Modelo de Klein I

Modelo de Klein I
Consta de 6 ecuaciones:
Ct + a1 Bt + a2Wt1 + a2Wt 2 + a3 Bt 1 + b1 = u1t
I t + a5 Bt + a6 Bt 1 + a7 K t 1 + b2 = u2 t
Wt1 + a8 (Yt + Tt Wt 2 ) + a9 (Yt 1 + Tt 1 Wt 21 ) + a10t + b3 = u3t
Yt + Tt Ct I t Gt = 0
Bt + Wt1 + Wt 2 Yt = 0
K t K t 1 I = 0
con seis variables endgenas: C, B, W1, I, Y y K, siendo variables exgenas (incluyendo
prederterminadas): W2, B-1, K-1, T, Y-1, T-1, W2-1, t y G.
El modelo escrito en forma matricial estndar es,
1 a1
0 a
5
0 0
1 0
0 1
0 0
a2
0
1
0
1
0
0 0
1 0
0 a8
1 1
0 1
1 0
0 C a2
0 B 0
0 W 1 a8
+
0 I 0
0 Y 1

1 K 0
a3
a6
0
0
0
0
0 0
a7 0
0 a8
0 1
0 0
1 0
0
0
a9
0
0
0
0
0
a9
0
0
0
0
0
a9
0
0
0
0
0
a10
0
0
0
W 2

B
0 1
K
0 1
T
0
Y =u
1 1
T
0 12
W
0 1
t

G
expresin en las variables excluidas estn representadas por ceros. Contando los ceros
de cada ecuacin se puede verificar inmediatamente la condicin de orden de
identificabilidad. Como hay 6 ecuaciones, G 1 = 5, que ser por tanto en nmero
mnimo de variables excluidas para que una ecuacin concreta est identificada. Para las
tres primeras ecuaciones (las tres ltimas son identidades contables y no han de
estimarse), es inmediato ver que hay ms de 5 variables excluidas, siendo por tanto
ecuaciones sobreidentificadas.
Para analizar la condicin de orden, podemos escribir las matrices de los
coeficientes y, para cada ecuacin tratar de verificar si se cumple dicha condicin. Por
ejemplo, para la primera ecuacin tendramos:
1 a1
a2
0 0
1 0
0 a8
1 1
0 1
1 0
0 a2
0
0
0
0
1
a3
0 0
a7 0
0 a8
1 0
0 0
1 0
0
0
a9
0
0
0
0
0
a9
0
0
0
0
0
a9
0
0
0
0
0
a10
0
0
0
0
0
0
1
0
Eligiendo por ejemplo las 5 primeras filas, se tiene la matriz

1 0
0 a
8
1 1
0 1
1 0
0 a7 0
0 0 a8
0 1 0
0 0 0
1 1 0
cuyo determinante es a8+a7a8, distinto de cero, cumplindose la condicin de rango.

