Econometria III

Departamento de Economa
Seccin Mtodos Cuantitativos
Econometra III
Gua didctica
5 crditos
Titulaciones
Economista
Economista* (Econometra Dinmica y Modelos de Simulacin)
* Pnsum por asignaturas
Ciclo
VIII
Autor:
MSc. Luis Fabian Moncada Mora

Estimado estudiante recuerde que la presente gua didctica est disponible en el EVA en formato PDF interactivo,
lo que le permitir acceder en lnea a todos los recursos educativos.
Asesora virtual:
www.utpl.edu.ec
ECONOMETRA III
Gua didctica
Luis Fabin Moncada Mora
UNIVERSIDAD TCNICA PARTICULAR DE LOJA
CC Ecuador 3.0 By NC ND
Diagramacin, diseo e impresin:
EDILOJA Ca. Ltda.
Telefax: 593-7-2611418
San Cayetano Alto s/n
www.ediloja.com.ec
edilojainfo@ediloja.com.ec
Loja-Ecuador
Primera edicin
ISBN-978-9942-08-525-2
Esta versin digital ha sido acreditada bajo la licencia Creative Commons Ecuador 3.0 de reconocimiento -no comercial- sin obras derivadas; la cual
permite copiar, distribuir y comunicar pblicamente la obra, mientras se reconozca la autora original, no se utilice con fines comerciales ni se realicen
obras derivadas. http://www.creativecommons.org/licences/by-nc-nd/3.0/ec/
Octubre, 2013
2. ndice
2. ndice............................................................................................................................................................. 3
3. Introduccin............................................................................................................................................. 5
4. Bibliografa............................................................................................................................................... 6
4.1. Bsica........................................................................................................................................... 6
4.2. Complementaria...................................................................................................................... 6
5. Orientaciones generales para el estudio.............................................................................. 7

6. Proceso de enseanza-aprendizaje para el logro de competencias................. 9
PRIMER BIMESTRE
6.1. Competencias genricas de la UTPL.................................................................................. 9
6.2. Planificacin para el trabajo del alumno......................................................................... 10
6.3. Sistema de evaluacin del componente educativo (Primero y segundo
bimestres).................................................................................................................................. 12
6.4. Orientaciones especficas para el aprendizaje por competencias............................ 13
UNIDAD 1. MODELOS DE REGRESIN DE RESPUESTA CUALITATIVA........................................... 13

1.1. Naturaleza de los modelos de respuesta cualitativa.................................................... 13
1.2. Modelo Lineal de Probabilidad (MLP).............................................................................. 15
1.3. Alternativas al MLP................................................................................................................. 16
1.4. Modelo LOGIT............................................................................................................................ 18
1.5. Modelo PROBIT......................................................................................................................... 21
1.6. Modelos LOGIT Y PROBIT........................................................................................................ 23
Autoevaluacin 1................................................................................................................................. 25
UNIDAD 2. MODELOS ECONOMTRICOS DINMICOS: MODELOS AUTORREGRESIVOS Y DE

REZAGO DISTRIBUIDOS........................................................................................................................ 26
2.1. El papel del tiempo, o del rezago, en Economa............................................................ 28
2.2. Razones para los rezagos....................................................................................................... 29
2.3. Estimacin de modelos de rezagos distribuidos y autoregresivos.......................... 29
2.4. Causalidad en Economa: Prueba de causalidad de Granger..................................... 33
Autoevaluacin 2................................................................................................................................. 35
UNIDAD 3. MODELOS DE ECUACIONES SIMULTNEAS................................................................... 36

3.1. Naturaleza de los modelos de ecuaciones simultneas.............................................. 36
Autoevaluacin 3................................................................................................................................. 38
UNIDAD 4. EL PROBLEMA DE LA IDENTIFICACIN......................................................................... 39

4.1. Notacin y definiciones.......................................................................................................... 39
Autoevaluacin 4................................................................................................................................. 42
SEGUNDO BIMESTRE
6.5. Competencias genricas de la UTPL.................................................................................. 43
6.6. Planificacin para el trabajo del alumno......................................................................... 44
6.7. Orientaciones especficas para el aprendizaje por competencias............................ 46
UNIDAD 5. PROBLEMAS DE IDENTIFICACIN.................................................................................. 46

5.1. Reglas para la identificacin................................................................................................ 46
Autoevaluacin 5................................................................................................................................. 50
UNIDAD 6. MTODOS DE ECUACIONES SIMULTNEAS................................................................... 51

6.1. Mtodos para la estimacin................................................................................................. 51
Autoevaluacin 6................................................................................................................................. 52
UNIDAD 7. Econometra de series de tiempo............................................................................... 53

7.1. Procesos estocsticos.............................................................................................................. 55
7.2. Procesos estocsticos estacionarios................................................................................... 56
7.3. Procesos estocsticos no estacionarios............................................................................. 59
Autoevaluacin 7................................................................................................................................. 63
UNIDAD 8. PROCESOS ESTOCSTICOS INTEGRADOS...................................................................... 64

8.1. Cointegracin............................................................................................................................ 64
8.2. Correccin de errores (ECM) cointegracin y mecanismo........................................... 65
Autoevaluacin 8................................................................................................................................. 67
7. Solucionario.............................................................................................................................................. 68
Gua didctica: Econometra III
PRELIMINARES
3. Introduccin
El componente educativo Econometra III, es una de las materias ms importantes del programa
acadmico de la Titulacin de Economa, est ubicada en el octavo ciclo y tiene cinco crditos troncales.
El estudio de la Econometra es de gran importancia porque le ayuda a investigar y sobre todo a generar
evidencia emprica de los fenmenos econmicos, sociales y en general de algunas ciencias que utilicen
modelos, los mismos que son una herramienta fundamental en el momento de construir el conocimiento
de un profesional. Asimismo, el estudio de la econometra dinmica y modelos de simulacin permite
conocer, comprender y analizar las propiedades, aplicaciones y novedades cientficas de los principales
fenmenos.
La temtica que abarca esta ciencia es amplia y diversa, por ello consideramos conveniente que los
contenidos principales, de los dos bimestres, estn estructurados en ocho unidades.
El primer bimestre abarca las unidades relacionados con: Los modelos con variable dicotmica
dependiente, modelos de regresin con datos en panel, modelos economtricos dinmicos y un captulo
final de este bimestre como introduccin a los modelos de ecuaciones simultneas.
El segundo bimestre contina con los modelos de ecuaciones simultneas y continuas con nfasis en el
trabajo de series de tiempo, es decir el segundo bimestre se dedica al trabajo profundo de las series de
tiempo.
Seores estudiantes, recuerden que es fundamental que previo al estudio de la Econometra Dinmica y
Modelos de Simulacin se sugiere revisar los temas de: estadstica bsica, algebra y sobre todo lo bsico
de las Econometras uno y dos, esto le garantizar el xito en el estudio y promocin de esta asignatura.
Al final del estudio de este componente, esperamos que haya desarrollado las destrezas necesarias que
le permitan aplicar los conocimientos en la generacin de evidencia y, sobre todo esperamos que se
cumplan sus expectativas de estudio.
xitos
La Universidad Catlica de Loja
PRELIMINARES
4. Bibliografa
4.1. Bsica

Gujarati, D. (2010). Econometra. Mxico DF. Editorial McGraw Hill.

El texto bsico seleccionado para llevar el estudio en el presente ciclo, de la Econometra III,
contiene las unidades consideradas importantes en el momento de planificacin del componente.
El texto se caracteriza por presentar de forma detallada y comprensible todos los contenidos,
esto matizado con ejemplos de modelos probados y aplicados en teora econmica. Asimismo,
propone varios ejercicios de fcil resolucin pero de significativa importancia para la comprensin
de cada unidad.
Es importante ponderar el texto Econometra de Gujarati ya que incluye en cada uno de los captulos
estrategias metodolgicas que facilitarn la comprensin de los contenidos desarrollados, por
ejemplo se incluyen cuadros, figuras, tablas, ejemplos, ejercicios resueltos y propuestos, etc.
Por lo descrito en los prrafos anteriores consideramos que es el texto apropiado para que Usted
pueda estudiar y comprender, sin mayor dificultad, los contenidos propuestos.
Moncada, L. (2013). Gua didctica Econometra III. Editorial UTPL.

La gua didctica elaborada para el componente Econometra III, incluye los aspectos relevantes
del estudio de esta ciencia, principalmente se enfoca en los modelos de respuesta cualitativa,
los modelo de ecuaciones simultneas y la econometra dinmica. Es la base fundamental de la
planificacin del componente. Asimismo, se amplan algunos temas que puedan presentar mayor
dificultad al estudiante, por ejemplo se detalle el proceso de diferenciacin de las series de tiempo.
4.2. Complementaria

Pindyck, R. S., & Rubinfeld, D. (1998). Econometra Modelos y Pronsticos. Mxico: Mc Graw-Hill.
Wooldridge, J. (2007). Introduccin a la econometra. Un enfoque moderno. Espaa: Thomson.

Los textos sealados en la bibliografa complementaria tambin contienen los temas que
estudiaremos en este componente acadmico y los utilizaremos para buscar criterios alternativos
sobre casos muy puntuales. Asimismo, resulta importante su revisin para encontrar potenciales
temas de investigacin y ejemplos para complementar sus estudios.
Manual de uso de Gretl, [en lnea] disponible en: http://sourceforge.net/projects/gretl/files/

manual 08-09-2011
RAMN, Maha. (2001). Gua de manejo del programa E-views, [en lnea] disponible en: http://
www.uam.es/personal_pdi/economicas/jmalonso/MANUAL_1_guiaeviewsc1.pdf 08-09-2011
PRELIMINARES
5. Orientaciones generales para el estudio

Seor estudiante, recuerde que al inicio del ciclo Usted, recibir la gua didctica correspondiente al
estudio de Econometra Dinmica y Modelos de Simulacin, revise los contenidos centrales de cada
unidad, lea detenidamente cada uno de ellos, as tendr una idea general de los temas a estudiar.
Asimismo, le sugiero tener presente los temas estudiados en los niveles anteriores de Econometra, estos
son la base para el estudio del presente componente.
El estudio se allanar si utiliza algunas herramientas metodolgicas por ello le sugerimos realizar
resmenes, cuadros sinpticos, esquemas, resalte las ideas y conceptos ms significativos. Para que
aproveche mejor el avance en el estudio, es importante que todo lo lleve en un cuaderno de trabajo,
esto facilitar el desarrollo del aprendizaje, la resolucin de trabajos a distancia y prepararse para las
evaluaciones presenciales.
En este sistema de estudios y particularmente en este componente acadmico, la planificacin del
tiempo es fundamental para llegar a los resultados deseados, por ningn motivo deje que se le acumulen
las actividades y siempre tenga presente las fechas lmites de entrega de los trabajos a distancia, de
esta manera habr cumplido con lo requerido por la Universidad y sobre todo estar en condiciones de
presentarse a rendir las evaluaciones presenciales. Le recuerdo que actualmente los trabajos a distancia
se pueden enviar a travs del entorno virtual de aprendizaje, es necesario que lo realice en el tiempo que
establece el calendario acadmico.
Como usted ya ha utilizado el texto bsico en los ciclos anteriores sabr que al final de cada captulo tiene
resumen, preguntas y ejercicios, es importante que los resuelva para comprobar su nivel de aprendizaje,
si encuentra dificultades, no se desanime, tmelo como una ventaja y ponga mayor empeo en aprender
esos temas, revise nuevamente y con ms detenimiento los contenidos en donde encuentra vacos o
dudas.
Usted debe fijar su propio horario de estudio, por ello le sugiero que inicie a su trabajo desde el mismo
da en que recibe el texto y gua de trabajo, no espere a ltima hora porque esto le puede generar
dificultades en el aprendizaje.
En la web encontrar muchos recursos de los temas que se tratan en la presente gua, por ello le
sugerimos que haga una bsqueda racional y seleccione los que ms le puedan ayudar.
La gua didctica ha sido preparada para que usted aprenda lo fundamental de los temas por ello no se
ha incluido clculos o regresiones complejas, pero si es necesario que usted consiga un software que le
facilite la labor de estimacin.
Sugerencia de software para realizar estimaciones y pruebas economtricas. http://

gretl.sourceforge.net/gretl_espanol.html
El xito en el estudio es saber planificar adecuadamente su tiempo y luego hacer uso de todos los
recursos que la Universidad Tcnica Particular de Loja pone a su disposicin. No olvide revisar y seguir
la planificacin propuesta, est diseada para que usted conozca las competencias, los contenidos,
las actividades sugeridas y el tiempo aproximado de estudio. Finalmente no olvide comunicarse
permanentemente con su profesor tutor e ingresar al entorno virtual del aprendizaje (EVA).
PRIMER BIMESTRE
6. Proceso de enseanza-aprendizaje para el logro de competencias

PRIMER BIMESTRE
6.1. Competencias genricas de la UTPL

Pensamiento crtico y reflexivo
Comportamiento tico
Trabajo en equipo
Compromiso e implicacin social
Desarrollar el pensamiento lgico para la aplicacin en aspectos econmicos y la

interpretacin de resultados, grficas y anlisis de datos en modelos reales.
10

Aplicar la teora
econmica en el entorno
nacional e internacional a
travs de la interpretacin

de resultados, grficas y
anlisis de datos en
modelos reales.

