Actividad #2

Caracas, 15 de Febrero del 2023
Materia: Econometría
Profesor: Carlos Henríquez
Nombre: Diego Di Bartolo
Actividad #2
Definición: Anteriormente se han estudiado modelos de ecuaciones simultáneas o

estructurales. En esos modelos, algunas variables son tratadas como endógenas y otras
como exógenas o predeterminadas (exógenas y endógenas rezagadas). Antes de estimar
estos modelos, se debe estar seguro de que las ecuaciones en el sistema estén
identificadas (forma exacta o sobreidentificadas). Esta identificación se logra
frecuentemente suponiendo que algunas de las variables predeterminadas solo están
presentes en ciertas ecuaciones. Esta decisión, a menudo, es subjetiva y ha sido
severamente criticada por Christopher Sims. De acuerdo con Sims, si hay verdadera
simultaneidad entre un conjunto de variables, todas deben ser tratadas sobre una base de
igualdad; no debe haber ninguna distinción α a priori entre variables endógenas y
exógenas. En este contexto Sims desarrolló el modelo VAR. El término autoregresivo se
refiere a la aparición del valor rezagado de la variable dependiente en el lado derecho, y
el término vector se atribuye al hecho de que se está tratando con un vector de dos (o
más) variables. En otras palabras, el Modelo VAR es un modelo de predicción para
diversas variables en un solo modelo a través de un vector de k regresiones temporales
con p·k variables independientes rezagadas (autorregresivo).
Matemáticamente: El modelo VAR depende del número de regresores y variables

rezagadas en cada regresión temporal k. Entonces, podemos expresar el modelo VAR de
la forma: VAR (p).
Modelo AR (p) es la base del modelo VAR:
El modelo VAR es una extensión del modelo ADR (p,q):
Para simplificar la comprensión, reducimos el modelo VAR a dos ecuaciones, tal que,
VAR (p) con 2 regresiones temporales (k=2) y con 2 variables rezagadas, Xte Yt:
Se utilizan distintas letras griegas en los regresores (beta y gamma) para poder
diferenciar los regresores de cada variable. Se podrían utilizar ß en todas las variables
indistintamente.
Características
Los defensores de VAR destacan las siguientes virtudes del método:
 El método es simple; no es preciso preocuparse por determinar cuáles variables

son endógenas y cuáles son exógenas. Todas las variables en VAR son
endógenas.
 La estimación es simple, es decir, el método usual de MCO es aplicable a cada
ecuación por separado.
 Las predicciones obtenidas mediante este método son en muchos casos mejores
que las obtenidas con modelos de ecuaciones simultáneas más complejos.
No obstante, los críticos de los modelos VAR señalan los siguientes problemas:
 A diferencia de los modelos de ecuaciones simultáneas, un modelo VAR es

ateórico porque utiliza menos información previa. Recuerde que en los modelos de
ecuaciones simultáneas, la exclusión o inclusión de ciertas variables desempeña
un papel crucial en la identificación del modelo.
 Debido a su acento en el pronóstico, los modelos VAR son menos apropiados
para el análisis de políticas.
 El mayor desafío práctico en el diseño de modelos VAR es seleccionar la longitud
apropiada del rezago. Suponga que tenemos un modelo VAR de tres variables y
decidimos incluir ocho rezagos de cada variable en cada ecuación. Tendremos 24
parámetros rezagados en cada ecuación más el término constante, para un total
de 25 parámetros. A menos que el tamaño de la muestra sea grande, la
estimación de tantos parámetros consumirá muchos grados de libertad, con todos
los problemas asociados a esto.
 En sentido estricto, en un modelo VAR de m variables, todas las m variables
deben ser estacionarias (en forma conjunta). Si no es así, tendremos que
transformar la información en forma apropiada (por ejemplo, mediante una primera
diferenciación). Como menciona Harvey, los resultados de la información
transformada pueden ser no satisfactorios. Afirma además: “El método usual
adoptado por los aficionados al VAR es, por consiguiente, trabajar en niveles,
aunque algunas de estas series no sean estacionarias. En este caso es importante
reconocer el efecto de las raíces unitarias en la distribución de los estimadores”.
Peor aún, si el modelo contiene una mezcla de variables I(0) e I(1), es decir, una
mezcla de variables estacionarias y no estacionarias, no será fácil transformar la
información. Sin embargo, Cuthbertson sostiene: “El análisis de cointegración
indica que un VAR sólo en primeras diferencias está mal especificado si hay
algunos vectores cointegrantes presentes entre la serie I(1). Dicho de otro modo,
un VAR exclusivamente en primeras diferencias omite variables estacionarias
potencialmente importantes (es decir, la corrección de errores, vectores
cointegrantes) y, por consiguiente, las estimaciones de los parámetros pueden
padecer el sesgo de variables omitidas”.
 Como con frecuencia es difícil interpretar los coeficientes individuales estimados
en los modelos VAR, los practicantes de esta técnica a menudo estiman la
llamada función de impulso-respuesta (FIR). La FIR estudia la respuesta de la
variable dependiente en el sistema VAR ante choques en los términos de error.
Aunque los investigadores cuestionan la utilidad del análisis FIR, es la pieza
central en el análisis VAR.
Aplicaciones
El modelo VAR se emplea para hacer pronósticos mediante varias variables en un solo

