“UNIVERSIDAD CENTRAL DEL ECUADOR”

FACULTAD DE CIENCIAS ECONÓMICAS

CARRERA DE ESTADÍSTICA
MODELOS ESTOCÁSTICOS II

“TALLER 3 ECUACIONES SIMULTÁNEAS”

INTEGRANTES:
 Nathaly Arcentales
 Araceli Ayala
 Diana Cáceres
 Jefferson Lema
 Carlos Sánchez

AULA: ISIP 1
2017

TALLER No. 3 ECUACIONES SIMULTÁNEAS

 1. Dado el modelo:

𝑌1𝑡 = 𝛼1 𝑌2𝑡 + 𝛼2 𝑌2𝑡 + 𝑢1𝑡

𝑌2𝑡 = 𝛽1 𝑌1𝑡 + 𝛽2 𝑋1𝑡 + 𝛽3𝑡 𝑋3𝑡 + 𝑢2𝑡

Se conoce también las sumas de los productos cruzados:

Y1t Y2t X1t X2t X3t

Y1t 3,2 4 3 2 2
Y2t 4 5 1 4 2
X1t 3 1 1 0 0
X2t 2 4 0 2 0
X3t 2 2 0 0 1
Se pide:
a) Identificar cada una de las ecuaciones del modelo, utilizando la condición de
rango.

 Condición de orden

M mM kM m* k* m*+k* R M-1 Conclusión

1 2 1 0 2 2 > 1 Sobre Identificada
2 2 2 0 1 1 = 1 Exactamente identificada

 Condición de rango

Y1t Y2t X1t X2t X3t

1 α1 0 α2 0
β1 1 β1 0 β3

 𝐴1 = [𝛽1 𝛽3 ] 𝑅(𝐴1) = 1 =(𝑀 − 1) = 1►Exactamente identificada

 𝐴2 = [𝛼2 ] 𝑅(𝐴2) = 1 =(𝑀 − 1) = 1 ►Exactamente identificada
 b) Explicar cuál método escogería para la estimación de los parámetros en cada
una de las ecuaciones, de entre: mínimos cuadrados ordinarios (MCO),
mínimos cuadramos indirectos (MCI) y mínimos cuadrados en dos etapas
(MC2E) basado en las propiedades estadísticas de las estimaciones.

Para la primera ecuación por estar sobreidentificada no se puede emplear MCI y de los
dos métodos restantes MCO y MC2E, que son ambos sesgados, sólo MC2E es
consistente, por tanto escogemos este último como método para la estimación de los
parámetros de la ecuación. En la segunda ecuación, por estar exactamente identificada, se
puede emplear MCI, MCO y MC2E, dado que los tres son sesgados, pero sólo son
consistentes MCI y MC2E MCO se vuelve a descartar, de entre los que quedan y sabiendo
que el resultado que se obtendrá será el mismo por ambos métodos, parece razonable
escoger MCI ya que resulta más sencillo de aplicar.

a) Estimar la forma reducida.

 𝒀𝟏𝒕 = 𝝅𝟏 𝑿𝟏𝒕 + 𝝅𝟐 𝑿𝟐𝒕 + 𝝅𝟑 𝑿𝟑𝒕

 𝒀𝟐𝒕 = 𝝅𝟏 𝑿𝟏𝒕 + 𝝅𝟐 𝑿𝟐𝒕 + 𝝅𝟑 𝑿𝟑𝒕

̂ = (𝑿′ 𝑿)−𝟏 𝑿′𝒀

𝝅

1 0 0 −1 1 0 0 3 1
(𝑋 ′ 𝑋) = [0 2 0] =[0 0,5 0] ′
𝑋 𝑌 = [2 4]
0 0 1 0 0 1 2 2

𝟑 𝟏
𝝅
̂= (𝑋 ′ −1 ′
𝑋) 𝑋 𝑌 = [𝟏 𝟐]
𝟐 𝟐

 𝒀𝟏𝒕 = 𝟑𝑿𝟏𝒕 + 𝑿𝟐𝒕 + 𝟐𝑿𝟑𝒕

 𝒀𝟐𝒕 = 𝑿𝟏𝒕 + 𝟐𝑿𝟐𝒕 + 𝟐𝑿𝟑𝒕
 b) Estimar los parámetros de ambas ecuaciones por los métodos anteriormente
elegidos.
El estimador MC2E es:

−𝟏
̂ 𝟏𝒁
𝑴𝑪𝟐𝑬 = (𝒁′ ̂ 𝟏 ) 𝒁′̂ 𝟏 𝒀𝟏 𝒄𝒐𝒏 𝒁
̂ 𝟏 = (𝒀
̂ 𝟐𝑿
̂ 𝟐)

Donde 𝑌̂2 es la estimación obtenida en la tabla anterior.

̂ 𝟏𝒁
𝒁′ ̂𝟏 ̂𝟐
𝒀 ̂𝟐
𝑿 ̂ 𝟏 𝒀𝟏
𝒁′ 𝒀𝟏
̂𝟐
𝒀′ 13 4 ̂𝟐
𝒀′ 11
̂
𝑿′𝟐 4 2 𝑿′𝟐 2

13 4 −1 11
𝛿ℎ,𝑀𝐶2𝐸 = [ ] [ ]
4 2 2

0.2 −0.4 11
𝛿ℎ,𝑀𝐶2𝐸 = [ ][ ]
−0.4 1.3 2

1.4
𝛿ℎ,𝑀𝐶2𝐸 = [ ]
−1.8

̂ 𝟏𝒕 = 𝟏. 𝟒 𝒀𝟐𝒕 + 𝟏. 𝟖𝑿𝟐𝒕
𝒀

Estimadores mediante MCI:

3 1 𝛽2
𝛽1
[1 2 ] [ ] = − [ 0 ]
−1 𝛽3
2 2

̂ 𝟐𝒕 = 𝟐𝒀𝟏𝒕 − 𝟓𝑿𝟏𝒕 − 𝟐𝑿𝟑𝒕

𝒀

2. Considerar el siguiente modelo:

𝐃𝐞𝐦𝐚𝐧𝐝𝐚: 𝜷𝟏𝟏 𝑷𝒕 + 𝜷𝟏𝟐 𝒒𝒕 = 𝜸𝟏𝟏 𝑿𝟏𝒕 + 𝜸𝟏𝟐 𝑿𝟐𝒕 + 𝝁𝟏𝒕

𝐎𝐟𝐞𝐫𝐭𝐚: 𝜷𝟐𝟏 𝑷𝒕 + 𝜷𝟐𝟐 𝒒𝒕 = 𝜸𝟐𝟏 𝑿𝟏𝒕 + 𝜸𝟐𝟐 𝑿𝟐𝒕 + 𝝁𝟐𝒕

Bajo el supuesto de que las 𝜇𝑡 se distribuyen normal e independientemente con vector de

medias cero y matriz varianza y covarianza Σ, obtener la identificación (con la condición
de orden y de rango) de las relaciones del modelo bajo las siguientes condiciones:
 𝛽12 𝑞𝑡 = −𝛽11 𝑃𝑡 + 𝛾11 𝑋1𝑡 + 𝛾12 𝑋2𝑡 + 𝜇1𝑡
𝛽22 𝑞𝑡 = −𝛽21 𝑃𝑡 + 𝛾21 𝑋1𝑡 + 𝛾22 𝑋2𝑡 + 𝜇2𝑡

a) 𝜸𝟏𝟏 = 𝜸𝟏𝟐 = 𝟎

𝛽12 𝑞𝑡 = −𝛽11 𝑃𝑡 + 𝜇1𝑡

𝛽22 𝑞𝑡 = −𝛽21 𝑃𝑡 + 𝛾21 𝑋1𝑡 + 𝛾22 𝑋2𝑡 + 𝜇2𝑡

a) Clasificación de las variables del modelo según su naturaleza.

