00188817 Econometría Aplicada

Diego Javier Pérez Alejo Sección 02

Resumen: Métodos de ecuaciones simultaneas

Enfoques para la estimación

Si se considera el modelo general de M ecuaciones con M variables endógenas, pueden adoptarse dos
enfoques para estimar las ecuaciones estructurales, a saber: métodos uniecuacionales, también
conocidos como métodos de información limitada, y métodos de sistemas, conocidos como métodos de
información completa.

En el primer método cada ecuación en el sistema de ecuaciones simultáneas se estima individualmente

considerando las restricciones impuestas sobre ella (tales como la exclusión de algunas variables) sin
preocuparse de las restricciones sobre las otras ecuaciones en el sistema, de ahí el nombre de métodos
de información limitada.

Por otra parte, en los métodos de sistemas, se estiman todas las ecuaciones en el modelo de manera
simultánea, teniendo en cuenta las restricciones ocasionadas por la omisión o ausencia de algunas
variables sobre dichas ecuaciones (tales restricciones son esenciales para la identificación), de aquí el
nombre métodos de información completa.

Se considera el siguiente modelo de 4 ecuaciones:

Y1t = β10 + + β12Y2t + β13Y3t + + γ11X1t + + u1t

Y2t = β20 + + β23Y3t + γ21X1t + γ22X2t + u2t

Y3t = β30 + β31Y1t + + β34Y4t + γ31X1t + γ32X2t + + u3t

Y4t = β40 + + β42Y2t + γ43X3t + u4t

En donde las Y son las variables endógenas y las X son las variables exógenas. Si se está interesado en
estimar, por ejemplo, la tercera ecuación, los métodos uniecuacionales considerarán solamente esta
ecuación, observando que las variables Y2 y X3 están excluidas de ella. En los métodos de sistemas,
por el contrario, se trata de estimar las cuatro ecuaciones simultáneamente, teniendo en cuenta todas
las restricciones impuestas sobre las diversas ecuaciones del sistema.

Para preservar el espíritu de los modelos de ecuaciones simultáneas, idealmente debería utilizarse el
método de sistemas, tal como el método de máxima verosimilitud con información completa (MVIC).
Aunque modelos tan elaborados pueden proporcionar detalles complejos de los diversos sectores de la
economía, los cálculos representan un enorme esfuerzo aun en estos días de computadoras de alta
velocidad, sin mencionar el costo involucrado. Segundo, los métodos de sistemas, como el MVIC,
conducen a soluciones que son altamente no lineales en los parámetros y, por consiguiente, difíciles de
determinar. Tercero, si hay un error de especificación en una o en más ecuaciones del sistema, dicho
error es transmitido al resto del sistema. Como resultado, los métodos de sistemas se vuelven muy
sensibles a los errores de especificación.
00188817 Econometría Aplicada
Diego Javier Pérez Alejo Sección 02

Por consiguiente, en la práctica, los métodos uniecuacionales son utilizados con más frecuencia.
Como lo plantea Klein:
“Los métodos uniecuacionales, en el contexto de un sistema simultáneo, pueden ser menos sensibles a
errores de especificación en el sentido de que aquellas partes del sistema que tienen una especificación
correcta pueden no verse afectadas considerablemente por errores de especificación en otra parte.”

Modelos recursivos y mínimos cuadrados ordinarios

Debido a la interdependencia entre el término de perturbación estocástico y las variables explicativas

endógenas, el método de MCO es inapropiado para la estimación de una ecuación en un sistema de
ecuaciones simultáneas, los estimadores no sólo resultan sesgados (en muestras pequeñas) sino
también inconsistentes; es decir, sin importar qué tan grande sea el tamaño de la muestra, el sesgo no
desaparece. Sin embargo, hay una situación en la cual el método de MCO puede ser aplicado
apropiadamente, aun en el contexto de las ecuaciones simultáneas; es el caso de los modelos
recursivos, triangulares o causales.

Consideramos el siguiente sistema de tres ecuaciones:

Y1t = β10 + γ11X1t + γ12X2t + u1

Y2t = β20 + β21Y1t + γ21X1t + γ22X2t + u2t

Y3t = β30 + β31Y1t + β32Y2t + γ31X1t + γ32X2t + u3t

En este sistema, las Y son las variables endógenas y las X son las variables exógenas.

Las perturbaciones son: cov (u1t, u2t) = cov (u1t, u3t) = cov (u2t, u3t) = 0
Podemos decir entonces, que las perturbaciones, esto de diferentes ecuaciones, en un mismo periodo no
están correlacionadas, esto se conoce como el supuesto de cero correlación contemporánea.

