PARTE II FUNDAMENTO ECONOMÉTRICO
|
|
- Manuela María Escobar Barbero
- hace 5 años
- Vistas:
Transcripción
1 PARTE II FUNDAMENTO ECONOMÉTRICO La economería de seres de empo esá en consane evolucón, lo que ha oblgado a los economsas a replanearse los modelos revsar la valdez empírca de la eoría. En ese aparado se revsan los concepos fundamenales para que el lecor pueda nerprear los resulados esadíscos del presene rabajo, se da por hecho que el lecor esá famlarzado con la écnca de mínmos cuadrados con las pruebas de hpóess. El enfoque que he decddo omar es necesaramene eórco, en oras palabras, ulzaremos la eoría como guía en el dseño de los modelos. PROCESOS ESTOCÁSTICOS Y ESTACIONARIEDAD Una sere de empo, es el conjuno de valores que ha omado una varable en el empo. Como en cada momeno la varable aleaora puede omar un solo valor, se dce que cada valor que oma en el empo es una realzacón de la msma. Al conjuno de esas varables aleaoras ordenadas en el empo se le conoce como proceso esocásco se denoa como { }. Anes de realzar nferencas de probar hpóess, se debe probar s la sere sgue una regulardad. En oras palabras, s vamos a esudar el comporameno de las varables cómo se relaconan, deseamos conocer cuál es el mecansmo que generó los daos. Para 3
2 ese fn es mu úl el concepo de esaconaredad, se dce que un proceso esocásco { } es esaconaro s cumple con las sguenes caraceríscas: ( ) µ µ E La meda es consane a ravés del empo. ( ) σ σ Var La varanza es consane a ravés del empo. Cov ( j ) σ j, La covaranza enre érmnos conguos no depende del empo sno de la dsanca enre los msmos. Uno de los procesos esocáscos no esaconaros es el de camnaa aleaora 8 se defne como: u En ese caso, la varable oma el valor en el perodo aneror más una error aleaoro con meda cero, varanza consane e ndependenemene dsrbudo. Ese po de procesos es común en varables como el preco de las accones, por lo que sería práccamene mposble obener ganancas eraordnaras especulando en el mercado. Por medo de eracones se puede demosrar que el valor de en es gual al valor ncal más la suma de perurbacones o de los errores en el empo: 0 u 8 Tambén conocdo como proceso de raíz unara. 4
3 A dferenca de un proceso esaconaro, el efeco de una nnovacón o error es permanene. S se calcula el valor esperado o meda, la varanza de ese proceso de camnaa aleaora se obene: E ( ) 0 ( ) σ Var u Donde σ u es la varanza del error, se puede aprecar que aunque la meda es consane en el empo la varanza no, por lo que la desvacón esándar de un pronósco sobre Y crecerá con la raíz cuadrada de. Sn embargo, s dferencamos una vez el proceso de camnaa aleaora, obendremos un proceso esaconaro: E ( ) E( u ) 0 ( ) Var( u ) σ Var u u u Oro proceso no esaconaro que frecuenemene se encuenra, es el de camnaa aleaora con derva: α α u u 5
4 Como la meda del error es de cero, la sere aunque no es esaconara endrá una endenca ascendene s a > 0 descendene s a < 0 demosrar que 9 :. Ierando haca arás se puede E α 0 0 ( ) α ( ) σ Var u 0 u No sólo la varanza no permanece consane sno que la meda ampoco. Conforme aumena la meda aumena s α > 0 dsmnue s α < 0. Muchas veces podemos denfcar qué proceso esocásco podría segur la sere por smple nspeccón gráfca. A connuacón se presena la represenacón gráfca de los sguenes procesos: u 0.5 u Donde el valor ncal 0 es gual que cero la sere u represena números aleaoros generados de una dsrbucón normal esándar con 500 observacones. 9 En ese caso Cov(, ) σ ( ) u 6
5 Gráfca.: Procesos no esaconaros Fuene: Charemza Deadman (997) pp.90 El caso general puede represenarse como α δ u. S δ enemos un proceso de raíz unara o camnaa aleaora con derva, menras que s δ < el proceso es esaconaro. Por medo de eracones podemos epresar el caso esaconaro en la sguene forma: 0 α δ δ δ u δ < 0 0 S el prmer érmno converge a α δ menras que el segundo se hace cero. La meda enonces será esaconara, ambén podemos noar que el érmno de error no 7
6 ejerce un efeco permanene en la sere a que conforme aumena su nfluenca dsmnue 0. Podemos asumr ambén que el error sgue un proceso de po: u ρ e ρ < u Donde { e } es un proceso con meda cero varanza consane, dénca e ndependenemene dsrbudo, ambén llamado rudo blanco. Aunque { u } no se dsrbue ndependenemene de sus realzacones pasadas o rezagos, es un proceso déblmene dependene a que hemos esablecdo la condcón de esaconaredad ρ <. A ese po de procesos en la leraura se les conoce como auorregresvos de orden uno AR(), s ρ es esadíscamene dferene de cero se dce que ha correlacón seral de prmer orden. Fnalmene puede ser el caso que la sere sea esaconara, pero alrededor de una endenca deermnísca, en el caso especal de que ésa sea lneal el proceso se pude represenar como: α u Var σ u δ 0 En ese caso ( ), por lo ano es consane. En presenca de correlacón seral los esmadores por mínmos cuadrados son nsegados conssenes, aunque a no serán efcenes. No se pueden aplcar las pruebas convenconales de sgnfcanca esadísca a los esmadores. Las pruebas esadíscas para deecar auocorrelacón ncluen el esadísco Durbn- Wason (DW) la prueba de Breusch-Godfre enre oras. 8
7 La dferenca enre un proceso esaconaro alrededor de una endenca deermnísca un proceso no esaconaro o con endenca esocásca puede observarse en el sguene gráfco: Gráfca.: Tpo de endenca Fuene: Charemza Deadman (997) pp.9 En el sguene aparado se descrben brevemene las pruebas esadíscas para deermnar s una sere sgue un proceso de raíz unara. Como se menconó al prncpo, esa seccón es un breve repaso de la economería de seres de empo, conene los concepos necesaros para nerprear los prncpales resulados del análss empírco en la cuara pare. El lecor neresado en profundzar puede consular la bblografía. En ese caso la sere presena ano endenca esocásca como deermnísca, ésa úlma represenada por la derva. 9
8 PARTE II FUNDAMENTO ECONOMÉTRICO La economería de seres de empo esá en consane evolucón, lo que ha oblgado a los economsas a replanearse los modelos revsar la valdez empírca de la eoría. En ese aparado se revsan los concepos fundamenales para que el lecor pueda nerprear los resulados esadíscos del presene rabajo, se da por hecho que el lecor esá famlarzado con la écnca de mínmos cuadrados con las pruebas de hpóess. El enfoque que he decddo omar es necesaramene eórco, en oras palabras, ulzaremos la eoría como guía en el dseño de los modelos. PROCESOS ESTOCÁSTICOS Y ESTACIONARIEDAD Una sere de empo, es el conjuno de valores que ha omado una varable en el empo. Como en cada momeno la varable aleaora puede omar un solo valor, se dce que cada valor que oma en el empo es una realzacón de la msma. Al conjuno de esas varables aleaoras ordenadas en el empo se le conoce como proceso esocásco se denoa como { }. Anes de realzar nferencas de probar hpóess, se debe probar s la sere sgue una regulardad. En oras palabras, s vamos a esudar el comporameno de las varables cómo se relaconan, deseamos conocer cuál es el mecansmo que generó los daos. Para 3