Analiza los instrumentos

de poltica econmica y
pblica en funcin de las
potencialidades locales,
regionales y nacionales
para la toma de decisiones
en el mbito social,
empresarial, financiero,
productivo y ambiental.
6 Avanzar en el desarrollo de la
evaluacin a distancia.
5 Interactuar en el EVA
4 Resolver de autoevaluacin y

actividades propuestas en la gua
didctica.
3 Revisar el resumen, conceptos

clave y solucin de las
preguntas de repaso como de
los problemas y aplicaciones
propuestos en el texto bsico.
2 Identificar los conceptos bsicos.
1 Lectura comprensiva de los

contenidos del captulo 1 del
texto bsico.
ACTIVIDADES DE APRENDIZAJE
evaluacin a distancia del primer

bimestre.

didctica.
2.4. Causalidad en Economa:
Prueba de causalidad de 5 Interactuar en el EVA
Granger.
6 Enviar a travs del EVA la
de rezago distribuido y
autoregresivos.
1.6. Modelos Logit y probit
1.5. Modelo Probit
1.4. Modelo LOGIT.
1.3. Alternativas al MLP
1.2. Modelo lineal de

probabilidad (MLP).
1.1. Naturaleza de los

modelos de respuesta
cualitativa.
Unidad 1: Modelos de
regresin de respuesta
cualitativa.
UNIDADES
CONTENIDOS
Unidad 2: Modelos

economtricos dinmicos:
Modelos autoregresivos y de
texto bsico.
rezagos distribuidos.
Aprender el manejo de software 2.1. El papel del tiempo, o
economtrico como
del rezago, en Economa.

herramienta para el anlisis
2.2.
Razones
para
los
preguntas
de
repaso
como
de
econmico.
rezagos.
2.3. Estimacin de modelos

Desarrollar el pensamiento
lgico para la aplicacin en
aspectos econmicos y la
interpretacin de resultados,
grficas y anlisis de datos en
modelos reales.
Formular y optimizar sistemas

de informacin para la gestin.
Utilizar las tecnologas de

informacin y comunicacin en
la gestin.
COMPETENCIAS ESPECFICAS DEL

COMPONENTE
COMPETENCIAS
ESPECFICAS DE LA
TITULACIN
6.2. Planificacin para el trabajo del alumno

TIEMPO DE
DEDICACIN
Evala los resultados

de las estimaciones.
Descubre problemas y 8 horas de

sus posibles
interaccin a
soluciones.
travs de los
medios.
Aplica los procesos de
estimacin.
Identifica los
Semana 3 y 4:
conceptos bsicos y su
12 horas de
naturaleza.
aprendizaje
Prepara la informacin autnomo e
necesaria.
independiente.
Evala los resultados

de las estimaciones.
Identifica los
Semana 1y 2:
conceptos bsicos y su
12 horas de
naturaleza.
aprendizaje
Determina los
autnomo e
fenmenos que
independiente.
pueden trabajarse con
8 horas de
este tipo de modelos.
interaccin a
Aplica procesos de
travs de los
estimacin.
medios.
INDICADORES DE
APRENDIZAJE

PRIMER BIMESTRE
COMPETENCIAS
ESPECFICAS DE LA
TITULACIN
COMPETENCIAS ESPECFICAS DEL

COMPONENTE
Prepararse para la evaluacin

presencial del primer
bimestre.
4.1. Notacin y definiciones.
Unidad 4: El problema de la
identificacin.
3.1. Naturaleza de los

modelos de ecuaciones
simultneas.
Unidad 3: Modelos de
ecuaciones simultneas.
UNIDADES
CONTENIDOS
Identifica los conceptos

bsicos y su naturaleza.
INDICADORES DE
APRENDIZAJE
5 Interactuar en el EVA
didctica.

preguntas de repaso como de
12 horas de
aprendizaje
autnomo e
independiente.
Semana 5 y6:
TIEMPO DE
DEDICACIN
8 horas de
interaccin a
travs de los
medios
12 horas de
aprendizaje
autnomo e
independiente.
Semana 7 y 8:
Descubre problemas y sus

soluciones.
8 horas de
interaccin a
travs de los
medios.
Aplica varios mtodos de

2 Identificar los conceptos bsicos. identificacin.

texto bsico.
ACTIVIDADES DE APRENDIZAJE
PRIMER BIMESTRE
11
PRIMER BIMESTRE
6.3. Sistema de evaluacin del componente educativo (Primero y segundo bimestres)

Formas de evaluacin
Interaccin en el EVA
Prueba objetiva
Cumplimiento, puntualidad,
responsabilidad
Esfuerzo e inters en los trabajos
Presentacin, orden y ortografa
Emite juicios de valor

argumentadamente
Investigacin (cita fuentes de

consulta)
Aporta con criterios y soluciones
Anlisis y profundidad en el
desarrollo de temas
Creatividad e iniciativa
Contribucin en el trabajo
colaborativo y de equipo
Estrategia de
aprendizaje
PORCENTAJE
Puntaje
10% 20% 30%
TOTAL
x
x
70%
14
20 puntos
Actividades
presenciales y en el
EVA
Dominio del contenido
Mximo 1 punto
(completa la
evaluacin a
distancia)
Actitudes
Respeto a las personas y a las

normas de comunicacin
Habilidades
3. Coevaluacin
Parte de ensayo
Comportamiento tico
Competencia: criterio
Conocimientos
Evaluacin a
distancia **
Parte objetiva
1. Autoevaluacin *
2. Heteroevaluacin
Evaluacin
presencial
Para aprobar la asignatura se requiere obtener un puntaje mnimo de 28/40 puntos, que equivale al 70%.
* Son estrategias de aprendizaje, no tienen calificacin; pero debe responderlas con el fin de autocomprobar su
proceso de aprendizaje.
** Recuerde que la evaluacin a distancia consta de dos partes: una objetiva y otra de ensayo, debe desarrollarla
y entregarla en su respectivo centro universitario.
Seor estudiante:
Tenga presente que la finalidad de la valoracin cualitativa es
principalmente formativa.
12
PRIMER BIMESTRE
6.4. Orientaciones especficas para el aprendizaje por competencias
UNIDAD 1. MODELOS DE REGRESIN DE RESPUESTA CUALITATIVA

Antes de iniciar con el estudio de este tipo de modelos, insisto en la sugerencia de trabajar con un
software que le ayude a realizar las rutinas de clculo.
Software libre para realizar estimaciones y pruebas economtricas. http://gretl.
sourceforge.net/gretl_espanol.html
Manual: http://sourceforge.net/projects/gretl/files/manual/
Con el estudio de los modelos de regresin de respuesta cualitativa damos la bienvenida al estudio de la
Econometra Dinmica y Modelos de Simulacin. Este tema es uno de los ms atractivos de estudiar, ya
que rompe la tendencia del estudio que hemos tenido hasta el momento.
Como todos sabemos no todos los fenmenos se pueden cuantificar, es decir tener valores numricos
para las variables que deseamos analizar, es ah donde toman importancia los modelos de este tipo, ya
que valindose de algunas herramientas, nos ayudan a estimar las probabilidades de ocurrencia de los
fenmenos a analizar.
En este captulo slo se abordarn algunos de los temas importantes de esta rea, dejando
los detalles para libros especializados.
Los retos ms importantes de este tipo de modelos vienen del lado del clculo y la
estimacin.
Con las aclaraciones antes realizadas, iniciaremos con el estudio de la naturaleza de los modelos de
respuesta cualitativa.
1.1. Naturaleza de los modelos de respuesta cualitativa

Aunque el texto bsico es muy claro en este apartado, he considerado conveniente realizar algunas
puntualizaciones en la naturaleza de estos modelos, esto no significa que usted slo centre su estudio
en esta gua didctica.
La forma ms sencilla de comprender la naturaleza de este tipo de modelos es tomar un ejemplo:
Ejemplo N 1
Una de las aspiraciones sociales ms importantes es tener casa propia, supongamos que nos solicitan
encontrar los factores que influyen en el hecho de tener vivienda propia, el hecho de tener vivienda es
una cualidad de las familias sobre las cuales vamos a trabajar.
Como se darn cuenta en este caso no contamos con valores como cuando estudiamos el consumo, la
inflacin, el desempleo, etc. Lo que sabemos es que una familia puede o no tener casa propia, esto se
constituye en nuestra variable dependiente y sobre la cual se debe trabajar.
13
PRIMER BIMESTRE
Si hablamos de hogares, para saber si tienen casa propia debemos consultarles y en funcin a ello formar
nuestra base de informacin. Conjuntamente con esta consulta debemos determinar las caractersticas
de esa familia, esto ltimo con el fin de intentar encontrar los factores que influyen en el hecho de tener
casa propia.
En el cuadro siguiente se simula el levantamiento de informacin:
Cuadro N 1
Nmero
Tiene vivienda propia?
Edad (aos)
Sexo
Ingresos (dlares)
X1
D1
X2
Familia 1
45
1000
Familia 2
No
30
1050
Familia 3
42
1500
Familia 4
32
1800
Familia 5
No
42
950
Familia 6
No
25
1100
Familia 7
55
1000
Familia 8
44
1500
Familia 9
No
32
1400
Familia 10
No
35
650
En funcin a este cuadro nosotros podemos encontrar nuestro modelo:
A partir de tener el modelo definido nos enfrentaremos al reto de encontrar la mejor forma de realizar
la estimacin.
Recordemos que el resultado del modelo siempre ser una probabilidad por lo tanto a la
respuesta SI le asignaremos el uno ( 1 ) y a la respuesta NO la consideraremos como cero
( 0 ).
En el texto bsico se destaca que: En un modelo donde Y es cuantitativa, el objetivo consiste en estimar
su valor esperado, o media esperada, dados los valores de las regresoras.
En general est es la naturaleza de los modelos de regresin de respuesta cualitativa o tambin conocidos
como modelos probabilsticos. A continuacin le proponemos una actividad para que usted se plantee
sus propios fenmenos de estudio.
14
PRIMER BIMESTRE
ACTIVIDAD 1
Escriba tres fenmenos que deseara estudiar y que son de naturaleza cualitativa.
N
1
FENMENO
Rendimiento Acadmico
VARIABLE DEPENDIENTE
Buen rendimiento = 1
Mal rendimiento = 0
=1
=0
=1
=0
=1
=0
1.2. Modelo Lineal de Probabilidad (MLP)

En esta parte le propongo hacer algo diferente, intente dar respuesta a las preguntas que frecuentemente
se plantean, esto con el fin de no hacer un simple resumen o repetir lo que el autor del texto bsico nos
plantea.
Le sugiero, que previamente lea el apartado 15.2, modelo lineal de probabilidad (MLP), en el texto bsico,
para luego intentar buscar respuestas a sus dudas en esta gua didctica.
1.
Por qu se denomina Modelo Lineal de Probabilidad?
Se denomina modelo lineal de probabilidad, porque su estimacin se la realiza a partir del modelo de
regresin usual y con el que hemos venido trabajando hasta el momento.
La diferencia radica en la variable dependiente que no tiene respuesta cuantitativa sino una respuesta
cualitativa, es decir la probabilidad de que un fenmeno suceda.
Recordemos del estudio de las probabilidades, que la ocurrencia o no de un fenmeno es igual a uno. Si
tomamos el ejemplo de la tenencia de vivienda, podremos decir que si la probabilidad de tener casa es
p, la probabilidad de no tener (contraprobabilidad) ser 1- p.
2.
Cul es la forma funcional?
Al ser un modelo lineal usual, la forma funcional es

, con la diferencia que la variable
dependiente o valor esperado ser la esperanza matemtica de que el fenmeno suceda.
15
PRIMER BIMESTRE
La forma funcional utilizada para abordar estos modelos genera algunos inconvenientes y por lo tanto
el hecho de no ser los mejores modelos.
3.
Por qu no es el mejor modelo?
La respuesta a esta pregunta es relativamente simple, el grfico siguiente le ayudar a intuir la misma.
Grfico N 1
Recuerde que la probabilidad de que suceda un evento debe ser entre cero y uno. Al trabajar con un
modelo lineal, no estamos respetando esa condicin porque las estimaciones sobrepasarn estos lmites
y generarn algunos problemas en la estimacin. Deberamos buscar formas funcionales alternativas
que nos permitan cumplir con la caracterstica de que el valor esperado de la estimacin est entre cero
y uno.
4.
Qu otros problemas se presentan?
Los ms comunes son:
No normalidad de los residuos.
Coeficiente de determinacin ( R2 ) no confiable.
En general se puede sealar que el MLP no es la mejor alternativa de estimacin de los modelos
probabilsticos.
1.3. Alternativas al MLP

Hasta el momento se ha revisado la parte bsica de los modelos con variable dependiente dictoma y
usted ha podido entender que lo mejor es buscar una alternativa a los modelos MLP ya que presentan
varios problemas como:

No normalidad de los residuos.
Heterocedasticidad.
La posibilidad de que la estimacin no est en el rango de probabilidad, y
Los valores bajos del R2
16
PRIMER BIMESTRE
Frente a esto necesitamos un modelo que de alguna forma ayude a que se cumplan con:
La funcin de distribucin acumulativa (FDA), que usted revis al inici del estudio de la econometra,
garantiza que se cumpla con esta propiedad. Los resultados de aplicar esta funcin siempre sern una
curva que est entre cero y uno, el texto bsico presenta un grfico (figura 15.2) que revela esta condicin.
En esta seccin y para su mejor compresin consideremos un ejemplo de funcin de distribucin
acumulativa, es importante que recurramos a la estadstica descriptiva en la que aprendimos a hacer
tablas de frecuencias. Supongamos valores para X e Y tal como se presentan en la tabla siguiente:
Ejemplo N 2
Cuadro N 2
Frecuencia
Frecuencia
acumulada
Relativa ( Y )
10
2/20=0,10
20
4+2=6
6/20=0,30
30
1+4+2=7
0,35
40
10
0,50
50
15
0,75
60
17
0,85
70
19
0,95
80
20
1,00
TOTAL
20
Con la frecuencia relativa tenemos nuestros valores de Y que se encuentran en el rango de 0 a 1, si esto
lo graficamos tendremos una curva con lmites de cero a uno.
Grfico N 2
Este ejercicio realizado es slo un ejemplo de lo que se puede hacer con las FDA, en el texto bsico se
plantea las siguientes alternativas para abordar estos modelos:

Logit
Probit o normit
17
PRIMER BIMESTRE
Los modelos alternativos al MLP, Logit y Probit, requieren de rutinas de estimacin que
son extensas y por lo tanto no se ha considerado las explicaciones de esos procedimientos.
1.4. Modelo LOGIT

Con los antecedentes sealados en el apartado anterior entramos directamente a encontrar la funcin
del modelo logit, el mismo que es una funcin de distribucin logstica. A continuacin se presenta una
explicacin sencilla de cmo llegar a esta funcin, recuerde que en algunos pasos necesitar realizar
operaciones matemticas:
Modelo MLP
Logit
Condicin
Logit con condicin
Realizando la matemtica bsica a la funcin anterior tendremos:
Funcin de distribucin
Para llegar a esta expresin, recuerde que a uno de restar la funcin de

distribucin de la siguiente manera:
Contra probabilidad
Razn de probabilidades.
Logaritmo natural de la razn

de probabilidad.
Funcin final.
Si recordamos a que equivale Zi podemos encontrar que:
Realizando lo anterior se ha logrado obtener un modelo lineal para la razn de probabilidad, posibilitando
de esta manera la utilizacin de MCO y logrando cumplir con la condicin de que la probabilidad o valor
esperado est entre cero y uno.
18
PRIMER BIMESTRE
ACTIVIDAD 2
Lea las siete caractersticas del modelo logit, apartado 15.5 el modelo logit y realice lo siguiente:
a.
Transcriba las tres primeras.

