Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
+
(
(
+
(
(
=
(
=
(
(
e
e
y
x
d c
b a
y
x
d c
b a
y
x
t
it
t
t
t
t
t
t
2
2
2
2 2
2 2
1
1
1 1
1 1
Para obtener que no exista correlacin
contempornea multiplicando la primera fila por =
12
/
11
y restando el resultado de la segunda fila:
(2)
Donde:
c*
1
= (c
1
a
1
); d*
1
= (d
1
b
1
); e
2t
= (e
2t
e
1t
)
Dr. Galindo
II. EJEMPLO DE ORTOGONALIDAD DE LOS ERRORES
(
+
(
(
+
(
(
=
(
(
*
2
2
2
2 2
2 2
1
1
1 1
1 1
* * * *
e
e
y
x
d c
b a
y
x
d c
b a
x
y
x
t
it
t
t
t
t
t
t
t
+
(
(
=
(
(
e
e
y
x
d c
b a
y
x
t
t
t
t
t
t
2
1
1
1
1 1
1 1
Necesario ortogonalizar el VAR
:
(3)
Donde:
c*
1
= (c
1
a
1
); d*
1
= (d
1
b
1
); e
2t
= (e
2t
e
1t
) y =
12
/
11
Dr. Galindo
III. FUNCIN DE IMPULSO RESPUESTA: EJEMPLO
(
+
(
(
=
(
(
*
2
1
1
1 1
1 1
* *
e
e
y
x
d c
b a
x
y
x
t
it
t
t
t
t
t
VAR:
(4) Z
t
= A
1
Z
t-1
+ e
t
Rezagando:
(5) Z
t
= A
1
(A
1
Z
t-2
+ e
t-1
) + e
t
= A
2
1
Z
t-2
+ A
1
e
t-1
+ e
t
(6) Z
t
=
n
A
n+1
1
Z
t-n+1
+
n
A
i
1
e
t-i
Con lim A
n
1
= 0 es la condicin de estabilidad:
(7) Z
t
=
n
A
i
1
e
t-i
Vector moving-average (VMA)
representation donde Z
t
es la suma infinita de errores
aleatorios ponderados por coeficientes decrecientes.
Dr. Galindo
III. FUNCIN DE IMPULSO RESPUESTA: EJEMPLO
La ecuacin (7) puede utilizarse para evaluar las
trayectorias de las variables de no haber correlacin
entre los trminos de error.
Para ortogonalizar se utiliza que:
(8) e*
2t
= e
2t
e
1t
donde =
12
/
11
Por tanto
(9) e
2t
= e*
2t
e
1t
Dr. Galindo
III. FUNCIN DE IMPULSO RESPUESTA: EJEMPLO
(10)
Dr. Galindo
III. FUNCIN DE IMPULSO RESPUESTA: EJEMPLO
(
(
(
=
(
(
*
2
1
0
22 21
12 11
e
e
y
x
i t
i t
i
i i
i i
t
t
La ecuacin (10) en forma matricial es:
(11) Z
t
=
i
e
t-i
En (11) los residuales son ortogonales.La matriz
i
se
denomina funciones de impulso respuesta y el vector
e
t-i
se denomina el vector de innovaciones.
(11.1)
0
21
= el impacto instantneo de un cambio en e
1t
.
(11.2)
1
21
= el impacto instantneo de un cambio en e
1t-1
.
(11.3) = efecto acumulado de un cambio en e
1t
en la
secuencia de (y
t+i
).
Dr. Galindo
III. FUNCIN DE IMPULSO RESPUESTA: EJEMPLO
(1.1) y
t
= A
1
y
t-1
+ u
t
Donde:
(1.2)
Dr. Galindo
III. FUNCIN DE IMPULSO RESPUESTA: EJEMPLO
NMERICO
(
=
2 . 0 0 . 0
3 . 0 5 . 0
1 A
(
+
(
(
=
(
(
u
u
y
y
y
y
t
t
t
t
t
t
2
1
2
1
2
1
2 . 0 0 . 0
3 . 0 5 . 0
Considerando un shock en y
1t
en el tiempo t
0
.
(1.3)
(1.4)
(1.5)
Dr. Galindo
III. FUNCIN DE IMPULSO RESPUESTA: EJEMPLO
NMERICO
(
=
(
=
0
1
20
10
0
u
u
y
(
=
(
= =
0
5 . 0
0
1
2 . 0 0 . 0
3 . 0 5 . 0
0
1
1
y
A
y
(
=
(
= =
0
25 . 0
0
5 . 0
2 . 0 0 . 0
3 . 0 5 . 0
1
1
2
y
A
y
Descomposicin de varianza indica la proporcin del
error pronosticado promedio cuadrado de la varianza
de una variable a k pasos adelante se asocia con los
movimientos sorpresas de otra variable.
Descomposicin de varianza y funcin de impulso
respuesta son ejercicios de pronstico dentro de la
muestra.
La descomposicin de varianza determina la
proporcin que la varianza del error de pronstico se
explica por las innovaciones de cada variable
explicativa.
Dr. Galindo
IV. DESCOMPOSICIN DE VARIANZA
Cholesky tiene la ventaja de reducir la
discrecionalidad del investigador.
Desventaja: Supone que existe un modelo
interpretable abajo que tiene una forma recursiva (las
variables hasta arriba del tringulo afectan
contemporneamente a las otras variables y las
variables hasta abajo del tringulo afectan slo a ellas
mismas.
Dr. Galindo
VI. INDENTIFICACIN: DESCOMPOSICIN DE
CHOLESKY
OBJECIONES A CHOLESKY:
1. La teora econmica raramente da modelos que
tengan una relacin contempornea recursiva lo que
resulta crucial porque se busca con la identificacin
que las innovaciones tengan sean interpretables
desde el punto de vista econmico.
2. Choleski impone un orden en la causalidad que es
arbitrario y requiere validacin emprica. Opciones
que ante cambios del orden siga los mismos
resultados y que la matriz de covarianzas de las
innovaciones sea triangular.
Dr. Galindo
VI. INDENTIFICACIN: DESCOMPOSICIN DE
CHOLESKY
Canova, F. (1999), Vector autoregressive models:
specification, estimation, inference and forecasting,
en M.H. Pesaran y M.R. Wickens (eds.), Handbook of
applied econometrics, Blackwell Handbooks in
economics.
Descomposicin de Wold permite descomponer una
serie con media cero y covarianza estacionaria como
la suma de dos componentes ortogonales. El primero
es predecible el conjunto de informacin disponible
en el tiempo t-1 y el segundo es impredecible basado
en la informacin en t.
Dr. Galindo
VII. REFERENCIAS
Granger non causalidad: b
12
(l)=0
Exogeneidad de Sims : b
21
(L) 0
Stock, J.H. y M.W. Watson (2001) Vector
Autoregressions, Journal of Economic Perspectives,
15, 101-115.
Dr. Galindo
Y
X
X
1
22 21
12 11
2
) ( ) (
) ( ) (
1
=
t
t
L L
L L
t
b b
b b
VII. REFERENCIAS
ORTOGONALIDAD DE LOS ERRORES
DR. LUIS MIGUEL GALI NDO