9 ese fn es mu úl el concepo de esaconaredad, se dce que un proceso esocásco { } es esaconaro s cumple con las sguenes caraceríscas: ( ) µ µ E La meda es consane a ravés del empo. ( ) σ σ Var La varanza es consane a ravés del empo. Cov ( j ) σ j, La covaranza enre érmnos conguos no depende del empo sno de la dsanca enre los msmos. Uno de los procesos esocáscos no esaconaros es el de camnaa aleaora 8 se defne como: u En ese caso, la varable oma el valor en el perodo aneror más una error aleaoro con meda cero, varanza consane e ndependenemene dsrbudo. Ese po de procesos es común en varables como el preco de las accones, por lo que sería práccamene mposble obener ganancas eraordnaras especulando en el mercado. Por medo de eracones se puede demosrar que el valor de en es gual al valor ncal más la suma de perurbacones o de los errores en el empo: 0 u 8 Tambén conocdo como proceso de raíz unara. 4
10 A dferenca de un proceso esaconaro, el efeco de una nnovacón o error es permanene. S se calcula el valor esperado o meda, la varanza de ese proceso de camnaa aleaora se obene: E ( ) 0 ( ) σ Var u Donde σ u es la varanza del error, se puede aprecar que aunque la meda es consane en el empo la varanza no, por lo que la desvacón esándar de un pronósco sobre Y crecerá con la raíz cuadrada de. Sn embargo, s dferencamos una vez el proceso de camnaa aleaora, obendremos un proceso esaconaro: E ( ) E( u ) 0 ( ) Var( u ) σ Var u u u Oro proceso no esaconaro que frecuenemene se encuenra, es el de camnaa aleaora con derva: α α u u 5
11 Como la meda del error es de cero, la sere aunque no es esaconara endrá una endenca ascendene s a > 0 descendene s a < 0 demosrar que 9 :. Ierando haca arás se puede E α 0 0 ( ) α ( ) σ Var u 0 u No sólo la varanza no permanece consane sno que la meda ampoco. Conforme aumena la meda aumena s α > 0 dsmnue s α < 0. Muchas veces podemos denfcar qué proceso esocásco podría segur la sere por smple nspeccón gráfca. A connuacón se presena la represenacón gráfca de los sguenes procesos: u 0.5 u Donde el valor ncal 0 es gual que cero la sere u represena números aleaoros generados de una dsrbucón normal esándar con 500 observacones. 9 En ese caso Cov(, ) σ ( ) u 6
12 Gráfca.: Procesos no esaconaros Fuene: Charemza Deadman (997) pp.90 El caso general puede represenarse como α δ u. S δ enemos un proceso de raíz unara o camnaa aleaora con derva, menras que s δ < el proceso es esaconaro. Por medo de eracones podemos epresar el caso esaconaro en la sguene forma: 0 α δ δ δ u δ < 0 0 S el prmer érmno converge a α δ menras que el segundo se hace cero. La meda enonces será esaconara, ambén podemos noar que el érmno de error no 7
13 ejerce un efeco permanene en la sere a que conforme aumena su nfluenca dsmnue 0. Podemos asumr ambén que el error sgue un proceso de po: u ρ e ρ < u Donde { e } es un proceso con meda cero varanza consane, dénca e ndependenemene dsrbudo, ambén llamado rudo blanco. Aunque { u } no se dsrbue ndependenemene de sus realzacones pasadas o rezagos, es un proceso déblmene dependene a que hemos esablecdo la condcón de esaconaredad ρ <. A ese po de procesos en la leraura se les conoce como auorregresvos de orden uno AR(), s ρ es esadíscamene dferene de cero se dce que ha correlacón seral de prmer orden. Fnalmene puede ser el caso que la sere sea esaconara, pero alrededor de una endenca deermnísca, en el caso especal de que ésa sea lneal el proceso se pude represenar como: α u Var σ u δ 0 En ese caso ( ), por lo ano es consane. En presenca de correlacón seral los esmadores por mínmos cuadrados son nsegados conssenes, aunque a no serán efcenes. No se pueden aplcar las pruebas convenconales de sgnfcanca esadísca a los esmadores. Las pruebas esadíscas para deecar auocorrelacón ncluen el esadísco Durbn- Wason (DW) la prueba de Breusch-Godfre enre oras. 8
14 La dferenca enre un proceso esaconaro alrededor de una endenca deermnísca un proceso no esaconaro o con endenca esocásca puede observarse en el sguene gráfco: Gráfca.: Tpo de endenca Fuene: Charemza Deadman (997) pp.9 En el sguene aparado se descrben brevemene las pruebas esadíscas para deermnar s una sere sgue un proceso de raíz unara. Como se menconó al prncpo, esa seccón es un breve repaso de la economería de seres de empo, conene los concepos necesaros para nerprear los prncpales resulados del análss empírco en la cuara pare. El lecor neresado en profundzar puede consular la bblografía. En ese caso la sere presena ano endenca esocásca como deermnísca, ésa úlma represenada por la derva. 9
15 PRUEBAS DE RAÍZ UNITARIA A pesar de que la nspeccón gráfca puede audar basane, no es sufcene. Se necesa una prueba esadísca para sosener que efecvamene un proceso esocásco es esaconaro. Las pruebas más usadas en la leraura son la desarrollada por Dce Fuller (979), más recenemene la prueba de Phllps Perron (988). PRUEBA DE DICKEY FULLER En las pruebas de raíz unara la hpóess nula es que la sere no es esaconara. Podemos epresar el proceso esocásco en la sguene manera: δ e δ e ( δ ) e θ e Donde bajo la hpóess nula de raíz unara θ ( δ ) 0, por lo que se raa de una prueba sobre la negavdad de θ. S esadíscamene el esmador de dcho parámero es menor que cero, podemos rechazar la hpóess nula de no esaconaredad habendo selecconando el nvel de sgnfcanca apropado. En oras palabras, s el esadísco es más negavo que el valor críco en la abla correspondene al nvel de sgnfcanca elegdo, se rechaza la hpóess nula de no esaconaredad. 30
16 PRUEBAS DE RAÍZ UNITARIA A pesar de que la nspeccón gráfca puede audar basane, no es sufcene. Se necesa una prueba esadísca para sosener que efecvamene un proceso esocásco es esaconaro. Las pruebas más usadas en la leraura son la desarrollada por Dce Fuller (979), más recenemene la prueba de Phllps Perron (988). PRUEBA DE DICKEY FULLER En las pruebas de raíz unara la hpóess nula es que la sere no es esaconara. Podemos epresar el proceso esocásco en la sguene manera: δ e δ e ( δ ) e θ e Donde bajo la hpóess nula de raíz unara θ ( δ ) 0, por lo que se raa de una prueba sobre la negavdad de θ. S esadíscamene el esmador de dcho parámero es menor que cero, podemos rechazar la hpóess nula de no esaconaredad habendo selecconando el nvel de sgnfcanca apropado. En oras palabras, s el esadísco es más negavo que el valor críco en la abla correspondene al nvel de sgnfcanca elegdo, se rechaza la hpóess nula de no esaconaredad. 30
17 A pesar que se usa el esadísco de Suden para realzar la prueba, ése no se dsrbue como 3.Dce Fuller (979) calcularon las ablas apropadas ulzando epermenos de Mone Carlo. 4. Tambén se puede nclur una consane o una consane endenca deermnísca. El caso más general es: α δ α θ e Donde se puede probar smuláneamene s no ha endenca esocásca θ < 0 s presena endenca deermnísca 0. En ese caso a que se prueba más de un parámero, se calcula el esadísco de mulplcador de Lagrange (LM) se ulzan las ablas apropadas. En caso de que el error presene correlacón seral, endremos que opar por la prueba de Dce Fuller Aumenada (ADF), en ésa se ncluen érmnos auorregresvos para elmnar la correlacón seral. En el caso de una prueba sn consane endenca, la ecuacón queda como: θ θ e Se ulza la msma prueba sobre θ, sólo que los valores crícos para rechazar la hpóess nula son dsnos. Ésos fueron calculados por Dce Fuller (98). Menras algunos sugeren que es crero del economersa el número de rezagos ncludos, oros sugeren ulzar un crero de nformacón como el de Aae o el de Scharz. Esos 3 La razón es porque s es un proceso esaconaro una vez que dferencamos, esamos regresando un I(0) sobre un I(). 4 Epermenos de smulacón por compuadora o muesrales. 3
