13:56:01

Modelos de Ecuaciones Simultáneas

Econometrı́a II

Grado en Economı́a
Universidad de Granada

Econometrı́a II Modelos de Ecuaciones Simultáneas – 1 / 40

13:56:01

Contenidos

❖ Contenidos Naturaleza de los modelos de ecuaciones simultáneas

Naturaleza de los
modelos de ecuaciones Forma estructural y reducida
simultáneas
Forma estructural y El problema de la identificación
reducida
El problema de la
Métodos de estimación de Ecuaciones Simultáneas
identificación

Métodos de estimación
de Ecuaciones
Simultáneas

Econometrı́a II Modelos de Ecuaciones Simultáneas – 2 / 40

 13:56:01

❖ Contenidos
Naturaleza de los
modelos de ecuaciones
simultáneas
❖ Tipos de modelos
❖ Ejemplo

Forma estructural y
reducida
El problema de la
identificación

Métodos de estimación
de Ecuaciones
Naturaleza de los modelos de ecuaciones simultáneas
Simultáneas

Econometrı́a II Modelos de Ecuaciones Simultáneas – 3 / 40

13:56:01

Tipos de modelos

❖ Contenidos En los estudios de modelos econométricos realizados hasta este momento se pre-
Naturaleza de los sentan relaciones entre las variables explicativas, normalmente denotadas por X, y
modelos de ecuaciones
simultáneas explicativas, Y , en una única dirección. Más concretamente, de X hacia Y .
❖ Tipos de modelos Sin embargo, existen situaciones en las que se presenta una influencia en
❖ Ejemplo los dos sentidos entre las distintas variables, es decir, una variable que actúa
Forma estructural y como explicativa en una ecuación puede hacerlo como explicada en otra. Por
reducida tanto, básicamente, la diferencia entre un modelo de ecuaciones simultáneas y otro
El problema de la de regresión consiste en que haya variables explicadas en el segundo miembro de
identificación
alguna de las ecuaciones.
Métodos de estimación Se establece entonces la siguiente clasificación de variables:
de Ecuaciones
Simultáneas
variables endógenas, que son aquellas variables que vienen explicadas dentro
del modelo y que podrán aparecer como explicativas,
variables predeterminadas, que son aquellas cuyos valores deben ser pre-
viamente conocidos para determinar el valor de las variables endógenas (y
por tanto, aparecen como explicativas). Se clasifican en exógenas corrientes,
exógenas retardadas y endógenas retardadas.
Es decir, las variables endógenas son aquellas cuyos valores corrientes (referidos
al momento actual t) son explicados por el modelo, mientras que las variables pre-
determinadas son aquellas cuyos valores o bien están determinados por el compor-
tamiento pasado del modelo (endógenas retardadas y exógenas retardadas) o se
fijan fuera del modelo en el momento actual (exógenas corrientes). Por tanto, las
variables exógenas son las predeterminadas que no son endógenas.

Econometrı́a II Modelos de Ecuaciones Simultáneas – 4 / 40

 13:56:01

Ejemplo

❖ Contenidos Un modelo de ecuaciones simultáneas es:

Naturaleza de los
modelos de ecuaciones Ct = α 0 + α 1 Yt + ut ,
simultáneas
❖ Tipos de modelos It = β0 + β1 Yt + β2 Yt−1 + vt ,
❖ Ejemplo Yt = Ct + It + Gt ,
Forma estructural y
reducida donde C es el consumo privado, Y la demanda agregada, I la inversión y G el gasto
El problema de la público.
identificación En este modelo, Ct , It e Yt son variables endógenas (que a su vez aparecen
Métodos de estimación también como explicativas) y Gt−1 e Yt−1 son variables predeterminadas, la primera
de Ecuaciones
Simultáneas
exógena corriente y la segunda endógena retardada.
Finalmente destacar que las perturbaciones aleatorias de las distintas ecua-
ciones, ut y vt , estarán relacionadas.

Econometrı́a II Modelos de Ecuaciones Simultáneas – 5 / 40

13:56:01

Ejemplo

❖ Contenidos Consideremos el modelo de ecuaciones simultáneas dado por las dos ecuaciones
Naturaleza de los siguientes:
modelos de ecuaciones
simultáneas
Y1t = α0 + α1 Y2t + α2 X1t + α3 X2t + α4 X3t + u1t ,
❖ Tipos de modelos
❖ Ejemplo Y2t = β0 + β1 X3t + β2 X4t + u2t ,
Forma estructural y donde:
reducida
El problema de la Y1 es el consumo familiar mensual (medido en miles de euros).
identificación
Y2 es la renta familiar mensual (medida en miles de euros).
Métodos de estimación X1 es una variable ficticia que toma el valor 1 si la familia en cuestión tiene algún
de Ecuaciones
Simultáneas tipo de deuda y 0 en otro caso.
X2 es el número de hijos de cada familia.
X3 es el número de individuos de la familia que trabajan.
X4 es el nivel de estudios de los trabajadores de cada familia.
Puesto que la renta familiar aparece al mismo tiempo como explicada (segunda ecua-
ción) y explicativa (primera ecuación), es evidente que nos encontramos ante un
modelo de ecuaciones simultáneas.
En dicho modelo podemos distinguir dos variables endógenas (consumo y renta)
y cinco exógenas (constante, deuda, hijos, trabajadores y estudios).

Econometrı́a II Modelos de Ecuaciones Simultáneas – 6 / 40

 13:56:01

❖ Contenidos
Naturaleza de los
modelos de ecuaciones
simultáneas
Forma estructural y
reducida
❖ Forma estructural y
reducida
❖ Ejemplo

El problema de la
identificación

Métodos de estimación
Forma estructural y reducida
de Ecuaciones
Simultáneas

Econometrı́a II Modelos de Ecuaciones Simultáneas – 7 / 40

13:56:01

Forma estructural y reducida

❖ Contenidos Considerando N variables endógenas y k predeterminadas, la forma estructural

Naturaleza de los correspondiente a un modelo de ecuaciones simultáneas puede escribirse como:
modelos de ecuaciones
simultáneas
ytT Γ + xT T
t B + ut = 0, t = 1, 2, . . . , n,
Forma estructural y
reducida
donde yt es un vector correspondiente a la observación t-ésima de N variables
❖ Forma estructural y
reducida endógenas, xt el vector de los valores de k variables predeterminadas correspon-
❖ Ejemplo dientes también a la observación t-ésima, ut es un vector de N términos de pertur-
El problema de la bación y siendo Γ y B las matrices que contienen los coeficientes de las variables
identificación endógenas y predeterminadas, respectivamente.
Métodos de estimación
de Ecuaciones La forma reducida consiste en poner las variables endógenas corrientes en
Simultáneas función de las predeterminadas. A partir de la expresión
ytT Γ + xT T
t B + ut = 0,
se obtiene que
ytT = xT T
t Π + vt ,
donde Π = −BΓ−1 .
Si se cumplen ciertas restricciones (que estudiaremos en el siguiente capı́tulo)
a partir de la estimación de los parámetros de la forma reducida será posible
estimar los parámetros de la forma estructural, de ahı́ la importancia de la forma
reducida.