 Variables endógenas: 𝑞𝑡 , 𝑃𝑡
 Variables Exógenas: 𝑋1𝑡 , 𝑋2𝑡
 Ecuaciones: 2

b) Identificación de cada una de las ecuaciones utilizando las condiciones de orden

y de rango.

- Condición de Orden:

M mn kn m* k* m*+k* R M-1 Conclusión

1 2 0 0 2 2 > 1 Sobre identificada
2 2 2 0 0 0 < 1 Subidentificada

- Condición de Rango:

M Q P X1t X2t
1 𝛽12 −𝛽11 0 0
2 𝛽22 −𝛽21 𝑃𝑡 𝛾21 𝛾22

A1= [𝛾21 𝛾22 ] = Rango 1

A2= 0 = Rango 0
 Ecuación R M-1 Conclusión
1 1 = 1 Exactamente identificada
2 0 < 1 Subidentificada

b) 𝜸𝟐𝟏 = 𝜸𝟏𝟏 = 𝟎

𝛽12 𝑞𝑡 = −𝛽11 𝑃𝑡 + 𝛾12 𝑋2𝑡 + 𝜇1𝑡

𝛽22 𝑞𝑡 = −𝛽21 𝑃𝑡 + 𝛾22 𝑋2𝑡 + 𝜇2𝑡

a. Clasificación de las variables del modelo según su naturaleza.

 Variables endógenas: 𝑞𝑡 , 𝑃𝑡
 Variables Exógenas: 𝑋2𝑡
 Ecuaciones: 2

b. Identificación de cada una de las ecuaciones utilizando las condiciones de orden

y de rango.

- Condición de Orden:

M mn kn m* k* m*+k* R M-1 Conclusión

1 2 1 0 1 1 = 1 Exactamente identificada
2 2 1 0 1 1 = 1 Exactamente identificada

- Condición de Rango:

M Q P X1t X2t
1 𝛽12 −𝛽11 0 𝛾12
2 𝛽22 −𝛽21 0 𝛾22

No se pueden sacar submatrices

c) 𝜸𝟏𝟏 = 𝟎

𝛽12 𝑞𝑡 = −𝛽11 𝑃𝑡 + 𝛾12 𝑋2𝑡 + 𝜇1𝑡

𝛽22 𝑞𝑡 = −𝛽21 𝑃𝑡 + 𝛾21 𝑋1𝑡 + 𝛾22 𝑋2𝑡 + 𝜇2𝑡

a. Clasificación de las variables del modelo según su naturaleza.

 Variables endógenas: 𝑞𝑡 , 𝑃𝑡
 Variables Exógenas: 𝑋1𝑡 , 𝑋2𝑡
 Ecuaciones: 2

b. Identificación de cada una de las ecuaciones utilizando las condiciones de orden

y de rango.

- Condición de Orden:

M mn kn m* k* m*+k* R M-1 Conclusión

1 2 1 0 1 1 = 1 Exactamente identificada
2 2 2 0 0 0 < 1 Sub identificada

- Condición de Rango:

M Q P X1t X2t
1 𝛽12 −𝛽11 0 𝛾12
2 𝛽22 −𝛽21 𝛾21 𝛾22

A1= 𝛾21 = Rango 1

A2= 0 = Rango 0

Ecuación R M-1 Conclusión

1 1 = 1 Exactamente identificada
2 0 < 1 Sub identificada
d) 𝜷𝟐𝟏 = 𝜸𝟐𝟏 = 𝟎

𝛽12 𝑞𝑡 = −𝛽11 𝑃𝑡 + 𝛾11 𝑋1𝑡 + 𝛾12 𝑋2𝑡 + 𝜇1𝑡

𝛽22 𝑞𝑡 = 𝛾22 𝑋2𝑡 + 𝜇2𝑡

a. Clasificación de las variables del modelo según su naturaleza.

 Variables endógenas: 𝑞𝑡 , 𝑃𝑡
 Variables Exógenas: 𝑋1𝑡 , 𝑋2𝑡
 Ecuaciones: 2

b. Identificación de cada una de las ecuaciones utilizando las condiciones de

orden y de rango.

- Condición de Orden:

M mn kn m* k* m*+k* R M-1 Conclusión

1 2 2 0 0 0 < 1 Sub identificada
2 1 1 1 1 2 > 1 Sobre identificada

- Condición de Rango:

M Q P X1t X2t
1 𝛽12 −𝛽11 𝛾11 𝛾12
2 𝛽22 0 0 𝛾22

A1= 0 = Rango 0
A2=𝛾11 𝛾12 = Rango 1

Ecuación R M-1 Conclusión

1 0 < 1 Sub identificada
2 2 > 1 Sobre identificada
 e) ¿Qué método de estimación utilizaría en cada caso?
 𝜸𝟏𝟏 = 𝜸𝟏𝟐 = 𝟎
MCO y MC2E en la primera ecuación.
La segunda ecuación no se puede estimar debido a que esta subestimada

 𝜸𝟐𝟏 = 𝜸𝟏𝟏 = 𝟎
No se puede estimar debido a que esta subestimada

 𝜸𝟏𝟏 = 𝟎
MCI, MCO y MC2E en la primera ecuación.
La segunda ecuación no se puede estimar debido a que esta subestimada

 𝜷𝟐𝟏 = 𝜸𝟐𝟏 = 𝟎
La primera ecuación no se puede estimar debido a que esta subestimada
MCO y MC2E en la segunda ecuación.

3. Considerar el siguiente modelo de relaciones simultáneas:

𝒚𝟏𝒕 = 𝑩𝟏𝒕 𝒚𝟐𝒕 + ɣ𝟏𝒕 𝑿𝟏𝒕 + 𝑼𝟏𝒕

𝒚𝟐𝒕 = 𝑩𝟐𝟏 𝒚𝟏𝒕 + ɣ𝟐𝟐 𝑿𝟐𝒕 + ɣ𝟐𝟑 𝑿𝟑𝒕 + 𝑼𝟐𝒕

Siendo y1 e y2 las variables endógenas y X1, X2 y X3 las variables exógenas, medidas

en desviaciones a la media.

a) Analice las condiciones de identificabilidad de las ecuaciones y determine el

método de estimación adecuado en cada una de ellas.