18 creros mponen una penalzacón maor que la R al aumenar regresores, el modelo con el menor AIC 5 ó SIC 6 es preferdo. En el caso del crero de Aae se ene: RSS ln AIC ln n n Donde es el número regresores, n el amaño de la muesra, RSS la suma del cuadrado de los resduos. Como se puede observar, al nclur regresores RSS dsmnue porque se ene un mejor ajuse pero aumena con cada regresor. PRUEBA DE PHILLIPS-PERRON Phllps Perron (988) desarrollaron un méodo no paramérco para conrolar por correlacón seral al probar la hpóess nula de raíz unara. Se esma la ecuacón de la prueba de Dce Fuller no aumenada se modfca el esadísco de los coefcenes para que la correlacón seral no afece la dsrbucón asnóca del msmo. Los paquees esadíscos calculan esa prueba, mosrando los valores crícos con los que se rechazaría la hpóess nula. 5 Aae Informaon Creron 6 Scharz Informaon Creron 3
19 ORDEN DE INTEGRACIÓN El orden de negracón es el número de veces que una sere se debe dferencar para obener una sere esaconara, aunque no odas las seres al dferencarse se pueden converr en esaconaras. Por ejemplo s una sere la dferencamos d veces aplcando las pruebas de raíz unara rechazamos la hpóess nula de no esaconaredad, enonces se dce que la sere es negrada de orden d, I (d). En macroeconomía enconramos seres que a lo mucho son I (). REGRESIONES ESPURIAS No omar en cuena que las seres sguen un proceso con endenca esocásca o que son negradas de cero orden es pelgroso, a que podríamos obener coefcenes sgnfcavos a pesar de que ésas haan sdo generadas ndependenemene. Nebod Daves (978) en un ejercco de smulacón generaron dos camnaas aleaoras ndependenes. Como hemos vso, ese po de seres son I () a que al dferencarlas una vez obendríamos seres esaconaras ó I (0). Esas seres son: e e e e son varables aleaoras ndependenes que se dsrbuen normalmene con meda cero varanza de uno. Fueron generadas 50,000 muesras de 50 observacones 33
20 cada una para e e, con esos valores se obuveron los procesos de camnaa aleaora ulzando valores ncales de cero. Luego se regresó sobre (sn consane). Los resulados muesran que enemos una probabldad de /3 de que el esmador en la regresón sea sgnfcavo, aunque se sabe que en realdad no ha relacón enre las varables porque fueron generadas ndependenemene. 7 Convenconalmene se consderaba que una regresón con varables no esaconaras no era confable porque no serían váldas las pruebas de sgnfcanca esadísca, además al no conar con esaconaredad cas nada podríamos decr de la relacón enre las seres a que ésa cambaría con el empo. Sn embargo Engle Granger (987) mosraron que no sempre sería el caso, las varables podrían relaconarse descrbendo una relacón de largo plazo no espura, s la combnacón lneal de las msmas era esaconara. A connuacón se epone esa recene conrbucón a la economería de seres de empo. COINTEGRACIÓN Y MODELO DE CORRECCIÓN DE ERRORES Una lmacón de realzar el análss con varables dferencadas, es que perderemos nformacón sobre la relacón de largo plazo que guardan las varables. De cuerdo con Engle Granger (987), se dce que las varables en el vecor columna son conegradas de orden d, b donde d b 0 s cada varable es negrada de orden d ese un vecor de conegracón λ al que λ ~ I(d b). Formalmene: 7 Una señal de alera en los resulados es que se obuvo un esadísco DW (Durbn Wason) mu bajo, lo que nos ndca que ha una fuere auocorrelacón de prmer orden. 34
21 λ ~ CI ( d,b) Por ejemplo s dos seres, esán conegradas, cada una es I (), ese una combnacón lneal de las varables que es (0) I. En ese caso [ ], es el vecor de conegracón. Maemácamene: (,) ~ CI. La nerpreacón económca de la conegracón de varables es mu agradable pues se puede decr que ésas guardan una relacón de equlbro en el largo plazo. Por lo ano, la combnacón lneal de las msmas no camba ssemácamene en el empo, es esaconara. Así, es úl realzar la prueba de conegracón para evar una regresón espura. MÉTODO DE ENGLE-GRANGER La prueba de conegracón consse en esmar el vecor de conegracón por mínmos cuadrados provso que se rae de un modelo unecuaconal 8, de esa forma s los resduos de la regresón son esaconaros hallamos evdenca de que las varables en efeco esán conegradas. En el ejemplo aneror la regresón de conegracón sería: α δ e 8 A dferenca del caso de regresón espura MCO provee esmadores conssenes de los parámeros de conegracón. Para méodos de ssema aplíquese el méodo de Johansen. 35
22 Podemos probar s los resduos ê son esaconaros aplcando una prueba ADF. Sn embargo, los valores crícos de la prueba no son los msmos que los calculados por Dce Fuller debdo a que los resduos esán basados en el parámero de conegracón esmado 9 aunque algunos auores no oman en cuena esa dferenca. MODELO DE CORRECCIÓN DE ERRORES Una vez que se ha deecado la relacón que descrbe el equlbro en el largo plazo, se obenen los resduos de la regresón de conegracón. Cualquer valor dsno de cero de los msmos, sgnfca que las varables no esán en equlbro. Como ejemplo, supongamos que la regresón de conegracón que se obuvo es: ˆ α ˆ δ eˆ Podemos obener los resduos resando los valores ajusados a la varable dependene: eˆ ˆ α ˆ δ Llamemos a ésos érmno de correccón de error ( CE ). El prómo paso es consrur el modelo de coro plazo. Ya que esamos rabajando con varables I ( ), al dferencarlas obendremos varables esaconaras que descrben los cambos en las varables orgnales. Inroducmos como varables ndependenes el érmno de correccón de error 9 Los valores crícos apropados pueden consularse en Charemza Deadman (997), pp
23 rezagado un perodo, las varables eplcavas dferencadas con sus respecvos rezagos. Tambén se pueden nclur algunas varables eógenas esaconales, el modelo puede represenarse como: l α θ 0 δ λce u Donde es la dferenca de la varable eplcava sus rezagos, son varables eógenas u es el érmno de error. El coefcene λ es la velocdad de ajuse del modelo ane desequlbros en la relacón de largo plazo, el sgno de ése debe llevar el modelo en la dreccón correca. En oras palabras, el sgno ane desequlbros en la relacón de largo plazo CE 0, ceers parbus, debe llevarnos de regreso al equlbro. Por ejemplo, s la relacón enre en el largo plazo es posva, un resduo negavo en la regresón de conegracón ndcaría que ha un desequlbro a que esaría por debajo de su nvel de largo plazo, de modo que s... 0 endría que aumenar, o sea λ < 0. VECTORES DE COINTEGRACIÓN (VEC) Para smplfcar la eposcón, ulzaré un modelo VAR 30 con res varables 3. En ese po de modelos smplemene se regresa cada varable sobre los rezagos de ella msma las demás, de modo que enemos: 30 Modelo de vecores auorregresvos. 37
24 38 E Z A Z A Z A Z... e e e 3... A A A Donde como es usual E es un vecor de errores o nnovacones con meda cero varanza consane. Podemos ransformar el ssema resando el prmer rezago en cada lado de la gualdad: Γ Γ Γ Π e e e 3 * * *... Donde Π es una marz de 3 3 que puede epresarse como un produco de dos marces del msmo orden: α Π Debdo a las dmensones de Π, sabemos que su rango ( ) Π r 3 mámo es de res su rango mínmo de cero. Revsemos cada caso en parcular: 3 Eposcón basada en Charemza Deadman (997). 3 Número mámo de columnas lnealmene ndependenes. El rango del produco de dos marces es gual al de la marz con el rango menor.
