Estimación de ecuaciones estructurales Consideremos la oferta de mano de obra de las trabajadoras casadas que ya forman parte del mercado laboral. Escribimos el salario ofrecido en función de las horas trabajadas y las variables habituales de productividad. – p. horas= log(salario)= α1 log(salario) + β10 + β11 educacion + β12 edad +β13 hijosm6 + β14 oingresos + ǫ1 α2 horas + β20 + β21 educacion + β22 experiencia +β23 experiencia2 + ǫ2 edad: es la edad de la mujer en años; hijosm6: número de hijos menores de 6 años; oingresos: otros ingresos incluyendo el salario del marido. Todas las variables excepto horas y salario se suponen exógenas. – p. horas= α1 log(salario) + β10 + β11 educacion + β12 edad +β13 hijosm6 + β14 oingresos + ǫ1 log(salario)= α2 horas + β20 + β21 educacion + β22 experiencia +β23 experiencia2 + ǫ2 ¿Qué ecuación está identificada? – p. horas= α1 log(salario) + β10 + β11 educacion + β12 edad +β13 hijosm6 + β14 oingresos + ǫ1 log(salario)= α2 horas + β20 + β21 educacion + β22 experiencia +β23 experiencia2 + ǫ2 ¿Qué ecuación está identificada? La ecuación de horas cumple la condición de orden para la identificación: una variable endógena log(salario) y dos variables exógenas experiencia y experiencia2 excluidas de su ecuación. – p. horas= α1 log(salario) + β10 + β11 educacion + β12 edad +β13 hijosm6 + β14 oingresos + ǫ1 log(salario)= α2 horas + β20 + β21 educacion + β22 experiencia +β23 experiencia2 + ǫ2 ¿Qué ecuación está identificada? La ecuación de horas cumple la condición de orden para la identificación: una variable endógena log(salario) y dos variables exógenas experiencia y experiencia2 excluidas de su ecuación. La ecuación de log(salario) cumple la condición de orden para la identificación: una variable endógena horas y tres variables exógenas edad, hijosm6 y oingresos que son posibles VI. – p. log(salario)= π20 + π21 educacion + π22 edad + π23 hijosm6 +π24 oingresos + π25 experiencia +π26 experiencia2 + ν2 La condición de rango se traduce en: π25 6= 0 o π26 6= 0, algo que podemos contrastar con un test estándar F (H0 : π25 = π26 = 0). Para estimar las horas cuando log(salario) es una variable endógena mediante MC2E. Las variables instrumentales son las variables exógenas que aparecen en uno y otro modelo. – p. Etapa 1: Estimar la variable log(salario) usando la ecuación reducida. Comprobar que se satisface la condición de rango. \ Etapa 2: Usar log(salario) para estimar la ecuación estructural de horas Coeficientes error estándar Intercepto 2225.662 310.328 log(salario) 1639.556 254.163 educacion -183.751 31.920 edad -7.806 5.065 hijosm6 -198.154 98.802 oingresos -10.170 3.573 – p. Si queremos estimar log(salario): horas= π20 + π21 educacion + π22 edad + π23 hijosm6 +π24 oingresos + π25 experiencia +π26 experiencia2 + ν2 La condición de rango se traduce a: – p. Si queremos estimar log(salario): horas= π20 + π21 educacion + π22 edad + π23 hijosm6 +π24 oingresos + π25 experiencia +π26 experiencia2 + ν2 La condición de rango se traduce a: π25 6= 0 o π26 6= 0, algo que podemos contrastar con un test estándar F (H0 : π23 = π24 = 0). – p. Si queremos estimar log(salario): horas= π20 + π21 educacion + π22 edad + π23 hijosm6 +π24 oingresos + π25 experiencia +π26 experiencia2 + ν2 La condición de rango se traduce a: π25 6= 0 o π26 6= 0, algo que podemos contrastar con un test estándar F (H0 : π23 = π24 = 0). Para estimar las log(salario) cuando horas es una variable endógena mediante MC2E. Las variables instrumentales son las variables exógenas