 Y1 y Y2 = Variables endógenas
 X1, x2, X3 = Variables exógenas
 Condición de orden

M 𝒎𝒏 𝑹𝒏 𝒎∗ 𝑲∗ M+k R M-1 Condición

1 2 1 0 2 2 > 1 Sobre identificada
2 2 2 0 1 1 = 1 Exactamente identificada

Condición de rango

M Y1 Y2 X1 X2 X3
1 1 𝑩𝟏 ɣ11 0 0
2 𝑩𝟐 1 0 ɣ22 ɣ23

|A|≠ 0, Por lo que decimos que la ecuación de igual manera está identificada

[ɣ𝟐𝟐 ɣ𝟐𝟑 ] = 𝟏 𝑹 = 𝟏 Están exactamente identificada.

[ɣ𝟏𝟏 ] = 𝟏 𝑹 = 𝟏 Están exactamente identificada.

 La primera ecuación esta sobre identificada y podemos estimar por los MC2E
 La segunda ecuación esta exactamente identificada y podemos estimar mediante
el MC2E y por el MCI.

4. Determine si estas afirmaciones son ciertas o no:

a) En un modelo de ecuaciones simultáneas es mejor incluir el mayor número de

variables exógenas posibles. F
b) Los estimadores por mínimos cuadrados indirectos y por mínimos cuadrados en
dos etapas son siempre idénticos. V
c) Una variable puede ser endógena en una ecuación y exógena en otra. V
d) Si el R2 de la estimación por mínimos cuadrados en dos etapas es negativo o muy
pequeño y el R2 de la estimación por MCO es muy alto, se puede concluir que algo
está funcionando mal en la especificación del modelo o en la identificación de
dicha ecuación. V
e) Algunos sistemas de ecuaciones simultáneas pueden ser estimados por MCO. V
5. Plantee la forma estructural del modelo de ecuaciones simultáneas que se
expone a continuación:

• La oferta de trabajo (Lt) es función de la tasa salarial (wt) y la renta no

salarial (It)
Lt = ẞ0+ẞ1Wt+ẞ2It+µt

• La tasa salarial (wt) es función de la productividad (Pt) y la oferta de trabajo

(Lt)
Wt= ẞ0+ ẞ1Pt+ ẞ2It+µt

• La productividad (Pt) es función del nivel educativo (Nt)

Pt = ẞ0+ẞ1Nt

• La renta no salarial (It) y el nivel educativo (Nt) son variables exógenas

It≡ Nt

6. Estime por MC2E el modelo de ecuaciones simultáneas siguiente para la

economía ecuatoriana de 1980 a 2016. Aplique el test de Hausman para detectar
endogeneidad.

Donde:
 Ct es el consumo
 It es la Formación Bruta de Capital
 Yt es la renta
 Tt son los impuestos

 Variables endógenas: Ct, Yt, It

 Variables exógenas: Ct-1, Tt, Yt-1
 Datos

AÑO FBK Renta (% Consumo Impuestos PIB Renta $

PIB)
1980 3.370.086 10,14 13.467.991 1.838.650 17.872.943 1.812.524
1981 4.153.501 7,03 16.318.237 1.580.359 21.800.312 1.532.929
1982 4.031.301 4,88 16.202.205 1.455.065 19.920.300 972.685
1983 2.677.620 8,00 13.559.525 1.149.386 17.144.261 1.371.298
1984 2.703.015 8,26 13.442.998 1.191.777 16.904.408 1.397.071
1985 2.877.397 8,61 13.267.544 1.238.964 17.140.874 1.476.454
1986 2.954.472 3,91 11.982.617 1.274.291 15.306.803 599.094
1987 3.037.002 5,08 11.372.757 1.273.209 13.938.747 708.553
1988 2.687.459 6,13 10.246.102 1.305.834 13.045.630 799.693
1989 2.862.321 8,63 10.754.257 1.308.557 13.884.170 1.197.886
1990 2.788.455 11,48 11.423.091 1.703.592 15.231.973 1.748.838
1991 3.108.025 5,77 12.871.214 2.092.487 16.980.041 980.566
1992 3.185.933 6,47 13.359.351 2.185.379 18.085.191 1.170.572
1993 3.476.071 5,87 15.526.168 2.015.152 18.929.248 1.111.287
1994 4.044.865 5,51 18.596.331 2.161.916 22.697.319 1.249.698
1995 4.232.780 6,30 20.394.359 2.201.740 24.420.668 1.539.425
1996 4.224.185 7,71 20.456.272 2.320.443 25.213.780 1.943.679
1997 4.804.023 5,96 22.979.551 2.696.334 28.147.972 1.677.350
1998 5.284.859 2,90 23.385.518 3.220.718 27.967.906 811.715
1999 3.270.763 6,58 15.083.502 3.572.990 19.635.450 1.292.260
2000 3.483.242 14,56 13.543.108 1.871.043 18.318.601 2.667.710
2001 4.661.579 8,00 20.051.882 1.971.797 24.468.324 1.956.916
2002 5.906.605 7,17 23.606.958 2.234.446 28.548.945 2.046.455
2003 6.240.683 8,13 26.742.603 2.097.779 32.432.858 2.635.339
2004 7.209.125 12,14 29.770.074 2.250.073 36.591.661 4.441.108
2005 8.476.753 16,53 32.884.561 2.325.190 41.507.085 6.861.555
2006 9.759.712 17,44 35.842.793 2.332.631 46.802.044 8.164.174
2007 10.593.947 15,60 38.775.487 2.496.874 51.007.777 7.959.149
2008 13.818.514 17,45 45.298.051 2.746.374 61.762.635 10.777.706
2009 14.257.689 8,12 47.494.560 2.206.222 62.519.686 5.079.416
2010 17.127.889 10,87 53.193.172 2.210.361 69.555.367 7.558.869
2011 20.470.786 15,44 58.748.321 2.491.976 79.276.664 12.236.887
2012 23.707.838 13,56 64.735.024 2.617.903 87.924.544 11.922.319
2013 26.211.660 12,35 70.265.165 2.624.037 95.129.659 11.752.533
2014 27.702.468 10,79 74.999.440 2.466.114 102.292.260 11.041.512
2015 26.359.701 3,86 76.267.509 1.985.951 100.176.808 3.865.396
2016 23.026.212 0,00 75.154.200 1.805.491 97.802.211 0
Estimación de la Forma Reducida

1. Correr el modelo en relación a cada variable dependiente en función de las

variables exógenas y obtener el instrumento para cada ecuación.

