Modelos VAR estructurales y funciones de respuesta a un impulso

1. Introduccin
Una de las ms frecuentes utilidades de los modelos multivariantes
es analizar la interaccin dinmica entre las variables del modelo.
Esto se conoce como funcin de respuesta a un impulso y es algo que
ya hemos visto en el contexto de las funciones de transferencia. En
este tema vamos a verlo en un caso ms general en el que las
diferentes ecuaciones de un modelo son endgenas.
Hacer esto en E-views o en cualquier otro software economtrico es
muy fcil pero entender cul es el significado de esas estimaciones
no es algo que se haga correctamente en la mayora de los casos.
Los modelos VAR que hemos visto hasta ahora son formas reducidas y
son simplemente vehculos para comprender las propiedades dinmicas
de los datos, Cooley y LeRoy (1985). Sin embargo, esos modelos no
se utilizan para pensar en la verdadera relacin econmica de las
variables dado que excluyen parmetros que expliquen la relacin
contempornea entre dichas variables.
Desde la creacin de la econometra como ciencia por la Cowles
Commission se proponen modelos cuya finalidad es estimar el impacto
que tienen las variables polticas en las variables econmicas. Se
asume que estas variables polticas son exgenas y el impacto de
estas variables se realiza con un anlisis de respuesta a un
impulso muy similar al realizado en el tema anterior. La crtica de
Lucas supone un problema importante en la construccin de modelos
economtricos ya que expone la importancia de Modelizar estas
variables polticas como endgenas. En otras palabras, los impulsos
no los podemos establecer nosotros sino que vienen determinados
endgenamente por la autoridad poltica.
Sims (1981, 1986), Bernanke (1986) y Shapiro y Watson (1988)
propusieron un nuevo tipo de modelos que se conocen como modelos
VAR estructurales. En estos modelos, la identificacin concierne a
los errores del sistema que son identificados como shocks exgenos.
Estos modelos no explican el efecto de cosas esperadas (tales como
polticas monetarias sistemticas) sino el efecto de shocks
inesperados. Adems, la identificacin de estos modelos requiere
siempre un cierto grado de arbitrariedad (la ciencia siempre es
arbitraria). Aqu se va a ver como identificar modelos
estructurales bajo diferentes supuestos.

2. Los modelos
Partimos de los modelos VAR y de correccin de error en forma
reducida, estos son los modelos que estimamos cuando vamos a E-
views


Estos modelos no describen la relacin contempornea entre las
diferentes variables del sistema.
Un modelo de correccin del equilibrio estructural toma la
siguiente forma

Ntese que .
En este modelo, el vector de shocks estructurales viene dado por .
Estos shocks tienen un significado econmico tal como shocks
petrolferos, shocks en los tipos de cambio o shocks monetarios.
Adems estos shocks estn relacionados con los errores del modelo.
Los trminos deterministas ni las variable exgenas son importantes
ya que no son afectados por los impulso que golpean el sistema y
ellos tampoco afectan a estos impulsos. En la prctica generalmente
se ajustan las variables de los elementos deterministas antes del
anlisis y se consideran todas las variables como endgenas por lo
que el modelo quedara de la siguiente forma:

y . Este modelo tiene una representacin VAR equivalente de
la forma

Existen infinitas matrices que pueden considerarse para formar un
modelo estructural. Incluso si la matriz fuera la matriz
identidad, el supuesto de ortogonalidad no es suficiente para
conseguir la identificacin del sistema. Para un sistema de
dimensin se requieren restricciones ya que hay
covarianzas diferentes. Pista: el modelo en forma reducida
tiene que no tiene el modelo estructural y el modelo
estructural tiene parmetros diferentes del modelo en forma
reducida. Estas restricciones de identificacin pueden obtenerse a
partir del modelo estructural, un ejemplo es la identificacin
triangular propuesta por Sims (1980). En estos modelos, los shocks
entran sucesivamente en las ecuaciones. Esta es la forma que
establece E-views por defecto. Pero, ojo!!! Para implementar esta
forma, el orden en el que uno introduce las variables es muy
importante. Se debe introducir primero la variable cuya reaccin en
ms lenta, despus la segunda variable ms lenta y as
sucesivamente. En la prctica es lgico asumir que las variables
financieras reaccionan casi instantneamente a la informacin
econmica, despus las variables reales y las variables nominales
(como precios o salarios) son las que tienen una reaccin ms
lenta.
Las restricciones ms populares usadas en la literatura son:
a) , en este caso . Las restricciones lineales en
pueden escribirse explcitamente como , donde
contiene los elementos no restringidos de y contiene
elementos igual a 0-1. Por ltimo, contiene constantes de
normalizacin.
b) , en este caso y para la identificacin es necesario
excluir alguna combinacin lineal de shocks estructurales. En
este caso, las restricciones lineales pueden escribirse
explcitamente como , donde contiene los
elementos no restringidos de y contiene elementos igual a
0-1.
c) El modelo A-B de Amisano y Giannini (1997) combina
restricciones para y en los dos primeros casos.
d) Se puede utilizar informacin a priori sobre el efecto a largo
plazo de los distintos shocks, Blanchard y Quah (1989). Por
ejemplo, los shocks de demanda no tienen efecto en el largo
plazo pero los shocks de oferta s.
En general, el nmero total de nuevos elementos en el modelo
estructural ser que viene de y por lo que el nmero de
restricciones necesarias para identificar todo el sistema ser