Econometrı́a II Modelos de Ecuaciones Simultáneas – 8 / 40

 13:56:01

Ejemplo

❖ Contenidos Para obtener la forma estructural del (segundo) ejemplo anterior pasamos todas las
Naturaleza de los variables a un miembro:
modelos de ecuaciones
simultáneas
−Y1t + α0 + α1 Y2t + α2 X1t + α3 X2t + α4 X3t + u1t = 0,
Forma estructural y
reducida −Y2t + β0 + β1 X3t + β2 X4t + u2t = 0,
❖ Forma estructural y
reducida las cuales reescribimos matricialmente obteniendo la forma estructural del modelo:
❖ Ejemplo
 
α0 β0
  α2 0
El problema de la
identificación −1 0
+ (1 X1t X2t X3t X4t ) · 
  + (u u ) = (0 0).
(Y1t Y2t ) ·
α1 −1
α3 0  1t 2t
Métodos de estimación α4 β1
de Ecuaciones 0 β2
Simultáneas

Identificando
ytT = (Y1t Y2t ), xT
t = (1 X1t X2t X3t X4t ), uT
t = (u1t u2t ),
 
α0 β0
  α2 0
−1 0  ,
Γ=
α1 −1
, B=  α3 0 
α4 β1
0 β2
obtenemos
ytT Γ + xT T
t B + ut = 0.

Econometrı́a II Modelos de Ecuaciones Simultáneas – 9 / 40

13:56:01

Ejemplo

❖ Contenidos
La forma reducida, ytT = xT T
t Π + vt , se expresa como:
Naturaleza de los  
modelos de ecuaciones α0 + α1 β0 β0
simultáneas
 α2 0  + (v v ),
Forma estructural y (Y1t Y2t ) = (1 X1t X2t X3t X4t ) ·  α3 0  1t 2t
reducida
❖ Forma estructural y
α4 + α1 β1 β1
reducida α1 β2 β2
❖ Ejemplo
ya que
El problema de la    
identificación α0 β0 α0 + α1 β0 β0
α2 0   α2 0
Métodos de estimación
Π = −BΓ−1 = − 
 · −1 0  .
de Ecuaciones
Simultáneas
α3 0  −α1 −1
=  α3 0 
α4 β1 α4 + α1 β1 β1
0 β2 α1 β2 β2

Es decir, hemos expresado las variables endógenas en función de las predetermina-

das:
Y1t = (α0 + α1 β0 ) + α2 X1t + α3 X2t + (α4 + α1 β1 )X3t
+α1 β2 X4t + v1t ,
Y2t = β0 + β1 X3t + β2 X4t + v2t .

Econometrı́a II Modelos de Ecuaciones Simultáneas – 10 / 40

 13:56:01

❖ Contenidos
Naturaleza de los
modelos de ecuaciones
simultáneas
Forma estructural y
reducida
El problema de la
identificación
❖ Planteamiento
❖ ¿Por qué es un
problema?
❖ Tipos de Identificación El problema de la identificación
❖ Identificación con
restricciones de nulidad
❖ Identificación con
restricciones de
linealidad
❖ Ejemplo

Métodos de estimación
de Ecuaciones
Simultáneas

Econometrı́a II Modelos de Ecuaciones Simultáneas – 11 / 40

13:56:01

Planteamiento

❖ Contenidos ¿Pueden conocerse las estimaciones de los parámetros desconocidos de la

Naturaleza de los forma estructural a partir de las estimaciones de los parámetros desconocidos
modelos de ecuaciones
simultáneas de la forma reducida? Es decir, ¿a partir de las estimaciones de Π y Ω se pueden
Forma estructural y obtener estimaciones para Γ, B y Σ?
reducida Si lo anterior es posible, decimos que una ecuación en un sistema de ecuaciones
El problema de la simultáneas está identificada. Dentro de las ecuaciones simultáneas identificadas
identificación
se distingue entre ecuaciones exactamente identificadas o sobreidentificadas. En el
❖ Planteamiento
❖ ¿Por qué es un
primer caso, existirán valores únicos de los coeficientes estructurales, mientras que
problema? en el segundo puede existir más de un valor para uno o varios de los parámetros
❖ Tipos de Identificación estructurales.
❖ Identificación con Todo este proceso se conoce como el problema de la identificación: la posi-
restricciones de nulidad
❖ Identificación con bilidad (o imposibilidad) de encontrar estimaciones numéricas para los coe-
restricciones de ficientes estructurales con base en los coeficientes estimados de las formas
linealidad
reducidas.
❖ Ejemplo
Por tanto, el estudio de la estructura de un modelo en cuanto a su identificación
Métodos de estimación
de Ecuaciones
constituye un paso previo fundamental a la estimación del modelo. En función de
Simultáneas su resultado, el sistema de ecuaciones podrá ser o no estimado y, en el caso
de poder serlo, por un método u otro.

Econometrı́a II Modelos de Ecuaciones Simultáneas – 12 / 40

 13:56:01

¿Por qué es un problema?

❖ Contenidos Para analizar la identificabilidad de un sistema de ecuaciones simultáneas hacemos

Naturaleza de los un recuento de incógnitas para la relación que liga la forma estructural con la forma
modelos de ecuaciones
simultáneas reducida.
N (N +1)
Forma estructural y
En la forma estructural los parámetros a estimar son 2
+k·N +(N 2 −N ),
reducida N (N +1)
mientras que en la forma reducida los parámetros a estimar son 2
+ k · N . Por
El problema de la
identificación tanto, la diferencia entre el número de parámetros a estimar de la forma estructural y
❖ Planteamiento el número de parámetros a estimar en la forma reducida viene dado por N (N − 1).
❖ ¿Por qué es un Como es evidente, necesitamos que la diferencia anterior sea cero, ya que en
problema?
❖ Tipos de Identificación
tal caso se tendrá el mismo número de parámetros a estimar en una forma como en
❖ Identificación con
la otra y entonces será posible obtener la estimación de la forma estructural a partir
restricciones de nulidad de la reducida.
❖ Identificación con
restricciones de
La manera más común de obtener información que haga que N (N −1) sea cero,
linealidad es imponer restricciones de nulidad (es decir, que no aparezcan todas las variables
❖ Ejemplo endógenas o predeterminadas, para lo cual sus correspondientes coeficientes han
Métodos de estimación de ser cero) o de linealidad (es decir, que combinaciones lineales de los parámetros
de Ecuaciones a estimar sean nulas) sobre los parámetros en estudio.
Simultáneas
Por tanto, el problema de identificación radica en la cantidad de información
disponible sobre cada una de las ecuaciones.