Dependent Variable: CONS

Method: Least Squares
Date: 02/06/18 Time: 22:44
Sample(adjusted): 1981 2016
Included observations: 36 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 0.966011 1.687504 0.572449 0.5710
Y(-1) -0.004549 0.001451 -3.133960 0.0037
CONS(-1) 1.032419 0.023897 43.20306 0.0000
IMP 0.223742 0.810140 0.276177 0.7842
R-squared 0.987033 Mean dependent var 29.96056
Adjusted R-squared 0.985818 S.D. dependent var 21.29094
S.E. of regression 2.535538 Akaike info criterion 4.803128
Sum squared resid 205.7265 Schwarz criterion 4.979074
Log likelihood -82.45630 F-statistic 811.9478
Durbin-Watson stat 1.272780 Prob(F-statistic) 0.000000

Posteriormente a esto obtenemos el instrumento con el comando Forecast:

Para la segunda ecuación realizo el mismo procedimiento:

Dependent Variable: FBK
Method: Least Squares
Date: 02/06/18 Time: 22:49
Sample(adjusted): 1981 2016
Included observations: 36 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C -1.487240 1.072987 -1.386075 0.1753
Y(-1) -0.000663 0.000923 -0.718295 0.4778
 CONS(-1) 0.396218 0.015195 26.07610 0.0000
IMP -0.410547 0.515121 -0.796991 0.4313
R-squared 0.963307 Mean dependent var 8.761111
Adjusted R-squared 0.959867 S.D. dependent var 8.047596
S.E. of regression 1.612203 Akaike info criterion 3.897519
Sum squared resid 83.17431 Schwarz criterion 4.073465
Log likelihood -66.15534 F-statistic 280.0299
Durbin-Watson stat 0.783770 Prob(F-statistic) 0.000000

Estimación del Modelo por MC2E

1. Se estima la forma estructural sustituyendo fbk y cons por sus estimaciones de la

forma reducida (fbkf y consf). Se realiza el ejercicio para la ecuación de consumo.

Dependent Variable: CONS

Method: Least Squares
Date: 02/07/18 Time: 00:42
Sample(adjusted): 1981 2016
Included observations: 36 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 7.022105 4.137281 1.697275 0.0994
FBKF 3.306423 1.965079 1.682590 0.1022
CONS(-1) -0.257361 0.783548 -0.328456 0.7447
IMP(-1) 0.597706 1.076787 0.555082 0.5827
R-squared 0.984381 Mean dependent var 29.96056
Adjusted R-squared 0.982916 S.D. dependent var 21.29094
S.E. of regression 2.782826 Akaike info criterion 4.989250
Sum squared resid 247.8119 Schwarz criterion 5.165197
Log likelihood -85.80651 F-statistic 672.2447
Durbin-Watson stat 1.116624 Prob(F-statistic) 0.000000
Como se puede observar Durbin-Watson es 1,11 por lo que existe autocorrelación serial
de orden 1 en el modelo, y por lo tanto se debe corregir mediante los comandos MA(1) y
AR(1).

Dependent Variable: CONS

Method: Least Squares
Date: 02/07/18 Time: 00:43
Sample(adjusted): 1982 2016
Included observations: 35 after adjusting endpoints
Convergence not achieved after 100 iterations
Backcast: 1981
Variable Coefficient Std. Error t-Statistic Prob.
C 972.1656 78586.54 0.012371 0.9902
FBKF 2.481115 1.222979 2.028748 0.0518
CONS(-1) -0.403487 0.435108 -0.927325 0.3614
IMP(-1) -3.052647 1.098254 -2.779547 0.0095
AR(1) 0.999338 0.062789 15.91578 0.0000
MA(1) 0.180235 0.273137 0.659870 0.5145
R-squared 0.989924 Mean dependent var 30.35034
Adjusted R-squared 0.988187 S.D. dependent var 21.47106
S.E. of regression 2.333666 Akaike info criterion 4.687563
Sum squared resid 157.9339 Schwarz criterion 4.954194
Log likelihood -76.03235 F-statistic 569.8232
Durbin-Watson stat 1.891132 Prob(F-statistic) 0.000000
Inverted AR Roots 1.00
Inverted MA Roots -.18

Con la respectiva corrección se puede observar que el valor de Durbin está próximo a 2
por lo que la autocorrelación se corrige.

Para la ecuación de inversión se procede a realizar un procedimiento similar:

Dependent Variable: FBK
Method: Least Squares
Date: 02/07/18 Time: 00:46
Sample(adjusted): 1981 2016
Included observations: 36 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C -4.951827 0.987650 -5.013746 0.0000
CONSF 0.368414 0.021680 16.99348 0.0000
Y(-1) 0.001278 0.001480 0.863646 0.3940
R-squared 0.907449 Mean dependent var 8.761111
Adjusted R-squared 0.901840 S.D. dependent var 8.047596
S.E. of regression 2.521357 Akaike info criterion 4.767127
Sum squared resid 209.7890 Schwarz criterion 4.899087
Log likelihood -82.80828 F-statistic 161.7796
Durbin-Watson stat 0.297631 Prob(F-statistic) 0.000000

Para corregir la autocorrelación:

 Dependent Variable: FBK
Method: Least Squares
Date: 02/07/18 Time: 00:47
Sample(adjusted): 1982 2016
Included observations: 35 after adjusting endpoints
Convergence achieved after 15 iterations
Backcast: 1981
Variable Coefficient Std. Error t-Statistic Prob.
C -4.544100 2.838311 -1.600987 0.1199
CONSF 0.340793 0.054929 6.204210 0.0000
Y(-1) 0.000265 0.000417 0.635427 0.5300
AR(1) 0.796454 0.121464 6.557132 0.0000
MA(1) 0.481533 0.181416 2.654306 0.0126
R-squared 0.982255 Mean dependent var 8.892771
Adjusted R-squared 0.979889 S.D. dependent var 8.125652
S.E. of regression 1.152332 Akaike info criterion 3.253016
Sum squared resid 39.83608 Schwarz criterion 3.475209
Log likelihood -51.92779 F-statistic 415.1491
Durbin-Watson stat 1.509875 Prob(F-statistic) 0.000000
Inverted AR Roots .80
Inverted MA Roots -.48

El test de Hausman para detectar endogeneidad

Se debe tener en cuenta que V1 y V2 son los residuos de la estimación por M.C.O. de la
forma reducida de la primera y segunda ecuación respectivamente.

Dependent Variable: CONS

Method: Least Squares
Date: 02/07/18 Time: 00:49
Sample(adjusted): 1981 2016
Included observations: 36 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 11.17123 4.33E-12 2.58E+12 0.0000
FBKF 6.861851 2.31E-12 2.97E+12 0.0000
CONS(-1) -1.686366 9.22E-13 -1.83E+12 0.0000
IMP 3.040854 1.22E-12 2.49E+12 0.0000
V1 1.000000 1.87E-13 5.36E+12 0.0000
R-squared 1.000000 Mean dependent var 29.96056
Adjusted R-squared 1.000000 S.D. dependent var 21.29094
S.E. of regression 2.68E-12 Akaike info criterion -50.32657
Sum squared resid 2.22E-22 Schwarz criterion -50.10664
Log likelihood 910.8783 F-statistic 5.54E+26
Durbin-Watson stat 2.080210 Prob(F-statistic) 0.000000
Prueba de relevancia

1. Planteamiento de hipótesis:

 Ho: V=0: No existe endogeneidad en el modelo.

 Ha: V≠0: Existe endogeneidad en el modelo.

2. Nivel de significancia:

α =0,05

3. Tc=1 < 2 -------> RHo

4. Decisión: 1 es menor que 2, por lo que no es estadísticamente significativo, dando

la conclusión de que se acepta la hipótesis nula que el modelo no presenta
endogeneidad.