Si fijamos una de las dos matrices o igual a la identidad, slo
sern necesarias restricciones.
Consideramos como ejemplo el simple modelo IS-LM propuesto por
Pagan (1995). Sean , y output, tipos de inters y saldos
reales. Los errores del modelo VAR correspondiente se denotan por
. Un modelo que refleja el teora Keynesiana vendra
dado por:



donde se asume que los shocks estructurales estn mutuamente
incorrelados. La primera ecuacin representa una curva de demanda
agregada. La segunda viene de resolver para los tipos de inters la
curva de demanda de dinero. Finalmente, la tercera ecuacin postula
que las innovaciones en la base monetaria se mueven por shocks
exgenos. Esta representacin de la economa es muy estilizada por
lo que una mejor representacin vendra dada por Gal (1992).
Representar la forma en que quedara :

Como se ilustraran las restricciones

y

Para casa: cuntas restricciones se han impuesto exactamente en
este modelo? est el modelo identificado?

3. Anlisis de respuesta a un impulso.
Si el proceso se compone de variables I(0) el efecto de los shocks
puede ser observado a partir de la representacin de Wald como un
MA infinito

donde y , s=1,2,,
puede ser computado recursivamente a partir del modelo VAR en forma
reducida. Los coeficientes pueden ser interpretados como reflejos
de las respuestas a los impulsos que golpean el sistema. Ms
explcitamente, el elemento (i,j) de la matriz puede
interpretarse como la respuesta de a un cambio unitario en
manteniendo constantes todos los valores pasados de . Un aspecto
importante a notar es que tiende a cero cuando todas las
variables son estacionarias.
Ocasionalmente, el inters se centra en los efectos acumulados de
respuesta a un impulso que se pueden obtener fcilmente sumando las
matrices . Esta suma existe si el proceso es estable.
Una importante crtica a este anlisis es que uno no sabe de qu
shocks estamos hablando ya que los residuos estn correlacionados
contemporneamente. Es decir, la matriz no es ortogonal. As, el
efecto de shocks ortogonales es siempre preferido ya que permite
distinguir entre shocks. Un modo de obtener esto es mediante la
descomposicin de Cholesky de forma que , de forma que los
shocks ortogonalizados se pueden obtener por . As,
obtendramos las siguientes respuestas

donde ( ). Aqu ser una matriz triangular y
el orden tendr un significado econmico.
Existen muchas matrices tal que adems de la descomposicin
de Cholesky por lo que su seleccin es hasta cierto punto
arbitraria a menos que haya un buen motivo para la estructura
recursiva dada por . Un orden diferente de variables puede
producir shocks diferentes. Sims (1981) recomienda utilizar
diferentes ordenes y considerar la robustez de las respuestas a las
distintas especificaciones.
En el modelo A-B las restricciones se ponen conjuntamente en los
dos parmetros y las respuestas a impulsos pueden obtenerse a
partir de . Si existen restricciones de largo plazo,
estas deben imponerse en , donde .
Un ejemplo de restricciones a largo plazo viene dado por Blanchard
y Quah (1989). En su modelo los shocks de oferta tienen un efecto
de largo plazo mientras los shocks de demanda son transitorios.
Suponemos un modelo VAR con que denotan el crecimiento
del output y el desempleo. A partir de aqu queremos identificar
shocks de oferta y de demanda como . Como tenemos n=2
variables y podemos imponer , necesitamos
restricciones para identificar los shocks estructurales de
los residuos. La restriccin de que los shocks de demanda no tienen
impacto a largo plazo puede obtenerse de .
Para variables no estacionarias, aunque no existe la representacin
de Wald, se pueden computar las respuestas a distintos periodos
aunque estas convergern a infinito por lo que los shocks pueden
tener un efecto permanente en las variables.
Otro aspecto importante a considerar es que cuando las variables
estn cointegradas, la matriz es singular. La forma MA
de un modelo de correccin de equilibrio como

seguimos la versin de Johansen (1995) del teorema de
representacin de Granger

donde , .
Demostracin:
Tenemos la matriz tal que y . La matriz
no es nica.
Ahora hacemos uso de la siguiente relacin