Econometrı́a II Modelos de Ecuaciones Simultáneas – 13 / 40

13:56:01

Tipos de Identificación

❖ Contenidos Una ecuación de la forma estructural se dice que está identificada si, y solamente
Naturaleza de los si, todos sus parámetros pueden obtenerse a partir de las estimaciones de la forma
modelos de ecuaciones
simultáneas reducida. Ahora bien, hay dos casos de identificación:
Forma estructural y Identificación exacta: una ecuación de la forma estructural está exactamente
reducida
identificada si existe una única forma de obtener sus parámetros a partir de la
El problema de la
identificación forma reducida.
❖ Planteamiento Sobreidentificación: una ecuación de la forma estructural está sobreidentifica-
❖ ¿Por qué es un da cuando se dispone de más de un conjunto de estimaciones para uno o más
problema?
❖ Tipos de Identificación
parámetros.
❖ Identificación con
restricciones de nulidad
Finalmente, el sistema será identificado en su conjunto si lo están todas y cada una
❖ Identificación con de las ecuaciones del mismo.
restricciones de Por otro lado, en el caso en el que no sea posible obtener una estimación de
linealidad
❖ Ejemplo
los parámetros de la forma estructural a partir de los de la estimación de la forma
reducida, se dirá que dicha ecuación está subidentificada. Y en tal caso, el modelo
Métodos de estimación
de Ecuaciones
estará subidentificado.
Simultáneas

Econometrı́a II Modelos de Ecuaciones Simultáneas – 14 / 40

 13:56:01

Identificación con restricciones de nulidad

❖ Contenidos Una regla general de identificación de una ecuación serı́a:

Naturaleza de los o
modelos de ecuaciones rg(Ah ) < N − 1
simultáneas =⇒ Ecuación subidentificada
k − kh < Nh − 1
Forma estructural y
reducida
o
rg(Ah ) = N − 1
=⇒ Ecuación exactamente identificada
El problema de la k − kh = Nh − 1
identificación
o
❖ Planteamiento rg(Ah ) = N − 1
❖ ¿Por qué es un =⇒ Ecuación sobreidentificada
problema?
k − kh > Nh − 1
❖ Tipos de Identificación Donde Nh y kh son, respectivamente, el número de variables endógenas y prede-
❖ Identificación con terminadas presentes endicha ecuación y Ah es la submatriz formada, sin más que
restricciones de nulidad
❖ Identificación con Γ
observar la matriz A = , por los coeficientes de las variables exógenas de
restricciones de B
linealidad
❖ Ejemplo
las restantes ecuaciones que acompañan a los coeficientes nulos de las variables
exógenas y por los coeficientes de las variables endógenas de las restantes ecua-
Métodos de estimación
de Ecuaciones ciones que acompañan a los coeficientes nulos de las variables endógenas (de la
Simultáneas ecuación en estudio).

Econometrı́a II Modelos de Ecuaciones Simultáneas – 15 / 40

13:56:01

Identificación con restricciones de linealidad

❖ Contenidos Supongamos que las combinaciones o restricciones lineales entre los parámetros
Naturaleza de los las podemos expresar de la siguiente forma:
modelos de ecuaciones
simultáneas
(Φh )rh ×(N +k) · (ah )(N +k)×1 = 0rh ×1 ,
Forma estructural y
reducida
donde Φh es una matriz con tantas filas como restricciones, rh , y columnas como
El problema de la parámetros tenga la ecuación h en estudio, y el vector ah contiene todos los paráme-
identificación
❖ Planteamiento
tros de dicha ecuación.
❖ ¿Por qué es un De forma que si:
problema?
❖ Tipos de Identificación rg(Φh A) < N − 1 =⇒ la ecuación no es identificable.
❖ Identificación con rg(Φh A) = N − 1 y rg(Φh ) = N − 1 =⇒ la ecuación es exactamente identifi-
restricciones de nulidad
cada.
❖ Identificación con
restricciones de rg(Φh A) = N − 1 y rg(Φh ) > N − 1 =⇒ la ecuación es sobreidentificada.
linealidad
❖ Ejemplo

Métodos de estimación
de Ecuaciones
Simultáneas

Econometrı́a II Modelos de Ecuaciones Simultáneas – 16 / 40

 13:56:01

Ejemplo

❖ Contenidos Como paso previo, y necesario, a la estimación de las ecuaciones vamos a identifi-
Naturaleza de los carlas. Si se hace bajo restricciones de nulidad será necesario conocer la matriz:
modelos de ecuaciones
simultáneas  −1 0

Forma estructural y α1 −1
reducida
   
Γ  α0 β0 
= .
El problema de la
identificación A=  α2 0 
B
❖ Planteamiento  α3 0 
❖ ¿Por qué es un α4 β1
problema?
❖ Tipos de Identificación
0 β2
❖ Identificación con
restricciones de nulidad Además, es claro que N = 2 y k = 5. Para la primera ecuación se tiene que:
❖ Identificación con
restricciones de A1 = β1 −→ rg(A1 ) = 1 = N − 1
linealidad o
❖ Ejemplo N1 = 2 −→ N1 − 1 = 1
−→ k − k1 = N1 − 1
Métodos de estimación
k1 = 4 −→ k − k1 = 1
de Ecuaciones
Simultáneas
Mientras que para la segunda:
!
−1
A2 = α2 −→ rg(A2 ) = 1 = N − 1
α3
o
N2 = 1 −→ N2 − 1 = 0
−→ k − k2 > N2 − 1
k2 = 3 −→ k − k2 = 2
Es decir, la primera es exactamente identificada y la segunda sobreidentificada.

Econometrı́a II Modelos de Ecuaciones Simultáneas – 17 / 40

13:56:01

Ejemplo

❖ Contenidos De igual forma se podrı́an identificar las ecuaciones mediante restricciones de linea-
Naturaleza de los lidad puesto que las restricciones de nulidad son un caso particular de éstas.
modelos de ecuaciones
simultáneas Para la primera ecuación:
n
Forma estructural y rg(Φ1 ) = 1 = N − 1
reducida Φ1 = (0 0 0 0 0 0 1) −→
Φ1 A = 0 → rg(Φ1 A) = 1 = N − 1
El problema de la
identificación
Mientras que para la segunda:
❖ Planteamiento
❖ ¿Por qué es un
!
problema? 1 0 0 0 0 0 0
❖ Tipos de Identificación Φ2 = 0 0 0 1 0 0 0 −→ rg(Φ2 ) = 3 > 1 = N − 1
❖ Identificación con 0 0 0 0 1 0 0
restricciones de nulidad
❖ Identificación con !
restricciones de −1 0
linealidad 0
Φ2 A = α2 → rg(Φ2 A) = 1 = N − 1
❖ Ejemplo
α3 0
Métodos de estimación
de Ecuaciones Es decir, como no podı́a ser de otra forma, la primera ecuación es exactamente
Simultáneas
identificada y la segunda sobreidentificada.