Dependent Variable: FBK

Method: Least Squares
Date: 02/07/18 Time: 00:51
Sample(adjusted): 1983 2016
Included observations: 34 after adjusting endpoints
Convergence achieved after 39 iterations
Backcast: OFF (Roots of MA process too large for backcast)
Variable Coefficient Std. Error t-Statistic Prob.
C -4.001331 2.553880 -1.566765 0.1284
CONSF 0.327264 0.050269 6.510267 0.0000
Y(-1) 0.000206 0.000224 0.920913 0.3650
V3 0.296704 0.052203 5.683673 0.0000
AR(1) 0.804147 0.105929 7.591363 0.0000
MA(1) 1.260509 0.228708 5.511441 0.0000
R-squared 0.993829 Mean dependent var 9.035765
Adjusted R-squared 0.992727 S.D. dependent var 8.203029
S.E. of regression 0.699546 Akaike info criterion 2.282015
Sum squared resid 13.70221 Schwarz criterion 2.551372
Log likelihood -32.79425 F-statistic 901.9278
Durbin-Watson stat 1.190774 Prob(F-statistic) 0.000000
Inverted AR Roots .80
Inverted MA Roots -1.26
Estimated MA process is noninvertible

Prueba de relevancia

1. Planteamiento de hipótesis:

 Ho: V=0: No existe endogeneidad en el modelo.

 Ha: V≠0: Existe endogeneidad en el modelo.
 2. Nivel de significancia:

α =0,05

3. Tc=0,29 < 2 -------> AHo

4. Decisión: 0,29 es menor que 2, por lo que no es estadísticamente significativo,

dando la conclusión de que se acepta la hipótesis nula que el modelo no presenta
endogeneidad.

7. Se requiere estimar el comportamiento del consumo y de la inversión, bajo el

supuesto de una economía cerrada y con sector público para la economía
ecuatoriana, a partir de la siguiente especificación que proporciona el siguiente
sistema de ecuaciones simultáneas:

Ct 0 1 Yt 1 1t
Donde:
 C = Gasto en Consumo
It 0 Y
1 t
(CPRIV)
2Gt 1 2t  I = Gasto en Inversión (INV)
 G = Gasto Público
Yt Ct It Gt (GP)
 Y = Renta
 OBS CPRIV GP INV Y
1980 13379144 2155007 5308146 20512121
1981 14061480 2247673 5188695 21465753
1982 15228583 2364552 5938768 23215030
1983 16416412 2515883 6653744 25023181
1984 17253649 2749860 7318783 26429127
1985 17564215 2892853 6984765 26572397
1986 18547811 3092460 6914683 27450289
1987 18826028 3213066 6656833 28229612
1988 18995463 3386571 6291667 28646478
1989 19242404 3528807 6154289 28654512
1990 19357858 3677017 6315249 29027187
1991 19113239 3805891 5820194 28975987
1992 19092135 4006874 6073952 29429760
1993 19146636 4162332 6005081 30082958
1994 19106333 4263698 5658061 30524354
1995 19781170 4498034 5749522 31321697
1996 20437730 4740221 6458777 32323992
1997 21621852 5159905 7424716 34147515
1998 22683719 5368137 8563834 35910027
1999 23965871 5813462 9683538 37611409
2000 24838577 6197776 10315758 39018297
2001 25556381 6543696 10434343 39903175
2002 26121790 6808095 10023811 40177443
2003 25542800 6971511 8616699 39709990
2004 25780800 6948050 8931782 40592263
2005 26200600 7072000 9723146 41699590
2006 26708448 7079853 9788200 42646237
2007 27523456 7131334 10089615 44098494

Con la información anterior resuelva:

a) Identificación de cada una de las ecuaciones utilizando las condiciones de

orden y de rango

Variables endógenas Variables exógenas

Ct Yt-1
It Gt-1
Yt
 Con la información anterior resuelva:

Condición de orden

M Variables Variables Variables Variables m*+k* R M-1 Conclusión Método

endógenas exógenas endógena exógenas
incluidas incluidas s excluidas
(mn) (kn) excluidas (k*)
(m*)
1 1 1 2 2 4 > 1 Sobreidentificada MC2E
2 2 1 1 2 3 > 1 Sobreidentificada MC2E

Condición de rango

M Ct It Yt Intercepto Yt-1 Gt-1

1 1 0 0 α0 α1 0
2 0 1 ẞ1 ẞ0 0 ẞ2

Submatrices

 A1=[1 β1 β2] → R(A1) = 3 3>1 por tanto esta ecuación está sobre
identificada

 A2=[1 α1] → R(A2) = 2 2>1 por tanto esta ecuación está

sobre identificada

b) Considerando el período muestral 1980-2007, realice la estimación del

modelo utilizando todos los métodos alternativos que sean posibles.

Al realizar la condición de orden se puede determinar la identidad de cada una de las

ecuaciones, siendo las dos ecuaciones exactamente identificadas por lo que para
estimar las ecuaciones simultáneas se debe usar MC2E.
 Estimación de ecuaciones simultaneas MCE2

𝐂𝐭 = 𝟐𝟕𝟗𝟓𝟖𝟒𝟓 + 𝟎. 𝟓𝟒𝟗 𝐘𝐭−𝟏

SEGUNDA ECUACION POR MC2E

𝐈𝐭 = 𝟎, 𝟏𝟒𝟒𝟐𝟗𝟓 + 𝟎. 𝟐𝟐𝟐𝟗𝟕𝟗 𝐘
Gráfico del consumo privado

Donde el escenario es la estimación del consumo privado (primera ecuación) por MC2E
y el (escenario 2) es la estimación del consumo privado en el modelo de las dos
ecuaciones.

Gráfico del gasto en inversión

Donde el escenario 1 es la estimación del gasto en inversión por MC2E y el escenario

2 es la estimación del gasto en inversión en el modelo de las dos ecuaciones.
 c) Realice la predicción para el consumo privado y el gasto de inversión y la
renta para los años 2008 y 2009, cuando Y2008 =45 millones de euros y G2008
=7,5 millones de euros, Compare gráficamente los resultados obtenidos

Para realizar dicha predicción se utilizará los métodos MC2E y MC3E para el sistema:

Gráfico del consumo privado por los dos métodos con los valores predecidos

Donde el escenario 2 predice los valores por el método de MC2E y el escenario 3 predice
los valores por el método de MC3E.
8. Los principales agregados macroeconómicos de una economía abierta pueden
relacionarse según el siguiente sistema de ecuaciones:

Donde:

 C = Consumo nacional
 IM= Importaciones de bienes y servicios
 Y = Producto interior bruto
 X = Exportaciones de bienes y servicios
 I = Inversión