Esta expresin descompone un vector en dos partes, una que
pertenece al espacio y la otra que pertenece al espacio de .
Ahora premultiplicamos el modelo (3.3) por de forma que

Los autovalores de la matriz estn dentro del crculo
unitario ya que es estacionario. As, podemos representar

Ahora podemos multiplicar el vector de variables por la expresin
recogida en (3.5).
Por otro lado, si premultiplicamos el modelo (3.3) por ,
obtendremos la ecuacin

que tiene como solucin

Ahora, si utilizamos la expresin (3.5) tenemos




con lo que queda demostrado.
Ejercicio para casa, hacerlo para el caso general siguiendo el
captulo 4 de Johansen (1996).
Pista, ahora y .
El rango de es n-r.
De nuevo, en este caso debemos identificar los shocks para tener
funciones de respuesta a impulso consistentes con la teora
econmica. Si remplazamos por , las respuestas de impulso a
corto plazo pueden obtenerse como . Es ms, el efecto a largo
plazo de los shocks estructurales viene dado por .
Esta matriz tiene rango n-r. Es decir, esta matriz tiene rango n-r.
Es decir, esta matriz tiene como mucho r columnas de ceros por lo
que habr como mucho r shocks transitorios y como mucho n-r shocks
tendrn un efecto permanente. King et al. (1991) discute la
identificacin de estos sistemas. Para identificar los shocks
permanentes necesitamos ((n-r)*[(n-r)-1])/2 restricciones. De forma
adicional, necesitaremos r(r-1)/2 restricciones para identificar
los shocks transitorios. En total el nmero de restricciones ser
n(n-1)/2. Es decir, asumiendo que A=I, ya tenemos suficientes
restricciones para identificar B.
Por ejemplo, King et al. (1991) considera un modelo para el output,
el consumo y la inversin. Usando teora econmica infiere que
estas variables deben ser I(1) con r=2 y slo un shock permanente.
Ya que slo hay un shock permanente, este se identifica sin ninguna
restriccin. Para la identificacin del shock transitorio se
necesita r(r-1)=1 restriccin. Suponga que se asume que el segundo
shock transitorio no tiene un efecto instantneo en el primero. Si
situamos primero los shocks permanentes, las restricciones pueden
representarse de la siguiente forma:

ya que tiene rango 1, las dos columnas de ceros representan dos
restricciones independientes. La tercera restriccin se sita en B.
En algunas situaciones A puede ser especificado de forma diferente
a la matriz identidad. Para ilustrar el proceso vamos a mostrar un
ejemplo algo ms complejo.
Describimos un modelos macroeconmico para el mercado laboral
presentado por Jacobson, Vredin y Warne (1997) para investigar el
efecto de shocks de desempleo. El modelo consiste en una funcin de
produccin, una demanda de trabajo y una ecuacin de salarios.
Todas las variables estn expresadas en logaritmos naturales. La
funcin de produccin relaciona al empleo como sigue:
(3.11)
donde mide los retornos a escala. es una tendencia tecnolgica
que sigue un paseo aleatorio,

y es un shock tecnolgico puro. La demanda de trabajo relaciona
el empleo con el nivel de output y los salarios reales

con un error

Si , la demanda de trabajo sera estacionaria. En ese caso
una innovacin en la demanda tendra un efecto en el empleo
temporal. Jacobson et al. (1997) asume a priori que , lo que
implica que el shock de demanda de trabajo no tiene efectos de
largo plazo. Con un anlisis de cointegracin, la estacionariedad
de la demanda de trabajo puede ser contrastada por lo que no se
necesitara una imposicin a priori. En la tercera de las
ecuaciones, la fuerza de trabajo se relaciona con los salarios
reales por medio de la siguiente ecuacin

