejar las interrelaciones entre el
empleo y la poblacin para las regiones francesas, esta conformado por las siguientes ecuaciones:
LNK = 1 * POBKM 5 + 2 * IVNAKM + t
POBKM = 1 * POBKM 5 + 2 * LNAKM + u t
LNAKT= Densidad de empleo no agrario en 1995
POBKM= Densidad de poblacin de 1995
INVAKM= Incremento de densidad del valor aadido no agrario en 1995
POBKM5= Densidad de poblacin en el quinquenio anterior, para el caso de 1990
t, t= Trminos de perturbacin estocstica. Recoge la influencia conjunta de todas las dems variables que
afectan a las endgenas pero que no han podido ser explicadas.
Los datos para las 22 regiones francesas son:
REGION
lle de France
ChampagneArdenne
Picardie
HauteNormandie
Centre
BasseNormandie
Bourgogne
Nord-Pas-deCalais
Lorraine
Alsace
FrancheComt
Pays de la
loire
Bretagne
PoitouCharentes
Aquitaine
Midi-Pyrnes
Limousin
Rhone alpes
Auvergne
Languedoc-
LNAKM
POBKM
POBKM5
IVNAKM
409,4239
885,1981
851,4818
4,5659
17,9645
52,3705
52,8001
0,1053
29,7953
50,7429
92,9945
140,5375
91,2418
137,0464
0,1516
0,1757
21,6342
26,6644
60,3561
78,7424
59,1811
77,8896
0,12
0,1454
17,7316
98,5178
50,7251
317,7863
50,8517
316,6586
0,0921
0,4002
32,3183
74,5169
97,3797
195,5314
98,2715
192,7536
0,1546
0,397
23,5773
67,3991
67,2139
0,1596
32,4169
33,0418
19,876
95,0065
102,3228
61,5265
93,7286
1013305
6102941
0,19
0,1569
0,082
22,2717
17,6634
13,9299
46,4781
16,9146
22,611
67,4688
53,4312
42,4389
122,1566
50,5132
77,1844
65,6289
51,8656
43,4423
117,6026
51,3205
72,9836
0,0574
0,1456
0,0569
0,3359
0,0835
0,1856
roussillon
ProvenceAlpes-Cote
dAzur
corse
41,7962
135,3503
128,8535
0,2466
8,871
28,6866
28,5714
0,0008
a) Compruebe; utilizando las condiciones de orden y de rango que las ecuaciones estn exactamente
identificadas.
Condicion de orden
Ecuacin
K-k
M-m
Resultados
Identificabilidad
primera
segunda
2-1
2-1
2-1
2-1
1=1
1=1
exactamente identificada
exactamente identificada
Condicin de Rango
Ecuacin
LNAKM
primera
segunda
Identificabilidad
1
1
exactamente identificada
exactamente identificada
2
0
0
- 1
+ 1u t
1 1
2
POBKM 5 +
IVNAKM + t
(1 1 2 )
(1 1 2 )
(1 1 2 )
u + 2 t
1
2 2
POBKM 5 +
IVNAKM + t
(1 1 2 )
(1 1 2 )
(1 1 2 )
MOD_1.
Equation number:
Multiple R
R Square
Adjusted R Square
Standard Error
,99970
,99939
,99933
2,45502
Analysis of Variance:
DF
Sum of Squares
Mean Square
2
20
198306,35
120,54
99153,176
6,027
16451,13676
Signif F =
Regression
Residuals
F =
,0000
SE B
Beta
Sig T
,276437
36,081159
,006942
1,533201
,637530
,376733
39,823
23,533
,0000
,0000
POBKM
IVNAKM
MODEL:
POBKM
IVNAKM
1,0000000
-,9388734
-,9388734
1,0000000
Equation number:
Multiple R
R Square
Adjusted R Square
Standard Error
,99998
,99995
,99995
1,60487
Analysis of Variance:
DF
Sum of Squares
Mean Square
2
20
1055386,6
51,5
527693,31
2,58
204882,09878
Signif F =
Regression
Residuals
F =
,0000
SE B
Beta
Sig T
,190624
,948168
,025504
,011417
,082656
,918106
7,474
83,049
,0000
,0000
LNAKM
POBKM5
LNAKM
POBKM5
1,0000000
-,9899658
-,9899658
1,0000000
Variable
Coefficient
Std. Error
t-Statistic
Prob.