25 39 S ( ) 0 Π r Γ Γ Γ e e e 3 * * *... Como las varables () I esán dferencadas una vez, las pruebas de sgnfcanca esadísca serán váldas. S ( ) Π r ] [ 3 3 Π α α α α Z Z Las ecuacones del ssema quedarían como: ( ) ( ) ( ) e c b a e c b a e c b a α α α Por ejemplo en el caso de la ecuacón para, sabemos que los rezagos de las dferencas son esaconaros. Eso quere decr que s la combnacón lneal ( ) 3 es esaconara, oda la ecuacón lo será. Formalmene: ( ) ( ), ~,, CI
26 Ha un solo vecor de conegracón ] 33 que enra en cada ecuacón del VAR [ 3 por medo de los coefcenes α, α, α3, que deermnan la velocdad del ajuse. S r ( Π) α α 3 ΠZ α Z α α En ese caso: 3 α 3α 3 α α α 3 ( 3 ) α ( 3 )... e ( 3 ) α ( 3 )... e ( 3 ) α 3 ( 3 )... e3 S ( Π) 3 r Ha res vecores de conegracón, como cada relacón de conegracón es esaconara podemos resolver para las varables, sabemos que cada varable esá en funcón los res érmnos de error que venen de las regresones de conegracón. En ese caso odas las varables en el VAR deben ser I ( 0). Teorema de represenacón de Granger (987):. S el rango de la marz Π es gual que n, el proceso Z es esaconaro. S el rango de la marz Π es menor que n, ese una represenacón de Π al que Π α donde α son marces n r S ~ I() Z ~ I( 0) enonces es la marz de conegracón ha un mámo de Z 33 El vecor se puede normalzar, dvdendo por Donde φ 3 φ3 3 obenemos [ ], o sea - φ - ]. [ φ3 40
27 r n 34 vecores de conegracón. MÉTODO DE JOHANSEN Ese méodo de máma verosmlud basado en un VAR 35, se consdera como superor al méodo de una sola ecuacón de Engle-Granger (EG) debdo a sus propedades esadíscas. En general, el poder de la prueba de conegracón es maor 36, además se puede ulzar ane modelos unecuaconales para valdar la dvsón enre varables endógenas eógenas en el méodo EG 37. A connuacón se epone la nerpreacón esadísca de los esadíscos obendos por el paquee de regresón, para una eposcón eórca del méodo consule W. Chareemza D. Deadman (997) además de W. Enders (995). Para denfcar el número de vecores de conegracón consrur la marz respecva, la prueba presena los egenvalores 38 de modo que µ > µ >... > µ n donde µ es el egenvalor. Tambén se presenan los egenvecores asocados a esos egenvalores v. 39 S la marz es de rango r < n, los prmeros r egenvecores corresponden a los vecores de conegracón que podemos usar como columnas de la marz. 34 n es el número de varables. 35 Vecor Auorregresvo. 36 La probabldad de rechazar una hpóess sendo falsa. 37 En el méodo de EG la dvsón se asume. 38 Los egenvalores son las raíces de una ecuacón polnomal obenda de un deermnane. 39 Los egenvecores se normalzan. 4
28 Se calcula el esadísco de razón de verosíml LR 40 para cada egenvalor progresvamene, la hpóess nula es que ha como mámo r vecores de conegracón. Se nca probando r 0, s no se puede rechazar la hpóess nula de que ha cero vecores de conegracón ermna el proceso se conclue que no ha evdenca que haa algún vecor de conegracón. S se rechaza la hpóess nula se connúa probando progresvamene. La maor dfculad de la prueba es deermnar el número de rezagos de las varables a ulzar, el número de rezagos debe ser común para odas las varables del ssema. PRUEBAS DE CAUSALIDAD DE GRANGER La defncón de causaldad en el sendo de Granger esablece que una varable causa a ora, s esa úlma se puede predecr sgnfcavamene mejor hacendo uso de los valores pasados de la prmera 4. Sn embargo, cuando se rabaja con seres no esaconaras denro del marco de la conegracón, la prueba convenconal de causaldad de Granger debe ser modfcada. Smplemene se agrega un érmno de correccón de error se ulzan las seres en dferencas para eclur cualquer fuene de no esaconaredad en la prueba. El no nclur el érmno de correccón de error provocaría un sesgo por omsón de varable. Por ejemplo, s se quere nvesgar s causa a la Granger a, ambas son negradas de orden uno, se corre prmero la regresón de conegracón de sobre. Después, se 40 Lelhood Rao con una dsrbucón asnóca apromada por Johansen (988). 4 No se debe confundr con causaldad esrca. 4
29 consrue el modelo con la prmera dferenca de como varable dependene como varables ndependenes el érmno de correccón de error, la consane, los rezagos de las dos varables en dferencas (el número de rezagos debe ser el msmo para cada varable). Se realza una prueba F de sgnfcanca conjuna para los rezagos de la varable (en prmera dferenca) que hpoécamene esá causando en el sendo de Granger a la varable dependene. S el esadísco resula sgnfcavo, se encuenra que la nformacón provenene de los rezagos de la prmera dferenca de auda a predecr la varable causada. Por ano se conclue que causa a la Granger a. Formalmene: Para deermnar s granger causa a, se lleva a cabo el msmo procedmeno. En ese caso se usa como varable dependene la prmera dferenca de el érmno de correccón de error provene de la regresón de sobre. S el esadísco F que prueba la sgnfcanca conjuna de los rezagos de la prmera dferenca de es maor que el valor críco, se conclue que causa a la Granger a. Formalmene: S las varables en cuesón esán conegradas, al menos un érmno de correccón de error debe ser sgnfcavo, s en las dos pruebas el esadísco F anes menconado es sgnfcavo, se conclue doble causaldad en el sendo de Granger. Formalmene: 43
30 CAMBIO ESTRUCTURAL Sobre odo s se esá rabajando con seres de empo no esaconaras donde las perurbacones enen efecos permanenes, algún choque mporane en la economía puede cambar la relacón que guardan las varables en cuesón. Las crss de balanza de pagos, aperura comercal, choques de ofera se encuenran enre las prncpales razones para sospechar que haa ocurrdo algún cambo esrucural. PRUEBAS PARA LA DETECCIÓN DE CAMBIO ESTRUCTURAL EN EL MODELO. Una de las pruebas más anguas es la de Cho (960). Sn embargo, esa prueba sólo nos dce s una regresón con daos anes del cambo esrucural ora realzada con daos a parr de ése, son dferenes. La lmacón consse en que no se sabe s el cambo es de pendene o de consane, además anes de aplcar la prueba endremos que denfcar cuándo ocurró el cambo. Una écnca mu senclla para deecar el cambo esrucural que se ulza en ese rabajo de ess, es la de Mínmos Cuadrados Recursvos. Parendo de la prmera observacón en el empo, se esma una prmera regresón con una muesra lmada ( n > ) se 44
31 obenen los esmados de los parámeros además de los resduales. Poserormene se añade la sguene observacón se vuelven a obener los esmados, el procedmeno connúa hasa que se cubre oda la muesra. Para denfcar el cambo esrucural en el modelo, se hace uso de los resduales recursvos. Con los resduales dsponbles después de cada esmacón, se calcula el error esándar de la regresón. 4 Una vez que se llega al perodo en que ocurre el cambo esrucural, el resdual se comporará de manera consderablemene dferene a los anerores, evdencando así el pobre ajuse del modelo ncal que no oma en cuena el cambo esrucural. 43 Para resolver el problema de deermnar s el cambo en el modelo es de consane, de pendene o ambas, podemos ulzar varables caegórcas. S ésas son sgnfcavas enconraremos evdenca a favor del cambo esrucural. Se pueden confrmar los resulados obendos de nclur el cambo esrucural en el modelo observando el aspeco gráfco de los parámeros recursvos en el modelo ncal. S ha esabldad en el modelo, los cambos en los esmados no serán amplos además báscamene aleaoros. Sn embargo, s enconramos algún cambo abrupo favoreceremos la evdenca de cambo esrucural. La prmera pare del gráfco sempre / ˆ 4 ˆ u σ 43 Los esmados recursvos de los coefcenes serán ambén relavamene esables hasa que el puno de quebre o de cambo esrucural en el modelo se alcanza. 45
32 se comporará de manera aípca porque las esmacones ncales ncluen cas anas observacones como parámeros. 46
TIPOS DE TENDENCIAS Y SUS CONSEQUENCIAS. Tendencias estocásticas versus deterministas.
TIPOS D TNDNCIAS Y SUS CONSQUNCIAS. Tendencas esocáscas versus deermnsas. Concepos báscos. Parmos de la base que una sere emporal es la realzacón de un proceso esocásco. Tal y como vmos en los modelos
Más detallesEstadística Clase 6. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Esadísca 011 Clase 6 Maesría en Fnanzas Unversdad del CEMA Profesor: Albero Landro Assene: Julán R. Sr Clase 6 1. Análss de Regresón. Especfcacón y Esmacón 3. Supuesos del modelo de regresón lneal 4. Propedades
Más detallesMODELOS DE SERIES DE TIEMPO. porque su esperanza (condicional) depende de su valor en el período pasado:
Apunes de Teoría Economérca I. Profesor: Vvana Fernández MODELOS DE SERIES DE TIEMPO I CONCEPTOS PRELIMINARES. Procesos Auorregresvos y de Promedo Móvl Se dce que sgue un proceso auorregresvo: es rudo
Más detallesModelos Multivariantes con Estructura Dinámica Transitoria no Recursiva y con Relaciones de Cointegración
Modelos Mulvaranes con Esrucura Dnámca Transora no Recursva y con Relacones de Conegracón Movacón I En el úlmo ema hemos vso como funconan los modelos economércos esaconaros. Sn embargo, ambén sabemos
Más detallesCapítulo 3 Metodología.