La tendencia exgena en el mercado de trabajo sigue un paseo
aleatorio

donde es un shock exgeno de oferta de trabajo. Finalmente,
tenemos la relacin de fijacin de salarios dada por la relacin

que dicen que los salarios son una funcin de la productividad
y el desempleo . La tendencia de los salarios puede
ser estacionaria o no dependiendo de en

bajo estos supuestos, la solucin del modelo en trminos de los
shocks viene dada por


con

En este sistema hay como poco y como mucho cuatro tendencias en
este sistema lo que implica que hay como mucho dos relaciones de
cointegracin. El modelo requiere un conjunto de restricciones de
identificacin. Supngase por ejemplo que se encuentran dos
relaciones de cointegracin.
Para que la demanda de trabajo y la fijacin de salarios sea
estacionaria los shocks de demanda de trabajo y salarios no
deberan tener un impacto de largo plazo en el sistema lo que
significa que la segunda y cuarta columna de la matriz de impactos
a largo plazo son cero. Para identificar el shock permanente
necesitamos imponer una restriccin adicional. Suponiendo retornos
constantes a escala , la productividad slo est conducida por
shocks de productividad en el largo plazo. As, si , el
conjunto de restricciones puede expresarse como sigue

Tambin necesitamos una restriccin de corto plazo para identificar
el sistema y escogemos que los shocks de demanda no afecten a los
salarios reales en su impacto, es decir .
Un problema tpico con modelos VAR estructurales es que el modelo
terico no sugiere restricciones de contemporaneidad.

4. Estimacin de los parmetros estructurales.
La estimacin de modelos VAR estructurales es muy similar al
problema de estimar un modelo de ecuaciones simultneas con
restricciones en la matriz de covarianzas. Primero, consideraremos
un modelo sin restricciones en los parmetros de largo plazo. Se
asume que y el siguiente modelo estructural

donde . El modelo de forma reducida que corresponde
es

Usamos la notacin y , la funcin de
verosimilitud es:




Maximizando con respecto a , y sustituyendo resulta la
funcin de verosimilitud concentrada

La funcin (4.4) se puede maximizar con respecto a y sujeto a
las restricciones del sistema por lo que el modelo puede ser
escrito de forma compacta como:

Ya que no existe una solucin analtica para este problema, se
tiene que resolver de forma numrica. Por esta razn, Amisano y
Giannini (1997) propusieron usar un algoritmo de scoring. De forma
precisa, estiman y mediante la iteracin

El estimador OLS resultantes es asintticamente eficiente y est
distribuido normalmente, donde la matriz de covarianzas asinttica
est estimada por la inversa de la matriz de informacin. Es ms,
el estimador ML de viene dador por:

Ntese que slo corresponde a la estimacin en forma reducida de
si el modelo est exactamente identificado. Si existen
restricciones de sobreidentificacin, el test de razn de
verosimilitud en estas restricciones se construye como

Este estadstico tiene una distribucin con grados de libertad
igual al nmero de restricciones de sobreidentificacin.
Hay momentos en el que se impone que la matriz estructural sea
triangular como en Blanchard y Quah (1989) y Gal (1999). En este
caso la estimacin es tremendamente fcil. Estimamos la matriz de
impactos contemporneos y notamos que la matriz de
respuesta a shocks estructurales viene dada por

tal que
(4.10)

ya que se asume que es triangular, se puede obtener a partir de
la descomposicin de Choleski de la matriz

Reemplazando, uno puede encontrar una estimacin para la matriz
dada por

Esta estimacin slo funciona como modelos VAR estacionarios ya que
la matriz de impactos a largo plazo no existe en otro caso. Este
procedimiento funciona cuando no estamos interesados en los
parmetros estructurales en s mismos sino en las funciones de
respuesta a un impulso.
Modelos VECM estructurales: si existen restricciones de
identificacin a largo plazo, esta labor es tremendamente difcil
al ser la funcin de verosimilitud altamente no lineal en los
parmetros pero bsicamente se trata de imponer las restricciones
en el problema de identificacin.

5. Modelos estructurales con expectativas racionales
6. Inferencia estadstica para respuestas a un impulso.
Las respuestas a un impulso son siempre una funcin de los
parmetros estructurales, , tal que

Si tiene una distribucin asintticamente normal

tambin se distribuye asintticamente

donde

Sin embargo, a efectos prcticos, la inferencia sobre los
parmetros del modelo se basa en la metodologa bootstrap ya que
proporciona una inferencia ms fiable para muestras pequeas. Es
ms, la expresin analtica de los coeficientes de respuesta a un
impulso son bastante complicadas.
El procedimiento consiste en 1) recoger muestras de residuos
centrados ; 2) estas muestras se utilizan para computar
series de datos de forma recursiva; 3) el modelo es reestimado y
los parmetros de inters son obtenidos; 4)repitiendo este proceso
muchas veces se obtienen los parmetros de inters.