POBKM
IVNAKM
0.276465
36.07537
0.007103
1.568969
38.92038
22.99304
0.0000
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
0.999130
0.999086
2.512794
126.2827
-50.43893
49.21626
83.13775
4.767176
4.866361
2.169952
Coefficient
Std. Error
t-Statistic
Prob.
POBKM5
LNAKM
0.948836
0.189117
0.011498
0.025676
82.52406
7.365590
0.0000
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
0.999921
0.999917
1.642491
53.95555
-41.08495
130.6867
179.9080
3.916813
4.015999
1.513954
(0.007)
(37.980)
(0,000)
F = 14963,496
R2=0,999
t =
(1.558)
(24.455)
(0,000)
Segunda Ecuacin
F = 187031.223
(0.005)
( 210.553)
(0,000)
R2=1.000
(1.017)
(7.141)
(0,000)
R2 Ajustado=1.000
4
1 = 3 1 = 1.00091172-0.27668923(0.190624255)
2
1 = 0.9482
2 =
7.26054299/38.0882432
2 = 0.1906
1
2 = 2 4 = 38.0882432-7.26054299(0.27668923/1.00091172)
3
1
2 = 2 4 = 38.0882432-7.26054299(0.276437196)
3
2 = 36.0812
1 =
= 0.27668923/1.00091172
1 = 0.2764
1
Dados cambios unitarios en la densidad de poblacin en 1995 se estima que en promedio la densidad de empleo no
agrario en 1995 se incrementar en 0.277, como podemos darnos cuente existe una relacin directa entre estos dos
parmetros, es decir si incrementa el uno tambin incrementar el otro y viceversa.
2
Dados incrementos en la densidad del valor aadido no agrario en 1995 se estima que en promedio la densidad de
empleo no agrario en 1995 se incrementar en 38.088, como podemos darnos cuente existe una relacin directa
entre estos dos parmetros, es decir si incrementa el uno tambin incrementar el otro y viceversa.
1
Dados cambios unitarios en la densidad de la poblacin del valor aadido no agrario en 1995 se estima que en
promedio la densidad de poblacin en 1995 se incrementar en 1.001, como podemos darnos cuente existe una
relacin directa entre estos dos parmetros, es decir si incrementa el uno tambin incrementar el otro y viceversa.
2
Dados cambios unitarios en la densidad de empleo no agrario en 1995 se estima que en promedio la densidad de
poblacin en 1995 se incrementar en 7.26, como podemos darnos cuente existe una relacin directa entre estos dos
parmetros, es decir si incrementa el uno tambin incrementar el otro y viceversa.
d) Obtenga las estimaciones de los parmetros de la forma reducida deducida Coinciden con las
estimaciones del literal anterior?
(1)
(2)
Las matrices de los coeficientes de las variables endgenas (A) y la de coeficientes de las variables
predeterminadas (B) son:
0 .276437
A=
0 .190624
0
36.081159
B=
0.948168 0
0.27668
1
0.276437
0.190624
1
= 1.0556268 0.291814309
=
0.943704473
0.20122781 1.055626811
38.0882
A-1 B =
1.00091 7.26053
I t = 3 + 4Yt + 5 Qt + u 2t
C t = 6 + 7Yt + 8 C t 1 + 9 Pt + u 3t
Qt = 10 + 11Qt 1 + 12 Pt 1 + u 4t
I t = 3 + 4Yt + 5 Qt + u 2t
C t = 6 + 7Yt + 8 C t 1 + 9 Pt + u 3t
Como podemos darnos cuenta todas las ecuaciones son de comportamiento, debido a que las ecuaciones de
comportamiento son aquellas que tienen variable aleatoria y en este caso todas las ecuaciones las tienen.
c) Las variables endgenas actuales y rezagas, y las exgenas actuales y rezagadas.