Capíulo 3 Meodología. 3.1. Represenacón paramérca de la relacón enre el ngreso per cápa de los hogares y las caraceríscas soco-demográfcas de sus membros. La meodología ulzada en ese rabajo se basa en
Más detallesEJERCICIO Usando los datos sobre el consumo de gasolina en los Estados Unidos que se muestran en el cuadro 1, estime los modelos siguientes:
EJERCICIO echa de enrega: Novembre 9,. Usando los daos sobre el consumo de gasolna en los Esados Undos que se muesran en el cuadro, esme los modelos sguenes: a) Esme, consderando el período 95 97, los
Más detallesDivisión de Ciencias Sociales y Humanidades Licenciatura en Economía
UNIVERSIDAD AUTONOMA METROPOLITANA UNIDAD IZTAPALAPA Dvsón de Cencas Socales y Humandades Lcencaura en Economía Algunas noas sobre auocorrelacón y heeroscedascdad Inroduccón A.. Heeroscedascdad 3 Nauraleza
Más detalles7) Considere los ejercicios 2.b) y 2.c) a) Encuentre un nuevo modelo en variable de estados considerando la transformación dada por:
7 Consdere los ejerccos.b.c a Encuenre un nueo modelo en arable de esados consderando la ransformacón dada por: x x x x b Para.d halle la ransformacón por auoalores Resoleremos el ncso a para el ejercco.c
Más detallesI EJERCICIOS RESUELTOS II EXÁMENES DE ECONOMETRÍA III EXÁMENES DE ECONOMETRÍA EMPRESARIAL IV EXÁMENES DE PRINCIPIOS DE ECONOMETRÍA
I EJERCICIOS RESUELOS II EXÁMENES DE ECONOMERÍA III EXÁMENES DE ECONOMERÍA EMPRESARIAL IV EXÁMENES DE PRINCIPIOS DE ECONOMERÍA Noa: Los ejerccos con asersco no corresponden al programa acual de Prncpos
Más detallesAPÉNDICE B. METODOLOGÍA ECONOMÉTRICA BÁSICA
APÉNDICE B. METODOLOGÍA ECONOMÉTRICA BÁSICA Esaconaredad El concepo de esaconaredad es de suma mporanca en la eoría de la conegracón. Aquí se ulzará el concepo de esaconaredad en sendo débl, o de segundo
Más detallesEL METODO PERT (PROGRAM EVALUATION AND REVIEW TECHNIQUE)
EL METODO PERT (PROGRM EVLUTION ND REVIEW TECHNIQUE) METODO DE PROGRMCION Y CONTROL DE PROYECTOS Desarrollado en 1958, para coordnar y conrolar la consruccón de submarnos Polars. El méodo PERT se basa
Más detallesExamen Final de Econometría Grado
Examen Fnal de Economería Grado 8 de Juno de 017 Hora: 15:30 Apelldos: Grado (ADE/ ECO): Nombre del profesor(a): Nombre: Grupo: Emal: Anes de empezar a resolver el examen, rellene TODA la nformacón que
Más detallesEjercicios resueltos y exámenes
Prncpos de Economería y Economería Empresaral I Ejerccos resuelos y exámenes Recoplados por Ezequel Urel I EJERCICIOS RESUELOS II EXÁMENES DE ECONOMERÍA III EXÁMENES DE ECONOMERÍA EMPRESARIAL IV EXÁMENES
Más detallesMUESTRAS CON ROTACIÓN DE PANELES
487 MUESTRAS CON ROTACIÓN DE PANELES THOMAS POLFELDT Consulor, INE Sueca (Sascs Sweden). 488 Muesras con roacón de paneles ÍNDICE Págna. Defncones Generales... 489. Por Qué una Muesra de Roacón?... 489
Más detallesPronóstico con Modelos Econométricos
Pronósco con Modelos conomércos Hldegar A. Ahumada UD A common complan (n he UK): When weaher forecass go awr, meeorologss ge a new supercompuer When economs ms-forecas, we ge our budges cu (Hendr, 200)
Más detallesCAPÍTULO IV BASES Y DESARROLLO DEL PROGRAMA COMPUTACIONAL. En este capítulo describiremos los modelos y herramientas que utilizaremos para la
CAPÍTULO IV BASES DESARROLLO DEL PROGRAMA COMPUTACIONAL En ese capíulo descrbremos los modelos y herramenas que ulzaremos para la proyeccón y smulacón de algunas de las varables como son los rendmenos
Más detallesTEMA 4: CANALES DIGITALES EN BANDA BASE CON RUIDO
PROBLEMA EMA 4: CANALES DIGIALES EN BANDA BASE CON RUIDO Se desea realzar una ransmsón bnara de símbolos equprobables, para ello se recurre a una codfcacón NRZ de po AMI y cuyas señales se ndcan a connuacón:
Más detallesCálculo y Estadística
PROBABILIDAD, VARIABLES ALEATORIAS Y DISTRIBUCIONES ª Prueba de Evaluacón Connua 0--5 Tes en Moodle correspondene a la pare de Probabldad, Varables Aleaoras y Dsrbucones ( Punos).- Una empresa emplea res
Más detallesAnálisis de supervivencia. Albert Sorribas Grup de Bioestadística I Biomatemàtica Departament de Ciències Mèdiques Bàsiques Universitat de Lleida
Análss de supervvenca Alber Sorrbas Grup de Boesadísca I Bomaemàca Deparamen de Cènces Mèdques Bàsques Unversa de Lleda Esquema general Inroduccón al análss de supervvenca Tpos de esudos El concepo de
Más detalles1. MODELOS DE SERIES TEMPORALES UNIECUACIONALES
oro hasco rgoyen, Dpo. Economía Aplcada, UAM. EJEMPLO DE MODELOS EONOMÉTROS Ver el aso 9 (pag. 55 y ss.) del lbro de A. Puldo y A. López (999), Predccón y Smulacón aplcada a la economía y gesón de empresas.