Klein estim el modelo con los siguientes datos,
obs
1920
1921
1922
1923
1924
1925
1926
1927
1928
1929
1930
1931
1932
1933
1934
1935
1936
1937
1938
1939
1940
1941
C
39.5
41.9
45
49.2
50.6
52.6
55.1
56.2
57.3
57.8
55
50.9
45.6
45.5
48.7
51.3
57.7
58.7
57.5
61.6
65
69.7
BE
12.7
12.4
16.9
18.4
19.4
20.1
19.6
19.8
21.1
21.7
15.6
11.4
7
11.2
12.3
14
17.6
17.3
15.3
19
21.1
23.5
WP
28.8
25.5
29.3
34.1
33.9
35.4
37.4
37.9
39.2
41.3
37.9
34.5
29
28.5
30.6
33.2
36.8
41
38.2
41.6
45
53.3
I
2.7
-0.2
1.9
5.2
3
5
5.6
4.2
3
5.1
1
-3.4
-6.2
-5.1
-3
-1.3
2.1
2
-1.9
1.3
3.3
4.9
COMPARACIN DE ESTIMACIONES
X
44.9
45.6
50.1
57.2
57.1
61
64
64.4
64.5
67
61.2
53.4
44.3
45.1
49.7
54.5
62.7
65
60.9
69.5
75.7
88.4
K
WG
182.8 2.2
182.6 2.7
184.5 2.9
189.7 2.9
192.7 3.1
197.8 3.2
203.4 3.3
207.6 3.6
210.6 3.7
215.7
4
216.7 4.2
213.3 4.8
207.1 5.3
202
5.6
199
6
197.7 6.1
199.8 7.4
201.8 6.7
199.9 7.7
201.2 7.8
204.5
8
209.4 8.5
T
3.4
7.7
3.9
4.7
3.8
5.5
7
6.7
4.2
4
7.7
7.5
8.3
5.4
6.8
7.2
8.30
6.7
7.4
8.9
9.6
11.6
G
2.4
3.9
3.2
2.8
3.5
3.3
3.3
4
4.2
4.1
5.2
5.9
4.9
3.7
4
4.4
2.9
4.3
5.3
6.6
7.4
13.8
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
Modelo
c1 = c(1) + c(2) * be + c(3) * be(-1) + c(4) * (wp + wg)
i = c(5) + c(6) * be + c(7) * be(-1) + c(8) * k1
wp = c(9) + c(10) * x + c(11) * x(-1) + c(12) * @trend
Estimaciones
C(1)
C(2)
C(3)
C(4)
C(5)
C(6)
C(7)
C(8)
C(9)
C(10)
C(11)
C(12)
MCO
Coeffi Std. Error
15.80283 1.303084
0.181705 0.091237
0.129914 0.090675
0.794297 0.039956
10.12579 5.465547
0.479636 0.097115
0.333039 0.100859
-0.111795 0.026728
0.045661 1.153766
0.439398 0.032467
0.146551 0.037492
0.129693 0.031960
MC2E
Coeffic Std. Error
15.98377 1.369667
0.075531 0.114378
0.205773 0.106123
0.803220 0.041857
15.36400 6.596783
0.309672 0.140819
0.479005 0.135727
-0.13552 0.031822
0.031262 1.155725
0.444965 0.037260
0.141290 0.041290
0.128337 0.032294
MC3E
Coeffic Std. Error
15.66165 1.226371
0.152427 0.093464
0.163748 0.088196
0.796265 0.036533
19.61204 5.646633
0.230333 0.122589
0.546195 0.118409
-0.155517 0.027223
0.090981 1.018599
0.410207 0.030179
0.171470 0.033064
0.153590 0.027747
EJERCICIOS DE JOHNSTON DINARDO

1. El modelo,
y1 = b12 y2 + c11 x1 + c12 x2 + u1

y2 = b21 y1t + c23 x3 + u2
genera la siguiente matriz de productos cruzados,

Y1
3.5
Y1
Y2
X1
X2
X3
Y2
3
11.5
X1
1
1
1
X2
1
3
0
1
Calcular,
a) Estimadores MCO de los parmetros de la forma reducida,
X3
0
4
0
1
2
b) Estimadores MCI de los parmetros de la primera ecuacin,

c) Estimadores MC2E de la segunda ecuacin
2. La ecuacin
y1 = b12 y2 + b13 y3 + c11 x1 + u1
pertenece a un modelo de tres ecuaciones con tres variables exgenas adicionales. Las
observaciones dan lugar a las siguientes matrices,
5
20 15
y ' y = 15 60 45
5 45 70
5
2 2 4
y ' x = 0 4 12 5
0 2 12 10
1
0
x'x =
0
0
2
0
0
0
0
4
0
0
0
0
Estudie su identificabilidad y, en su caso, utilice un mtodo de estimacin

apropiado.
3. Sea el modelo,
y1 + b12 y2 + c12 x2 + c13 x3 = u1
b21 y1 + y2 + c21 x1 + c24 x4 = u2
para una muestra de 100 observaciones, las matrices de productos cruzados son,
1 3 5
80 4
2
y'y=
y'x=
4 5
0.5 1.5 0.5 1
3
0
x'x=
0
0
2
0
0
0 0
0 0
1 0
0 0.5
estimar los parmetros estructurales de la segunda ecuacin y calcular sus errores

estndar.
(Universidad de Londres, 1979).

Modelo de Klein I

Cargado por

Copyright:

Formatos disponibles

Modelo de Klein I

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Modelo de Klein I

Cargado por

Copyright:

Formatos disponibles

Modelo de Klein I

Eligiendo por ejemplo las 5 primeras filas, se tiene la matriz

cuyo determinante es a8+a7a8, distinto de cero, cumplindose la condicin de rango.

EJERCICIOS DE JOHNSTON DINARDO

y1 = b12 y2 + c11 x1 + c12 x2 + u1

genera la siguiente matriz de productos cruzados,

b) Estimadores MCI de los parmetros de la primera ecuacin,

Estudie su identificabilidad y, en su caso, utilice un mtodo de estimacin

estimar los parmetros estructurales de la segunda ecuacin y calcular sus errores

También podría gustarte