ILUSTRACIÓN DEL PROBLEMA DE LA IDENTIFICABILIDAD EN LOS MODELOS MULTIECUACIONALES El objetivo de este documento es ilustrar matemáticamente, y con un caso concreto, el problema de la identificación en los modelos multiecuacionales. Para ello, es necesario tener saber en todo momento que la estimación de un modelo multiecuacional simultáneo de forma correcta debe tener en cuenta, en cada ecuación, el valor de estimación de la otra(s). Aunque siempre será posible estimar de una en una cada ecuación de forma independiente, esta solución rompe con la idea de simultaneidad que intenta incluirse en un modelo como el que estamos viendo. La dificultad para estimar simultáneamente, unido a su evidente interés para dotar de congruencia al esquema propuesto, exige pasar, en muchos sistemas de estimación, de la forma estructural a la reducida, de forma que queden perfectamente agrupadas las endógenas a un lado de la igualdad y las exógenas (no obtenibles a partir del propio modelo) al otro. Con ello, podríamos estimar de una en una sin romper el principio de simultaneidad. Además, la forma reducida tiene un carácter intrínsecamente interesante, dado que se elimina el problema de los regresores estocásticos innato en un modelo multiecuacional, ya que, en dicha forma reducida, la agrupación da lugar a que cada endógena (y), sólo venga explicada por exógenas del modelos (x’s). El ejemplo que servirá para la ilustración parte de una especificación simultánea de dos ecuaciones, referidas al tipo de interés del BCE (TBCE) y al de la Reserva Federal americana (TRF). Se plantearán tres especificaciones diferentes para explicar dichos tipos de interés, siempre manteniendo la referencia simultánea entre uno y otro (el BCE explica al de la Reserva y viceversa), pero incluyendo más explicativas cada vez en el modelo. Las especificaciones propuestas son las siguientes: Caso 1 TBCE=α0+α1TRF TRF=β 0+β 1TBCE Caso 2 TBCE=α0+α1TRF+α2IPCUE TRF=β 0+β 1TBCE Caso 3 TBCE=α0+α1TRF+α2IPCUE TRF=β 0+β 1TBCE+β 2IPCUSA Donde TBCE y TRF son los tipos de interés Europeo y Americano, IPCUE e IPCUSA son los índices de precios Europeo. CASO PRIMERO TBCE=α 0 +α 1 TRF TRF=β0 +β1 TBCE Estimando en las formas estructurales: Estimación forma estructura ecuación 1: TBCE=α 0 +α 1 TRF Dependent Variable: TBCE Method: Least Squares Date: 04/10/01 Time: 11:38 Sample: 1995:01 2000:12 Included observations: 72 Variable Coefficient Std. Error t-Statistic Prob. C TRF -1.009657 0.965412 1.599211 0.279838 -0.631347 3.449889 0.5299 0.0010 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.145317 0.133108 1.103655 85.26379 -108.2506 0.089111 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 4.489167 1.185361 3.062516 3.125757 11.90174 0.000954 Estimación forma estructura ecuación 2: TRF=β0 +β1 TBCE Dependent Variable: TRF Method: Least Squares Date: 04/10/01 Time: 11:39 Sample: 1995:01 2000:12 Included observations: 72 Variable C TBCE R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 5.020108 0.150524 0.145317 0.133108 0.435792 13.29403 -41.34695 0.096193 Std. Error t-Statistic 0.202490 24.79185 0.043631 3.449889 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) Prob. 0.0000 0.0010 5.695833 0.468055 1.204082 1.267323 11.90174 0.000954 