Posts

Martin (2021) ¿Qué son los modelos VAR?

José-Manuel Martin Coronado Director Instituto de Econometría de Lima www.institutoeconometria.com El acrónimo VAR hace referencia a los Vectores AutoRegresivos. Para entender dicho concepto es necesario descomponerlo.   ¿Qué es un vector? Un vector es un conjunto ordenado de elementos tal que, x = (x 1 , x 2  , x 3 , x 4 ) .  Dichos elementos pueden representar elementos no ordenadas ó bien elementos que representan una variable, por ejemplo el precio, tal que vector p = (p 2017 , p 2018 , p 2019 , p 2020 ) .  Aún más, un vector puede ser un agrupamiento de otros vectores (variables), tal que, vector w = (v 1 , v 2  , v 3 , v 4 ).

Martin (2021) Estacionariedad y Cointegración: ¿Un problema asintótico o de generalización?

Image
José-Manuel Martin Coronado Instituto de Econometría de Lima www.institutoeconometria.com El problema de la cointegración nació por la sospecha de la existencia de regresiones espurias en los casos de series no estacionarias (Ej. I(1)), para lo cual se implementaron diversas técnicas: Engle-Granger, Johansen-Juselius, entre otros. En particular Engle y Granger indican que el mayor orden de integración tiene un efecto dominante en la relación entre dos variables.  Si bien gran parte de las series económicas no son estacionarias, otro grupo sí lo son. O mejor dicho, una forma más interesante de éstas lo es (Ej. Variación porcentual). En tales casos, lo usual es trabajar con modelos no estructurales dinámicos de tipo ARIMA, ARDL, VAR, entre otros. ¿Pero, es posible sustentar la existencia de cointegración a través de un modelo estructural simple, en el caso de MCO, que represente relaciones de largo plazo?

Martin (2021) ¿Qué es el círculo vicioso de la validación econométrica?

Por: José-Manuel Martin Coronado Lima, 26 de febrero de 2021 El análisis círculo vicioso es un tema muy útil, usualmente cuando el estudiante lleva econometría demasiado práctica o copia y pega de códigos, obviamente no se topa con este problema. pero cuando su profesor o asesor de tesis le pida que valide su modelo econométrico se enfrentará con esta gran paradoja. Puede llamarse, el círculo vicioso de la validación econométrica o CV. En pocas palabras hace referencias a un trade-off entre los problemas econométricos como consecuencia de los tratamientos econométricos.

Martin C, J.M (2020) Un modelo de reacción del Banco Central ante de desajustes del mercado laboral [Introducción]

José-Manuel Martin Coronado Profesor Investigador, Instituto de Econometría de Lima www.institutoeconometria.com Lima, 9 de diciembre de 2020 Es común observar a los financistas atentos a las cifras de desempleo, en particular en el EE.UU. La regla de la experiencia es bastante directa: Si aumenta el desempleo, la economía necesita estímulos, ya sea una menor tasa de interés o una mayor cantidad de dinero. Obviamente, esto último aviva no sólo al sector real, sino a los mercados financieros.  En teoría esto se basa a la "artificiosamente inmortal" Curva de Phillips, donde un menores solicitudes de empleo, es decir menor oferta laboral, (proxy de menor desempleo) implicaría que hay menos personas buscando trabajo, con lo cual es necesario subir los salarios para atraerlos y ello implica una mayor inflación. Esto a su vez requiere que el Banco Central tome medidas para reducir la inflación, en caso no sea un problema temporal, por ejemplo subiendo la tasa de interés para ralent

Martin C, J.M. (2020) La Identificación en los modelos económicos

José-Manuel Martin Coronado Instituto de Econometría de Lima www.institutoeconometria.com En términos sencillos, la identificación de un modelo económico implica saber si hay suficientes variables exógenas para las variables endógenas elegidas, en un modelo multiecuacional.  A veces pueden haber más variables exógenas de las necesarias. Y a veces pueden haber menos variables exógenas de lo necesario.   Existen muchas combinaciones posibles.  Por ejemplo, se puede tener varios modelos con las mismas exógenas pero con diferente exógena. (1) SUR y 1 = a 0 +a 1 x 1 +a 2 x 2     y 2 = b 0 +b 1 x 1 +b 2 x 2   O por ejemplo, se puede tener varios modelos con regresores endógenos, además de lo indicado anteriormente. (2) (Cruzadas ó Simultánea sin exclusión) y 1 = a 0 +a 1 x 1 +a 2 x 2 + a 3 y 2 y 2 = b 0 +b 1 x 1 +b 2 x 2 + b 3 y 1 O también, se puede tener varios modelos con regresores endógenos, pero no con las mismas exógenas (3) . y 1 = a 0 +a 1 x 1 + a 3 y 2 y 2 = b 0 +b 2 x 2 +