Econometrı́a II Modelos de Ecuaciones Simultáneas – 18 / 40

 13:56:01

❖ Contenidos
Naturaleza de los
modelos de ecuaciones
simultáneas
Forma estructural y
reducida
El problema de la
identificación

Métodos de estimación
de Ecuaciones
Simultáneas
❖ Métodos Métodos de estimación de Ecuaciones Simultáneas
❖ Enfoques para la
estimación
❖ Notación
❖ MCI
❖ MC2E
❖ VI
❖ MVIL
❖ Ejemplo
❖ MC3E
❖ MVIC
❖ Sistemas recursivos

Econometrı́a II Modelos de Ecuaciones Simultáneas – 19 / 40

13:56:01

Métodos de Estimación

❖ Contenidos Después de haber estudiado la naturaleza de los modelos de ecuaciones si-

Naturaleza de los multáneas el siguiente paso es el de la estimación de los parámetros de dichos
modelos de ecuaciones
simultáneas modelos.
Forma estructural y
La presencia de simultaneidad en un modelo multiecuacional (que conduce a
reducida relación entre las variables predeterminadas y la perturbación aleatoria) precisa utili-
El problema de la zar un método alternativo (aunque será también usada) a la estimación por Mı́nimos
identificación
Cuadrados Ordinarios (MCO), para evaluar cada una de las ecuaciones, y salvar
Métodos de estimación ası́ problemas conocidos de los estimadores obtenidos.
de Ecuaciones
Simultáneas Suponiendo que una ecuación en un modelo de ecuaciones simultáneas es
❖ Métodos identificada (sobreidentificada o exactamente identificada), existen varios métodos
❖ Enfoques para la alternativos para estimarla. Ası́, en este capı́tulo se estudian:
estimación
❖ Notación El método de Mı́nimos Cuadrados Indirectos (MCI).
❖ MCI El método de Variables Instrumentales (VI).
❖ MC2E
El método de Mı́nimos Cuadrados en Dos Etapas (MC2E).
❖ VI
❖ MVIL
El método de Máxima Verosimilitud con Información Limitada (MVIL).
❖ Ejemplo Mientras que para la estimación del modelo en su conjunto:
❖ MC3E
❖ MVIC El método de Mı́nimos Cuadrados en Tres Etapas (MC3E).
❖ Sistemas recursivos El método de Máxima Verosimilitud con Información Completa (MVIC).

Econometrı́a II Modelos de Ecuaciones Simultáneas – 20 / 40

 13:56:01
Enfoques para la estimación de modelos ecuaciones
simultáneas

❖ Contenidos Clásicamente, los enfoques para llevar a cabo la estimación de modelos multiecua-
Naturaleza de los cionales se clasifican en:
modelos de ecuaciones
simultáneas
Enfoque directo: cada ecuación del modelo se estima como si estuviera aislada,
Forma estructural y sin considerar el resto de ecuaciones del modelo y sin distinguir entre variables
reducida
endógenas y predeterminadas. Por tanto, el método idóneo es el de MCO.
El problema de la
identificación Enfoque con información limitada: se hace distinción entre variables endóge-
Métodos de estimación
nas y predeterminadas, pero al igual que en el método anterior, las ecuaciones
de Ecuaciones se estiman de manera individual. En este caso, por ejemplo, dos de los métodos
Simultáneas
para la estimación bajo este enfoque son el de MCI y MC2E.
❖ Métodos
❖ Enfoques para la Enfoque con información completa: se estiman en su conjunto y de manera
estimación simultánea todas las ecuaciones del modelo. Un método a usar para la estima-
❖ Notación ción en este caso es el de MC3E.
❖ MCI
❖ MC2E
❖ VI
❖ MVIL
❖ Ejemplo
❖ MC3E
❖ MVIC
❖ Sistemas recursivos

Econometrı́a II Modelos de Ecuaciones Simultáneas – 21 / 40

13:56:01

Notación

❖ Contenidos Los dos primeros enfoques se caracterizan porque las ecuaciones se estiman
Naturaleza de los una a una.
modelos de ecuaciones
simultáneas Ası́, dada la ecuación número h del modelo de ecuaciones simultáneas
Forma estructural y
reducida
yh = Zh δh + uh ,
El problema de la donde
identificación

Métodos de estimación yh es de orden n × 1 y contiene las observaciones de la variable endógena.

de Ecuaciones Zh = (Yh Xh ) es de dimensión n × (Nh − 1 + kh ) y contiene las n observa-
Simultáneas
❖ Métodos
ciones de las Nh − 1 variables endógenas que están en el segundo miembro
❖ Enfoques para la de la ecuación y las n observaciones de las kh variables predeterminadas de la
estimación ecuación. 
❖ Notación γh
δh = de dimensión (Nh − 1 + kh ) × 1 contiene los coeficientes de las
❖ MCI βh
❖ MC2E
variables endógenas y predeterminadas incluidas en el segundo miembro de la
❖ VI
❖ MVIL
ecuación.
❖ Ejemplo El objetivo consistirá en estimar el vector de parámetros δh .
❖ MC3E
❖ MVIC Si bien se puede estimar por MCO, debido a la relación con la perturbación
❖ Sistemas recursivos aleatoria, se obtendrı́an estimadores sesgados e inconsistentes. Por tal motivo, se
plantean métodos alternativos.

Econometrı́a II Modelos de Ecuaciones Simultáneas – 22 / 40

 13:56:01

Mı́nimos Cuadrados Indirectos

❖ Contenidos El método de Mı́nimos Cuadrados Indirectos se aplica cuando tras el proceso de

Naturaleza de los identificación de la ecuación, ésta es exactamente identificada.
modelos de ecuaciones
Consiste en obtener las estimaciones de los parámetros estructurales a partir
simultáneas
#
−1
Forma estructural y de las estimaciones MCO, Π b = XT X XT y, de los parámetros de la forma
reducida
reducida, considerando la relación
El problema de la
identificación
!  
−1
Métodos de estimación
b bh
β
de Ecuaciones Π b
γh =− .
Simultáneas 0 0
❖ Métodos
❖ Enfoques para la
estimación Por tanto, las estimaciones buscadas, b bh , se obtienen al resolver el sistema que
γh y β
❖ Notación nos queda tras realizar las operaciones pertinentes en la expresión anterior.
❖ MCI Dichos estimadores serán consistentes, y generalmente, sesgados.
❖ MC2E
❖ VI
❖ MVIL
❖ Ejemplo
❖ MC3E
❖ MVIC
❖ Sistemas recursivos

Econometrı́a II Modelos de Ecuaciones Simultáneas – 23 / 40

13:56:01

Mı́nimos Cuadrados en dos Etapas

❖ Contenidos El método de Mı́nimos Cuadrados en dos Etapas es un método de información limita-