Esta estimación siempre será posible, pero los resultados no serán congruentes, ya que los valores del tipo de interés estimado en la ecuación uno no serán los mismos que los empleados luego para estimar dos (en esta se utilizarán también los valores reales, no los estimados). Lo mismo ocurre en la segunda ecuación. Por ello, parece conveniente estimar el modelo (cada ecuación) en forma reducida y, después, volver a la forma estructural: Para pasar de estas formas estructurales a las correspondientes reducidas, despejaría en cada una de ellas la variable “explicativa-endógena de la otras”, es decir: FORMA ESTRUCTURAL: TBCE=α 0 +α 1 TRF TBCE=α 0 +α 1 (β0 +β1 TBCE) = TBCE = FORMA REDUCIDA: α0 α β + 1 0 = π 10 1 − α1β 1 1 − α1 β 1 Obtengo así una endógena en función de una exógena (en este caso, dicha exógena es sólo la constante). En cualquier caso, en esta forma reducida puedo estimar el parámetro π 10 : Estimación forma reducida ecuación 1: Dependent Variable: TBCE Method: Least Squares Date: 04/10/01 Time: 11:46 Sample: 1995:01 2000:12 Included observations: 72 Variable Coefficient C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood 4.489167 0.000000 0.000000 1.185361 99.76075 -113.9035 Std. Error t-Statistic Prob. 0.139696 32.13522 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Durbin-Watson stat 0.0000 4.489167 1.185361 3.191763 3.223384 0.080116 Siguiendo los mismos pasos para la otra endógena: - La escribo en forma reducida: TRF=β0 +β1 TBCE TRF=β0 +β1 (α 0 +α 1 TRF)= - FORMA REDUCIDA: Estimo dicha forma reducida: TRF = β 0 + β1α 0 + β 1 Π 10 = π 20 Estimación forma reducida ecuación 2: Dependent Variable: TRF Method: Least Squares Date: 04/10/01 Time: 11:48 Sample: 1995:01 2000:12 Included observations: 72 Variable C R-squared Adjusted R-squared Coefficient 5.695833 0.000000 0.000000 Std. Error t-Statistic Prob. 0.055161 103.2587 0.0000 Mean dependent var 5.695833 S.D. dependent var 0.468055 S.E. of regression Sum squared resid Log likelihood 0.468055 15.55435 -46.99984 Akaike info criterion Schwarz criterion Durbin-Watson stat 1.333329 1.364949 0.087197 Para pasar ahora a la forma estructural, nuevamente (y saber así como depende el tipo de interés de la UE del tipo de interés americano y viceversa), tendría el siguiente sistema de ecuaciones (una vez los valores π 10 y π 20 ya han sido estimados: 4 ,489167 = α0 αβ + 1 0 = π 10 1 − α1 β 1 1 − α1β 1 5, 695833 = β 0 + β 1α 0 + β1 Π 10 = π 20 En definitiva, tendría un SISTEMA COMPATIBLE INDETERMINADO, ya que tendría dos ecuaciones y cuatro incógnitas, luego infinitas soluciones una vez dé un valor para dos de las incógnitas (sea cual sea): el modelo es NO IDENTIFICABLE CASO SEGUNDO Las formas estructurales propuestas ahora son las siguientes (se ha incluido una explicativa más en una de las dos ecuaciones iniciales): TBCE=α 0 +α 1 TRF+α 2 IPCUE TRF=β0 +β1 TBCE Estimando directamente ambas formas (en la forma estructural) obtengo: Estimación forma estructural ecuación 1: TBCE=α 0 +α 1 TRF+α 2 IPCUE Dependent Variable: TBCE Method: Least Squares Date: 04/10/01 Time: 11:56 Sample: 1995:01 2000:12 Included observations: 72 Variable C TRF IPCUE R-squared Adjusted R-squared S.E. of regresión Sum squared resid Log likelihood