1
2
3
b.
Las cuatro caractersticas restantes. Resalte lo ms importante y escrbalas en los espacios

siguientes:
1
2
3
4
Luego de revisadas las caractersticas del modelo, se debe considerar las condiciones de estimacin del
mismo. La cualidad ms importante para realizar la estimacin es la disposicin de la informacin, ya
que el modelo logit se puede estimar para datos sueltos o individuales y para datos agrupados.
Si la informacin son datos individuales no podremos estimar por Mnimos Cuadrados Ordinarios (MCO)
para ello se debe recurrir al mtodo de mxima verosimilitud (MV), en cambio si son datos agrupados s
se puede utilizar MCO.

La estimacin de los logit por el mtodo de mxima verosimilitud no se lo estudiar

en este curso.
Para estimar un modelo logit con datos suelto se necesita un volumen de informacin
considerable, por lo tanto la recomendacin ms importante es que se trabaje con
una muestra grande.
La mejor forma de agrupar la informacin o los datos, la debe revisar en un texto de

estadstica bsica. El texto bsico asume que usted conoce este tema.
La disposicin de la informacin nos plantea la necesidad de trabajar con mtodos de estimacin

distintos, pero la forma de linealizar el modelo se mantiene, es decir en los dos casos trabajaremos con
la razn de probabilidad que encontramos anteriormente.
A continuacin y tomando el ejemplo de propiedad de vivienda en funcin de los ingresos, le exponemos
un detalle de cmo pasar de la informacin individual a la informacin agrupada. La respuesta positiva
de tenencia de vivienda se marca con el uno y las respuestas negativas con el cero.
19
PRIMER BIMESTRE
Ejemplo N 3
Cuadro N 3
INFORMACIN INDIVIDUAL
NMERO
INGRESOS
PROPIEDAD
DE VIVIENDA
PROBABILIDAD
(Pi)
CONTRA
PROBABILIDAD
Li=ln(Pi/1-Pi)
(1-Pi)
Familia 1
1000
ln(1/0)
Familia 2
1500
ln(1/0)
Familia 3
1000
ln(0/1)
Familia 4
1000
ln(1/0)
Familia 5
1500
ln(0/1)
Familia 6
1500
ln(1/0)
Familia 7
1000
ln(1/0)
Familia 8
1000
ln(0/1)
Familia 9
1500
ln(1/0)
Familia 10
1500
ln(1/0)
Total con vivienda (1)
Total sin vivienda (0)
Ingresos 1000
Ingresos 1500
En la razn de probabilidad de la informacin suelta, nos damos cuenta que no tienen sentido las
expresiones ln(0/1) y ln(1/0) por ello es necesario recurrir al mtodo de mxima verosimilitud.
Cuadro N 4
INFORMACIN AGRUPADA
CON
SIN
NMERO INGRESOS
VIVIENDA VIVIENDA
PROBABILIDAD
(Pi)
TOTAL
CONTRA
PROBABILIDAD
Li=ln(Pi/1-Pi)
(1-Pi)
Grupo 1
1000
3/5
2/5
ln((3/5)/(2/5)
Grupo 2
1500
4/5
1/5
ln((4/5)/(1/5)
En muchos casos la informacin no se presenta agrupada por lo que el investigador deber realizar los
procedimientos de agrupacin necesarios.
Si una de las variables estuviera agrupada en rangos, se podra optar por tomar el punto
medio del rango o su marca de clase.
20
PRIMER BIMESTRE
Luego de la comparacin realizada entre los datos individuales y agrupados, podemos aprovechar las
ventajas que nos presenta el texto bsico, en el mismo encontrar un procedimiento para realizar la
estimacin de un modelo logit con datos agrupados. Este procedimiento didctica es muy rico porque
primero detalla los cinco aspectos ms importantes y segundo presenta un ejemplo numrico con el
detalle de cada uno de los pasos que debe seguir.
En el ejemplo numrico, del texto bsico (Tabla 15.5), cada paso tiene un nmero que lo
va guiando, esto le ayudar a realizar todo el procedimiento sin ninguna dificultad.
En el procedimiento de estimacin de modelos logit con datos agrupados, el autor del texto bsico se
anticipa un poco a la posibilidad de que el modelo presente heteroscedasticidad y aplica una forma de
ponderacin a cada uno de los rangos.
Una vez que ha encontrado el mejor modelo, es decir que tericamente sea correcto y supere todas
las pruebas, debemos interpretar los resultados. Por esta ocasin me permito transcribir lo que seala
Gujarati (2004): En general, si se toma el antilogaritmo del coeficiente de la j-sima pendiente (en caso de
que haya ms de una regresada en el modelo), se resta uno de este valor y se multiplica el resultado por 100, se
obtendr el cambio porcentual en las probabilidades para una unidad de incremento en el j-simo regresor.
En lo que resta del captulo 15, en el texto bsico, hay varios casos en los que se utiliza este
tipo de modelos, les sugiero revisarlos una vez que tenga los elementos tericos
necesarios.
Cuando trabaja un modelo con datos sueltos es fundamental revisar todos los estadsticos que midan la
bondad de ajuste y las pruebas de hiptesis, en forma resumida son:

Errores estndar.
Variable tipificada Z para prueba de hiptesis.
Nuevas medidas de bondad de ajuste por ejemplo R2 McFadden y Cuenta R2.
El texto bsico presenta una explicacin amplia de los estadsticos antes sealados, por ello no descuide
el hecho de trabajar paralelamente con la gua didctica y el texto bsico.
Las rutinas de estimacin de los logit con datos sueltos no se pueden realizar manualmente,
por ello intente conseguir un software que le ayude. Recuerde que el objetivo de este
captulo es que usted tenga los conocimientos tericos necesarios para luego ponerlos en
prctica.
1.5. Modelo PROBIT

El modelo probit, guarda caractersticas que lo hacen similar al modelo logit, es decir se convierte en una
las alternativas de estimacin con funcin de distribucin acumulativa (FDA), la gran diferencia radica en
el hecho de que el modelo probit utiliza la curva normal para superar los problemas que tiene el modelo
lineal de probabilidad, por esta ltima razn tambin se lo denomina normit.
21
PRIMER BIMESTRE
En esta seccin no ahondaremos en la matemtica del modelo, como lo hicimos en el

logit, por ello le sugerimos revisar las caractersticas tericas ms importantes, entender
bien su naturaleza a partir de la funcin propuesta.
El estudio en el texto bsico presenta alguna complejidad porque el autor toma un tipo de modelo
muy especfico para realizar su explicacin, por ello se ha considerado conveniente slo encontrar los
aspectos importantes:

La curva en forma de S en lugar de describirse con la funcin de probabilidad acumulada logstica,

puede describirse con la funcin de distribucin acumulada de una normal.
Cuando representamos esta curva con la distribucin normal, el modelo resultante recibe el
nombre de Probit.
Una variable t se dice que tiene distribucin normal cuando su funcin de distribucin de
probabilidad acumulada tiene la siguiente forma:
Al igual de lo que ocurra con el Logit en este caso existe una relacin no lineal con los parmetros
del modelo y por lo tanto no puede usarse el mtodo de mnimos cuadrados para la estimacin
del modelo.
El efecto no lineal de Xi puede ser visto calculando la derivada de la probabilidad acumulada con
respecto a Xi:
( + Xi )
= ( + Xi )[1 ( + Xi )]
Xi

Esto muestra que el efecto de un cambio en Xi depende no slo del valor de b sino tambin del
valor tomado por la funcin Normal.
Los estimadores de mxima verosimilitud del modelo Probit son insesgados, consistentes y
eficientes.
22
PRIMER BIMESTRE
ACTIVIDAD 3
Con el fin de realizar una comparacin entre los modelos logit y probit, en el siguiente cuadro debe
plantear las semejanzas y diferencias que encuentre entre estos modelos que utilizan una funcin de
distribucin acumulativa.
SEMEJANZAS

Utilizan una funcin de distribucin acumulativa.
Se puede trabajar con informacin individual y agrupada.

DIFERENCIAS
Logit
Probit
Tambin es importante aclarar que el estudio de los modelos que tiene variable dicotmica dependiente
no cubre el anlisis de los modelos Tobit, por lo que usted debe concentrar sus esfuerzos en manejar
adecuadamente los MLP, Logit y Probit.
1.6. Modelos LOGIT Y PROBIT

Con lo estudiado hasta el momento est en capacidad de conocer las principales diferencias y
semejanzas entre los tipos de modelos probabilsticos, en la seccin 15.10 del texto bsico nos presenta
una comparacin de los resultados de las estimaciones, principalmente entre logit y probit.

Los modelos logit y probit dan cualitativamente resultados semejantes, por lo tanto
no hay una preferencia por su utilizacin.
La principal diferencia es su FDA y que en los resultados de la estimacin la funcin

logstica tiene extremos ligeramente ms anchos.
Una diferencia significativa que puede ayudar a tomar una decisin es que en la prctica el modelo logit
es matemticamente ms simple.
La similitud de los resultados se puede llevar al nivel de que algunos autores han encontrado factores
que permiten transformar los resultados del uno en trminos del otro. Esta caracterstica se resume de
la siguiente manera:
23
PRIMER BIMESTRE
Si a los resultados del modelo probit los multiplicamos por 1.81 se tendr aproximadamente el resultado
del modelo logit, para el caso contrario si al logit lo multiplicamos por 0.55 se tendr el coeficiente
probit. Segn Amemiya los coeficientes son 1.6 para cambiar del probit al logit y 0.625 para el cambio
de logit a probit.
Hasta este punto est planificado el estudio del captulo 15, es necesario que relea todos los temas para
que pueda ir puliendo o reforzando los aspectos en los que mayor dificultad tenga. Recuerde que es
importante que no pierda el contacto con su profesor, para ello puede utilizar las herramientas que le
facilita la UTPL.
Finalmente lo invito a que valore sus conocimientos realizando la autoevaluacin que a continuacin le
propongo.
24
PRIMER BIMESTRE
Autoevaluacin 1
En la parte derecha de cada pregunta se tiene el espacio destinado para la respuesta. Escriba las letras V
o F segn los enunciados sean verdaderos o falsos.
1.()
Los modelos Lineal de probabilidad, logit y probit, permiten estimar modelos con
variable dicotmica dependiente.
2.()
En el MLP las varianzas se caracterizan por ser homocedsticas.
3.()
Una alternativa a la estimacin del modelo MLP es el logit.
4.()
Los resultados de las estimaciones de los modelos logit y probit se pueden comparar
directamente.
5.()
El modelo MLP se estima con el logaritmo natural de la razn de probabilidad.
6.()
En los modelos probabilisticos, el coeficiente de determinacin es la mejor medida

de bondad de ajuste.
7.()
La estimacin de modelos Logit, slo se puede llevar a cabo para la informacin de

datos agrupados.
8.()
Para interpretar la pendiente de un modelo Logit se debe tomar el antilogaritmo del

coeficiente, se resta uno de este valor y se multiplica el resultado por cien.
9.()
Una extensin del modelo probit es el modelo tobit.
10.()
En el modelo logit, la variable independiente es el logaritmo de la razn de

probabilidades.
Solucionario. Revisar luego de que haya finalizado la autoevaluacin, el mismo se encuentra al final de
la presente gua.
25
PRIMER BIMESTRE
UNIDAD 2. MODELOS ECONOMTRICOS DINMICOS: MODELOS AUTORREGRESIVOS Y

DE REZAGO DISTRIBUIDOS
Con este captulo iniciamos el estudio de los modelos dinmicos, principalmente de los autoregresivos
y de rezago distribuido. Lo fundamental de este tipo de modelos es que considera al tiempo como
variable fundamental. La influencia del tiempo puede resultar intuitiva, el texto bsico es muy amplio
en su explicacin.
Se los considera dinmicos porque al especificar un modelo de este tipo se debe, necesariamente, incluir
rezagos de las variables y estos rezagos miden el movimiento que han tenido las mismas en el tiempo y
como estos (rezagos) han influido en la actualidad a la variable dependiente. Si le sirve de ayuda revise
el concepto de dinmica, esto le formar una mejor idea del tipo de modelos que vamos a trabajar.
Tal como se seala en el texto bsico, existen dos tipos de modelos principales, el primero rezago
distribuido y el segundo autoregresivo. Para facilitar su comprensin le proponemos el siguiente
esquema:
MODELOS DINMICOS
REZAGO DISTRIBUIDO
AUTOREGRESIVOS
Incluye rezago(s) de la(s)

variable(s) independiente(s).
Incluye rezago(s) de la variable

dependiente.
En el caso de los modelos de rezago distribuido el comportamiento es el siguiente:
En el ejemplo se considera slo un rezago, pero se puede incluir varios rezagos y se conservar la misma
estructura.
La estructura para los modelos autoregresivos es la siguiente:
En el caso anterior se considera slo un rezago de la variable dependiente, pero se pueden incluir ms,
en la ecuacin siguiente se expresa esta caracterstica:
26
PRIMER BIMESTRE
De esta forma se estructuran los modelos dinmicos. Asimismo en la prctica podemos incluir rezagos
de los dos tipos, de la manera siguiente:
Con esta aclaracin realizada usted est en capacidad de plantear sus propios ejemplos de modelos
dinmicos.
Un aspecto importante que no se seala en el texto bsico es la forma de rezagar las variables para suplir
esa deficiencia les planteo el siguiente ejemplo:
Ejemplo N 4
Cuadro N 5
Ao
Xt
1990
1170
1991
2015
1170
1992
2803
2015
1170
1993
2039
2803
2015
1994
2256
2039
2803
1995
2132
2256
2039
1996
1834
2132
2256
1997
1588
1834
2132
1998
1749
1588
1834
1999
1687
1749
1588
Xt - 1
Xt - 2
ACTIVIDAD 4
Con el objetivo de reafirmar sus conocimientos en el planteamiento de modelos dinmicos, en el siguiente

cuadro plantear las ecuaciones de acuerdo a lo solicitado, considerar que la variable dependiente es Y1
y las independientes X1 y X2:
DESCRIPCIN
ECUACIN
Rezago distribuido con un rezago en X1 y X2.