que aparecen en uno y otro modelo. – p. Etapa 1: – p. Etapa 1: Estimar la variable horas usando la ecuación reducida. – p. Etapa 1: Estimar la variable horas usando la ecuación reducida. Etapa 2: Usar los valores estimados de horas, es decir \ para estimar la ecuación estructural de log(salario) horas – p. Etapa 1: Estimar la variable horas usando la ecuación reducida. Etapa 2: Usar los valores estimados de horas, es decir \ para estimar la ecuación estructural de log(salario) horas Intercepto horas educacion experiencia experiencia2 Coeficientes error estándar -0.656 0.338 0.00013 0.00025 0.110 0.016 0.035 0.019 -0.00071 0.00045 – p. Los modelos de ecuaciones simultáneas pueden tener más de dos ecuaciones. y1 = α12 y2 + α13 y3 + β1 w1 + ǫ1 y2 = α21 y1 + β21 w1 + β22 w2 + β23 w3 + ǫ2 y3 = α32 y2 + β31 w1 + β32 w2 + β33 w3 + β34 w4 + ǫ4 ¿Cuáles de estas ecuaciones se pueden estimar? – p. Los modelos de ecuaciones simultáneas pueden tener más de dos ecuaciones. y1 = α12 y2 + α13 y3 + β1 w1 + ǫ1 y2 = α21 y1 + β21 w1 + β22 w2 + β23 w3 + ǫ2 y3 = α32 y2 + β31 w1 + β32 w2 + β33 w3 + β34 w4 + ǫ4 ¿Cuáles de estas ecuaciones se pueden estimar? La ecuación de y3 tiene una variable endógena pero no hay VI para y2 . Luego esta ecuación no se puede estimar consistentemente. La ecuación de y1 tiene dos variables endógenas (y2 , y3 ) y en el sistema hay 3 variables que podrían ser instrumentos para ellas (w2 , w3 y w4 ). Por lo tanto esta ecuación supera la condición de orden. – p. En cualquier MES, una ecuación cumple la condición de orden para la identificación si el número de variables exógenas excluidas de la ecuación es por lo menos igual a su número de variables endógenas. – p. En cualquier MES, una ecuación cumple la condición de orden para la identificación si el número de variables exógenas excluidas de la ecuación es por lo menos igual a su número de variables endógenas. y1 = α12 y2 + α13 y3 + β1 w1 + ǫ1 y2 = α21 y1 + β21 w1 + β22 w2 + β23 w3 + ǫ2 y3 = α32 y2 + β31 w1 + β32 w2 + β33 w3 + β34 w4 + ǫ4 ¿Supera la segunda ecuación la condición de orden? – p. En cualquier MES, una ecuación cumple la condición de orden para la identificación si el número de variables exógenas excluidas de la ecuación es por lo menos igual a su número de variables endógenas. y1 = α12 y2 + α13 y3 + β1 w1 + ǫ1 y2 = α21 y1 + β21 w1 + β22 w2 + β23 w3 + ǫ2 y3 = α32 y2 + β31 w1 + β32 w2 + β33 w3 + β34 w4 + ǫ4 ¿Supera la segunda ecuación la condición de orden? Sí, porque tiene una sola variable endógena y1 y hay una variable exógena z4 que está excluida de la segunda ecuación – p. y1 = α12 y2 + α13 y3 + β1 w1 + ǫ1 y2 = α21 y1 + β21 w1 + β22 w2 + β23 w3 + ǫ2 y3 = α32 y2 + β31 w1 + β32 w2 + β33 w3 + β34 w4 + ǫ4 ¿Es la condición de orden condición suficiente para la identificación del MES? Si β34 = 0 entonces w4 no apareceria en el sistema, es decir no está correlada con y1 ni con y2 , ni con y3 . Si β34 = 0 entonces la segunda ecuación no está identificada La ecuación primera está sobreidentificada La ecuación segunda está exactamente identificada La ecuación tercera está subidentificada – p. 1 Solo las ecuaciones que están identificadas (o sobreidentificadas) pueden estimarse mediante MC2E – p. 1 Solo las ecuaciones que están identificadas (o sobreidentificadas) pueden estimarse mediante MC2E y1 = α12 y2 + α13 y3 + β1 w1 + ǫ1 y2 = α21 y1 + β21 w1 + β22 w2 + β23 w3 + ǫ2 y3 = α32 y2 + β31 w1 + β32 w2 + β33 w3 + β34 w4 + ǫ4 – p. 1 Solo las ecuaciones que están identificadas (o sobreidentificadas) pueden