Naturaleza de los da que se puede aplicar cuando la ecuación en estudio sea exactamente identificada
modelos de ecuaciones
simultáneas o sobreidentificada.
Forma estructural y
Las dos etapas a las que hace referencia el nombre de este método se pueden
reducida resumir como sigue:
El problema de la
identificación Primera Etapa: Estimar la forma reducida del modelo, obteniéndose ası́ una com-
Métodos de estimación
binación lineal de las variables predeterminadas.
de Ecuaciones Segunda Etapa: Sustituir las variables endógenas que aparecen en el segundo
Simultáneas
miembro de cada ecuación por sus estimaciones obtenidas a partir de la combina-
❖ Métodos
❖ Enfoques para la ción lineal anterior, y aplicar MCO a la nueva ecuación obtenida.
estimación
❖ Notación
El estimador por MC2E responde a la siguiente expresión:
❖ MCI #
−1
❖ MC2E b
δh,M C2E = Z bh
bTh Z bTh yh ,
Z
❖ VI #

❖ MVIL con bZh = b Yh Xh y donde b Yh contiene las estimaciones de las variables endóge-
❖ Ejemplo
❖ MC3E
nas presentes en el segundo miembro de la ecuación en estudio obtenidas al estimar
❖ MVIC
la forma reducida, yh es la variable endógena del primer miembro de dicha ecuación
❖ Sistemas recursivos y Xh contiene las variables exógenas de tal ecuación.
Los estimadores ası́ obtenidos son consistentes, aunque por lo general, también
son sesgados.

Econometrı́a II Modelos de Ecuaciones Simultáneas – 24 / 40

 13:56:01

Mı́nimos Cuadrados en dos Etapas

❖ Contenidos
 
b
γh
Naturaleza de los Por otro lado, teniendo en cuenta que b
δh = se tiene que
modelos de ecuaciones bh
β
simultáneas
Forma estructural y
2 (yh − b
Yh b bh )t (yh − b
γh − Xh β Yh b bh )
γh − Xh β
reducida
b
σh = .
El problema de la N − kh − Nh + 1
identificación

Métodos de estimación
Aunque este método está diseñado especialmente para ecuaciones sobreiden-
de Ecuaciones tificadas, como hemos dicho, también puede utilizarse para ecuaciones exactamente
Simultáneas identificadas, obteniéndose, en este caso, el mismo resultado que al aplicar MCI.
❖ Métodos
❖ Enfoques para la
Evidentemente, cuando se produzca esta situación, dicha ecuación será estimada
estimación por MCI, ya que es un método más asequible que MC2E.
❖ Notación
❖ MCI
❖ MC2E
❖ VI
❖ MVIL
❖ Ejemplo
❖ MC3E
❖ MVIC
❖ Sistemas recursivos

Econometrı́a II Modelos de Ecuaciones Simultáneas – 25 / 40

13:56:01

Variables Instrumentales

❖ Contenidos Partiendo de la ecuación h-ésima del modelo de ecuaciones simultáneas

Naturaleza de los
modelos de ecuaciones yh = Zh δh + uh ,
simultáneas
Forma estructural y si se premultiplica la misma por una matriz Wh que recoge la información de Nh −
reducida 1 + kh variables que están altamente relacionadas con las variables incluidas en Zh
El problema de la pero que a la vez son estadı́sticamente independientes del término de perturbación
identificación
se obtiene
Métodos de estimación
de Ecuaciones
WhT yh = WhT Zh δh + WhT uh .
Simultáneas En tal caso, prescindiendo del último sumando y despejando el vector de
❖ Métodos
❖ Enfoques para la
parámetros, el estimador vendrá dado por
estimación #
−1
❖ Notación b
δh,V I bh
= WhT Z WhT yh .
❖ MCI
❖ MC2E Este estimador será consistente.
❖ VI Casos particulares:
❖ MVIL
❖ Ejemplo si Wh = b
Zh , entonces VI coincide con MC2E.
❖ MC3E si Wh = X, entonces VI coincide con MCI (siempre que la ecuación estuviera
❖ MVIC
exactamente identificada).
❖ Sistemas recursivos

Econometrı́a II Modelos de Ecuaciones Simultáneas – 26 / 40

 13:56:01

Máxima Verosimilitud con Información Limitada

❖ Contenidos Supongamos que el término de perturbación es un vector que se distribuye normal-

Naturaleza de los mente
modelos de ecuaciones
simultáneas u ∼ N (0, σ 2 I).
Forma estructural y Para obtener el estimador de Máxima Verosimilitud con información limitada,
reducida
se aplica a cada ecuación por separado el método de estimación de máxima
El problema de la
identificación
verosimilitud. Ası́, para la ecuación h:
Métodos de estimación yh = Zh δh + uh ,
de Ecuaciones
Simultáneas los pasos a seguir serı́an:
❖ Métodos
❖ Enfoques para la obtener la función de verosimilitud de la variable endógena L(yh ),
estimación
❖ Notación
establecer las condiciones necesarias de máximo de la función de verosimilitud:
❖ MCI
se exige la igualdad a cero de las derivadas parciales con respecto al vector b
δh y
2,
a σh
❖ MC2E
❖ VI
obtener b
δh,M V IL a partir de los puntis crı́ticos obtenidos.
❖ MVIL
confirmar que la solución obtenida es un máximo.
❖ Ejemplo
❖ MC3E Los estimadores máximo verosı́miles con información limitada son asintótica-
❖ MVIC mente insesgados, eficientes y consistentes. Si la ecuación es exactamente identifi-
❖ Sistemas recursivos
cada, coinciden con los estimadores bietápicos.

Econometrı́a II Modelos de Ecuaciones Simultáneas – 27 / 40

13:56:01

Ejemplo

❖ Contenidos Para abordar la estimación de las ecuaciones anteriores disponemos de la siguiente

Naturaleza de los información muestral obtenida a partir de 16 observaciones:
modelos de ecuaciones
simultáneas
Y1 Y2 cte X1 X2 X3 X4
Forma estructural y
reducida Y1 63.39 94.44 29.9 21.3 40 47.6 54.3
El problema de la
Y2 147.26 46.2 30.2 56.2 73.1 84.1
identificación cte 16 11 18 24 28
Métodos de estimación X1 11 14 15 19
de Ecuaciones
Simultáneas
X2 36 30 33
❖ Métodos X3 40 42
❖ Enfoques para la X4 60
estimación
❖ Notación Adviértase que la matriz resumida en la tabla anterior es evidentemente simétrica.
❖ MCI
Puesto que la primera ecuación es exactamente identificada, el método idóneo
❖ MC2E
para su estimación es el de mı́nimo cuadrados indirectos.
❖ VI
❖ MVIL
En tal caso, habrá que estimar en primer lugar la forma reducida
❖ Ejemplo #
−1
❖ MC3E
b = XT X
Π XT y,
❖ MVIC
❖ Sistemas recursivos
para luego plantear el sistema:
!  
−1
b bh
β
Π b
γh =− .
0 0