Rezago distribuido con un rezago en X1 y dos en X2.
Autoregresivo con dos rezagos y considerando las mismas
variables independientes.
Autoregresivo con un rezago y de rezago distribuido de
dos rezagos tanto en X1 como en X2
27
PRIMER BIMESTRE
2.1. El papel del tiempo, o del rezago, en Economa

Para entender mejor el papel del tiempo en los modelos dinmicos, tomemos un ejemplo diferente al
del consumo que se plantea en el texto bsico. Por ejemplo el caso de la inflacin ecuatoriana, en la
tabla y grfico siguiente se evidencia la formacin de la inflacin desde el ao 1997, es fcil observar
que segn como avanza el tiempo la inflacin es cada vez mayor, es decir el valor de la inflacin de 1998
dependen en buena medida de la variacin de precios de 1997, lo mismo sucede con el resto de aos
hasta llegar al ao 2000. Si queremos ver la otra parte de la curva podemos concluir que los cambios en
los precios posteriores al 2000, dependen de la medida que se tom en este ao.
Cuadro N 6
AO
INFLACION (%)
1997
30,6
1998
36,1
1999
52,2
2000
96,1
2001
37,68
2002
12,48
2003
7,93
2004
2,74
2005
2,12
2006
3,3
2007
2,28
2008
8,4
2009
5,2
Grfico N 3
Fuente: Banco Central del Ecuador
Con este ejemplo, sumado al que se presente en el texto bsico, usted puede entender la forma de
actuar o el papel del tiempo en la economa, por ello la mejor forma de intentar explicar un fenmeno a
lo largo del tiempo es aplicar los modelos dinmicos, ya que recogen la dinmica de las variables.
Continuando con el ejemplo de la inflacin podramos plantear el caso en el que se considere a Y como
la inflacin y X como el cambio en el PIB. Asimismo, tomando como base el grfico, supongamos que la
inflacin tiene 3 aos de influencia y el producto es en el tiempo actual. Con esto especificacin nuestro
ejemplo quedara:
Concluido este ejemplo es necesario que usted revise el texto bsico, una cuestin fundamental es
conocer como se generan los multiplicadores en los modelos dinmicos.
El texto bsico, captulo 17, plantea varios ejemplos de modelos dinmicos, es necesario
que los revise, con lo que ha aprendido hasta el momento le ser ms fcil comprenderlos.
28
PRIMER BIMESTRE
2.2. Razones para los rezagos

En los apartados anteriores hemos aprendido a incorporar los rezagos en un modelo pero las razones
para hacerlo se exponen de manera sencilla en el texto bsico. En general son tres:

Sicolgicas.
Tecnolgicas, e
Institucionales.
Las tres razones principales no es necesario volverlas a repetir por ello nos limitaremos a proponer una
actividad para determinar el nivel de comprensin de la misma.
ACTIVIDAD 5
Luego de la lectura de las razones para incluir rezagos, seale dos ejemplos por cada razn para los
rezagos, los ejemplos no se deben limitar al mbito econmico. Por ejemplo en los Psicolgicos est
la inercia de la inflacin que hace que los precios se formen en funcin a un factor de crecimiento de
periodos anteriores, este factor no basa su comportamiento en los costos reales sino en los precios
futuros.
RAZN
Sicolgicas
Tecnolgicas
Institucionales
EJEMPLO
1.
2.
1.
2.
1.
2.
Las razones para incluir los rezagos tambin nos pueden ayudar a formar una idea del
nmero de rezagos que debemos incluir, esto bsicamente es una cuestin emprica y no
hay una regla que me permita determinarlos.
2.3. Estimacin de modelos de rezagos distribuidos y autoregresivos.

A primera vista parece muy complejo el proceso de estimacin de los modelos de rezago distribuido, pero
con una lectura detallada de estos temas se dar cuenta que es una cuestin sencilla y nada diferente
de lo que se ha trabajado en ciclos anteriores. Lo ms importante es llegar a determinar un modelo
que cumpla con todos las condiciones, es decir que supere todos los supuestos y pruebas de correcta
especificacin, es decir debemos encontrar un modelo que no tenga multicolinealidad, autocorrelacin,
heterocedasticidad, asimismo que sea normal y este correctamente especificado.
29
PRIMER BIMESTRE
Los enfoques de estimacin son dos:

Estimaciones ad- hoc, que significa para esto.
Restricciones sobre los parmetros asumiendo que tienen un patrn de comportamiento.
En las estimaciones ad hoc se intenta ir construyendo un modelo e ir incorporando un

rezago a la vez hasta tener un modelo que pase todas las pruebas de residuos y por tanto
este correctamente especificado.
La estimacin ad-hoc es una cuestin ms emprica, en el texto bsico, captulo 17, est explicado en una
forma sencilla pero si fuera necesario reforzar les propongo el siguiente esquema:
N ESTIMAC.
MODELO
REVISIN
Primera
Revisar
signos
de
los
parmetros, lmites y pruebas a
los residuos.
Segunda
Tercera
Tiene los signos correctos y

pasa todas las pruebas. Modelo
correcto.
Cuarta
Se debe aplicar tantos rezagos como sean necesarios para tener los signos correctos y la aprobacin de las
pruebas. Asimismo es importante sealar que a medida que se incorporan rezagos se van perdiendo
grados de libertad.
Como nos podemos dar cuenta es un mtodo iteractivo que busca, con la incorporacin de rezagos,
encontrar el mejor modelo el mismo que tiene que pasar las pruebas que hemos estudiado hasta el
momento, por ejemplo los residuos tienen que ser normales, no multicolinealidad, homocedstico,
no autocorrelacionado. Asimismo, es fundamental revisar los signos de los parmetros, los lmites y las
medidas de bondad de ajuste ( R2 y error estndar de la estimacin).
Las estimaciones tipo ad hoc tienen algunas limitaciones, el texto bsico las seala puntualmente por
ello es necesario revisarlas.
Las estimaciones tipo ad hoc se pueden utilizar para los modelos rezago distribuido
como autoregresivos.
Dataminig. Arreglo injustificado de la informacin para cumplir con el objetivo de

tener un modelo.
En lo que contina del captulo 17 en el texto bsico, se tratan algunos temas, pero se hace mucho nfasis
en el mtodo de KOYCK para estimar modelos de rezago distribuido. La intencin de esta seccin de la
30
PRIMER BIMESTRE
gua didctica no es realizar una rplica del texto bsico, por ello consideramos exponerle un ejemplo de
una estructura ms sencilla que le servir para entender el mtodo de Koyck.
Una estructura muy sencilla es la propuesta por Fisher (1937) en la que se considera que segn como se
regresa en el tiempo el impacto que la variable independiente tiene en la variable dependiente cada vez
es menor. Como ejemplo consideremos un modelo de rezago distribuido con siete rezagos:
Una expresin ms corta del modelo anterior se obtiene al expresarlo en forma de sumatoria. Para ello
recordemos que tiene siete rezagos ( i = 0, 1, 2, 3, 4, 5, 6, 7) y que
, con estas aclaraciones
tendremos las expresin:
Este modelo nos seala que la variable Y depende de X pero que esta se rezagada siete periodos, es decir
que lo que pas hace siete periodos (que pueden ser aos, trimestres, meses, etc) afectan a los cambios
que se producen en el valor actual de Y. Cada rezago se pondera (se establece un peso) pesando menos
el ltimo rezago y ms el primero, de la siguiente manera:
i
En la tabla se expone cada rezago i y la ponderacin de cada parmetro i , es fcil darse

cuenta que para el parmetro que no est rezagado i = 0 la ponderacin 0 = 8 y que el
parmetro i = 7 la ponderacin 7 = 1. Para hacer ms sencilla la estimacin podemos crear
una variable que recoja esta especificacin, de la siguiente manera:
Z = 8Xt + 7Xt - 1 + 6Xt - 2 + 5Xt - 3 + 4Xt - 4 + 3Xt - 5 + 2Xt - 6 + 1Xt - 7
Con la variable creada artificialmente podemos estimar un modelo sencillo.
Hipotticamente asumamos que el resultado correcto de la estimacin es:
Con este resultado podemos encontrar el valor de cada uno de los parmetros de la ecuacin inicialmente
planteada:
i
i * Z
0,03
0,24
0,03
0,21
0,03
0,18
0,03
0,15
0,03
0,12
0,03
0,09
0,03
0,06
0,03
0,03
RESULTADO DE LA ESTIMACIN
31
PRIMER BIMESTRE
Con el desarrollo del esquema Fisher ser ms sencillo el trabajo en esquemas como el de Koyck, y
Almon. Con cada esquema se han generado formas de validar los resultados, estos los puede revisar en
el texto bsico.
ACTIVIDAD 6
Con la informacin que se presenta en la tabla, se sugiere realizar la estimacin del modelo de rezago
distribuido siguiente, en primer lugar la estimacin sin seguir ningn esquema, luego con el esquema
de Fisher y finalmente el de Almon, para este ltimo considerar un polinomio de segundo grado.
Cuadro N 7
Ao
Trimestre
2072
1660
II
2077
1926
III
2078
2181
IV
2043
1897
2062
1695
II
2067
1705
III
1964
1731
IV
1981
2151
1914
2556
II
1991
3152
III
2129
3763
IV
2309
3903
2614
3912
II
2896
3571
III
3058
3199
IV
3309
3262
3446
3476
II
3466
2993
III
3435
2262
IV
3183
2011
2697
1511
II
2338
1631
III
2140
1990
IV
2012
1993
1953
1954
1955
1956
1957
1958
32
PRIMER BIMESTRE
Ao
1959
1960
Trimestre
2071
2520
II
2192
2804
III
2240
2919
IV
2421
3024
2639
2725
II
2733
2321
III
2721
2131
IV
2640
2552
2.4. Causalidad en Economa: Prueba de causalidad de Granger

Uno de los temas ms importantes del captulo 17 y necesario en su formacin profesional es la
causalidad, nuestra explicacin bsicamente est enfocada al procedimiento utilizado por Granger para
probar o rechazar la hiptesis de causalidad.
La causalidad es encontrar la relacin causa efecto, es decir que variable causa que se mueve otra, el
ejemplo del texto bsico es claro, la comparacin del PIB y M, con la prueba de causalidad se determinar
la direccin de la relacin.
La causalidad nos permite determinar la direccin en la que se ejerce la influencia de una
relacin, puede ser unidireccional, bidireccional o simplemente no existe una relacin:
En la prueba de causalidad de Granger se especifica una relacin en la que se introduce k rezagos:
Las perturbaciones 1t y 2t no estn correlacionadas.
Este es el esquema bsico de la estimacin de los modelos VAR
El procedimiento de Causalidad de Granger est muy bien explicado en el texto gua por ello no es
necesario una explicacin adicional. Aunque en el captulo de series de tiempo, posterior al presente,
se analizar la estacionariedad, en esta seccin es importante que las series sean estacionarias, por ello
33
PRIMER BIMESTRE
recomendamos que las series de tiempo con las que se trabaje la prueba de causalidad sean tasas de
variacin.
Trabajar con series que sean tasas de variacin, por ejemplo:

La tasa de inflacin y no con el IPC.
La tasa del PIB y no con el PIB.
Finalmente lo invito a que desarrolle la autoevaluacin que a continuacin le propongo. Esto le servir
como estrategia para reforzar los temas en los que tenga mayor dificultad.
34
PRIMER BIMESTRE
Autoevaluacin 2
1.()
El tiempo juega un papel fundamental en el momento de estimar los modelos

economtricos.
2.()
Los modelos economtricos dinmicos son: Autoregresivos y de Rezago distribuido.
3.()
Una de las causas, para incluir rezagos en un modelo, son las costumbres.
4.()
En un modelo de rezago, las variables independientes son los rezagos de la variable

dependiente.
5.()
Una de las desventajas de los modelos autoregresivos es que no hay una gua a priori
sobre la longitud mxima del rezago.
6.()
El enfoque de Koyck supone que las ponderaciones de cada parmetro incrementan

geomtricamente.
7.()
El factor inercial de la inflacin se lo puede determinar a travs de un modelo

autoregresivo.
8.()
En las transformaciones de Koyck, la prueba d sigue teniendo validez para medir la

correlacin serial.
9.()
El enfoque de Almon proporciona un mtodo ms flexible de incorporar diversidad

de estructuras de rezago.
10.()
En los modelos autorregresivos la deteccin de autocorrelacin se utiliza la prueba h

de Durbin.
la presente gua.
35
PRIMER BIMESTRE
UNIDAD 3. MODELOS DE ECUACIONES SIMULTNEAS