Más detallesSISTEMAS DE ECUACIONES SIMULTANEAS
Apunes de eoría Economérca I. Profesor: Vvana Fernández SISEMAS DE ECUACIONES SIMULANEAS I INRODUCCION A la fecha, nos hemos cenrado en modelos unecuaconales, eso es, aquellos que nvolucran sólo una ecuacón
Más detallesCálculo Estocástico Variación Cuadrática para Martingalas Continuas y Acotadas
1 Cálculo Esocásco Varacón Cuadráca para Marngalas Connuas y Acoadas Gullermo Garro Defncón Varacón fna. Un proceso X es de varacón fna o acoada s sus rayecoras son de varacón fna, c.s. Es decr, s exse
Más detallesSantiago, CIRCULAR N. Para todas las entidades aseguradoras y reaseguradoras del segundo grupo
REF.: Modfca Crcular N 2062 que nsruye respeco al raameno de recálculo de pensón, en pólzas de seguros de rena valca del D.L. N 3.500, de 1980. Sanago, CIRCULAR N Para odas las endades aseguradoras y reaseguradoras
Más detalles4o. Encuentro. Matemáticas en todo y para todos. Uso de las distribuciones de probabilidad en la simulación de sistemas productivos
4o. Encuenro. Maemácas en odo y para odos. Uso de las dsrbucones de probabldad en la smulacón de ssemas producvos Leopoldo Eduardo Cárdenas Barrón lecarden@esm.mx Deparameno de Ingenería Indusral y de
Más detallesMOVIMIENTO RECTILÍNEO UNIFORMEMENTE ACELERADO
MOVIMIENTO RECTILÍNEO UNIFORMEMENTE ACELERADO Sabes cuáles son las caraceríscas del momeno reclíneo unormemene acelerado? INTRODUCCION Prmero debemos saber que denro de la cnemáca exsen derenes pos de
Más detalles1. Introducción, n, concepto y clasificación
Tema 5: Números índces. Inroduccón, n, concepo y clasfcacón 2. Números índces smples. Defncón y propedades 3. Números índces complejos Números índces complejos sn ponderar Números índces complejos ponderados
Más detallesINTERVALOS DE CONFIANZA BOOTSTRAP EN REGRESIÓN P-SPLINE CON ERRORES AUTOCORRELACIONADOS
Marí, Gonzalo Zno, Ncolás Insuo de Invesgacones Teórcas y Aplcadas en Esadísca (IITAE) INTERVALOS DE CONFIANZA BOOTSTRAP EN REGRESIÓN P-SPLINE CON ERRORES AUTOCORRELACIONADOS 1. Inroduccón Los modelos
Más detalles3. El cambio en el sistema de pensiones y su impacto sobre la cobertura
. El cambo en el ssema de pensones y su mpaco sobre la coberura El prmer objevo de ese rabajo es medr el mpaco que la reforma al ssema de pensones ha endo sobre la coberura; medda esa úlma como el número
Más detallesIV EXÁMENES DE PRINCIPIOS DE ECONOMETRÍA. a) Indique en que se basa el cumplimiento, en su caso, de las siguientes igualdades
IV EXÁMENES DE PRINCIPIOS DE ECONOMETRÍA 1 En el conexo del modelo de regresón lneal Y = β1+ βx + u a) Indque en que se basa el cumplmeno, en su caso, de las sguenes gualdades T T u ˆ u = 1 = 1 u = = ;
Más detallesFASCÍCULO: MATRICES Y DETERMINANTES
FSÍULO: MRIES Y DEERMINNES on el avance de la ecnología en especal con el uso de compuadoras personales, la aplcacón de los concepos de marz deermnane ha cobrado alcances sn precedenes en nuesros días.
Más detallesCAPÍTULO V. Hipótesis teórica, metodología y especificación econométrica
CAPÍTULO V Hpóess eórca meodología y especfcacón economérca 5.1 Hpóess eórca La revsón de la leraura apora algunas sugerencas sobre la relacón enre el po de cambo y las asas de nerés y que neracúan con
Más detallesANALISIS DE INDICADORES DE COMERCIO EXTERIOR Y POLÍTICA COMERCIAL
ANALISIS DE INDICADORES DE COMERCIO EXTERIOR Y POLÍTICA COMERCIAL José E. Durán Lma, Ofcal de Asunos Económcos Claudo Aravena, Analsa Esadísco Carlos Ludeña, Consulor Inernaconal Asesoría Técnca de la
Más detallesFórmulas y modelos econométricos para el análisis de regresión
Fórmulas y modelos economércos para el análss de regresón PÁGINA LEGAL 658.43.3-Paz-F Paz Rodríguez, Jorge Fórmulas y modelos economércos para el análss de regresón / Jorge Paz Rodríguez, Samanha Hernández
Más detallesEjercicios T9c- VARIABLE ALEATORIA, MODELOS DE PROBABILIDAD UNIVARIANTES C
Ejerccos T9c- VARIABLE ALEATORIA, MODELOS DE PROBABILIDAD UNIVARIANTES C FGM-MARKOV 7.-Una varable aleaora ene de funcón de cuanía x Px ( ),3,3, 3, Hallar la meda y varanza. Obener la F.G.M y obenerlas
Más detallesPattern Classification
aern Classfcaon All maerals n hese sldes were aken from aern Classfcaon nd ed by R. O. Duda,. E. Har and D. G. Sork, John Wley & Sons, 000 wh he permsson of he auhors and he publsher Capulo Teora de Decson
Más detallesESTIMACIÓN DE LAS ELASTICIDADES DE LA DEMANDA DE GASOLINA EN EL ECUADOR: UN ANÁLISIS EMPÍRICO
ESTIMACIÓN DE LAS ELASTICIDADES DE LA DEMANDA DE GASOLINA EN EL ECUADOR: UN ANÁLISIS EMPÍRICO Fabrco Morán Rugel 1, José Zúñga Basdas 2, Francsco Marro García 3 RESUMEN Después de haber analzado las écncas
Más detallesEstadística de Precios de Vivienda
Esadísca de recos de Vvenda Meodología Subdreccón General de Esadíscas Madrd, febrero de 2012 Índce 1 Inroduccón 2 Objevos 3 Ámbos de la esadísca 3.1 Ámbo poblaconal 3.2 Ámbo geográfco 3.3 Ámbo emporal
Más detallesNota de Clase 5 Introducción a modelos de Data Panel: Generalidades
oa de Clase 5 Inroduccón a modelos de Daa Panel: Generaldades. Por qué daos de panel? Los modelos de daos de panel son versones mas generales de los modelos de core ansversal seres de empo vsos hasa el
Más detallesHallar la media y varianza. Obtener la F.G.M y obtenerlas de nuevo.
FGM-MARKOV 7.-Una varable aleaora ene de funcón de cuanía x Px ( ),3,3, 3, Hallar la meda y varanza. Obener la F.G.M y obenerlas de nuevo. En base a la funcón de cuanía µ α Ex P ( ),3 +,3 +, + 3,,3 σ α
Más detallesVERIFICACIÓN DE LOS SUPUESTOS DEL MODELO DE COX
VERIFICACIÓN DE LOS SUPUESTOS DEL MODELO DE COX Rafael E. Borges P. Escuela de Esadísca, Unversdad de Los Andes, Mérda 511, Venezuela. e-mal: borgesr@ula.ve Temáca: Méodos Esadíscos en Epdemología. Resumen
Más detallesDIFERENCIAS EN EL MERCADO DE TRABAJO ENTRE LAS PROVINCIAS ESPAÑOLAS RESUMEN
VI Congreso Galego de Esaísca e Invesgacón de Operacóns Vgo 5-7 de Novembro de 2003 DIFERENCIAS EN EL MERCADO DE TRABAJO ENTRE LAS PROVINCIAS ESPAÑOLAS Mª Esher Lopez Vzcaíno 1, Mª Esher Calvo Ocampo 1,
Más detallesEn este capítulo se presenta a detalle el esquema de relajación Lagrangeana utilizado para
CAPITULO 4 Descrpcón del algormo propueso En ese capíulo se presena a dealle el esquema de relaacón Lagrangeana ulzado para la obencón de coas nferores; así como ambén, la descrpcón de la heurísca prmal
Más detallesEs la velocidad de convergencia estable? Una aplicación a la convergencia en renta entre países de Europa del Este
Es la velocdad de convergenca esable? Una aplcacón a la convergenca en rena enre países de Europa del Ese Auores María Isabel González Marínez Unversdad de Murca Deparameno de Méodos Cuanavos para la Economía
Más detallesXIV SEMINARIO NACIONAL DE HIDRAULICA E HIDROLOGIA ANÁLISIS DEL AJUSTE DE MODELOS DE REGRESIÓN EN HIDROLOGIA
XIV SEMIARIO ACIOAL DE HIDRAULICA E HIDROLOGIA AÁLISIS DEL AJUSTE DE MODELOS DE REGRESIÓ E HIDROLOGIA Rcardo A. Smh Q. y Clauda Campuzano Posgrado en Aprovechameno de los Recursos Hdráulcos Faculad de
Más detallesUna relación no lineal entre inflación y los medios de pago
BANCO DE LA REPUBLICA Subgerenca de Esudos Económcos Una relacón no lneal enre nflacón y los medos de pago Munr A. Jall Barney Lus Fernando Melo Velanda * Sanafé de Bogoá, Dcembre de 999 * Los resulados
Más detalles2. Métodos Numéricos Aplicados a Ecuaciones Diferenciales
... Méodo de Euler Haca Adelane Anexo -4. Méodos Numércos Aplcados a Ecuacones Dferencales Párase del más smple po de ecuacón dferencal ordnara, que la de po lneal de prmer orden, el clásco Problema de
Más detallesPrimer Encuentro de Economistas de Bolivia
Prmer Encuenro de Economsas de Bolva La Paz, 14 y 15 de agoso de 008 La nflacón n esá de vuela en Sudamérca?: Choques exógenos, expecavas y credbldad de la políca moneara Pablo Mendea, Sergo Cerezo y Javer
Más detallesCaracterís cas de la Metodología para calcular Rentabilidad Ajustada por Riesgo
P S 2015 M C P S 2015 Inroduccón El Premo Salmón es hoy el prncpal reconocmeno enregado a los Fondos Muuos en Chle. Movo de orgullo y cenro de campañas publcaras, ese reconocmeno ha cambado su foco hace
Más detallesEl efecto traspaso de la tasa de interés en el Perú: Un análisis a nivel de bancos ( )
El efeco raspaso de la asa de nerés en el Perú: Un análss a nvel de bancos (2002-2005) Rocío Gondo Erck Lahura Dona Rodrguez Marzo, 2006 CONTENIDO Objevo Imporanca Trabajos Prevos Trabajos Prevos Perú
Más detallesFigura 1.1 Definición de componentes de tensiones internas.