Variables endgenas actuales: Yt, It, Ct, Qt
Variables endgenas rezagadas: Yt-1, Ct-1, Qt-1
Variables endgenas rezagadas: Pt
Variables exgenas rezagadas: Pt-1
d) Cambie de nomenclatura a la convenida clase.
Vamos a cambiar 0 3 6 y 10 por y respectivamente:
Yt = 0 + 1Yt 1 + 2 I t + u1t
I t = 0 + 1Yt + 2Qt + u 2 t
C t = 0 + 1Yt + 2 C t 1 + 3 Pt + u 3t
Q t = 0 + 1Q t 1 + 2 Pt 1 + u 4 t
Y1 = 5 + 0 .8 Y 2 0 .4 X 1
Y 2 = 3 . 2 1 . 12 Y1 + 6 . 4 X
Y1 = 5 + 0 . 8 Y 2 0 . 4 X 1
Y1 = 5 + 0 . 8 ( 3 . 2 1 . 12 Y1 + 6 . 4 X 2 ) 0 . 4 X 1
Y1 = 5 + 2 . 56 0 . 896 Y1 + 5 . 12 X
Y1 + 0 . 896 Y1 = 7 . 56 + 5 . 12 X
Y1 =
Y1 =
7 . 56
5 . 12
+
X
1 . 896
1 . 896
0 .4 X 1
0 .4 X 1
Y1 (1 0 . 896 ) = 7 . 56 + 5 . 12 X
0 .4 X 1
0 .4
X1
1 . 896
7 . 56
0 .4
5 . 12
X1 +
X
1 . 896
1 . 896
1 . 896
Y1 = 10 11 X 1 + 12 X
(1)
Y 2 = 3 . 2 1 . 12 Y1 + 6 . 4 X
Y 2 = 3 . 2 1 . 12 ( 5 + 0 . 8 Y 2 0 . 4 X 1 ) + 6 . 4 X
Y 2 = 3 . 2 5 . 6 0 . 896 Y 2 + 0 . 448 X 1 + 6 . 4 X
Y 2 (1 + 0 . 896 ) = 2 . 4 + 0 . 448 X 1 + 6 . 4 X
Y2 =
2 .4
0 . 448
6 .4
+
X1 +
X
1 . 896
1 . 896
1 . 896
Y2 =
20
21
X1 +
22
(2)
Y1 10 11 12 X 1 e1
+
=0
+
Y2 20 21 22 X 2 e2
Y1 3.9874 0.2109 2.700 X 1 e1
+
X + e = 0
1
.
2658
0
.
2362
3
.
375
2 2
Y2
Y1 6.476793249 X 1 e1
+
+ e = 0
2
.
34599156
X
2
2
Y2
Y1 6.476793249 X 1 e1 = 0
Y 2.34599156 X e = 0
2
1 0.8 Y1 5 0.4 0 X 1 e1 0
1.12 1 + 3.2 0 6.4 X + e = 0
Y2
2 2
1 1.12
Adj
0.8 1
1 0.8
Adj =
1.12 1
A = 1.896
0.8
1
Adj
1 1 0.8 1.896
1.896
A 1 =
=
=
1
A
1.896 1.12 1 1.12
1.896
1.896
0.52742616 0.421940928
A 1 =
0.590717299 0.52742616
A * A 1 = I
Y + A 1 BX + A 1U = 0
Y1 0 .5274 0 .4219 5 0 .4 0 X 1
+
+
Y2 0 .5907 0 .5274 3 .2 0 6 .4 X 2
Y1
+
Y2
Y1
+
Y 2
6 .8987 X 1
1 .8734 X +
0 .94936 e1
0 .063291 e = 0
= A 1 * B
0.5274 0.4219 5 0.4 0
=
1.87341
E = A 1 * U
0.5274 0.4219 e1
E=
0.5907 0.5274 e2
0.9494e1
E=
0.06329e2
0 .5274 0 .4219 e1
0 .5907 0 .5274 e = 0
0 .94936 e1
0 .063291 e = 0