Con relación con las variables anteriores se dispone de las observaciones, en millones de
pesetas constantes (base 1996), correspondientes al período 1980-2007 obtenidas de la
contabilidad nacional de España. Estos datos se presentan en el siguiente cuadro:

obs CONSUMO Y IMPORT EXPORT INV

1980 15534151 20512121 2555299 2225123 5308146

1981 16309153 21465753 2573186 2541091 5188695
1982 17593135 23215030 3198470 2881597 5938768
1983 18932295 25023181 3732615 3169757 6653744
1984 20003509 26429127 4031224 3138059 7318783
1985 20457068 26572397 3994943 3125507 6984765
1986 21640271 27450289 4386447 3281782 6914683
1987 22039094 28229612 4145193 3678878 6656833
1988 22382034 28642478 4103741 4072518 6291667
1989 22771211 28654512 4571567 4300579 6154289
1990 23034875 29027187 4722429 4399492 6315249
1991 22919130 28975987 4524724 4761387 5820194
1992 23099009 29429760 4740392 4997191 6073952
1993 23308968 30082958 4726167 5495076 6005081
1994 23370031 30524354 4641162 6137424 5658061
1995 24279204 31321697 5007143 6300114 5749522
1996 25177951 32323992 5729681 6416945 6458777
1997 26781757 34147515 6882020 6823062 7424716
1998 28051856 35910027 7874876 7169213 8563834
1999 29779333 37611409 9235495 7384033 9683538
2000 31036353 39018297 9955318 7621504 10315758
2001 32100077 39903175 10852323 8221078 10434343
2002 32929885 40177443 11604528 8828275 10023811
2003 32514311 39709990 11000606 9579586 8616699
 2004 32728850 40592263 12248685 11180316 8931782
2005 33272600 41699590 13594217 12298061 9723146
2006 33788301 42646237 14439861 13509597 9788200
2007 34654790 44098494 15897858 15251947 10089615

Con la información anterior resuelva:

c) Clasificación de las variables del modelo según su naturaleza.

 Variables endógenas: Ct, IMt, Yt,

 Variables Exógenas: Yt-1, Ct-1, It, Xt
 Ecuaciones: 2

d) Identificación de cada una de las ecuaciones utilizando las condiciones de orden y de

rango.

- Condición de Orden:

M mn kn m* k* m*+k* R M-1 Conclusión

1 2 1 1 3 4 > 1 Sobre identificada
2 2 2 1 2 3 > 1 Sobre identificada

- Condición de Rango:

M C IM Y Intercepto Yt-1 Ct-1 X I

1 1 0 α1 α0 α2 0 0 0
2 β1 1 0 β0 0 β2 β3 0

A1= |1 β2 β3| = Rango 2

A2= |𝛼1 𝛼2| = Rango 2

Ecuación A R M-1 Conclusión

1 2 > 1 Sobre identificada
2 2 > 1 Sobre identificada

e) Considerando el período muestral 1980-2004, realice la estimación del modelo

utilizando los siguientes métodos:

i) Estimación por MCI (si es posible)

No se puede realizar el método de Cuadrados Indirectos, pues las ecuaciones no están

exactamente identificadas.
ii) Estimación por MC2E

System: UNTITLED
Estimation Method: Two-Stage Least Squares
Date: 02/08/18 Time: 19:01
Sample: 1981 2004
Included observations: 24
Total system (balanced) observations 48
Instruments: C CONS(-1) Y(-1) E INV
Coefficient Std. Error t-Statistic Prob.
C(1) -2189948. 346685.8 -6.316810 0.0000
C(2) 0.492178 0.106252 4.632188 0.0000
C(3) 0.373769 0.104749 3.568224 0.0009
C(4) -7492511. 1419568. -5.278022 0.0000
C(5) 1.085421 0.302067 3.593313 0.0009
C(6) -0.601023 0.304638 -1.972907 0.0553
C(7) 0.225858 0.218370 1.034288 0.3071
Determinant residual covariance 2.15E+22
Equation: CONS= C(1)+C(2)*Y+C(3)*Y(-1)
Observations: 24
R-squared 0.997131 Mean dependent var 24718307
Adjusted R-squared 0.996857 S.D. dependent var 4942801.
S.E. of regression 277092.3 Sum squared resid 1.61E+12
Durbin-Watson stat 1.068351
Equation: IMP= C(4)+C(5)*CONS+C(6)*CONS(-1)+C(7)*E
Observations: 24
R-squared 0.948631 Mean dependent var 6186789.
Adjusted R-squared 0.940926 S.D. dependent var 2969474.
S.E. of regression 721737.0 Sum squared resid 1.04E+13
Durbin-Watson stat 0.209869

El modelo obtenido es el siguiente:

 CONS= -2189948.355+0.4921777032*Y+0.3737689745*Y (-1)

 IMP= -7492510.567+1.085420825*CONS-0.6010227096*CONS (-1)+0.2258579163*E

iii) Estimación por MC2E para cada ecuación

Primera ecuación:

Dependent Variable: CONS

Method: Two-Stage Least Squares
Date: 02/08/18 Time: 18:47
Sample(adjusted): 1981 2004
Included observations: 24 after adjusting endpoints
Instrument list: Y(-1) CONS(-1) INV E
Variable Coefficien Std. Error t-Statistic Prob.
t
C -2189948. 346685.8 -6.316810 0.0000
Y 0.492178 0.106252 4.632188 0.0001
Y(-1) 0.373769 0.104749 3.568224 0.0018
R-squared 0.997131 Mean dependent var 2471830
7
Adjusted R-squared 0.996857 S.D. dependent var 4942801.
S.E. of regression 277092.3 Sum squared resid 1.61E+1
2
F-statistic 3643.223 Durbin-Watson stat 1.068351
Prob(F-statistic) 0.000000

Segunda ecuación:

Dependent Variable: IMP

Method: Two-Stage Least Squares
Date: 02/08/18 Time: 18:51
Sample(adjusted): 1981 2004
Included observations: 24 after adjusting endpoints
Instrument list: Y(-1) CONS(-1) INV E
Variable Coefficien Std. Error t-Statistic Prob.
t
C -7492511. 1419568. -5.278022 0.0000
CONS 1.085421 0.302067 3.593313 0.0018
CONS(-1) -0.601023 0.304638 -1.972907 0.0625
E 0.225858 0.218370 1.034288 0.3133
R-squared 0.948631 Mean dependent var 6186789.
Adjusted R-squared 0.940926 S.D. dependent var 2969474.
S.E. of regression 721737.0 Sum squared resid 1.04E+1
3
F-statistic 124.2166 Durbin-Watson stat 0.209869
Prob(F-statistic) 0.000000
iv) Estimación por MC3E del modelo

System: MC2E
Estimation Method: Three-Stage Least Squares
Date: 02/08/18 Time: 19:07
Sample: 1981 2004
Included observations: 24
Total system (balanced) observations 48
Instruments: C CONS(-1) Y(-1) E INV
Coefficient Std. Error t-Statistic Prob.
C(1) -2171485. 324227.7 -6.697406 0.0000
C(2) 0.463256 0.098850 4.686455 0.0000
C(3) 0.402878 0.097430 4.135062 0.0002
C(4) -6864174. 1168695. -5.873366 0.0000
C(5) 1.060813 0.267623 3.963835 0.0003
C(6) -0.628004 0.276037 -2.275071 0.0282
C(7) 0.337004 0.174157 1.935057 0.0599
Determinant residual covariance 2.14E+22
Equation: CONS= C(1)+C(2)*Y+C(3)*Y(-1)
Observations: 24
R-squared 0.997095 Mean dependent var 24718307
Adjusted R-squared 0.996818 S.D. dependent var 4942801.
S.E. of regression 278822.9 Sum squared resid 1.63E+12
Durbin-Watson stat 1.105770
Equation: IMP= C(4)+C(5)*CONS+C(6)*CONS(-1)+C(7)*E
Observations: 24
R-squared 0.948360 Mean dependent var 6186789.
Adjusted R-squared 0.940614 S.D. dependent var 2969474.
S.E. of regression 723636.2 Sum squared resid 1.05E+13
Durbin-Watson stat 0.206487