Seguramente siempre se ha preguntado, cmo explicar de mejor forma un fenmeno?. Sabemos
bien que en economa todo, en mayor o menor medida, est relacionado y por lo tanto las variables
estocsticas no son suficientes para recogerlas, como respuesta a esta necesidad estn los sistemas
de ecuaciones, iniciaremos estudiando su naturaleza para posteriormente revisar el problema de
identificacin y finalmente encontrar resultados cuantitativos a cada uno de los parmetros.
Como sugerencia inicial y para entender de mejor forma los sistemas de ecuaciones les
pido que revisen un texto de algebra bsica en el que se analice matemticamente los
sistemas de ecuaciones.
3.1. Naturaleza de los modelos de ecuaciones simultneas

Hasta el momento hemos trabajado con modelos uniecuacionales, evidenciando una relacin causa
- efecto entre las variables, pero como todos sabemos en economa no siempre la relacin en un slo
sentido se cumple en esos casos es necesario ampliar a una relacin en dos sentidos, en esos casos es
necesario establecer un modelo de ecuaciones simultaneas, es decir tener un conjunto de variables que
permita explicar de mejor forma los fenmenos.
En los modelos de ecuaciones simultneas, hay ms de una ecuacin n: una para cada una
de las variables mutuamente o conjuntamente dependientes o endgenas. En este caso
no es posible estimar los parmetros de una ecuacin aisladamente sin tener en cuenta la
informacin proporcionada por la dems ecuaciones. Gujarati (2003).
Seor estudiante, los criterios anteriores no son suficientes para conocer totalmente la naturaleza de los
modelos de ecuaciones simultneas, por ello le solicitamos que no descuide la lectura del texto bsico
captulo 18 y el contacto permanente con el profesor.
Para entender la naturaleza consideramos fundamental tomar el modelo demanda y oferta. A
continuacin revisemos el desarrollo del mismo, una consideracin inicial es que, contrario al texto
bsico, vamos a ubicar a los precios ( P ) en el eje X y a la cantidwad en el eje Y, esto con el fin de guardar
la relacin natural.
36
PRIMER BIMESTRE
Grfico N 4
(a)
OFERTA
(b)
DEMANDA
En los grficos anteriores tenemos las ecuaciones individuales de la oferta y la demanda, como slo
estamos considerando una mercadera se tienen tres variables (cantidad ofrecida, cantidad demandad
y precio). La solucin es encontrar el punto en el cual se equilibra este mercado, indispensable en una
condicin de equilibrio, en el grfico siguiente se presenta esta condicin.
Grfico N 5
EQUILIBRIO PARCIAL DE MERCADO
ECUACIONES SIMULTANES
Esta es la forma en la que se establece un sistema de ecuaciones, con el modelo construido,

el paso siguiente es resolverlo.
Como usted puede verificar, el texto bsico captulo 18 es generoso en la cantidad de ejemplos de
modelos de ecuaciones simultneas, es necesario que los revise a todos y encuentre su naturaleza.
Asimismo es importante recalcar que la base fundamental de la generacin del sistema es la teora,
siempre se debe partir del sustento terico, es decir buscar la teora que sustente mi planteamiento o
hiptesis.
Para finalizar este breve captulo le solicito que estudie el tema relacionado al Sesgo en las ecuaciones
simultneas: Inconsistencia de los estimadores de MCO.
37
PRIMER BIMESTRE
Autoevaluacin 3
1.()
Todas las relaciones econmicas son del tipo uniecuacional.
2.()
En los modelos de uniecuacionales las variables explicativas son la causa y la variable

dependiente el efecto.
3.()
La relacin causa efecto conduce a la consideracin de los modelos de ecuaciones

simultneas.
4.()
Los fenmenos se explican de mejor manera cuando existen muchas variables que
estn interactuando.
5.()
En modelos de ecuaciones simultneas, los estimadores obtenidos son inconsistentes

cuando se emplea MCO.
6.()
Es posible estimar los parmetros de una ecuacin aisladamente, sin tener en cuenta
las dems ecuaciones del sistema.
7.()
La interaccin entre la demanda y la oferta se la puede explicar mediante modelos de

ecuaciones simultneas.
8.()
El modelo salario precio explica la naturaleza de los modelos de ecuaciones

simultneas.
9.()
Bruno Oudet desarrollo un modelo de ecuaciones simultneas para explicar la

relacin entre la inflacin y el desempleo.
10.()
En los modelos de ecuaciones simultneas se pueden aplicar algunas tcnicas de

estimacin.
la presente gua.
38
PRIMER BIMESTRE
UNIDAD 4. EL PROBLEMA DE LA IDENTIFICACIN

Una vez que hemos comprendido la naturaleza de los modelos de ecuaciones simultaneas, captulo 18
del texto bsico, el paso siguiente es determinar el estado de cada una las ecuaciones que componen
el sistema. Partamos diciendo que es necesario realizar la identificacin del sistema, este proceso nos
permitir conocer si estamos especificando la ecuacin correcta. Superado el proceso de identificacin
recin estaremos en capacidad de estimar los parmetros de cada ecuacin.
Identificar es el proceso que permite determinar si estamos estimando la ecuacin

correcta de un conjunto de ecuaciones.
4.1. Notacin y definiciones

Para la identificacin es necesario partir de la clasificacin de variables, en el siguiente cuadro se
encuentra resumida esta clasificacin.
VARIABLE 1
VARIABLE 2
Endgenas o conjuntamente dependientes.
Se consideran estocsticas, incluyen el factor de

error u omisin.

Exgenas o independientes tambin se las

denomina predeterminadas.
Se consideran no estocsticas, no incluyen el
factor de error u omisin.
Se dividen en dos categoras:
Exgenas presentes y rezagadas.
Endgenas rezagadas.
Con el siguiente ejemplo1 aplicaremos los conceptos y criterios de clasificacin de las variables, sin
considerar el intercepto, posteriormente se sealar como realizar su clasificacin:
Ejemplo N 5
Donde:
1.
2.
3.
4.
5.
C: Representa el consumo privado nacional.

I: Es la inversin privada nacional.
T: Indica la recaudacin directa.
IM: Es el valor de las importaciones.
X: Representa el valor de las exportaciones.
G: Indica el volumen de gasto pblico.
Y: Recoge los valores de la renta.
Ejemplo tomado del libro Cien ejercicios de Econometra, Galindo (1999).
39
PRIMER BIMESTRE
ENDGENAS
EXGENAS
Ct
Ct - 1
It
Yt - 1
Tt
IMt - 1
IMt
Gt
Yt
Xt
Con la clasificacin realizada corresponde resaltar algunos aspectos importantes:

1.
Corresponde al diseador del modelo especificar cules variables son endgenas y cules son
predeterminadas.
2.
Todas las ecuaciones del sistema se denominan estructurales.
3.
Las cuatro primeras ecuaciones del sistema se conocen como de comportamiento y la quinta es
una identidad, esto ltimo es muy sencillo de darse cuenta porque la teora nos lo seala.
4.
Los i i i i se conocen como parmetros estructurales.
Con las aclaraciones antes realizadas usted est en capacidad de avanzar con el estudio del captulo, slo
resta aprender a encontrar las ecuaciones y parmetros de forma reducida.
Para encontrar las ecuaciones reducidas debemos utilizar el mtodo de sustitucin

utilizado en lgebra bsica para resolver sistema de ecuaciones.
Tomando el mismo ejemplo del texto bsico encontremos la ecuacin de forma reducida.
Funcin consumo
Donde:
Ct = consumo
Yt = ingreso
Identidad Ingreso
It = gasto de inversin
Tenemos dos ecuaciones una estructural y una identidad por ello vamos a encontrar dos ecuaciones de
forma reducida, para ello slo sustituimos la una en la otra de la siguiente manera:

Identidad del ingreso.
Sustituimos la funcin del consumo en el ingreso.
Ordenamos los factores.
Sacamos factor comn de Yt
Despejamos para tener slo Yt
40
PRIMER BIMESTRE
Por comodidad sustituimos los parmetros.
Ecuacin de forma reducida.
ACTIVIDAD 7
En el cuadro anterior se encontr la ecuacin de forma reducida del ingreso Yt, le solicito encontrar la
ecuacin de forma reducida del consumo Ct.

Ecuacin de forma reducida.
Recuerde que es fundamental que utilice el texto bsico captulo 18 y la gua didctica, esto con el fin de
trabajar en los detalles que usted debe conocer y que no se comentan en la presente gua.
41
PRIMER BIMESTRE
Autoevaluacin 4
1.()
Para la identificacin no es necesario partir de la clasificacin de variables.
2.()
El modelo Keynesiano de determinacin del ingreso, es un ejemplo del trabajo con

modelos de ecuaciones simultneas.
3.()
En ecuaciones simultneas, los estimadores son consistentes si se estiman por

Mnimos Cuadrados Ordinarios.
4.()
En contraste con los modelos uniecuacionales, los modelos de ecuaciones simultneas

contienen ms de una variable dependiente.
5.()
En los modelos de ecuaciones simultneas, no es posible estimar los parmetros de

una ecuacin aisladamente.
6.()
En los modelos de ecuaciones simultneas las variables explicativas son la causa y la

variable dependiente es el efecto.
7.()
Para encontrar las ecuaciones reducidas debemos utilizar el mtodo de sustitucin.
8.()
Identificar es el proceso que permite determinar si estamos estimando la ecuacin

correcta de un conjunto de ecuaciones.
9.()
Corresponde al diseador del modelo especificar cules variables son endgenas y

cules son predeterminadas.
10.()
Todas las ecuaciones del sistema se denominan identidades.
la presente gua.
42
SEGUNDO BIMESTRE
SEGUNDO BIMESTRE
6.5. Competencias genricas de la UTPL

Comportamiento tico
Trabajo en equipo
Compromiso e implicacin social
Desarrollar el pensamiento lgico para la aplicacin en aspectos econmicos y la

interpretacin de resultados, grficas y anlisis de datos en modelos reales.
43
44
Aplicar la teora econmica

en el entorno nacional e
internacional a travs de la
interpretacin de
resultados, grficas y

anlisis de datos en
modelos reales.
Analiza los instrumentos

de poltica econmica y
pblica en funcin de las
potencialidades locales,
regionales y nacionales
para la toma de decisiones
en el mbito social,
empresarial, financiero,
productivo y ambiental.

Aprender el manejo de
software economtrico
como herramienta para
el anlisis econmico.
Desarrollar el
pensamiento lgico para
la aplicacin en aspectos
econmicos y la
interpretacin de
resultados, grficas y
anlisis de datos en
modelos reales.
Formular y optimizar
sistemas de informacin
para la gestin.
Utilizar las tecnologas

de informacin y
comunicacin en la
gestin.
Competencias especficas
del componente educativo
Competencias especficas de
la Titulacin
6.6. Planificacin para el trabajo del alumno
7.3. Procesos estocsticos

no estacionarios.

estacionarios.
7.1. Procesos estocsticos.
Unidad 7: Econometra de
series de tiempo.
6.1. Mtodos para la

estimacin.
Unidad 6: Mtodos de
ecuaciones simultneas
5.1. Reglas para la

identificacin.
Unidad 5: Problemas de
identificacin.
Unidades
Contenidos
6 Enviar a travs del EVA la evaluacin a

distancia del segundo bimestre.
5 Interactuar en el EVA.
didctica.
Evala los resultados de

las estimaciones.

estimacin.
Descubre problemas y
sus posibles soluciones.

