PC Nª01 ECONOMETRIA II

Comente y fundamente su respuesta.

A. La causalidad de Granger nos sirve para verificar la superexogeneidad de una variable.

SUPEREXOGENEIDAD: SE DICE QUE: "zt es super exógena respecto a un conjunto de parámetros de interés ? sí y solo si Z t es débilmente exógena respecto a ? y ?1 es invariante a intervenciones que afecten a ?". "Si bien la exogeneidad fuerte implica la causalidad según Granger, lo contrario no es cierto""La superexogeneidad permite sustentar los ejercicios de simulación y “control”, propios del análisis de políticas. En la determinación de la superexogeneidad de una variable subyace la posibilidad de un cambio en el proceso generador de datos de la variable explicativa. Si no se cumple la condición de superexogeneidad, la variable Zt no se puede considerar exógena a los efectos de la simulación y control. “Crítica de Lucas” (de 1976)"

B. Una variable endógena rezagada es considerada una variable predeterminada.

VERDADERO: Las Variables predeterminadas pueden ser de dos tipos:

Exógenas Predeterminadas presentes o rezagadas.- Xt ó Xt-1. Endógenas rezagadas.- Yt-1 ; dado que el valor anterior al actual, es

conocido entonces ya deja de ser estocástica para convertirse en Predeterminada y, se puede asegurar que no está correlacionada con el error en el primer rezago AR(1).

C. Los estimadores de todo modelo multiecuacional son MELI.

En el caso de los modelos multiecuacionales, cada una de las ecuaciones puede ser estimada (si cumple unas condiciones de estimabilidad o identificabilidad) mediante los siguientes métodos:

Método de mínimos cuadrados bietápicos Método de máxima verosimilitud con información limitada

D. El método adecuado para estimar ecuaciones sobreidentificadas es mínimos cuadrados bietápicos.

El método de mínimos cuadrados en dos etapas (MC2E) permite obtener estimadores consistentes para los parámetros estructurales en el caso de ecuaciones sobreidentificadas o exactamente identificadas. El método MC2E consiste en:

Para cada variable endógena explicativa de la ecuación, hallar la ecuación de regresión de ésta sobre todas las variables exógenas del sistema.

Con las ecuaciones de regresión obtenidas, hallar los valores estimados para cada variable endógena, y realizar la regresión de la variable endógena dependiente sobre las variables explicativas usando dichos valores estimados (en lugar de los valores observados).

Es un caso particular del método de MC2E y se utiliza cuando el número de instrumentos es igual al número de variables endógenas explicativas.

E. Los variados estimadores para los modelos de ecuaciones simultáneas son todos estimadores de variables instrumentales.

F. Si las perturbaciones se distribuye normalmente, entonces la varianza asintótica de mínimos cuadrados trietápicos es igual a la varianza asintótica de mínimos cuadrados bietápicos

La estimación con MC3E no supone claras diferencias en términos de sesgo y consistencia si bien mejora la eficiencia asintótica de los estimadores respecto a MC2E siempre y cuando persistan relaciones significativas entre las perturbaciones aleatorias

G. El método de mínimos cuadrados ordinarios no es aplicable para estimar una ecuación estructural en un modelo multiecuacional.

La aplicación de MCO en un sistema de ecuaciones sin simultaneidad genera (en ausencia de otros problemas de especificación individual de cada ecuación) estimaciones insesgadas, consistentes y eficientes en tanto que su utilización en modelos con simultaneidad (y, por tanto, con riesgo de regresores estocásticos correlacionados con las perturbaciones aleatorias) no garantiza la insesgadez (riesgo de estimaciones sesgadas) ni la consistencia (el sesgo no sólo se presenta en muestras pequeñas sino que se mantiene para muestras grandes).

Así pues, y más allá de los matices prácticos anteriormente señalados que parecen apoyar las “ventajas relativas” de la utilización de estimadores directos, lo cierto es que el estimador MCO sólo es analíticamente recomendable para modelos sin simultaneidad o recursivos (también llamados triangulares).

Efectivamente, en este tipo de modelos las endógenas que actúan como explicativas en las ecuaciones no estarán relacionadas con las perturbaciones de las mismas lo cual impide que se generen problemas de sesgo en la estimación. (Se recomienda estudiar el ejemplo mencionado a pie de página)

H. El metodo de mínimos cuadrados de dos etapas y otros métodos de estimación de ecuaciones estructurales tienen propiedades estadísticas deseables solamente en muestras grandes.

I. La causalidad de Granger nos sirve para verificar la simultaneidad del modelo.

J. Si una variable es superexógena entonces se puede afirmar que la variable es exógena estricta.

K.L.