El modelo obtenido es el siguiente:

 CONS= -2171484.542+0.4632560296*Y+0.4028780496*Y (-1)

 IMP= -6864174.238+1.060812745*CONS-0.6280038668*CONS (-1)+0.3370037861*E

f) A partir de las estimaciones anteriores y la información disponible hasta el 2007,

realice la predicción de las variables endógenas y represente gráficamente las
series observadas y ajustadas para cada uno de los métodos para dichas
variables.
CONSUMO

INVERSIÓN
 9. Un estudio macroeconómico ha considerado el siguiente modelo lineal de
ecuaciones simultáneas con relación a la economía española:

Las observaciones relativas a estas variables, medidas en millones de pesetas constantes

(base 1996), correspondientes al período 1980-2007, se presentan en el siguiente cuadro:

obs CPRIV INV IMP T Y G X

1980 13379144 5308146. 2555299. 90395.00 20512121 2155007. 2225123.
1981 14061480 5188695. 2573186. 109383.0 21465753 2247673. 2541091.
1982 15228583 5938768. 3198470. 127966.0 23215030 2364552. 2881597.
1983 16416412 6653744. 3732615. 162075.0 25023181 2515883. 3169757.
1984 17253649 7318783. 4031224. 201795.0 26429127 2749860. 3138059.
1985 17564215 6984765. 3994943. 264239.0 26572397 2892853. 3125507.
1986 18547811 6914683. 4386447. 339014.0 27450289 3092460. 3281782.
1987 18826028 6656833. 4145193. 448250.0 28229612 3213066. 3678878.
1988 18995463 6291667. 4103741. 619635.0 28646478 3386571. 4072518.
1989 19242404 6154289. 4571567. 794032.0 28654512 3528807. 4300579.
1990 19357858 6315249. 4722429. 1059045. 29027187 3677017. 4399492.
1991 19113239 5820194. 4524724. 1221110. 28975987 3805891. 4761387.
1992 19092135 6073952. 4740392. 1332632. 29429760 4006874. 4997191.
1993 19146636 6005081. 4726167. 1748055. 30082958 4162332. 5495076.
1994 19106333 5658061. 4641162. 2085574. 30524354 4263698. 6137424.
1995 19781170 5749522. 5007143. 2394446. 31321697 4498034. 6300114.
1996 20437730 6458777. 5729681. 2654960. 32323992 4740221. 6416945.
1997 21621852 7424716. 6882020. 3705326. 34147515 5159905. 6823062.
1998 22683719 8563834. 7874876. 4196568. 35910027 5368137. 7169213.
1999 23965871 9683538. 9235495. 5430572. 37611409 5813462. 7384033.
2000 24838577 10315758 9955318. 6018049. 39018297 6197776. 7621504.
2001 25556381 10434343 10852323 6604368. 39903175 6543696. 8221078.
2002 26121790 10023811 11604528 7344080. 40177443 6808095. 8828275.
2003 25542800 8616699. 11000606 7280030. 39709990 6971511. 9579586.
2004 25780800 8931782. 12248685 7412842. 40592263 6948050. 11180316
2005 26200600 9723146. 13594217 7994953. 41699590 7072000. 12298061
2006 26708448 9788200. 14439861 8544397. 42646237 7079853. 13509597
2007 27523456 10089615 15897858 9218000. 44098494 7131334. 15251947
 a. Identificación de cada una de las ecuaciones utilizando las condiciones de
orden y de rango

ENDÓGENAS EXÓGENAS

𝑪𝒕 = 𝑪𝒐𝒏𝒔𝒖𝒎𝒐 𝒑𝒓𝒊𝒗𝒂𝒅𝒐 𝒏𝒂𝒄𝒊𝒐𝒏𝒂𝒍 𝐶𝑡−1 = 𝐶𝑜𝑛𝑠𝑢𝑚𝑜 𝑛𝑎𝑐𝑖𝑜𝑛𝑎𝑙 𝑟𝑒𝑧𝑎𝑔𝑎𝑑𝑜

𝑰𝒕 = 𝑰𝒏𝒗𝒆𝒓𝒔𝒊ó𝒏 𝒑𝒓𝒊𝒗𝒂𝒅𝒂 𝒏𝒂𝒄𝒊𝒐𝒏𝒂𝒍 𝐼𝑀𝑡−1 = 𝐼𝑚𝑝𝑜𝑟𝑡𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑏𝑖𝑒𝑛𝑒𝑠 𝑦 𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜𝑠 𝑟𝑒𝑧𝑎𝑔𝑎𝑑𝑜
𝑻𝒕 = 𝑹𝒆𝒄𝒂𝒖𝒅𝒂𝒄𝒊ó𝒏 𝒅𝒊𝒓𝒆𝒄𝒕𝒂 𝐺𝑡 = 𝐺𝑎𝑠𝑡𝑜 𝑝ú𝑏𝑙𝑖𝑐𝑜
𝑰𝑴𝒕 = 𝑰𝒎𝒑𝒐𝒓𝒕𝒂𝒄𝒊𝒐𝒏𝒆𝒔 𝒅𝒆 𝒃𝒊𝒆𝒏𝒆𝒔 𝒚 𝒔𝒆𝒓𝒗𝒊𝒄𝒊𝒐𝒔 𝑋𝑡 = 𝐸𝑥𝑝𝑜𝑟𝑡𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑏𝑖𝑒𝑛𝑒𝑠 𝑦 𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜𝑠
𝒀𝒕 = 𝑷𝒓𝒐𝒅𝒖𝒄𝒕𝒐 𝒊𝒏𝒕𝒆𝒓𝒏𝒐 𝒃𝒓𝒖𝒕𝒐 𝑌𝑡−1 = 𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑖𝑛𝑡𝑒𝑟𝑛𝑜 𝑏𝑟𝑢𝑡𝑜 rezagado

Condición de Orden

N° Ecuación m m* k k* m*+k* vs M-1 Observación

1 3 2 1 4 6 > 3 Sobreidentificada

2 1 4 1 4 8 > 3 Sobreidentificada

3 2 3 0 5 8 > 3 Sobreidentificada

4 2 3 2 3 6 > 3 Sobreidentificada

Condición de Rango

Nº Ecuación Intercepto 𝑪𝒕 𝑰𝒕 𝑻𝒕 𝑰𝑴𝒕 𝒀𝒕 𝑪𝒕−𝟏 𝑰𝑴𝒕−𝟏 𝒀𝒕−𝟏

1 𝛼0 1 0 𝛼3 0 𝛼1 𝛼2 0 0
2 𝛽0 0 1 0 0 0 0 0 𝛽2
3 𝛾0 0 0 1 0 𝛾1 0 0 0
4 𝛿0 0 0 0 1 𝛿1 0 𝛿3 𝛿2
 1 0 0 𝛽2
A1 0 0 0 0 Subidentificada
0 1 𝛿3 𝛿2