Econometrı́a II Modelos de Ecuaciones Simultáneas – 28 / 40

 13:56:01

Ejemplo

❖ Contenidos Como
Naturaleza de los
1.6928 −0.5860 0.1407 −0.7002 −0.1916
! 29.9 46.2
!
modelos de ecuaciones
−0.5860 0.4374 −0.0916 0.2327 0.0224 21.3 30.2
simultáneas
b
Π = 0.1407 −0.0916 0.0944 −0.1051 −0.0150 · 40 56.2
Forma estructural y −0.7002 0.2327 −0.1051 0.4161 0.0196 47.6 73.1
reducida −0.1916 0.0224 −0.0150 0.0196 0.0935 54.3 84.1

0.0238 1.1138
!
El problema de la
identificación 0.4268 −0.1132
= 0.2138 0.0938 ,
Métodos de estimación 0.6872 0.8372
de Ecuaciones 0.1601 0.2801
Simultáneas
❖ Métodos a partir de
❖ Enfoques para la    α
b0 
estimación 0.0238 1.1138
0.4268   b2 
❖ Notación  −0.1132  · −1 = −  α
❖ MCI  0.2138 0.0938  b1
α b3  ,
 α
❖ MC2E 0.6872 0.8372 b4
α
❖ VI 0.1601 0.2801 0
❖ MVIL
❖ Ejemplo
se obtiene el siguiente sistema de ecuaciones
❖ MC3E
❖ MVIC
b1 = −α
−0.0238 + 1.1138α b0 −→ α
b0 = 0.0238 − 1.1138 · 0.5716 = −0.6128
❖ Sistemas recursivos b1 = −α
−0.4268 − 0.1132α b2 −→ α
b2 = 0.4268 + 0.1132 · 0.5716 = 0.4915
b1 = −α
−0.2138 + 0.0938α b3 −→ α
b3 = 0.2138 − 0.0938 · 0.5716 = 0.1602
b1 = −α
−0.6872 + 0.8372α b4 −→ α
b4 = 0.6872 − 0.8372 · 0.5716 = 0.2087
0.1601
b1 = 0 −→ α
−0.1601 + 0.2801α b1 = = 0.5716
0.2801
Econometrı́a II Modelos de Ecuaciones Simultáneas – 29 / 40

13:56:01

Ejemplo

❖ Contenidos Resolviendo dicho sistema se obtiene la siguiente estimación de la primera ecuación

Naturaleza de los por mı́nimos cuadrados indirectos:
modelos de ecuaciones
simultáneas
b1t = −0.6128 + 0.5716Y2t + 0.4915X1t + 0.1602X2t + 0.2087X3t .
Y
Forma estructural y
reducida
Como es sabido, esta ecuación podrı́a ser también estimada por MC2E. A modo
El problema de la
identificación
de ejemplo, para mostrar que se obtiene la misma solución y que este segundo
método es más complicado que el primero, vamos a estimarla por MC2E. En tal
Métodos de estimación
de Ecuaciones caso: # T
−1 T
Simultáneas b
δ1,M C2E = Z b1 Z b1 b 1 y1 ,
Z
❖ Métodos
❖ Enfoques para la #
T
estimación donde Z b1 = Yb2t cte X1t X2t X3t b2t se obtiene a partir de
e y1 = Y1t . Donde Y
❖ Notación
la estimación de la forma reducida:
❖ MCI
❖ MC2E b2t = 1.1138 − 0.11321t + 0.0938X2t + 0.8372X3t + 0.2801X4t .
Y
❖ VI
❖ MVIL En tal caso:
❖ Ejemplo
b
Y cte X1t X2t X3t
❖ MC3E
b2t 2ta b c d e

❖ MVIC Y
❖ Sistemas recursivos
b1 =
bT1 Z cte b 16 11 18 24
Z  11 11

14 15  ,
X1t  c
X2t d 18 14 36 30
X3t e 24 15 30 40
y

Econometrı́a II Modelos de Ecuaciones Simultáneas – 30 / 40

 13:56:01

Ejemplo

❖ Contenidos
Y1t
Naturaleza de los
b2t  f

modelos de ecuaciones Y
simultáneas
bT1 y1 = cte 29.9
Z  21.3
,
Forma estructural y X1t  
reducida
X2t 40
El problema de la X3t 47.6
identificación

Métodos de estimación
de Ecuaciones
donde
Simultáneas
❖ Métodos
f = b2tt Y1t = (1.1138cte − 0.11321t + 0.0938X2t + 0.8372X3t + 0.2801X4t )t Y1t
Y

❖ Enfoques para la = 1.1138ctet Y1t − 0.1132X1tt Y t t t

1t + 0.0938X2t Y1t + 0.8372X3t Y1t + 0.2801X4t Y1t
estimación
= 1.1138 ∗ 29.9 − 0.1132 ∗ 21.3 + 0.0938 ∗ 40 + 0.8372 ∗ 47.6 + 0.2801 ∗ 54.3 = 89.7036,
❖ Notación
❖ MCI e = b2tt X3t = (1.1138cte − 0.11321t + 0.0938X2t + 0.8372X3t + 0.2801X4t )t X3t
Y
❖ MC2E = 1.1138 ∗ 24 − 0.1132 ∗ 15 + 0.0938 ∗ 30 + 0.8372 ∗ 40 + 0.2801 ∗ 42 = 73.0994,
❖ VI
❖ MVIL d = b2tt X2t = (1.1138cte − 0.11321t + 0.0938X2t + 0.8372X3t + 0.2801X4t )t X2t
Y

❖ Ejemplo = 1.1138 ∗ 18 − 0.1132 ∗ 14 + 0.0938 ∗ 36 + 0.8372 ∗ 30 + 0.2801 ∗ 33 = 56.1997,

❖ MC3E
c = b2tt X1t = (1.1138cte − 0.11321t + 0.0938X2t + 0.8372X3t + 0.2801X4t )t X1t
Y
❖ MVIC
= 1.1138 ∗ 11 − 0.1132 ∗ 11 + 0.0938 ∗ 14 + 0.8372 ∗ 15 + 0.2801 ∗ 19 = 30.1997,
❖ Sistemas recursivos
b = b2tt cte = (1.1138cte − 0.11321t + 0.0938X2t + 0.8372X3t + 0.2801X4t )t cte
Y
= 1.1138 ∗ 16 − 0.1132 ∗ 11 + 0.0938 ∗ 18 + 0.8372 ∗ 24 + 0.2801 ∗ 28 = 46.1996,

a = b2tt b
Y Y2t = · · · = 138.0651.