Durbin-Watson stat Coefficient 33.26621 1.666413 -0.375077 0.832803 0.827957 0.491665 16.67967 -49.51446 0.540619 Std. Error t-Statistic 2.156021 15.42944 0.131428 12.67929 0.022268 -16.84390 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) Estimación forma estructural ecuación 2: TRF=β0 +β1 TBCE Prob. 0.0000 0.0000 0.0000 4.489167 1.185361 1.458735 1.553596 171.8437 0.000000 Dependent Variable: TRF Method: Least Squares Date: 04/10/01 Time: 11:56 Sample: 1995:01 2000:12 Included observations: 72 Variable C TBCE Coefficient 5.020108 0.150524 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.145317 0.133108 0.435792 13.29403 -41.34695 0.096193 Std. Error 0.202490 0.043631 t-Statistic 24.79185 3.449889 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) Prob. 0.0000 0.0010 5.695833 0.468055 1.204082 1.267323 11.90174 0.000954 Nuevamente escribo cada una de las dos ecuaciones en su forma reducida de cara a hacer una estimación más congruente con la simultaneidad implícita en el modelo: - Escritura en forma reducida: FORMA ESTRUCTURAL: TBCE=α 0 +α 1 TRF+α 2 IPCUE= α 0 +α 1 (β0 +β1 TBCE )+α 2 IPCUE= α 0 /(1- α 1 β1 )+ α 1 β0 /(1- α 1 β1 ) + (α 2 / (1- α 1 β1 ))*IPCUE= FORMA REDUCIDA: TBCE =Ð 10 + Ð11 *IPCUE Donde: Ð10 = α 0 /(1- α 1 β1 )+ α 1 β0 /(1- α 1 β1 ) Ð11 = (α 2 /(1- α 1 β1 )) - Estimo los parámetros de la forma reducida Estimació n forma reducida ecuación 1: TBCE =Ð 10 + Ð11 *IPCUE Dependent Variable: TBCE Method: Least Squares Date: 04/10/01 Time: 12:04 Sample: 1995:01 2000:12 Included observations: 72 Variable Coefficient Std. Error t-Statistic Prob. C IPCUE 33.63594 -0.285672 3.905761 0.038267 8.611879 -7.465206 0.0000 0.0000 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.443248 0.435295 0.890762 55.54197 -92.82059 0.145716 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 4.489167 1.185361 2.633905 2.697146 55.72929 0.000000 Para la otra ecuación seguiría los mismos pasos, sustituyendo TBCE explicativa por su correspondiente forma reducida que acabamos de obtener: FORMA ESTRUCTURAL: TRF=β0 +β1 TBCE TRF=β0 +β1 (Ð10 + Ð11 *IPCUE) = β0 +β1 Ð10 + β1 Ð11 *IPCUE FORMA REDUCIDA: TRF= Ð20 + Ð21 *IPCUE Donde: Ð20 = β0 +β1 Ð10 Ð21 = β1 Ð11 Estimando la forma reducida, tendríamos: Estimación forma reducida ecuación 2: TRF= Ð20 + Ð21 *IPCUE Dependent Variable: TRF Method: Least Squares Date: 04/10/01 Time: 12:10 Sample: 1995:01 2000:12 Included observations: 72 Variable Coefficient C IPCUE R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.221874 0.053651 0.100271 0.087418 0.447129 13.99469 -43.19601 0.096847 Std. Error t-Statistic Prob. 1.960544 0.019209 0.113170 2.793070 0.9102 0.0067 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 5.695833 0.468055 1.255445 1.318685 7.801238 0.006728 En definitiva, tendríamos los siguientes valores estimados para los parámetros de la forma reducida de ambas ecuaciones: Ð10 = 33.63594 Ð11 = -0.285672 Ð20 = 0.221874 Ð21 = 0.053651 Y tendríamos las siguientes ecuaciones: [1] [2] [3] [4] 33.63594 = α 0 /(1- α 1 β1 )+ α 1 β0 /(1- α 1 β1 ) -0.285672 = (α 2 /(1- α 1 β1 )) 0.221874 = β0 +β1 33.63594 0.053651 = β1 *(-0.285672) El resultado tiene cuatro ecuaciones y cinco incógnitas, nuevamente un sistema compatible indeterminado (con