1 𝛼3 0 𝛼1 𝛼2 0 Exactamente
A2 0 1 0 𝛾1 0 0 identificada
0 0 1 𝛿1 0 𝛿3

1 0 0 𝛼2 0 0
Exactamente
A3 0 1 0 0 0 𝛽2
identificada
0 0 1 0 𝛿3 𝛿2

1 0 𝛼3 𝛼2
A4 0 1 0 0 Exactamente
0 0 1 0 identificada

b) Considerando el período muestral 1980-2004, realice la estimación del modelo

utilizando todos los métodos alternativos que sean posibles.

a) Estimación por MC2E

System: SYS01
Estimation Method: Two-Stage Least Squares
Date: 02/08/18 Time: 21:17
Sample: 1981 2004
Included observations: 24
Total system (balanced) observations 96
Instruments: C CPRIV(-1) IMP(-1) G X Y(-1)
Coefficient Std. Error t-Statistic Prob.
C(1) 1432358. 1213093. 1.180749 0.2410
C(2) 0.303556 0.091709 3.309993 0.0014
C(3) 0.469232 0.104434 4.493083 0.0000
C(4) 0.025044 0.102289 0.244836 0.8072
C(5) 262098.4 1079671. 0.242758 0.8088
C(6) 0.228616 0.034703 6.587750 0.0000
C(7) -11576709 799038.9 -14.48829 0.0000
C(8) 0.452513 0.025033 18.07639 0.0000
C(9) -2066419. 772098.9 -2.676365 0.0089
C(10) 0.617456 0.148427 4.160013 0.0001
C(11) -0.540290 0.149995 -3.602062 0.0005
C(12) 0.929539 0.079458 11.69855 0.0000
Determinant residual covariance 4.47E+44
Equation: CPRIV=C(1)+C(2)*Y+C(3)*CPRIV(-1)+C(4)*T
Observations: 24
R-squared 0.993816 Mean dependent var 20345122
Adjusted R-squared 0.992889 S.D. dependent var 3437728.
 S.E. of regression 289900.8 Sum squared resid 1.68E+12
Durbin-Watson stat 1.061118
Equation: INV=C(5)+C(6)*Y(-1)
Observations: 24
R-squared 0.663601 Mean dependent var 7257398.
Adjusted R-squared 0.648310 S.D. dependent var 1613147.
S.E. of regression 956652.5 Sum squared resid 2.01E+13
Durbin-Watson stat 0.338954
Equation: T=C(7)+C(8)*Y
Observations: 24
R-squared 0.936737 Mean dependent var 2648085.
Adjusted R-squared 0.933862 S.D. dependent var 2640207.
S.E. of regression 678992.1 Sum squared resid 1.01E+13
Durbin-Watson stat 0.271641
Equation: IMP=C(9)+C(10)*Y+C(11)*Y(-1)+C(12)*IMP(-1)
Observations: 24
R-squared 0.991504 Mean dependent var 6186789.
Adjusted R-squared 0.990230 S.D. dependent var 2969474.
S.E. of regression 293514.9 Sum squared resid 1.72E+12
Durbin-Watson stat 2.395142

b) Estimación por MC2E para cada ecuación

Primera ecuación:

Dependent Variable: CPRIV

Method: Two-Stage Least Squares
Date: 02/08/18 Time: 21:19
Sample(adjusted): 1981 2004
Included observations: 24 after adjusting endpoints
Instrument list: C CPRIV(-1) IMP(-1) G X Y(-1)
Variable Coefficient Std. Error t-Statistic Prob.
C 1432358. 1213093. 1.180749 0.2516
Y 0.303556 0.091709 3.309993 0.0035
CPRIV(-1) 0.469232 0.104434 4.493083 0.0002
T 0.025044 0.102289 0.244836 0.8091
R-squared 0.993816 Mean dependent var 20345122
Adjusted R-squared 0.992889 S.D. dependent var 3437728.
S.E. of regression 289900.8 Sum squared resid 1.68E+12
F-statistic 1065.174 Durbin-Watson stat 1.061118
Prob(F-statistic) 0.000000
Segunda ecuación:
Dependent Variable: IMP
Method: Two-Stage Least Squares
Date: 02/08/18 Time: 21:21
Sample(adjusted): 1981 2004
Included observations: 24 after adjusting endpoints
Instrument list: C CPRIV(-1) IMP(-1) G X Y(-1)
Variable Coefficient Std. Error t-Statistic Prob.
C -8940696. 994120.1 -8.993578 0.0000
Y(-1) 0.494388 0.031953 15.47213 0.0000
R-squared 0.915834 Mean dependent var 6186789.
Adjusted R-squared 0.912008 S.D. dependent var 2969474.
S.E. of regression 880849.3 Sum squared resid 1.71E+13
F-statistic 239.3868 Durbin-Watson stat 0.350245
Prob(F-statistic) 0.000000

Tercera ecuación:
Dependent Variable: T
Method: Two-Stage Least Squares
Date: 02/08/18 Time: 21:23
Sample(adjusted): 1981 2004
Included observations: 24 after adjusting endpoints
Instrument list: C CPRIV(-1) IMP(-1) G X Y(-1)
Variable Coefficient Std. Error t-Statistic Prob.
C -11576709 799038.9 -14.48829 0.0000
Y 0.452513 0.025033 18.07639 0.0000
R-squared 0.936737 Mean dependent var 2648085.
Adjusted R-squared 0.933862 S.D. dependent var 2640207.
S.E. of regression 678992.1 Sum squared resid 1.01E+13
F-statistic 326.7560 Durbin-Watson stat 0.271641
Prob(F-statistic) 0.000000

Cuarta ecuación:
Dependent Variable: IMP
Method: Two-Stage Least Squares
Date: 02/08/18 Time: 21:26
Sample(adjusted): 1981 2004
Included observations: 24 after adjusting endpoints
Instrument list: C CPRIV(-1) IMP(-1) G X Y(-1)
Variable Coefficient Std. Error t-Statistic Prob.
C -2066419. 772098.9 -2.676365 0.0145
Y 0.617456 0.148427 4.160013 0.0005
Y(-1) -0.540290 0.149995 -3.602062 0.0018
IMP(-1) 0.929539 0.079458 11.69855 0.0000
R-squared 0.991504 Mean dependent var 6186789.
Adjusted R-squared 0.990230 S.D. dependent var 2969474.
S.E. of regression 293514.9 Sum squared resid 1.72E+12
F-statistic 770.5829 Durbin-Watson stat 2.395142
Prob(F-statistic) 0.000000
b. Realice la predicción para el consumo privado, inversión, recaudación
directa e importaciones para los años 2005, 2006, 2007. Compare
gráficamente los resultados obtenidos