Econometrı́a II Modelos de Ecuaciones Simultáneas – 31 / 40

13:56:01

Ejemplo

❖ Contenidos Luego, sin más sustituir estos valores en las matrices anteriores y aplicar la fórmula
Naturaleza de los de estimación por mı́nimos cuadrados en dos etapas veremos que la estimación
modelos de ecuaciones
simultáneas obtenida coincide con la de mı́nimos cuadrados indirectos:
Forma estructural y 138.0651 46.1996 30.1997 56.1997 73.0994
!−1 89.7036
!
reducida 46.1996 16 11 18 24 29.9

El problema de la
bδ1,M C2E = 30.1997 11 11 14 15 · 21.3
56.1997 18 14 36 30 40
identificación 73.0994 24 15 30 40 47.6
Métodos de estimación 1.1912 −2.0108 0.2149 −0.1651 −0.9272
! 89.7036
!
de Ecuaciones −2.0108 4.6942 −0.9028 0.3887 0.9051 29.9
Simultáneas = 0.2149 −0.9028 0.4708 −0.1178 0.0607 · 21.3
❖ Métodos −0.1651 0.3887 −0.1178 0.1149 0.0265 40
❖ Enfoques para la −0.9272 0.9051 0.0607 0.0265 1.1337 47.6
estimación 0.5715
!
❖ Notación −0.6128
❖ MCI = 0.4915
0.1602
❖ MC2E 0.2087
❖ VI
❖ MVIL Luego, la estimación de la primera ecuación por mı́nimos cuadrados en dos etapas
❖ Ejemplo será:
❖ MC3E
❖ MVIC
b1t = −0.6128 + 0.5715Y2t + 0.4915X1t + 0.1602X2t + 0.2087X3t .
Y
❖ Sistemas recursivos

Econometrı́a II Modelos de Ecuaciones Simultáneas – 32 / 40

 13:56:01

Ejemplo

❖ Contenidos Puesto que la segunda ecuación es sobreidentificada, el método indicado para su

Naturaleza de los estimación es el de mı́nimo cuadrados en dos etapas. Luego habrá que tener en
modelos de ecuaciones
cuenta la expresión
simultáneas
#
−1
Forma estructural y b
δ2,M C2E = Z b2
bT2 Z bT2 y2 ,
Z
reducida
El problema de la b2 = (cte X3t X4t )T e y1 = Y2t . Con ello,
donde Z
identificación

Métodos de estimación cte X3t X4t!

de Ecuaciones
Simultáneas
bT2 Z
b2 = cte 16 24 28
Z
❖ Métodos X3t 24 40 42 ,
❖ Enfoques para la X4t 28 42 60
estimación
❖ Notación
y
❖ MCI
❖ MC2E
Y2t !
❖ VI
b cte 46.2
❖ MVIL ZT
2 y2 =
❖ Ejemplo X3t 73.1 ,
❖ MC3E X4t 84.1
❖ MVIC
❖ Sistemas recursivos Entonces:
! ! !
0.9034 −0.375 −0.1591 46.2 0.9455
b
δ2,M C2E = −0.375 0.25 0.0001 · 73.1 = 0.95 .
−0.1591 0.0001 0.0909 84.1 0.2955

Econometrı́a II Modelos de Ecuaciones Simultáneas – 33 / 40

13:56:01

Ejemplo

❖ Contenidos Luego, la estimación de la segunda ecuación será:

Naturaleza de los
modelos de ecuaciones
simultáneas
b2t = 0.9455 + 0.95X3t + 0.2955X4t .
Y
Forma estructural y Adviértase que puesto que en esta segunda ecuación no hay variables endóge-
reducida
nas en el segundo miembro, no hay que sustituir sus estimaciones obtenidas a partir
El problema de la
identificación
de la forma reducida, por lo que realmente se le ha aplicado los mı́nimos cuadrados
ordinarios.
Métodos de estimación
de Ecuaciones
Simultáneas
❖ Métodos
❖ Enfoques para la
estimación
❖ Notación
❖ MCI
❖ MC2E
❖ VI
❖ MVIL
❖ Ejemplo
❖ MC3E
❖ MVIC
❖ Sistemas recursivos

Econometrı́a II Modelos de Ecuaciones Simultáneas – 34 / 40

 13:56:01

Mı́nimos Cuadrados en tres Etapas

❖ Contenidos Todos los métodos anteriores de estimación de modelos de ecuaciones simultáneas

Naturaleza de los se caracterizan porque permiten estimar los parámetros del modelo estructural ecua-
modelos de ecuaciones
simultáneas ción a ecuación, y no de manera simultánea. El método de Mı́nimos Cuadrados en
Forma estructural y
Tres Etapas, MC3E, es una técnica que permite estimar de manera simultánea todos
reducida los parámetros del modelo estructural teniendo para ello presente toda la información
El problema de la estadı́stica posible.
identificación
Debido a que estamos ante un método de información completa que estima
Métodos de estimación el modelo en su conjunto, es evidente que para aplicar MC3E se requiere que el
de Ecuaciones
Simultáneas modelo sea identificable, es decir, todas las ecuaciones tienen que ser identificables
❖ Métodos (exactamente identificadas o sobreidentificadas).
❖ Enfoques para la Partiendo de la ecuación h del modelo estructural, podemos expresar matri-
estimación
❖ Notación
cialmente la forma estructural del modelo con todas las ecuaciones de la siguiente
❖ MCI
forma
❖ MC2E y = Zδ + u,
❖ VI donde
❖ MVIL  y1
  Z1 0 ··· 0
 δ1
  u1

❖ Ejemplo
❖ MC3E
 y2 = 0 Z2 ··· 0  δ2 + u2 .
❖ MVIC  ..   .. .. .. ..  ..   .. 
❖ Sistemas recursivos . . . . . . .
yN 0 0 ··· ZN δN uN

Econometrı́a II Modelos de Ecuaciones Simultáneas – 35 / 40

13:56:01

Mı́nimos Cuadrados en tres Etapas

❖ Contenidos Además:
Naturaleza de los
modelos de ecuaciones E[ut ] = 0 para t = 1, . . . , n.
simultáneas
E[ut uTt′
] = 0N ×N , ∀t 6= t′ (incorrelación para perturbaciones no contem-
Forma estructural y
reducida poráneas).
El problema de la
E[ut uTt ] = ΣN ×N (correlación para perturbaciones contemporáneas).
identificación
Entonces, la matriz de varianzas y covarianzas del modelo matricial anterior es
Métodos de estimación
de Ecuaciones
 σ12 0 ··· 0 ··· σ1N 0 ··· 0

Simultáneas
0 σ12 ··· 0 ··· 0 σ1N ··· 0
❖ Métodos  
❖ Enfoques para la  .
.
.
. .. .
.
.
.
.
. .. .
. 
estimación  . . . . . . . . 
 0 0 σ12 0 0

❖ Notación
 ··· ··· ··· σ1N 
❖ MCI
T  . . . .. . . . 
❖ MC2E E[uu ] =  .
.
.
.
.
. . .
.
.
.
.
. 
 
❖ VI
 σN 1 0 ··· 0 ··· σN2
0 ··· 0 
❖ MVIL  0 σN 1 ··· 0 ··· 0 σN2
··· 0 
❖ Ejemplo  
❖ MC3E  .
.
.
. .. .
.
.
.
.
. .. .
.