infinitas soluciones posibles). Sin embargo, en este caso sí podemos conocer los parámetros de la forma estructura de la ecuación de los tipos de interés americanos (TRF), ya que, con las ecuaciones [3] y [4], obtenemos los parámetros β0 y β1: β1 = 0.053651 / (-0.285672) = - 0,18749125 β0 = 0.221874 - β1 33.63594 = -6,08457039 La segunda ecuación sería identificable (de su estimación en forma reducida se podría pasar a la estructural) y la primera no. NÓTESE QUE LOS RESULTADOS DE ESTIMACIÓN DE LOS PARÁMETROS PASANDO PRIMERO A LA FORMA REDUCIDA Y LUEGO A LA ESTRUCTURAL NO SON LOS MISMOS. EVIDENTEMENTE, ESTIMAR DIRECTAMENTE ECUACIÓN POR ECUACIÓN ES LO MISMO QUE OBVIAR EL CARÁCTER SIMULTÁNEO DEL SISTEMA, LUEGO LA ESTIMACIÓN PRIMERA ES UN CAMINO ERRÓNEO PORQUE, SIMPLEMENTE, ELIMINA EL CARÁCTER MULTIECUACIONAL SIMULTÁNEO DEL MODELO. Ecuación 2: TRF=β0 +β1 TBCE Estimación forma estructural Estimación forma Reducida 5.020108 -6.08457039 0.150524 -018749125 β0 β1 CASO TERCERO TBCE=α0+α1TRF+α2IPCUE TRF=β 0+β 1TBCE+β 2IPCUSA Estimación en forma estructural ecuación 1: TBCE=α0+α1TRF+α2IPCUE Dependent Variable: TBCE Method: Least Squares Date: 04/10/01 Time: 12:52 Sample: 1995:01 2000:12 Included observations: 72 Variable Coefficient Std. Error t-Statistic Prob. C TRF IPCUE 33.26621 1.666413 -0.375077 2.156021 0.131428 0.022268 15.42944 12.67929 -16.84390 0.0000 0.0000 0.0000 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.832803 0.827957 0.491665 16.67967 -49.51446 0.540619 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 4.489167 1.185361 1.458735 1.553596 171.8437 0.000000 Estimación en forma estructural ecuación 2: TRF=β 0+β 1TBCE+β 2IPCUSA Dependent Variable: TRF Method: Least Squares Date: 04/10/01 Time: 12:52 Sample: 1995:01 2000:12 Included observations: 72 Variable Coefficient Std. Error t-Statistic Prob. C TBCE IPCUSA -8.113219 0.419033 0.112245 0.999968 0.030987 0.008496 -8.113482 13.52291 13.21184 0.0000 0.0000 0.0000 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.757863 0.750844 0.233632 3.766284 4.057206 0.567596 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 5.695833 0.468055 -0.029367 0.065494 107.9813 0.000000 Escritura en forma reducida de cada una de las ecuaciones: Ecuación 1: FORMA ESTRUCTURAL: TBCE=α0+α1TRF+α2IPCUE TBCE=α0+α1(β 0+β 1TBCE+β 2IPCUSA )+α2IPCUE = (α0+α1β 0)/(1-α1β 1)+ (β 2 /(1-α1β 1))* IPCUSA+ α2 /(1-α1β 1)IPCUE = FORMA REDUCIDA: TBCE = Ð10 + Ð11 IPCUSA+ Ð12 IPCUE Donde: Ð10 = α 0 /(1- α1 β1 )+ α 1 β0 /(1-α1 β1 ) Ð11 = α 1 β2 /(1- α1 β1 ) Ð12 = α 2 /(1- α1 β1 ) Ecuación 2: FORMA ESTRUCTURAL: TRF = β 0+β 1TBCE+β 2IPCUSA = β 0+β 1(Ð10 + Ð11 IPCUSA+ Ð12 IPCUE)+β 2IPCUSA = β 0+β 1Ð10 + β 1Ð11 IPCUSA+ β 1Ð12 IPCUE+β 2IPCUSA = FORMA REDUCIDA: TRF = Ð20 + Ð21 IPCUSA+ Ð22 IPCUE Donde: Ð20 = β 0 +β 1 Ð10 Ð21 =β 1 Ð11 +β 2 Ð22 = β 1 Ð12 Estimación de la forma reducida ecuación 1 TBCE = Ð10 + Ð11 IPCUSA+ Ð12 IPCUE Dependent Variable: TBCE Method: Least Squares Date: 04/10/01 Time: 12:48 Sample: 1995:01 2000:12 Included observations: 72 Variable Coefficient Std. Error t-Statistic Prob. C IPCUSA IPCUE 50.44640 0.317904 -0.781541 16.33827 0.300031 0.469551 3.087623 1.059568 -1.664442 0.0029 0.2930 0.1006 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.452162 