3 Revisar el resumen, conceptos clave y
solucin de las preguntas de repaso
como de los problemas y aplicaciones



las estimaciones.
Prepara la informacin
necesaria.

contenidos del captulo 1 del texto
bsico.
6 Avanzar en el desarrollo de la
evaluacin a distancia.
didctica.

estimacin.
necesaria.

bsicos.
Indicadores de aprendizaje



bsico.
Actividades de aprendizaje
8 horas de
interaccin a
travs de los
medios.
12 horas de
aprendizaje
autnomo e
independiente.
Semana 3 y 4:
8 horas de
interaccin a
travs de los
medios.
12 horas de
aprendizaje
autnomo e
independiente.
Semana 1y 2:
Tiempo de
dedicacin

SEGUNDO BIMESTRE
Competencias especficas de
la Titulacin
Competencias especficas
del componente educativo
Prepararse para la evaluacin

presencial del segundo
bimestre.
8.2. Correccin de errores

(ECM) cointegracin y
mecanismo.
8.1. Cointegracin
Unidad 8: Procesos
estocsticos integrados.
Unidades
Contenidos
didctica.


las estimaciones

estimacin.



necesaria.
Indicadores de aprendizaje

bsico.
Actividades de aprendizaje
8 horas de
interaccin a
travs de los
medios.
12 horas de
aprendizaje
autnomo e
independiente.
Semana 7 y 8:
8 horas de
interaccin a
travs de los
medios.
12 horas de
aprendizaje
autnomo e
independiente.
Semana 5 y6:
Tiempo de
dedicacin
SEGUNDO BIMESTRE
45
SEGUNDO BIMESTRE
6.7. Orientaciones especficas para el aprendizaje por competencias
UNIDAD 5. PROBLEMAS DE IDENTIFICACIN

El problema de identificacin pretende establecer si las estimaciones numricas de los parmetros de
una ecuacin estructural pueden obtenerse de los coeficientes estimados de la forma reducida Gujarati
(1999), captulo 19 del texto bsico. Es importante hacer hincapi que slo se debe hacer el proceso de
identificacin de las ecuaciones estructurales y no de las identidades.
Con este proceso usted podr definir si la ecuacin est identificada o no y continuar con la estimacin
de los parmetros correspondientes.
Una ecuacin identificada puede estar exactamente identificada o sobreidentificada.
Exactamente identificada
Valores numricos nicos de los parmetros

Se puede estimar.
estructurales.
Sobreidentificada
Ms de un valor numrico para algunos

Se puede estimar.
parmetros estructurales.
Subidentificada
No hay una forma nica de estimar los parmetros

No se puede estimar.
estructurales.
Conociendo el cuadro anterior, aplicando las ecuaciones de forma reducida y siguiendo las instrucciones
del texto bsico, captulo 19, podr encontrar la explicacin del por qu a una ecuacin se la considera
o no identificada.
No hemos considerado ampliar este apartado porque en el texto bsico, captulo 19, se lo explica a
detalle y usted en casa podr ejercitarse realizando todo el proceso matemtico.
Antes de realizar la estimacin de un sistema se debe realizar la identificacin de cada

una de las ecuaciones estructurales.
Encontrar las ecuaciones de forma reducida para determinar si se identifica o no puede ser una actividad
muy extensa, por ello se han establecido algunas reglas que vuelven gil el proceso, en el siguiente
apartado revisaremos las mismas.
5.1. Reglas para la identificacin

Las condiciones de identificacin de orden y rango proporcionan una forma sencilla y gil de llevar a
cabo el proceso de identificacin, sin tener que recurrir a las ecuaciones de forma reducida. La notacin
que nos presenta el texto bsico, captulo 19, es la que comnmente se utiliza, para su comodidad a
continuacin la replicamos:
46
SEGUNDO BIMESTRE
Nmero de variables endgenas en el modelo.
Nmero de variables endgenas en una ecuacin.
Nmero de variables predeterminadas en el modelo, incluyendo el intercepto.
Nmero de variables predeterminadas en una ecuacin dada.
Del cuadro anterior debemos destacar lo siguiente:

El anlisis de identificacin se debe hacer por cada ecuacin estructural.
En K (nmero de variables predeterminadas en el modelo) se debe incluir en el conteo por una

sola vez el intercepto.
Vamos a tomar un ejemplo para realizar la clasificacin de variables.

MODELO
ESPECIFICACIN
ENDGENAS
C: Consumo privado nacional.

I: Inversin privada nacional.
Ct
T: Indica la recaudacin directa.
It
IM: Importaciones.
Tt
X: Exportaciones.
IMt
G: Gasto pblico.
Yt
PREDETER.
Ct - 1
Yt - 1
IMt - 1
Gt
Xt
ut
Y: Renta.
Con la especificacin anterior realicemos el conteo por cada una de las ecuaciones, este siempre ser el
mismo.
Ct
It
Tt
IMt
N endgenas en el modelo.
N endgenas en una ecuacin.
N predeterminadas en el modelo + el intercepto.
5 + 1 =6
N predeterminadas en una ecuacin dada.
ACTIVIDAD 8
Con el sistema de ecuaciones que se presenta en el primer cuadro realizar las actividades propuestas
hasta llegar al conteo final por cada una de las ecuaciones.
MODELO
ESPECIFICACIN
ENDGENAS
PREDETER.
C: Consumo nacional.
I: Inversin privada nacional.
IM: Importaciones.
X: Exportaciones.
Y: Producto interno bruto.
47
SEGUNDO BIMESTRE
N endgenas en el modelo.
N endgenas en una ecuacin.
N predeterminadas en el modelo + el intercepto.
N predeterminadas en una ecuacin dada.
Como puede darse cuenta, las actividades anteriores son bsicas para la identificacin y si las realizamos
adecuadamente no tendremos problema en aplicar las reglas de identificacin.
El alcance de esta asignatura y gua didctica es el trabajo con la condicin de orden. En el

entorno virtual de aprendizaje se publicar el detalle del trabajo con la condicin de
orden.
A la condicin de orden se la considera necesaria para poder determinar el tipo de identificacin que
tiene cada una de las ecuaciones que conforman el sistema o modelo. Esta condicin expresa si dicha
ecuacin est exactamente identificada o sobreidentificada (Gujarati, 1999).
El texto bsico, captulo 19, presenta dos definiciones muy sencillas de entender, simplemente es la
aplicacin de la clasificacin de variables que realizamos anteriormente. Con la revisin que realice de
estas dos definiciones vamos a proceder a realizar la identificacin.
DEFINICIN 1
DEFINICIN 2
Excluir al menos M -1
Kk>m1
Tomemos como ejemplo la funcin

K: 6
M: 5
k: 1
51=4
Se excluyen 2 endgenas (It , IMt ) y 4 ( Yt - 1 , IMt - 1 , Gt , Xt)
predeterminadas. En total son 6 variable excluidas.
Conclusin: Como excluye ( 6 ) mas variables que M 1
( 4 ) se considera sobreidentificada.
m: 3
61>31
5>2
Conclusin: Sobreidentificada.
ACTIVIDAD 9
Tome los modelos de It , Tt , y IMt que se presentan anteriormente y aplique la condicin de orden de
identificacin.
DEFINICIN 1
DEFINICIN 2
Kk>m1
Tomemos como ejemplo la funcin:
48
SEGUNDO BIMESTRE
DEFINICIN 1
DEFINICIN 2
K:
M:
Se excluyen _ endgenas ( ) y _ ( )
predeterminadas. En total son __ variable excluidas.
k:
m:
>
Conclusin: Como excluye ( ) ___ variables que M

1 ( ) se considera ______________.
Conclusin:
DEFINICIN 1
DEFINICIN 2
Kk>m1

K:
M:
k:
Se excluyen _ endgenas ( ) y _ ( ) predeterminadas.
m:
En total son __ variable excluidas.
>

1 ( ) se considera ______________.
Conclusin:
DEFINICIN 1
DEFINICIN 2
Kk>m1

M:
K:
k:
Se excluyen _ endgenas ( ) y _ ( ) predeterminadas.
m:
En total son __ variable excluidas.
1 ( ) se considera ______________.
Conclusin:
>
Con esta actividad finalizamos el estudio del captulo 19, espero que haya cumplido sus expectativas y
lo invit a que desarrolle lo propuesto en el texto bsico, con eso podr estar seguro de cubrir todos los
temas que el libro nos propone. Es importante que est en continua comunicacin con su tutor para los
temas puntuales que no quedan claros.
49
SEGUNDO BIMESTRE
Autoevaluacin 5
1.()
La identificacin garantiza que en realidad se est estimando la funcin correcta.
2.()
En ecuaciones simultneas las variables endgenas se consideran no estocsticas.
3.()
La clasificacin de las variables la realiza el autor, para ello debe defenderla con
argumentos tericos a priori.
4.()
De las ecuaciones de forma reducida se derivan las ecuaciones estructurales.
5.()
Los coeficientes de la forma reducida tambin se conocen como multiplicadores de

impacto o de corto plazo.
6.()
El problema de la identificacin surge porque diferentes conjuntos de coeficientes

estructurales pueden ser compatibles con el mismo conjunto de informacin.
7.()
La condicin de rango aligera la labor de la identificacin.
8.()
La identificacin de una ecuacin en un modelo de ecuaciones simultneas es posible

si dicha ecuacin incluye una o ms variables presentes en otras partes del modelo.
9.()
El primero punto para aplicar la condicin de rango es escribir el sistema en forma

tabular.
10.()
La prueba de Hausman nos sirve para determinar si una ecuacin est sobreidentificada.
la presente gua.
50
SEGUNDO BIMESTRE
UNIDAD 6. MTODOS DE ECUACIONES SIMULTNEAS

Hasta el momento hemos preparado nuestro sistema de ecuaciones, usted aprendi a realizar
las actividades previas a la estimacin, en la presente unidad nos encargaremos de esa actividad.
Inicialmente es importante que conozca que necesitaremos de una herramienta electrnica que apoye
en esta labor, ya que no est en la cobertura de esta asignatura realizar los clculos que implica cada
proceso de estimacin. Con las aclaraciones realizadas vamos a iniciar con el estudio.
6.1. Mtodos para la estimacin

Las ecuaciones estructurales de un sistema se pueden resolver utilizando dos mtodos, en el siguiente
cuadro le presentamos esta informacin.
UNIECUACIONALES
MTODOS DE SISTEMAS
Informacin limitada. Cada ecuacin en el sistema se

estima individualmente.
Informacin completa. Todas las ecuaciones se

estiman de manera simultnea.
No considera las restricciones que tiene todo el

sistema.
Slo se consideran las restricciones de cada ecuacin.
Se consideran las restricciones que tiene

todo el sistema.
El texto bsico, captulo 20, presenta un sistema hipottico en el que explica la diferencia
entre los mtodos de estimacin.
Idealmente debera utilizarse el mtodo de mxima verosimilitud con informacin completa pero
demanda de un software especializado, por eso habitualmente se trabaja con los mtodos de
informacin incompleta o uniecuacionales.
Los mtodos de informacin incompleta tambin requieren de rutinas que requieren un amplio
trabajo manual o del uso de un software especializado, por ello nos limitaremos a sealar el
mtodo y el clculo lo dejaremos para que usted lo aplique de acuerdo a su realidad.
Debe revisar los procedimientos manuales que el texto bsico nos proporciona.
En el siguiente cuadro se resumen los mtodos de estimacin de acuerdo a los resultados del proceso
de identificacin.
TIPO
SUBIDENTIFICADA
EXACTAIDENTIFICADA
SOBREIDENTIFICADA
MTODO

No se puede estimar.
Mnimos cuadrados indirectos.
Mnimos cuadrados en dos etapas.
Mnimos cuadrados en dos etapas.
Los mtodos de estimacin sealados presentan algunas caractersticas que los hacen deseables, en el
texto bsico, captulo 20, se presentan de manera clara y sencilla.
Lo invitamos a que desarrolle la autoevaluacin que a continuacin le proponemos. Esto le servir como
estrategia para reforzar los temas en los que tenga mayor dificultad.
51
SEGUNDO BIMESTRE
Autoevaluacin 6
1.()
El mtodo de mnimos cuadrados indirectos se utiliza para estimar una ecuacin

exactamente identificada.
2.()
El primer paso para aplicar la condicin de rango es escribir el sistema en forma

tabular.
3.()
La idea bsica detrs del MC2E es purificar la Y de la influencia de la perturbacin

estocstica u.
4.()
Las estimaciones con MCI y MC2E son consistentes en muestras pequeas
5.()
Los mtodos uniecuacionales, para estimar sistemas de ecuaciones, pueden ser ms

sensibles a errores de especificacin.
6.()
El segundo paso del proceso para estimar por el MCI es obtener las ecuaciones de la
forma reducida
7.()
Con informacin limitada, cada ecuacin en el sistema se estima individualmente.
8.()
En presencia de simultaneidad el mtodo de MC2E produce estimadores consistentes

y eficientes
9.()
El MC2E es fcil aplicar porque todo lo que se necesita saber es el nmero total de
variables exgenas o predeterminadas
10.()
En las ecuaciones exactamente identificadas se puede aplicar slo MC2E
la presente gua.
52
SEGUNDO BIMESTRE
UNIDAD 7. Econometra de series de tiempo

En el transcurso del estudio de la econometra y de otros componentes del programa acadmico se ha
utilizado mucho las series de tiempo, que no es otra cosa que la coleccin ordenada cronolgicamente
de la informacin. Este concepto no es desconocido para usted, en este captulo aprenderemos la forma
correcta de trabajar los modelos con series de tiempo. El concepto ms importante y novedoso que
encontrar es que la serie de tiempo debe ser estacionaria, en caso de no ser as, las pruebas de medidas
de dispersin y medias no se pueden aceptar.
El texto bsico, captulo 21, en su introduccin, hbilmente plantea seis aspectos que son bsicos para el
trabajo con series de tiempo, estos puntos los resumimos a continuacin:
La serie de tiempo es estacionaria.