. . . . . . . .
❖ MVIC
2
❖ Sistemas recursivos 0 0 ··· σN 1 ··· 0 0 ··· σN
 σ12 I σ12 I σ13 I ··· σ1N I

σ21 I σ22 I σ23 I ··· σ2N I
 =Σ
=  .
.
.
.
.
. .. .
.  N ×N ⊗ In×n = VN ·n×N ·n .
. . . . .
2
σN 1 I σN 2 I σN 3 I ··· σN I

Econometrı́a II Modelos de Ecuaciones Simultáneas – 36 / 40

 13:56:01

Mı́nimos Cuadrados en tres Etapas

❖ Contenidos Premultiplicando el modelo expresado matricialmente por la matriz

Naturaleza de los
modelos de ecuaciones
 X 0 ··· 0

simultáneas
 0 X ··· 0 =I
Forma estructural y e =
X . . .. .  n×n ⊗ Xn×k ,
reducida .. .. . ..
El problema de la
identificación 0 0 ··· X
Métodos de estimación
de Ecuaciones
se obtiene (aplicando Mı́nimos Cuadrados Generalizados ya que V = Σ ⊗ I no es
Simultáneas diagonal) que la expresión correspondiente al estimador por MC3E será
❖ Métodos   #
−1  −1
❖ Enfoques para la
estimación
b
δM C3E = ZT b−1 ⊗ X XT X
Σ XT Z ·
❖ Notación  #
−1 
❖ MCI
❖ MC2E
·Z T b
Σ −1
⊗X X X T
X T
y,
❖ VI
❖ MVIL donde Σb se supone no singular y se obtiene a partir de las estimaciones de los
❖ Ejemplo parámetros de cada una de las ecuaciones, obtenidas por mı́nimos cuadrados en
❖ MC3E
dos etapas, esto es:
❖ MVIC
❖ Sistemas recursivos #
eT
h ej
b= b
Σ σhj con b
σhj = ,
h,j=1,2,...,N n
donde eh = yh − Zhb
δh,M C2E para h = 1, 2, . . . , N .

Econometrı́a II Modelos de Ecuaciones Simultáneas – 37 / 40

13:56:01

Mı́nimos Cuadrados en tres Etapas

❖ Contenidos Una vez obtenido el estimador deseado, parecen claras las tres etapas a las que
Naturaleza de los hace mención el nombre del método de estimación:
modelos de ecuaciones
simultáneas
Dos primeras etapas, correspondientes al método de MC2E, necesarias para la
Forma estructural y
reducida
estimación de la matriz de varianzas-covarianzas Σ, ya que ésta es desconocida.
El problema de la
identificación Debido a que la matriz V no es diagonal, es necesaria una tercera etapa que
Métodos de estimación
consiste en la estimación de todas las ecuaciones aplicando mı́nimos cuadrados
de Ecuaciones generalizados.
Simultáneas
❖ Métodos Estos estimadores son consistentes y más eficientes que los obtenidos por
❖ Enfoques para la MC2E. Además, si todas las ecuaciones del modelo están exactamente identifica-
estimación
❖ Notación
das, entonces coincidirán las estimaciones obtenidas por MC2E y MC3E.
❖ MCI
❖ MC2E
❖ VI
❖ MVIL
❖ Ejemplo
❖ MC3E
❖ MVIC
❖ Sistemas recursivos

Econometrı́a II Modelos de Ecuaciones Simultáneas – 38 / 40

 13:56:01

Máxima Verosimilitud con Información Completa

❖ Contenidos Suponemos que el término de perturbación es un vector que se distribuye normal-

Naturaleza de los mente:
modelos de ecuaciones
simultáneas u ∼ N (0, Σ ⊗ I).
Forma estructural y Para obtener el estimador de Máxima Verosimilitud con información completa se
reducida
aplica el método de estimación de Máxima Verosimilitud al modelo en su con-
El problema de la
identificación
junto. Por tanto, se ha de obtener la función de densidad conjunta de las variables
endógenas del modelo:  
Métodos de estimación
de Ecuaciones
L(y) = L(u) 
 ∂u  ,
Simultáneas
∂y

❖ Métodos
❖ Enfoques para la exigiendo ahora las condiciones necesarias de máximo de la función de verosimilitud
estimación
la igualdad a cero de las derivadas parciales con respecto al vector δ y a la matriz Σ,
❖ Notación
❖ MCI
obteniendo δ̂M V IC .
❖ MC2E Los estimadores máximo verosı́miles con información completa son asintótica-
❖ VI mente insesgados y eficientes. En pequeñas muestras, son más eficientes que los
❖ MVIL estimadores obtenidos con información limitada.
❖ Ejemplo
❖ MC3E
❖ MVIC
❖ Sistemas recursivos

Econometrı́a II Modelos de Ecuaciones Simultáneas – 39 / 40

13:56:01

Sistemas recursivos

❖ Contenidos Se dice que un modelo de ecuaciones simultáneas es recursivo cuando, tras una
Naturaleza de los posible reordenación de las ecuaciones de la forma estructural, resulta que la matriz
modelos de ecuaciones
simultáneas Γ es triangular y la matriz Σ es escalar.
Forma estructural y
Al ser la matriz Σ diagonal, las ecuaciones del sistema no están relacionadas a
reducida través de los términos de perturbación. Por otra parte, al ser Γ triangular, cada varia-
El problema de la ble endógena puede expresarse únicamente en función de variables predetermina-
identificación
das, por lo que pueden estimarse cada una de las ecuaciones de manera recursiva,
Métodos de estimación empezando con y1 y sustituyendo las expresiones de las variables endógenas en las
de Ecuaciones
Simultáneas ecuaciones subsiguientes, por lo que todas y cada una de las ecuaciones estarán
❖ Métodos exactamentes identificadas.
❖ Enfoques para la Ası́, por ejemplo, dado el modelo:
estimación
❖ Notación Y1t = β11 + β12 X2t + β13 X3t + u1t ,
❖ MCI
❖ MC2E
Y2t = β21 + γ21 y1t + β22 X2t + β23 X3t + u2t ,
❖ VI Y3t = β31 + γ31 Y1t + γ32 Y2t + β32 X2t + β33 X3t + u3t ,
❖ MVIL
❖ Ejemplo se verifica que
❖ MC3E ! !
❖ MVIC −1 γ21 γ31 σ12 0 0
❖ Sistemas recursivos Γ= 0 −1 γ32 , Σ= 0 σ22 0 .
0 0 −1 0 0 σ32
En tal caso, en primer lugar puede estimarse Y1 . Sustituyendo su estimación en la
segunda ecuación podrı́a estimarse Y2 . Y ası́, sucesivamente.

Econometrı́a II Modelos de Ecuaciones Simultáneas – 40 / 40