Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

Naturaleza de los modelos de ecuaciones simultáneas

No description
by

Elpo Lopez

on 16 December 2013

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Naturaleza de los modelos de ecuaciones simultáneas

Naturaleza de los modelos de ecuaciones simultáneas
¿Si estimamos los parámetros por MCO sin tener en cuenta las demás ecuaciones del sistema?
Supuesto crucial MCO: variables explicativas son no estocásticas, o si lo son, están distribuidas independientemente del término de perturbación estocástico.
El método de mínimos cuadrados no aplica para estimar una sola ecuación enlazada a un sistema de ecuaciones simultáneas si una o más de las variables explicativas están correlacionadas con el término de perturbación en esa ecuación, porque los estimadores así obtenidos son inconsistentes.
Mostramos con el modelo keynesiano simple.
Próxima presentación
El problema de la identificación.
Ejemplo: Modelo 1 de Klein
Image by Tom Mooring
Modelos de Ecuaciones Simultáneas
Probaremos que
Yt y ut están correlacionados
(Pizarrón)
Inconsistencia
Pero...
A menos que se demuestre que la variable explicativa estocástica Y2 está distribuida independientemente de u1 y que la variable explicativa estocástica Y1 en está distribuida independientemente de u2, la aplicación de MCO clásicos a estas ecuaciones generará estimaciones inconsistentes.
Sesgo
Ejemplo
Luego lo trabajaremos...
Un estimador es consistente si el límite de su probabilidad, o plím para abreviar, es igual a su verdadero valor (poblacional).
A medida que el tamaño n de la muestra aumenta indefinidamente, se esperaría que la covarianza muestral entre Y y u se aproxime a la verdadera covarianza poblacional E[Yt − E(Yt)][ut − E(ut)].
El estimador es sesgado.
Supuestos
Full transcript