La autocorrelacin se produce cuando las series de
tiempo es no estacionaria.
El trabajo con series de tiempo no estacionarios
genera regresiones espurias.
Algunas series de tiempo muestran lo que se
conoce como fenmeno de caminata aleatoria.
El trabajo con series de tiempo nos sirve para
realizar pronstico.
Las pruebas de estacionariedad se deben hacer
antes que las de causalidad.
Una aclaracin inicial es que el trmino estacionariedad es diferente al de estacionalidad,

este ltimo tambin puede estar presente en una serie de tiempo y es el que hemos
revisado hasta el momento.
Con estas breves aclaraciones podemos inspeccionar algunas series de tiempo del Ecuador, esta
actividad la realizaremos siguiendo el texto bsico, captulo 21, en el mismo que se presentan series de
tiempo de los estados unidos.
53
SEGUNDO BIMESTRE
Grfico N 4
PIB & IPC
220
170
31000
160
26000
150
21000
140
16000
130
PIB_CORRIENTE
2009
180
36000
2007
190
41000
2005
200
46000
2003
210
51000
2001
56000
IPC
PIB
61000
IPC_GENERAL

Elaboracin: El Autor
Grfico N 5
-10
2008
2006
2004
2002
2000
1998
1996
1994
1992
1990
1988
-5
1986
40
1984
0
1982
60
1980
1978
80
1976
10
1974
100
1972
15
1970
120
Inflacin
Tasa del PIB
TASA DEL PIB E INFLACIN

20
20
0
TASA PIB
INFLACIN

Como podemos observar en los dos grficos anteriores el proceso de generacin de la informacin es
diferente, en el primer caso la tendencia es marcada a medida que pasan los aos la serie crece cada vez
ms, en el segundo grfico tomamos las tasas de variacin de las mismas series y podemos observar que
tienen un comportamiento diferente no tienen tendencia lo que presenta es la variacin de corto plazo,
esta ltima es la condicin ideal para trabajar las series de tiempo, en este caso se considera que las series
son estacionarias. Esta conclusin es muy difcil hacerla basndonos en un grfico, por ello a lo largo de
captulo se presentarn los mtodos formales de aceptar o rechazar la hiptesis de estacionariedad.
El trabajo con series de tiempo implica aprender un vocabulario nuevo, que se ha
desarrollado para tratar o analizar las series, tambin es importante que se preocupe
por la notacin especial que se utiliza.
El texto bsico, captulo 21, resume en nueve los conceptos que se consideran clave, a
primera vista muchos no le sonarn familiares, en este punto lo ms importante es
conocer que en el transcurso del estudio del captulo podr aprenderlos y dominarlos.
54
SEGUNDO BIMESTRE
Un proceso estocstico o aleatorio es una coleccin de variables aleatorias ordenadas

en el tiempo Gujarati (2004)
Este concepto es muy sencillo de entender si lo desagregamos en sus partes:

Proceso: Es el conjunto de actividades o eventos que suceden bajo unas
determinadas circunstancias.
Estocstico = aleatorio: Que dependen exclusivamente de la suerte o el azar,

que no los in uencian eventos pasados.
Ordenadas en el tiempo: Los datos se recogen segn como sucedan en el
tiempo.
En el texto bsico, captulo 21, se presenta un ejemplo que est como pie de pgina y
que es muy claro para entender lo que es algo estocstico.
Grfico N 6
-10
2008
2006
2004
2002
2000
1998
1996
1994
1992
1990
1988
1986
1984
1982
1980
40
-5
1978
60
0
1976
80
1974
10
1972
100
1970
120
15
20
Inflacin
Tasa del PIB
TASA DEL PIB E INFLACIN

20
Si volvemos a observar las grficas inicialmente presentadas

podemos concluir que las tasas de variacin representan
un proceso estocstico porque sus valores actuales no
dependen de lo que pas en los aos anteriores, es decir sus
valores son independientes o aleatorios.
0
TASA PIB
INFLACIN

Grfico N 7
Esta es la imagen de un electrocardiograma, que es la forma

ms clara de un proceso estocstico, vemos que ninguna de
las observaciones depende de la anterior o anteriores.
55
SEGUNDO BIMESTRE
7.2. Procesos estocsticos estacionarios

En el apartado anterior analizamos slo lo que son los procesos estocsticos, ahora estudiaremos una
variante de ste que se lo denomina proceso estocstico estacionario. En el siguiente diagrama se
exponen los nombres con los que habitualmente se lo conoce.
Proceso estocstico
debilmente estacionario.
Estacionario covariante.
Proceso estocstico
estacionario.
Estacionario de segundo
orden.
Proceso estocstico en
amplio sentido
Formalmente para que se efecte este proceso (estocstico estacionario), la serie de tiempo debe
cumplir con las tres caractersticas siguientes:
Media: constante en toda la serie.
Media: E(Yt)=
Varianza: constante en toda la serie.
Varianza: var(Yt)= E(Yt - )2=
Covarianza o autocovarianza: constante en

los diferentes rezagos
Covarianza o autocovarianza:
k= E[(Yt - )(Yt+k - )]
En esta seccin es importante que se lea pausadamente todos los conceptos que se exponen ya que con
este proceso se trabajarn las series de tiempo, por ejemplo en esta seccin usted aprender a diferenciar
los conceptos de serie estacionario y no estacionario, para su mejor comprensin las exponemos a
continuacin.
Una serie de tiempo es estacionaria si su media, varianza y autocovarianza (en los
diferentes rezagos) permanecen constantes.
Una serie de tiempo es no estacionaria si su media y varianza cambian en el tiempo,
puede ser una de las dos condiciones o ambas a la vez.
Las caractersticas sealadas en el concepto de estacionariedad, informalmente se pueden probar de la

siguiente manera:

En el siguiente cuadro se expone la informacin mensual de cuatro aos del IPC y de la inflacin
mensual del Ecuador, esta informacin es tomada de las estadsticas oficiales del Banco Central
del Ecuador. Se expone toda la informacin para que usted realice los clculos correspondientes.
56
SEGUNDO BIMESTRE
Para cada ao se saca la media y varianza, esto con el fin de comparar los resultados individuales
con los resultados generales de toda la serie.
Tabla N 8
2007
2008
IPC
Inflacin
mensual
IPC
Inflacin
mensual
Enero
106,75
0,30
Enero
111,22
1,14
Febrero
106,82
0,07
Febrero
112,27
0,94
Marzo
106,92
0,10
Marzo
113,93
1,48
Abril
106,91
-0,01
Abril
115,66
1,52
Mayo
106,95
0,03
Mayo
116,88
1,05
Junio
107,36
0,39
Junio
117,76
0,76
Julio
107,81
0,42
Julio
118,45
0,59
Agosto
107,89
0,07
Agosto
118,70
0,21
Septiembre
108,65
0,71
Septiembre
119,48
0,66
Octubre
108,80
0,13
Octubre
119,52
0,03
Noviembre
109,34
0,50
Noviembre
119,33
-0,16
Diciembre
109,97
0,57
Diciembre
119,68
0,29
MEDIA 1
107,85
0,27
MEDIA 2
116,91
0,71
1,21
0,06
VARIANZA 2
8,86
0,30
Mes
VARIANZA 1
Mes
2009
2010
IPC
Inflacin
mensual
IPC
Inflacin
mensual
Enero
120,52
0,71
Enero
125,87
0,83
Febrero
121,09
0,47
Febrero
126,30
0,34
Marzo
122,41
1,09
Marzo
126,51
0,16
Abril
123,21
0,65
Abril
127,16
0,52
Mayo
123,20
-0,01
Mayo
127,18
0,02
Junio
123,10
-0,08
Junio
127,17
-0,01
Julio
123,01
-0,07
Julio
127,20
0,02
Agosto
122,65
-0,30
Septiembre
123,41
0,63
Octubre
123,71
0,24
Noviembre
124,12
0,34
Diciembre
124,84
0,58
MEDIA 3
122,94
0,35
MEDIA 4
126,77
0,27
1,42
0,17
VARIANZA 4
0,29
0,10
Mes
VARIANZA 3
Mes
Resultados generales de la serie desde Enero 2007 a Julio del 2010 son:
IPC
Inflacin mensual
MEDIA
117,67
0,42
VARIANZA
52,53
0,19
57
SEGUNDO BIMESTRE
Si hacemos una revisin rpida de los resultados podemos darnos cuenta que los cuatro valores de
la media no son muy diferentes a la media general, por ello podemos considerarlos constantes. Para
analizar la varianza realizaremos un cuadro de comparacin de los resultados:
Tabla N 9
IPC
Muestras
Inflacin mensual
Muestras
General
0,06
1,21
8,86
1,42
General
0,30
52,53
0,17
0,29
0,19
0,10
En el caso del IPC las varianzas de cada ao o muestra son muy diferentes a la varianza general, en
cambio que los valores de la inflacin mensual en cada muestra son muy cercanas a la varianza de toda
la serie. Con esta revisin podemos concluir que el IPC es una serie no estacionaria en varianza y la
inflacin mensual es una serie estacionaria. Para reafirmar esta conclusin podemos graficar las series y
determinar el tipo de tendencia que cada una tiene.
Grfico N 7
(a)
(b)
IPC
Inflacin mensual
130
125
2
1
120
115
110
1
1
105
100
95
NO ESTACIONARIA
0
0
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio

ESTACIONARIA
En el caso del IPC la tendencia es creciente con cada mes y ao que pasa en cambio que la inflacin
mensual no tiene tendencia y el comportamiento de cada mes es diferente al anterior el grfico es muy
parecido al del electrocardiograma que pusimos de ejemplo al inicio del captulo.
ACTIVIDAD 10
Con la informacin de la siguiente serie de tiempo determinar si es estacionaria, para ello debe calcular
las medias y varianzas de las submuestras en las que decida dividir la serie, compararlas con la media y
varianza general para que apruebe o rechace la hiptesis de estacionariedad. Asimismo es importante
que grafique la informacin para que se forme una idea de la tendencia que presentan los datos.
58
SEGUNDO BIMESTRE
Tabla N 9
2007
Mes
2008
Inflacin
anual
2009
Inflacin
anual
Mes
Mes
2010
Inflacin
anual
Mes
Inflacin
anual
Enero
2,68
Enero
4,19
Enero
8,36
Enero
4,44
Febrero
2,03
Febrero
5,10
Febrero
7,85
Febrero
4,31
Marzo
1,47
Marzo
6,56
Marzo
7,44
Marzo
3,35
Abril
1,39
Abril
8,18
Abril
6,52
Abril
3,21
Mayo
1,56
Mayo
9,29
Mayo
5,41
Mayo
3,24
Junio
2,19
Junio
9,69
Junio
4,54
Junio
3,30
Julio
2,58
Julio
9,87
Julio
3,85
Julio
3,40
Agosto
2,44
Agosto
10,02
Agosto
3,33
Septiembre
2,58
Septiembre
9,97
Septiembre
3,29
Octubre
2,36
Octubre
9,85
Octubre
3,50
Noviembre
2,70
Noviembre
9,13
Noviembre
4,02
Diciembre
3,32
Diciembre
8,83
Diciembre
4,31
Una forma especial de proceso estocstico es el denominado ruido blanco o puramente

aleatorio. Este proceso es especial porque se debe cumplir con que la media sea igual
a cero, la varianza muestra es igual a la varianza poblacional y no debe estar serialmente
correlacionado.
7.3. Procesos estocsticos no estacionarios

En este apartado no detendremos demasiado nuestra atencin, usted puede hacer una revisin similar a
la que se hizo para determinar si una serie es estacionaria. Para su comodidad revisaremos la clasificacin
que se realiza a estos procesos. El ejemplo clsico de los procesos estocsticos no estacionarios es el
modelo de camita aleatoria, en el esquema siguiente se presenta esta simple clasificacin:
Modelo de
caminata aleatoria
Proceso raz
unitaria
Sin variaciones
Con
variaciones
Yt=Yt-1+t
Yt=+Yt-1+t
59
SEGUNDO BIMESTRE
Los trminos no estacionariedad, caminata aleatoria y raz unitaria se consideran

sinnimos Gujarati (2004).
Con estos conceptos entendidos podr revisar el apartado con facilidad, lo importante en el trabajo de
series de tiempo es llegar a concluir si la serie es estacionaria o no, en el caso de no serlo se debern
tomar medidas para realizar la revisin correspondiente.
En el texto bsico, captulo 21, con anticipacin se introduce la necesidad de diferenciar las series, por
ello nos adelantamos en sealar como es el proceso para diferenciar una serie. Al diferenciar una serie
pasamos de tener una serie no estacionaria a tener una serie estacionaria en diferencias.
Y = (Yt Yt1 )
Se puede diferenciar el nmero de veces que sean necesarias para tener una serie
estacionaria en diferencias. Es recomendable diferenciar mximo dos veces, ya que se
pierden grados de libertad y la informacin original de la serie.
Para ejemplificar el proceso de diferenciacin se presente el siguiente caso, en las dos primeras
observaciones de cada diferencia se presenta la resta que se debe hacer en toda la serie.
Tabla N 10
TRIMESTRE
60
VENTAS
D(VENTAS,1)
D(VENTAS,2)
NIVELES
PRIMERA
DIFERENCIA
SEGUNDA
DIFERENCIA
1970 1
1170
1970 2
2015
(2015-1170)= 845
1970 3
2803
(2803-2015)= 788
(788-845) = - 57
1970 4
2039
(2039-2803)=-764
(-764-788)=-1552
1971 1
2256
217
981
1971 2
2132
-124
-341
1971 3
1834
-298
-174
1971 4
1588
-246
52
1972 1
1749
161
407
1972 2
1687
-62
-223
1972 3
2007
320
382
1972 4
2208
201
-119
1973 1
1656
-552
-753
1973 2
1604
-52
500
1973 3
1431
-173
-121
1973 4
1610
179
352
SEGUNDO BIMESTRE
VENTAS
D(VENTAS,1)
D(VENTAS,2)
NIVELES
PRIMERA
DIFERENCIA
SEGUNDA
DIFERENCIA
1974 1
1819
209
30
1974 2
2079
260
51
1974 3
2371
292
32
1974 4
2759
388
96
TRIMESTRE
En forma grfica los resultados del proceso de diferenciacin son los siguientes:
Figura N 8
(a)
NIVELES
3000
2500
2000
1500
1000
500
1974 4
1974 3
1974 2
1974 1
1973 4
1973 3
1973 2
1973 1
1972 4
1972 3
1972 2
1972 1
1971 4
1971 3
1971 2
1971 1
1970 4
1970 3
1970 2
1970 1
(b)
PRIMERA DIFERENCIA
1000
800
600
400
200
1974 4
1974 3
1974 2
1974 1
1973 4
1973 3
1973 2
1973 1
1972 4
1972 3
1972 2
1972 1
1971 4
1971 3
1971 2
1971 1
1970 4
1970 3
1970 2
-400
1970 1
0
-200
-600
-800
-1000
(c)
SEGUNDA DIFERENCIA
1500
1000
500
1974 4
1974 3
1974 2
1974 1
1973 4
1973 3
1973 2
1973 1
1972 4
1972 3
1972 2
1972 1
1971 4
1971 3
1971 2
1971 1
1970 4
1970 3
1970 2
1970 1
0
-500
-1000
-1500
-2000
El proceso de diferenciacin es iteractivo, con cada diferencia debemos realizar las pruebas
necesarias para determinar si la serie es estacionaria o es necesario aplicar otra diferencia.
Las series no estacionarias nos presentan la tendencia de largo plazo y las series estacionarias
muestran el comportamiento de corto plazo.
Lo estudiado hasta el momento es lo bsico del trabajo con series de tiempo, pero con ello usted no
tendr inconvenientes en entender los temas restantes porque son variaciones de lo estudiado. Le
sugiero para cada caso realizar una lectura pausada intentando resaltar lo fundamental del tema que
61
SEGUNDO BIMESTRE
est leyendo. En el texto bsico debe revisar los apartados de procesos integrados y el fenmeno de
regresin espuria.
Hasta el momento hemos revisado intuitivamente y con pruebas informales la estacionariedad. Existen
pruebas formales que permitirn tomar una decisin sobre la hiptesis de estacionariedad, en esta gua
no est previsto desarrollarlas y en cualquier software usted las encontrar, es necesario que las estudie
para que pueda analizar los resultados que obtenga. Como ejemplo, tomaremos el correlograma del IPC,
la informacin fue expuesta en apartados anteriores (procesos estocsticos estacionarios).
Figura N 9
IPC - Niveles
IPC Primeras diferencias
El correlograma es un instrumento que nos permite medir la autocorrelacin, si la serie presenta este
problema, es una evidencia del problema de no estacionariedad. Evaluando los correlogramas anteriores
podemos darnos cuenta que en niveles el grfico (autocorrelacin) tiene una marcada tendencia, en
cada rezago los valores estn fuera de los lmites de confianza y en todas las probabilidades (Prob) son
todas menores a 0,05 que es el nivel de significancia establecido. Las caractersticas son diferentes en
primeras diferencias el grfico de autocorrelacin no presenta un patrn definido de comportamiento,
por lo tanto se considera un comportamiento independiente, estn dentro de los lmites de confianza
y las probabilidades todas son altas (mayores a 0,05) por lo tanto podemos decir que la serie del IPC es
estacionaria en primeras diferencias.
Con el ejemplo de los correlogramas tambin podemos darnos cuenta como el proceso de diferenciacin
nos permite pasar de una serie no estacionaria a una serie estacionaria en diferencias.
Es necesario que cada vez que trabaje con una serie de tiempo se realicen las pruebas
formales de estacionariedad esto con el fin de no tener regresiones espurias.
Las pruebas formales restantes usted debe revisarlas en el texto bsico, tambin como nos anticipamos
en explicar la diferenciacin no tendr problemas en estudiar la transformacin de las series de tiempo
no estacionarias.
62
SEGUNDO BIMESTRE
Autoevaluacin 7
1.()
Serie de tiempo integrada es un concepto que est relacionado con el estudio de las
series de tiempo.
2.()
El trabajo emprico basado en series de tiempo supone que la serie de tiempo en