Revisando la primera ecuación del sistema, observamos que esta contiene variables exógenas al lado
derecho y como, por los supuestos, no están correlacionadas con el término de perturbación u1t, esta
ecuación satisface el supuesto crítico del método de MCO clásico, a saber: la no correlación entre las
variables explicativas y las perturbaciones estocásticas, entonces MCO puede aplicarse a esta
ecuación de manera directa. Procedemos a analizar la segunda ecuación, esta contiene la variable
endógena Y1 como una variable explicativa junto con las X no estocásticas, MCO también puede ser
aplicado a esta ecuación, siempre y cuando Y1t y u2t no estén correlacionadas con u2, para todos los
efectos prácticos, Y1 es una variable predeterminada en lo que respecta a Y2. Así, se puede proceder
con la estimación de esta ecuación por MCO. Llevando este argumento un paso más adelante, también
se puede aplicar MCO a la tercera ecuación porque Y1 y Y2 no están correlacionados con u3.
Así, en el sistema recursivo, puede aplicarse MCO a cada ecuación en forma separada, de hecho, no se
tiene el problema de las ecuaciones simultáneas en esta situación. Por la estructura de tales sistemas, es
claro que no hay interdependencia entre las variables endógenas
00188817 Econometría Aplicada
Diego Javier Pérez Alejo Sección 02

Como ejemplo de un sistema recursivo, puede postularse el siguiente modelo de determinación de

salarios y precios:

Ecuación de precios: P˙t = β10 + β11 W˙ t −1 + β12 R˙ t + β13 M˙ t + β14 L˙ t + u 1t

Ecuación de salarios: W˙ t = β20 + β21 UNt + β32 P˙t + u 2

Donde: P˙ = tasa de cambio del precio por unidad de producción

W˙ = tasa de cambio de los salarios por empleado
R˙ = tasa de cambio del precio del capital
M˙ = tasa de cambio de los precios de importación
L˙ = tasa de cambio de la productividad laboral
UN = tasa de desempleo (En porcentaje)

La ecuación de precios postula que la tasa de cambio de los precios en el periodo actual es una función
de las tasas de cambio en los precios del capital y de las materias primas, de la tasa de cambio en la
productividad laboral y de la tasa de cambio en los salarios en el periodo anterior. La ecuación de
salarios muestra que la tasa de cambio en los salarios en el periodo actual está determinada por la tasa
de cambio de los precios en el periodo actual y por la tasa de desempleo, puede aplicarse MCO para
estimar los parámetros de las dos ecuaciones individualmente.

Estimación de una ecuación exactamente identificada: el método de mínimos cuadrados

indirectos
Para una ecuación estructural precisa o exactamente identificada, el método para obtener las
estimaciones de los coeficientes estructurales a partir de las estimaciones por MCO de los coeficientes
en forma reducida se conoce como método de mínimos cuadrados indirectos (MCI).

El método de mínimos cuadrado indirectos comprende 3 pasos a seguir:

Paso 1. Se obtienen primero las ecuaciones en forma reducida. Éstas se obtienen de las ecuaciones
estructurales en forma tal que la variable dependiente en cada ecuación es la única variable endógena y
está en función únicamente de las variables predeterminadas (exógenas o endógenas rezagadas) y de los
términos de errores estocásticos.
Paso 2. Se aplica MCO individualmente a las ecuaciones en la forma reducida. Esta operación es
permisible puesto que las variables explicativas en estas ecuaciones están predeterminadas y, por
tanto, no están correlacionadas con las perturbaciones estocásticas. Las estimaciones así obtenidas
son consistentes.
Paso 3. Se obtienen estimaciones de los coeficientes estructurales originales a partir de los
coeficientes en forma reducida estimados, obtenidos en el paso 2. Di una ecuación está exactamente
identificada, hay una correspondencia uno a uno entre los coeficientes estructurales y los coeficientes
en la forma reducida; es decir, pueden derivarse estimaciones únicas de los primeros a partir de los
últimos.
00188817 Econometría Aplicada
Diego Javier Pérez Alejo Sección 02

Ejemplo

Consideramos un modelo de demanda y oferta:

Función de demanda: Qt = α0 + α1 Pt + α2 Xt + u1t

Función de oferta: Qt = β0 + β1 Pt + u2t

en donde Q = cantidad
P = precio
X = ingreso o gasto

En este caso suponemos que la X (el ingreso o gasto) es exógena, como pudimos comprobar antes, la
función de oferta está exactamente identificada, en tanto que la función de demanda no.