0.436283 0.889982 54.65273 -92.23956 0.150895 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 4.489167 1.185361 2.645543 2.740404 28.47482 0.000000 Estimación de la forma reducida ecuación 2 TRF = Ð20 + Ð21 IPCUSA+ Ð22 IPCUE Dependent Variable: TRF Method: Least Squares Date: 04/10/01 Time: 12:49 Sample: 1995:01 2000:12 Included observations: 72 Variable Coefficient Std. Error t-Statistic Prob. C IPCUSA IPCUE 21.96132 0.411116 -0.587612 7.816023 0.143531 0.224628 2.809782 2.864296 -2.615940 0.0064 0.0055 0.0109 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.195882 0.172574 0.425756 12.50753 -39.15151 0.155126 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 5.695833 0.468055 1.170875 1.265736 8.404154 0.000541 Donde, como ya tenemos estimados los parámetros en forma reducida, podríamos escribir: Ð10 = 50.44640 Ð11 = 0.317904 Ð12 = -0.781541 Ð20 = 21.96132 Ð21 = 0.411116 Ð22 = -0.587612 Y sabemos que: Ð10 = α 0 /(1- α1 β1 )+ α 1 β0 /(1-α1 β1 ) Ð11 = α 1 β2 /(1- α1 β1 ) Ð12 = α 2 /(1- α1 β1 ) Ð20 = β 0 +β 1 Ð10 Ð21 =β 1 Ð11 +β 2 Ð22 = β 1 Ð12 En definitiva, tendríamos un sistema de 6 ecuaciones con 6 incógnitas, SISTEMA COMPATIBLE DETERMINADO, que llamaremos SISTEMA POSIBLEMENTE IDENTIFICABLE1 [1] [2] [3] [4] [5] [6] 50.44640 = α 0 /(1- α1 β1 )+ α 1 β0 /(1-α1 β1 ) 0.317904 = α 1 β2 /(1- α1 β1 ) -0.781541 = α 2 /(1- α1 β1 ) 21.96132 = β 0 +β 1 (50.44640) 0.411116=β 1 (0.317904)+β 2 -0.587612 = β 1 (-0.751541) Ecuación 1: Parámetro α0 α1 α2 Estimada forma estructural Directamente Deducidos a partir forma reducida 33.26621 1.666413 -0.375077 Ecuación 2: 1 Parámetro Estimada forma estructural Directamente β0 β1 β2 -8.113219 0.419033 0.112245 Deducidos a partir forma reducida 13,762702 0.78187617 0.16255444 Evidentemente, para que el sistema tenga una solución única, el número de incógnitas ha de ser igual al número de ecuaciones, TODAS ELLAS DIFERENTES (NO COMBINACIÓN LINEAL LAS UNAS DE LAS OTRAS), por lo que, posteriormente, daremos una condición suficiente que nos asegura el estar en este caso. CONCLUSIONES A MODO DE RESUMEN Siempre es posible estimar directamente las formas estructurales de cada ecuación del modelo, pero ello implica una incongruencia con el carácter simultáneo del mismo: las explicativas utilizadas en una ecuación no son las estimadas en la que a esta corresponde. No siempre es posible encontrar un paso único de la forma reducida a la estructural. En muchas ocasiones, dicho paso es múltiple, ya que el sistema obtenido es compatible indeterminado (tiene infinitas soluciones). A medida que hemos ido incluyendo variables exógenas en una de las dos ecuaciones (y no en la otra), hemos ido logrando que fueran siendo identificables. Una ecuación es posiblemente identificable cuando el número de variable totales del modelo (endógenas y exógenas) excluidas en una dicha ecuación es igual al número de ecuaciones menos uno2 . Para que haya un solución única y no trivial (todo ceros) es necesario incluir una condición más que nos asegure que el sistema al que llegamos tiene tantas incógnitas como ecuaciones no combinación lineal las unas de las otras. 2 Sobre esta conclusión se hará una demostración matricial, ya que así es difícil intuir lo dicho y no generalizable