Creating Beamer presentations in Scienti…c WorkPlace
and Scienti…c Word
Impressive slide presentations
MacKichan Software Technical Support
Delete or rename Institute …eld
March 2006
MSI Tech Support (Institute) Beamer presentations in SWP and SW 03/06 1/7
Derivación
Llegando de un univariado a un multivariado
Tenemos que
yt = a11 yt 1 + a12 π t 1 + uy ,t
πt = a21 yt 1 + a22 π t 1 + uπ,t
yt a11 yt 1 + a12 π t 1 uy ,t
= +
πt a21 yt 1 + a22 π t 1 uπ,t
| {z }
xt
a11 a12 yt 1 uy ,t
= +
a21 a22 πt 1 uπ,t
| {z }| {z } | {z }
A xt 1 ut
Este modelo es un modelo de Vectores Autorregresivos (VAR)
xt = Axt 1 + ut
MSI Tech Support (Institute) Beamer presentations in SWP and SW 03/06 2/7
El estudio de las pruebas de raíz unitaria es crucial porque determina
cómo se va a hacer el análisis multivariado posterior.
Si todas las variables que deseo estudiar son estacionarias (rechazo la
presencia de raíces unitarias), puedo ingresarlas a un modelo VAR
(toda la teoría detrás de un modelo VAR asume que estas son
estacionarias).
De…nition
Se dice que dos variables xt e yt integradas de orden 1 son cointegradas si
existen constantes α y β tales que αxt + βyt es estacionaria.
Example
Supongamos que el consumo ln ct es I(1) y el producto ln yt es I(1). El
logaritmo del ratio consumo-producto es estable o estacionario, entonces
ln (ct /yt ) es estacionario.
Si las variables que deseo estudiar son integradas de orden 1 pero no
cointegran.
MSI Tech Support (Institute) Beamer presentations in SWP and SW 03/06 3/7
Si las variables son integradas pero no cointegran, se corre un modelo
VAR donde todas las variables están en primeras diferencias
xt xt 1 = A(xt 1 xt ) + ut
| {z } | {z }2
∆xt ∆xt 1
) ∆xt = A∆xt 1 + ut
MSI Tech Support (Institute) Beamer presentations in SWP and SW 03/06 4/7
Si las variables son integradas pero no cointegran, se corre un modelo
VAR donde todas las variables están en primeras diferencias
xt xt 1 = A(xt 1 xt ) + ut
| {z } | {z }2
∆xt ∆xt 1
) ∆xt = A∆xt 1 + ut
Si las variables son integradas pero ahora cointegran
xt = Axt 1 + δrt + ut
) xt xt 1 = Axt 1 xt 1 + ut
) ∆xt = (A I) xt 1 + ut
|{z} |{z} |{z}
I (0 ) I (I ) I (0 )
| {z }
I (0 )
MSI Tech Support (Institute) Beamer presentations in SWP and SW 03/06 4/7
Theorem
(Teorema de representación) si las variables contenidas en xt son
estacionarias entonces la matriz A I puede ser descompuesta de la forma
A I = αβ0
∆xt = (A I)xt 1 + ut
| {z }
αβ0
= α
|{z} β0 xt 1 + ut
| {z }
coef ajusteerrores estac
VEC: Vector Error Correction
MSI Tech Support (Institute) Beamer presentations in SWP and SW 03/06 5/7
VAR estructural
yt = b1 π t + a11 yt 1+ a12 π t 1 + uy ,t
πt = b2 yt + a21 yt 1 + a22 π t 1 + uπ,t
yt 0 b1 yt a11 yt 1 + a12 π t 1 uy ,t
= + +
πt b2 0 πt a21 yt 1 + a22 π t 1 uπ,t
1 b1 yt a11 yt 1 + a12 π t 1 uy ,t
= +
b2 1 πt a21 yt 1 + a22 π t 1 uπ,t
1
yt 1 b1 a11 yt 1 + a12 π t 1
=
πt b2 1 a21 yt 1 + a22 π t 1
1
1 b1 uy ,t
+
b2 1 uπ,t
MSI Tech Support (Institute) Beamer presentations in SWP and SW 03/06 6/7
VAR estructural
1 1
yt 1 b1 yt 1 1 b1 uy ,t
= A +
πt b2 1 πt 1 b2 1 uπ,t
en la practica yo observo (VAR en forma reducida)
yt yt 1 ey ,t
=C +
πt πt 1 eπ,t
MSI Tech Support (Institute) Beamer presentations in SWP and SW 03/06 7/7