Las ecuaciones en forma reducida son:

Pt π0 + π1 Xt + wt
=
Qt π2 + π 3 X t + vt
=
En donde los “π” son los coeficientes (en forma reducida) y son combinaciones no lineales de los
coeficientes estructurales, y “w” y “v” son combinaciones lineales de las perturbaciones estructurales
“u1” y “u2”. Cada ecuación en la forma reducida contiene una sola variable endógena, que es la
dependiente y está en función únicamente de la variable exógena X y de las perturbaciones estocásticas.

Por tanto, los parámetros de las ecuaciones en la forma reducida anteriores pueden ser estimados por
MCO:

∑ pt xt
π 1=
^
∑ x 2t
^ π1^
π 0= P−^ X

∑ at x t
π 3=
^
∑ x 2t
^ π3 ^
^π 2=Q−^ X

En donde las letras minúsculas denotan desviación de las medias muestras, ^ PyQ ^ son los valores de
media muestra de P y Q respectivamente, los “ π son estimadores consistentes, insesgados y con varianza
mínima o asintóticamente eficientes.
La función de oferta está exactamente identificada, por lo que sus parámetros pueden estimarse de manera
única a partir de los coeficientes en forma reducida, así:
^β 0= π^2− β^ 1 π^ 0

π^ 3
^β 1=
π^ 1
00188817 Econometría Aplicada
Diego Javier Pérez Alejo Sección 02

Podemos ver que estos son los estimadores por MCI, y observamos que los parámetros de la función de
demanda no pueden ser estimados de esta forma.

Estimación de una ecuación sobreidentificada: método de mínimos cuadrados en dos etapas

(MC2E)
Consideramos el siguiente modelo:
Función de ingreso: Y1t = β10 +β11Y2t+γ11X1t+γ12X2t+u1t

Función de oferta monetaria: Y2t = β20 + β21Y1t+U2t

en donde Y1 = ingreso, Y2 = existencias de dinero, X1 = gasto de inversión, X2 = gasto del gobierno en
bienes y servicios
En este caso las variables X1 y x2 son exógenas. Al aplicar la condición de orden para la identificación,
puede verse que la ecuación del ingreso está subidentificada, en tanto que la ecuación de la oferta
monetaria está sobreidentificada. Es poco lo que puede hacerse sobre la ecuación del ingreso, a no ser que
se altere la especificación del modelo. La función de la oferta monetaria sobreidentificada no puede
estimarse mediante MCI porque hay dos estimaciones de β21. Supongamos que se encuentra una “variable
representativa” para la variable explicativa estocástica Y1, tal que, aunque “se parece” a Y1, no está
correlacionada con u2. Tal variable se conoce también como variable instrumental. Podemos obtener esta
variable instrumental por el método de mínimos cuadrados en dos etapas (MC2E):
Etapa 1: Para eliminar la correlación probable entre Y1 y u2, hay que efectuar primero la regresión de Y 1
sobre todas las variables predeterminadas en el sistema completo, efectuamos la regresión de Y1 sobre X1 y
X2:

Y^ 1 t =^
π 0+ π^ 1 ^
X 1 t + π^ 2 ^
X 2 t ; donde Y^ 1 t es una estimación del valor medio de Y condicional de las X fijas, no
es otra cosa que una regresión en forma reducida ya que solo las variables exógenas están al lado derecho.
^ 1t + U
Esto puede expresarse como: Y 1 t =Y ^ t ; entonces Y1 estocástica consta de dos partes: Y^ 1 t que es una
combinación lineal de las X no estocásticas, y el componente aleatorio.
Etapa 2: La ecuación sobreidentificada de la oferta monetario puede escribirse como:

Y 2 t =β 20+ β 2 Y^ 1t + u¿t ; en donde ut = u2 t + β 21 u^ t. Podemos observar que esta ecuación es similar a la

¿

ecuación original de oferta monetaria, siendo la única diferencia que Y1 ha sido reemplazada por Yˆ1,
gracias a esto podemos mostrar que Y ^ 1 t no está correlacionada con u¿t asintóticamente (muestras grandes),
entonces puede aplicarse MCO a nuestra última ecuación, por lo que obtendremos estimaciones
consistentes de los parámetros de la función de oferta monetaria.
Como lo indica este procedimiento de dos etapas, la idea básica detrás de MC2E es “purificar” la variable
explicativa estocástica Y1 de la influencia de la perturbación estocástica u2. Este objetivo se logra
efectuando la regresión en forma reducida de Y1 sobre todas las variables predeterminadas en el sistema
(etapa 1), obteniendo las estimaciones Yˆ1t y reemplazando Y1t en la ecuación original por las Yˆ1t, para
luego aplicar MCO a la ecuación así transformada (etapa 2).