. ELEMENTOS DE TENSORES CARTESIANOS. Inroduccón: Para descrbr endades o varables físcas se requere de valores o componenes. El número de componenes necesaras deermna la nauraleza ensoral de la varable.
Más detallesAutor: Jorge Mauricio Oviedo 1
odelos Economércos ulecuaconales de Esmacón de Demandas Auor: Jorge aurco Ovedo Resumen: En ese arículo se efecúa una revsón de los prncpales éodos Economércos para esmar ecuacones smuláneas de demanda
Más detallesIntroducción a la Teoría de Inventarios
Clase # 4 Las organzacones esán consanemene vendo como camba el nvel de sus nvenaros en el empo. Inroduccón a la Teoría de Invenaros El ener un nvel bajo de nvenaros mplca resgos para no sasacer la demanda
Más detallesMétodo de Runge-Kutta para Ecuaciones Diferenciales
Análss Numérco Carlos Armando De Casro Paares Méodo de Runge-Kua para Ecuacones Derencales Uno de los méodos más ulzados para resolver numércamene problemas de ecuacones derencales ordnaras con condcones
Más detallesTema 5. Análisis Transitorio de Circuitos de Primer y Segundo Orden
Tema 5. Análss Transoro de Crcuos de Prmer y egundo Orden 5.1 Inroduccón 5.2 Crcuos C sn fuenes 5.3 Crcuos C con fuenes 5.4 Crcuos L 5.5 Crcuos LC sn fuenes v() 5.6 Crcuos LC con fuenes () C () C v( )
Más detallesDiplomatura de Ciencias Empresariales. Estadística Económica. Sara Mateo.
Dlomaura de Cencas Emresarales. Esadísca Económca. Sara Maeo. úmeros Índces nroduccón: Una de las rncales areas de la esadísca es el análss de varables, ano consderadas ndvdualmene como en conjuno, ara
Más detallesLos esquemas de la reproduccio n de Marx
Los esquemas de la reproducco n de Marx Alejandro Valle Baeza Los esquemas de la reproduccón smple y amplada consuyen sólo una pare del análss del proceso de crculacón del capal. Fueron presenados en la
Más detallesFísica General 1 Proyecto PMME - Curso 2008 Instituto de Física Facultad de Ingeniería UdelaR
Físca General Proyeco PMME - Curso 8 Insuo de Físca Faculad de Inenería UdelaR M O V I M I E N T O E P R O Y E C T I L M O V I M I E N T O R E L A T I V O Vanessa íaz Florenca Clerc Un olero Juan paea
Más detalles+12V +12V +12V 2K 15V. Problema 2: Determinar el punto de funcionamiento del transistor MOSFET del siguiente circuito: I(mA) D
PROBEMAS E IRUITOS ON TRANSISTORES Problema : eermnar los punos de funconameno de los dsposvos semconducores de los sguenes crcuos: +2V +2V +2V β= β= K β= β= (a) (b) (c) (d) Problema 2: eermnar el puno
Más detallesCAPITULO 18 MODELO DE CORRECIÓN DE ERRORES Y COINTEGRACIÓN
CAPITULO 8 MODELO DE CORRECIÓN DE ERRORES Y COINTEGRACIÓN 8.. INTRODUCCIÓN Durane la maor are de los caíulos de ese lbro, en esecal hasa anes del análss de seres de emo, la esmacón economérca descansaba
Más detallesESTIMACIÓN DE UNA FUNCIÓN DE OFERTA DE EMPLEO EN LA DINAMICA DE LA FRECUENCIA.
ESIMACIÓN DE UNA FUNCIÓN DE OFERA DE EMPLEO EN LA DINAMICA DE LA FRECUENCIA. Francsco Parra Rodríguez. Deparameno de Economía Aplcada y Esadísca UNED C/ Senda del Rey, sn Madrd elefono: E-mal: fparra@cee.uned.es
Más detallesCálculo y Estadística
Cálculo y Esadísca PROBABILIDAD, VARIABLES ALEATORIAS Y DISTRIBUCIONES ª Prueba de Evaluacón Connua 0--5 Tes en Moodle correspondene a la pare de Probabldad, Varables Aleaoras y Dsrbucones ( Punos).- Una
Más detallesCOMBINACIÓN DE PREDICCIONES A TRAVÉS DEL ANÁLISIS FACTORIAL
COMBINACIÓN DE PREDICCIONES A TRAVÉS DEL ANÁLISIS FACTORIAL Plar Poncela Dep. Análss Económco: Economía Cuanava Unversdad Auónoma de Madrd Eva Senra Dep. Esadísca, Esrucura Eca. y O.E.I. Unversdad de Alcalá
Más detallesTEMA III: DESCRIPCIÓN BI-VARIANTE
EMA III: DESCRIPCIÓN BI-VARIANE III.1.- Noacón abulacón. III..- Dsrbucones margnales condconadas. III.3.- La relacón enre varables. Dependenca e ndependenca. III.4.- Planeameno general de la Regresón III.4.1.-
Más detallesCurso 2006/07. Tema 9: Modelos con retardos distribuidos (I) 9.1. Análisis de los efectos dinámicos en un modelo con retardos distribuidos
Curso 26/7 Economería II Tema 9: Modelos con reardos dsrbudos (I) 1. Análss de los efecos dnámcos en un modelo de reardos dsrbudos 2. La dsrbucón de reardos Tema 9 1 9.1. Análss de los efecos dnámcos en
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesI.- MÉTODOS FUNDAMENTALES PARA LA ESTIMACIÓN DE MODELOS DE DATOS DE PANEL DINÁMICOS
I.- MÉODOS FUNDAMENALES PARA LA ESIMACIÓN DE MODELOS DE DAOS DE PANEL DINÁMICOS I.A.- Inroduccón Como prmer aparado nroducoro de esa ess me ha aparecdo convenene exponer resumdamene los méodos radconales
Más detalles9. CIRCUITOS DE SEGUNDO ORDEN LC Y RLC
9. IUITOS DE SEGUNDO ODEN Y 9.. INTODUIÓN En el capíulo aneror mos como los crcuos ressos con capacancas o los crcuos ressos con nducancas enen arables que son calculadas medane ecuacones dferencales de
Más detallesUna introducción a la econometría con datos de panel 1
Una nroduccón a la economería con daos de panel Wlfredo Toledo 2 Resumen En ese arículo se dscuen los méodos que se ulzan para esmar modelos de regresón lneal con daos de panel hacendo énfass en la esmacón
Más detallesEstimación de cuantiles y P-valores para contrastes de raíces unitarias estocásticas(*)
ESTADÍSTICA ESPAÑOLA Vol. 48, Núm. 6, 006, págs. a 57 Esmacón de cuanles y P-valores para conrases de raíces unaras esocáscas(*) por ROMÁN MÍNGUEZ y Mª DEL MAR HERRADOR Faculad de Cencas Económcas y Empresarales
Más detallesEl signo negativo indica que la fem inducida es una E que se opone al cambio de la corriente.
AUTO-INDUCTANCIA: Una bobna puede nducr una fem en s msma.s la correne de una bobna camba, el flujo a ravés de ella, debdo a la correne, ambén se modfca. Así como resulado del cambo de la correne de la
Más detallesCálculo del area de intercambio del rehervidor y del condensador.