modelo con el objetivo de hacer los pronósticos mutuamente consistentes. Además
pueden utilizarse para:
- Predicción: Permiten predecir comportamientos futuros de varias variables

económicas y financieras, como el crecimiento del PIB, PNB, etc.
- Análisis de impacto de políticas: Se utilizan para evaluar los impactos de políticas
económicas, como los cambios en el gasto público, tasas de interés, etc.
- Análisis de transmisión de choques: Identifica como los choques económicos,
como una crisis financiera se transmiten a través de la economía y afectan a
varias variables económicas.
Ejercicio numérico con sus interpretaciones

Para el ejercicio práctico, elegimos uno de los hechos por Gujarati en su libro. Suponga
que deseamos averiguar si existe causalidad entre la oferta de dinero y la tasa de interés
en Canadá en periodos trimestrales de 1979 a 1988.
Supongamos que cada ecuación contiene k valores rezagados de M (como se mide M1) y
R. En este caso, estimamos cada una de las siguientes ecuaciones mediante MCO:
Donde las u son los términos de error estocástico, llamados impulsos, innovaciones o
choques en el lenguaje de VAR.
Antes de calcular, tenemos que decidir la longitud máxima del rezago k.Esto significa una
cuestión empírica. Se tienen 40 observaciones en total. La inclusión de muchos términos
rezagados consumirá muchos grados de libertad, para no mencionar la posible aparición
de la multicolinealidad. Agregar muy pocos rezagos provoca errores de especificación.
Una forma de decidir esta cuestión es utilizar criterios como el de Akaike o el de Schwarz,
para después elegir el modelo que proporcione los valores más bajos de dichos criterios.
En definitiva, no podemos evitar cierto grado de ensayo y error.
Base de Datos (Eviews 12)

Con el objeto de ilustrar el procedimiento, al principio utilizamos cuatro rezagos (k =4) de
cada variable y mediante el programa obtuvimos las estimaciones de los parámetros de
las dos ecuaciones anteriores.
Observemos que, a pesar de que la muestra abarca desde el primer trimestre de 1979
hasta el cuarto de 1988, utilizamos la muestra para el periodo comprendido entre el primer
trimestre de 1980 y el cuarto de 1987, y conservamos las últimas cuatro observaciones
para verificar la precisión del pronóstico del VAR ajustado.
Primero consideramos la regresión M1. En forma individual, sólo M1 en el rezago 1, y R,

en los rezagos 1 y 2, son estadísticamente significativos. Pero el valor F es tan alto que
no podemos rechazar la hipótesis de que de manera colectiva todos los términos de
rezago son estadísticamente significativos. Al concentrar la atención sobre la regresión de
la tasa de interés, observamos que los cuatro rezagos de los términos monetarios son
estadísticamente significativos considerados de modo individual (en un nivel de 10% o
superior), en tanto que sólo la variable de la tasa de interés con rezago de un periodo
resulta significativa.
Para propósitos comparativos, se presentan los resultados VAR basados en sólo dos
rezagos de cada variable endógena.
Aquí apreciamos que, en la regresión sobre el dinero, la variable dinero con rezago de un
periodo y los términos de la tasa de interés rezagada son estadísticamente significativos
en lo individual. En la regresión sobre la tasa de interés, los términos dinero rezagado (en
casi un nivel de 5%) e interés rezagado resultan individualmente significativos.
Si tenemos que hacer una elección entre ambos modelos ¿Cuál elegiríamos? Los valores
de información Akaike y Schwarz para el modelo 1 son 15.32 y 15.73, respectivamente,
en tanto que los correspondientes al modelo 2 son 15.10 y 15.33. Como mientras más
bajos sean los valores de los estadísticos Akaike y Schwarz mejor será el modelo, parece
preferible el modelo

Actividad #2

Cargado por

Copyright:

Formatos disponibles

Actividad #2

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Actividad #2

Cargado por

Copyright:

Formatos disponibles

Caracas, 15 de Febrero del 2023

Profesor: Carlos Henríquez

Nombre: Diego Di Bartolo

Definición: Anteriormente se han estudiado modelos de ecuaciones simultáneas o

Matemáticamente: El modelo VAR depende del número de regresores y variables

Modelo AR (p) es la base del modelo VAR:

El modelo VAR es una extensión del modelo ADR (p,q):

Los defensores de VAR destacan las siguientes virtudes del método:

 El método es simple; no es preciso preocuparse por determinar cuáles variables

 A diferencia de los modelos de ecuaciones simultáneas, un modelo VAR es

El modelo VAR se emplea para hacer pronósticos mediante varias variables en un solo

- Predicción: Permiten predecir comportamientos futuros de varias variables

Ejercicio numérico con sus interpretaciones

Base de Datos (Eviews 12)

Primero consideramos la regresión M1. En forma individual, sólo M1 en el rezago 1, y R,

También podría gustarte