estimarse mediante MC2E y1 = α12 y2 + α13 y3 + β1 w1 + ǫ1 y2 = α21 y1 + β21 w1 + β22 w2 + β23 w3 + ǫ2 y3 = α32 y2 + β31 w1 + β32 w2 + β33 w3 + β34 w4 + ǫ4 Asumiendo que β22 6= 0 o β23 6= 0 o β34 6= 0 podemos estimar y1 mediante MC2E Asumiendo que β34 6= 0 podemos estimar y2 mediante MC2E. No podemos estimar y3 porque la ecuación no está identificada – p. 1 – p. 1 Elasticidad es un concepto que se usa en economía para explicar la relación entre dos variables. Si la variación porcentual de la variable dependiente y es mayor a la variable independiente x, se dice que la relación es elástica, ya que la variable dependiente y varía en mayor cantidad a la de la variable x Al contrario, si la variación porcentual de la variable x es mayor a la de y , la relación es inelástica. Si la relación es inelástica entonces la modificación que la variable x hace sobre la variable y es pequeña en términos porcentuales. Si la relación es elástica entonces la modificación de x sobre y es importante. – p. 1 ∆y ∂ log(y) x∂y ∆ log(y) y E(y, x) = ∂ log(x) = y∂x Discreto E(y, x) = ∆ log(x) = ∆x x Las relaciones entre variables de acuerdo a su elasticidad E(x,y): 1. Elástico: (E(y,x)> 1). 2. Inelástico: (0<E(y,x)<1). 3. Unitario: (E(y,x)= 1). – p. 1 Por ejemplo, el pan de harina de trigo es un producto típicamente inelástico en la cultura occidental, ya que es considerado un artículo de primera necesidad, de tal manera que, aunque el precio del mismo subiera drásticamente, la demanda no se modificaría en la misma medida, mientras que bajar su precio no supondría un aumento de la demanda. Si nos encontramos ante un producto inelástico, sabemos que tenemos un amplio margen de subida de precios, y que una bajada de precios no serviría de nada. Si nos encontramos ante un precio elástico, sabemos que una bajada de precios disparará la demanda, y por lo tanto dará mejores resultados globales, mientras que una subida de precios puede suponer una caída súbita en las ventas. – p. 1 \ log(salario) = 4.822 + 0.257 log(ventas) El coeficiente estimado de log(ventas) es la elasticidad estimada de salario con respecto a ventas. Implica que el aumento del 1% de las ventas conlleva que el salario del director se incrementa en 0.257 por ciento. E(salario, ventas) = ∆ log(salario) ∆ log(ventas) = ∆salario salario ∆ventas ventas = 0.257/1 < 1 inelástico. – p. 1 \ = 2225.66 + 1639.56 log(salario) − 183.75educacion horas −7.81edad − 198.15hijosm6 − 10.17oingresos \ ≈ 1640∆ log(salario) ∆horas \ ∆ log(horas) = (∆horas/horas) ≈ 1640/horas∆ log(salario) Elasticidad ≈ 1640/horas Esta elasticidad depende de la variable horas porque el modelo no se representa en log(horas). La media de horas trabajadas es de 1303, la elasticidad estimada es 1640/1303 > 1.26 ⇒ relación elástica. Un incremento salarial del 1% resulta en un incremento de horas de más del 1% – p. 1 Cuando el parámetro de x es positivo y el de x2 es negativo, la expresión cuadrática tiene una forma parabólica. Primero se observa un efecto positivo de x sobre y y luego un efecto negativo. Por lo tanto hay un punto de inflexión o crítico a partir del cual se produce el cambio. ŷ = β̂0 + β̂1 x + β̂2 x2 Punto crítico |β̂1 /(2β̂2 )| – p. 1 ĉigarros= −3.64(24.08) + 0.880(0.728)lrenta −0.751(5.773)lpreciocig − 0.501(0.167)educacion +0.771(0.160)edad − 0.0090(0.0017)edadcuad −2.83(1.11)restaurante El consumo de cigarrillos se relaciona con la edad de manera cuadrática. Fumar aumenta con la edad hasta que edad= 0.771/2(0.009)=42.83 y luego disminuye. – p. 1