M.M.J. Págna 1 de 16 0 Sepembre 005 Revsón (0) Cálculo del area de nercambo del rehervdor y del condensador. Rehervdor. Procedmeno de dseño: En ese rabajo se preende proporconar un procedmeno sencllo,
Más detallesCRÉDITO PESCA. Consideraciones del producto:
CRÉDITO PESCA Consderacones del produco: Los crédos se oorgan para el fnancameno de las acvdades de pesca: comerco, exraccón y/o ndusralzacón. Se basan en la capacdad de pago de los clenes y su hsoral
Más detallesOndas y Rotaciones. Aplicaciones I. Jaime Feliciano Hernández Universidad Autónoma Metropolitana - Iztapalapa México, D. F. 15 de agosto de 2012
Ondas y Roacones Aplcacones I Jame Felcano Hernández Unversdad Auónoma Meropolana - Izapalapa Méco, D. F. 5 de agoso de 0 INTRODUCCIÓN. En esa hoja de rabajo vamos a aplcar el conocmeno que hemos consrudo
Más detallesCuestión 1 (2 puntos)
Unversdad Carlos III de Madrd Deparameno de ecnología Elecrónca COOCAORIA EXRAORDIARIA CURSO 007/08: de Sepembre de 008 Elecrónca de Poenca 3º Ingenería écnca Indusral: Elecrónca Indusral Cuesón ( punos)
Más detallesMacroeconomía II. FCE-UBA Primer Examen Parcial Mayo 2015 INSTRUCCIONES. (Prof. D. Pierri)
FCE-UA Prmer Examen Parcal Mayo 215 Macroeconomía II (Prof. D. Perr) INSRUCCIONES I. El examen consa de 1 punos con la sguene composcón: Ejercco 1 (3 punos), Ejercco 2 (4 punos), Ejercco 3 (3 punos). II.
Más detallesAnálisis de Supervivencia y su Aplicación para Predecir la Calidad de Vida de los Nacidos Extremadamente Prematuros
UNIVERSIDAD DE EL SALVADOR FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICA ESCUELA DE MATEMÁTICA DEPARTAMENTO DE ESTADÍSTICA. TRABAJO DE GRADUACIÓN: Análss de Supervvenca y su Aplcacón para Predecr la Caldad
Más detallesTransiciones de sincronización en flujos caóticos
Posgrado en Físca Fundamenal Area de Caos y Ssemas Complejos Transcones de sncronzacón en flujos caócos M.Sc. Glbero Paredes hp://www.cens.ula.ve/cff/caocos Tuor: Dr. Maro Cosenza Condcones para el Caos
Más detallesPresentación. INEGI. Sistema de Indicadores Compuestos Coincidentes y Adelantado Metodología
Presenacón Ese documeno corresponde a la oa meodológca de la publcacón Ssema de Indcadores Compuesos: Concdene y Adelanado y se ncorpora en esa seccón con el propóso de negrarlo al acervo meodológco que
Más detallesSE PUEDE MEDIR LA NEGOCIACIÓN INFORMADA?: UNA REVISIÓN DE LA METODOLOGÍA BASADA EN LAS COVARIANZAS DE LAS SERIES DE PRECIOS
Invesgacones Europeas de Dreccón y Economía de la Empresa Vol. 5, Nº, 009, pp. 0-, IN: 35-53 E PUEDE MEDIR L NEGOCICIÓN INFORMD?: UN REVIIÓN DE L METODOLOGÍ BD EN L COVRINZ DE L ERIE DE PRECIO Farnós Vñas,
Más detallesDirección General de Asuntos Económicos y Sociales Ministerio de Economía y Finanzas
Meodología de valuacón de pasvos conngenes cuanfcables y del flujo de ngresos dervados de la exploacón de los proyecos generados por la suscrpcón de conraos de concesón bajo la modaldad de Asocacón Públco
Más detallesGestión de Operaciones. Capítulo 2: Pronósticos de Demanda
Gesón de Operacones Capíulo 2: Pronóscos de Demanda Inroduccón Objevo: Permen esudar la demanda fuura, accón mporane en el dseño de un produco. Ejemplos : Compac, fue líder en la vena de PCs durane los
Más detallesDinero, precios, tasa de interés y actividad económica: un modelo del caso colombiano (1984:I 2003:IV)
Dnero, precos, asa de nerés y acvdad económca: un modelo del caso colombano (984:I 23:IV) José Fernando Escobar. y Carlos Eseban osada. esumen A parr de un esquema de ofera y demanda de dnero se esmó un
Más detallesEl problema general de Programación no Lineal que estudiaremos a lo largo de todo el tema toma la siguiente forma:
CAPÍTULO 1. POGAMACIÓN NO LINEAL. 1.- Inroduccón. La Programacón no Lneal (PNL es una pare de la Invesgacón Operava cuya msón es proporconar una sere de resulados y écncas endenes a la deermnacón de punos
Más detallesANÁLISIS DE DURACIÓN. Econometric Analysis of Cross Section and Panel Data J. M. Wooldridge 2002, MIT Press
ANÁLISIS DE DURACIÓN Economerc Analyss of Cross Secon and Panel Daa J. M. Wooldrdge 22, MIT Press A Companon o Theorecal Economercs Eded by B. Balag 21, Blackwell Publshers Economerc Theory and Mehods
Más detallesTEMA 7 MODELO IS-LM EN ECONOMÍAS ABIERTAS
TMA 7 MODLO IS-LM N CONOMÍAS ABIRTAS l modelo IS-LM en economías aberas Concepos fundamenales n el ema aneror analzamos el po de cambo como s fuera un nsrumeno de políca económca. Sn embargo ése se deermna
Más detalles= + Tabla 1. Formas funcionales más frecuentes. (B) y (A) Convergencia asintótica implica que que y=0? xi. Leontief. si si 0 o UBC no.
Formas Flexbles en seres de empo Francsco Parra Rodríguez. Docor en Cencas Económcas. UNED. Jefe de Servco Esadíscas Económcas y Socodemográfcas del Insuo Canabro de Esadíscas..- Inroduccón Grffn, Mongomery,
Más detallesTema 6. Estadística descriptiva bivariable con variables numéricas
Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables
Más detallesSemana 12: Tema 9 Movimiento Rotacional
Semana : Tema 9 Movmeno Roaconal 9. Velocdad y Aceleracón angular 9. Roacón con aceleracón angular consane 9.3 Energía cnéca roaconal 9.4 Cálculo de momeno de nerca y el eorema de los ejes paralelos Capíulo
Más detallesIntroducción a la Física. Medidas y Errores
Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Insrcor: Horaco Caalán Meoología e la Economérca Moerna Concepos Fnamenales Moelo Teórco (fncón maemáca) Moelo esmable (en érmnos
Más detalles7. Contrastes de Hipótesis
7. Corases de póess Curso - Esadísca Corase de póess Se ha realzado ua ecuesa a 4 persoas elegdas al azar Llamado p a la proporcó de voaes del pardo políco A. Podemos afrmar que p >.5. p? Resulado Ecuesa
Más detallesDeterminantes de los spreads de tasas de los bonos. corporativos: revisión de la literatura
UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS ECONÓMICAS Y ADMINISTRATIVAS ESCUELA DE ECONOMÍA Y ADMINISTRACIÓN Deermnanes de los spreads de asas de los bonos corporavos: revsón de la leraura SEMINARIO PARA
Más detallesPONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ
PONTIFICI UNIVERSIDD CTÓLIC DEL PERÚ ESCUEL DE GRDUDOS MESTRÍ EN ECONOMÍ TESIS Perú 00-006: Funcón de reaccón del BCRP las flucuacones del po de cambo Tess para opar el Grado de Maesro en Economía ue presena:
Más detallesInferencia en Regresión Lineal Simple
Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco
Más detallesIntroducción a la Econometría Curso 2009/ Serie de Problemas 21
Iroduccó a la Ecoomería Curso 9/78 Sere de Problemas. Supoga que u vesgador dspoe de ua muesra de grupos (clases) de educacó prmara y ulza daos del úmero de alumos e cada clase (CS) y de la oa meda obeda
Más detalles5. Los sistemas de pensiones y el ahorro nacional
5. Los ssemas de pensones y el ahorro naconal Uno de los aspecos más mporanes ras la reforma a un ssema de pensones es su mpaco sobre el ahorro naconal dado el vínculo enre ése y el desempeño de la economía.
Más detalles