cuestin es no estacionaria.
3.()
La prueba de causalidad supone que las series de tiempo son no estacionarias.
4.()
Un proceso estocstico es una coleccin de variables aleatorias sin ningn tipo de

orden.
5.()
Al proceso puramente aleatorio tambin se lo denomina ruido blanco.
6.()
A un proceso estacionario tambin se lo puede denominar raz unitaria.
7.()
Un proceso integrado de orden 1 se denota como I(1).
8.()
Si una serie de tiempo no estacionaria debe diferenciarse d veces para hacerla

estacionaria, se dice que la serie es integrada de orden d.
9.()
El anlisis grfico y la prueba del correlograma son pruebas para determinar si la serie
es estacionaria o no.
10.()
Hablando en trminos econmicos si dos series de tiempo cointegran se prueba que

existe una relacin de corto plazo.
la presente gua.
63
SEGUNDO BIMESTRE
UNIDAD 8. PROCESOS ESTOCSTICOS INTEGRADOS

En el siguiente cuadro se resume el concepto de integracin, que no es otra cosa que pasar de una serie
no estacionaria a una serie estacionaria a travs del proceso de diferenciacin.
SERIE
N DE DIFERENCIAS
ORDEN DE INTEGRACIN
REPRESENTACIN
Estacionaria
I(0)
No estacionaria
I(1)
No estacionaria
I(2)
No estacionaria
I(d)
Si una serie de tiempo (no estacionaria) debe diferenciarse d veces para hacerla
estacionaria, se dice que la serie es integrada de orden d. Gujarati (2004)
Finalmente es importante revisar las propiedades de las series de tiempo integradas, para ello igual que
en el texto bsico se tomarn dos series de tiempo X e Y y la combinacin de las dos Z, es importante
aclarar que para su mejor comprensin no se seguir la notacin convencional.
1.
Si la serie Xt es I (0) y Yt es I (1) Zt=( Xt + Yt ) =I( 1 )
2.
Si la serie Xt es I (d) Zt= 0 + 1Xt =I( d )
3.
Si la serie Xt es I (d1) y Yt es I (d2) Zt= Zt= 0Xt + 1Yt = I( d2 ). En este caso se considera que d1 es
menor que d2
4.
Si la serie Xt es I (d) y Yt es I (d) Zt= Zt= 0Xt + 1Yt = I( d*). En este caso se considera que d*=d pero
en algunos casos se presenta que d*< d
Con las propiedades de la integracin tambin se desprenden otros temas como el de la cointegracin.
8.1. Cointegracin
Revisada y entendida la integracin el concepto de cointegracin puede llegar a ser intuitivo, si es
necesario revise nuevamente la cuarta propiedad de la integracin.
Si tenemos dos variables (series de tiempo) I (1) el resultado de una combinacin lineal de las dos debe
ser I (0) para que las series este cointegradas, es decir para que se produzca una relacin de largo plazo
o de equilibrio.
I (1)
Series cointegradas
I (1)
64
SEGUNDO BIMESTRE
La forma ms prctica de probar la cointegracin es revisar el resultado de los residuos de la estimacin,

siguiendo el ejemplo del texto bsico podemos darnos cuenta que si hacemos una estimacin (modelo)
de dos series que son I (1) el resultado puede ser una serie I (0) es decir cointegrada.
Regresin con dos series no estacionarias.

A partir de la estimacin anterior debemos
encontrar los errores que es la diferencia entre lo
real y lo estimado con la ecuacin.
A la serie resultante debemos aplicar las pruebas y
si es estacionaria podemos decir que las series
estn cointegradas.
8.2. Correccin de errores (ECM) cointegracin y mecanismo.

Demostrada la cointegracin, es decir existe una relacin de equilibrio de largo plazo entre las variables,
esto no garantiza equilibrio en el corto plazo, por ello el error encontrado (
) en la cointegracin se lo
considera como el trmino de error de equilibrio. En consecuencia el mtodo de correccin de errores
de Engel y Granger corrige el desequilibrio en el corto plazo. En la prctica lo realizaremos de la siguiente
manera:
LARGO PLAZO
Series no estacionarias
TRMINO DE
Estacionaria
ERROR
CORTO PLAZO
Estimacin de las series de largo plazo

pero en diferencias (estacionarias), se
incluye la serie del trmino de error
rezagada en un periodo y la variable
estocstica.
En general el mecanismo es sencillo de aplicar se debe tener cuidado en los detalles de trabajo, hacemos
hincapi en lo siguiente:

Es el mecanismo para pasar del largo plazo al corto plazo garantizando que no se generen
desequilibrios.
En el modelo de corto plazo se utilizarn las mismas series que cointegraron, no se pueden
incorporar otras series.
Las series no estacionarias se deben diferenciar el nmero de veces que sea necesario para que
sean estacionarias en diferencias y poderlas trabajar en el corto plazo
El error (serie de errores) del largo plazo se incorporan en la ecuacin de corto plazo rezagada en
un periodo.
El coeficiente de error debe ser estadsticamente diferente de cero.
65
SEGUNDO BIMESTRE
Con el mecanismo de correccin de errores terminamos el estudio de la econometra dinmica y modelos

de simulacin, es necesario recalcar que est es la base para que usted pueda avanzar en el estudio de
mecanismos de correccin ms modernos.
Finalmente lo invitamos a que desarrolle la autoevaluacin que a continuacin le proponemos. Esto le
servir como estrategia para reforzar los temas en los que tenga mayor dificultad.
66
SEGUNDO BIMESTRE
Autoevaluacin 8
1.()
Como la varianza y la covarianza estn medidas en las mismas unidades, la funcin de

autocorrelacin es un nmero sin unidad de medida.
2.()
El modelo de caminata aleatoria es un ejemplo de serie de tiempo no estacionaria.
3.()
En economa, la dependencia de una variable Y respecto de otra u otras variables X

raramente es instantnea.
4.()
En las transformaciones de Koych la presencia de la Y rezagada viola uno de los

supuestos en los cuales se basa la prueba d de Durbin Watson.
5.()
La econometra de series de tiempo, es una de las reas ms activas de la investigacin

economtrica.
6.()
La estimacin de los modelos de Koych y de expectativas adaptativas mediante el

procedimiento usual de MCO produce resultados erroneos.
7.()
La longitud del rezago es un asunto, bsicamente, emprico.
8.()
La prueba de Durbin - Watson de la regresin cointegrada es uno de los mtodos para

probar cointegracin.
9.()
El MCE es la forma para pasar del largo plazo al corto plazo garantizando que no se
generen desequilibrios.
10.()
Las pruebas para la estacionariedad deben efectuarse despus que las de causalidad.
la presente gua.
67
SOLUCIONARIO
7. Solucionario
PRIMER BIMESTRE
Autoevaluacin 1
68
Pregunta
Respuesta
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
SOLUCIONARIO
Autoevaluacin 2
Pregunta
Respuesta
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
69
SOLUCIONARIO
Autoevaluacin 3
70
Pregunta
Respuesta
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
SOLUCIONARIO
Autoevaluacin 4
Pregunta
Respuesta
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
71
SOLUCIONARIO
SEGUNDO BIMESTRE
Autoevaluacin 5
72
Pregunta
Respuesta
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
SOLUCIONARIO
Autoevaluacin 6
Pregunta
Respuesta
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
73
SOLUCIONARIO
Autoevaluacin 7
74
Pregunta
Respuesta
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
SOLUCIONARIO
Autoevaluacin 8
Pregunta
Respuesta
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
LFMM/jclg/2013-08-29/75
75

Econometria III

Caricato da

Informazioni sul documento

Descrizione originale:

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Econometria III

Caricato da

Copyright:

Formati disponibili

Departamento de Economa

Seccin Mtodos Cuantitativos

MSc. Luis Fabian Moncada Mora

5. Orientaciones generales para el estudio.............................................................................. 7

UNIDAD 1. MODELOS DE REGRESIN DE RESPUESTA CUALITATIVA........................................... 13

UNIDAD 2. MODELOS ECONOMTRICOS DINMICOS: MODELOS AUTORREGRESIVOS Y DE

UNIDAD 3. MODELOS DE ECUACIONES SIMULTNEAS................................................................... 36

UNIDAD 4. EL PROBLEMA DE LA IDENTIFICACIN......................................................................... 39

UNIDAD 5. PROBLEMAS DE IDENTIFICACIN.................................................................................. 46

UNIDAD 6. MTODOS DE ECUACIONES SIMULTNEAS................................................................... 51

UNIDAD 7. Econometra de series de tiempo............................................................................... 53

UNIDAD 8. PROCESOS ESTOCSTICOS INTEGRADOS...................................................................... 64

Gua didctica: Econometra III

UNIVERSIDAD TCNICA PARTICULAR DE LOJA

La Universidad Catlica de Loja

Gua didctica: Econometra III

Gujarati, D. (2010). Econometra. Mxico DF. Editorial McGraw Hill.

Moncada, L. (2013). Gua didctica Econometra III. Editorial UTPL.

Wooldridge, J. (2007). Introduccin a la econometra. Un enfoque moderno. Espaa: Thomson.

Manual de uso de Gretl, [en lnea] disponible en: http://sourceforge.net/projects/gretl/files/

UNIVERSIDAD TCNICA PARTICULAR DE LOJA

La Universidad Catlica de Loja

Gua didctica: Econometra III

5. Orientaciones generales para el estudio

Sugerencia de software para realizar estimaciones y pruebas economtricas. http://

UNIVERSIDAD TCNICA PARTICULAR DE LOJA

La Universidad Catlica de Loja

Gua didctica: Econometra III

6. Proceso de enseanza-aprendizaje para el logro de competencias

Pensamiento crtico y reflexivo

Compromiso e implicacin social

Desarrollar el pensamiento lgico para la aplicacin en aspectos econmicos y la

UNIVERSIDAD TCNICA PARTICULAR DE LOJA

La Universidad Catlica de Loja

UNIVERSIDAD TCNICA PARTICULAR DE LOJA

Analiza los instrumentos

3 Revisar el resumen, conceptos

2 Identificar los conceptos bsicos.

1 Lectura comprensiva de los

La Universidad Catlica de Loja

evaluacin a distancia del primer

1.6. Modelos Logit y probit

1.5. Modelo Probit

1.4. Modelo LOGIT.

1.3. Alternativas al MLP

1.2. Modelo lineal de

1.1. Naturaleza de los

Formular y optimizar sistemas

Utilizar las tecnologas de

COMPETENCIAS ESPECFICAS DEL

6.2. Planificacin para el trabajo del alumno

Evala los resultados

Descubre problemas y 8 horas de

Evala los resultados

Gua didctica: Econometra III

COMPETENCIAS ESPECFICAS DEL

Prepararse para la evaluacin

4.1. Notacin y definiciones.

3.1. Naturaleza de los

Identifica los conceptos

3 Revisar el resumen, conceptos

UNIVERSIDAD TCNICA PARTICULAR DE LOJA

Descubre problemas y sus