FORMULAS ECONOMETRIA II

a b 1 1
d b
Matriz Inversa. A A A
c d c a
Ruido Blanco
1) E u t 0; 2)V u t E u 2t 2
t; 3)COV u t , u s E utus 0 t s
Estacionariedad débil
2
1) E y t t; 2)V y t t; 3)COV y t , t t k COV y t j , y t j k k t
Estacionariedad fuerte (estricta)
P yt 1, . . . . . , yt k P y t 1 j , . . . . . , y t k j t, j, k
donde P es la función de probabilidad acumulada
Est. Débil Normalidad Est. Fuerte // Est. Estricta Momentos finitos Est. Débil
Condidiones de estacionariedad
Raíces del polinomio autoregresivo en val. absoluto 1
Raíces ec. característica en val. absoluto 1
(Raíces pol. autoregresivo) 1 racíes ec. característica
Invertibilidad
Val. Absoluto del polinomio de medias móviles 1
Teorema de Wold
Cualquier proceso estacionario y t puede representarse unívocamente
como la suma de 2 procesos mutuamente incorrelacionados. y t PS t Xt
donde X tMA y PS t parte sistemática
Estimadores
T yt T yt y T yt y ys y
y t 1 T
;V y 0 t 1 T
; COVyt, yt s t s 1 T s
SCR
k
k
0
(Yule-Walker). 2 T
por MV
Yule-Walker E y t y t s
AR(1): s a 1 s ; AR(1): s a 1 s 1 a 2 s 1 ; MA 1 : 0 1 2 2
, 1
2
,
s 0 s 1;
2 2
ARMA(1,1): 0 a1 1 1 a1 1 , 1 a1 0 1 , s a1 s 1 s 2
ARMA(p,q): i a1 i 1 . . ap i p, i 2
1 a1 1 a1 1 2
1 2
. E yt s t s s. E t s t 0 s 1
1 2a 1 1 1

E yt syt E yt s kyt k s s 1. E y t s y t s 0 V yt s
Función de autocorrelación parcial
s 1
2 s s 1,j s j
2 1 j 1
11 1 ; 22 1 2
; sj s 1
, sj s 1,j ss s 1,s j
1 1 s 1,j j
j 1
s 4,3,5,..... j 1,2,3,....
Forecast function
Forecast error: y t j E t y t j . ECM E t y t E t y t j 2 V(forecast error).
j
Intervalo de confiaza suponiendo que N 0, 1 . E t y t j 1. 96 V E t y t j
1
ai i 0 1 a
cuando a 1
Tests
1
1)Significación de un i : H0 k 0, vs. H 1 k 0. k N 0, T
para k 1.
1 k 1
k N 0, T
1 2 j 1 j para k 2

1
IC: k 1. 96 Desvió Estándar
2) Significación conjunta.H 0 1 2 .. k 0, vs. H 1 Algún i 0
2 s 2
Box-Pierce. Q T k 1 k s
s
2 2
Ljung-Box. Q T T 2 k
k 1 T k s
Ajustes/Criterios de información
AIC TLn SCR 2n. SIC TLn SCR nLn T
n p q constante. T número de observaciones usables.
FIR de un ARMA
ARMA(2,1): y t 1yt 1 2yt 2 ut 1 u t 1 . Puede escribirse como:
yt 1 2 1 1
AR(1):X t AX t 1 cu t con X t yt 1 ,A 1 0 0 ,c 0
ut 1 0 0 0 0
VAR
1 12 yt 10 11 12 yt 1 u Yt
21 1 zt 20 21 22 zt 1 u Zt

B Xt 0 1 Xt 1 ut
B 1 BX t B 1
0 B 1
1 Xt 1 B 1ut Xt A0 A1Xt 1 et

A0 A1 et
Estacionariedad (VAR)
a)VAR(1): det A I 0. Si i 1 i es estacionario.
o det I AL 0. Si L i 0 i es estacionario.
b)VAR(2):det I A 1 L A 2 L 2 0. Si L i 0 i es estacionario.
Test(VAR). Número de rezagos óptimo
2
ML (T-C) Ln SCR R Ln SCR U q
T Nro. de observaciones usables. C cantidad de param. modelos
sin restringuir. q nro. de restricciones
AIC TLn e‘ e 2m; SIC TLn e‘ e mLn T
m n n 2 p, n es el nro. de variables. p es el nro. de rezagos.
Tendencias
(TS): y t t L ut
(DS): y t yt 1 L ut
Predicción
TS : y t h t h sut s 1ut 1
....
2
Et yt h Et yt h t h 0 si h
(DS): y t h yt h h h 1 .... 1 ut h 1 h .... 2 ut 1
h 2 h 1 .... 3 u t 2 . . . . . . // E t y t h yt h
Errores de predicción
2 2 2 2 2
TS : E y t h Et yt h 1 1 2 .... h 1
2 2 2 2
DS : E y t h Et yt h 1 1 1 1 1 2 ....
ADF
P
(a) yt yt 1 p 1 p yt p ut
p
(b) yt yt 1 p 1 p yt p ut

2
 P
(c) yt t yt 1 p 1 p yt p ut
Prueba de Hylleberg-Engle-Granger-Yoo (HEGY)
4yt 1 y 1t 1 2 y 2t 1 3 y 3t 2 4 y 3t 1 ut con
2
y 1t 1 L 1 L y t y t y t 1 y t 2 y t 3
y 2t 1 L 1 L2 yt yt yt 1 yt 2 yt 3
y 3t 1 L 1 L yt yt yt 2

Exogeneidad
Débil
xt y t , z t . i) el parámetro consiste en dos componentes no relacionados,
1 , 2 con 1 1 y 2 2 y 1X 2 y
ii) Log f x t Xt 1, Log f y t z t, X t 1 , 1 Log f z t X t 1 , 2
Fuerte
z t es fuertemente exógena respecto a un conjunto de parámetros de interés (de la
ecuación principal) sí solo si z t es débilmente exógena a y
f zt xt 1, 2 f zt zt 1, xt 1, 2
Superexogeneidad
z t es fuertemente exógena respecto a un conjunto de parámetros de interés 1 (de la
ecuación principal) sí solo si z t es es débilmente exógena a 1 y 1 es invariante a
intervenciones que afecten a 2 .
Mecanismo de corrección de errores
yt 1 xt 2 yt 1 xt 1 ut
Prueba de Johansen
p 1 i
xt xt p i xt i. A1 A2 A3 I y i Ai In
i 1 j 1
Las dos pruebas estadísticas de cointegración de Johansen son:
n
traza r T Ln 1 i
i r 1
max r TLn 1 r 1

Modelos de elección discreta

yi xi u i ; y i 1 si y i 0, y i 0 si y i 0
Modelo restruinguido: y Ri R
0
R
i solo considero la constante, 1 2 .... k 0
U U U
Modelo sin restringuir: y i xi u i . Comparar la verosimilitud de ambos modelos.
L R verosimilitud restringuida 2
L verosimilitud no restrnguida
LR -2Ln m m es el número de restricciones.
U

eX
Función Logística: X 1 e XP
LnL
Un seudo R 2 es 2
1 LnL
U 2
0, 1
R

Efectos parciales. Recordar que: P yi 1|x i 1 F xi

Py 1
xk
f xi k

Modelos de censura
Yi Xi ui; Yi Yi si Yi 0, Y i 0 en otro caso
Y i es una variable latente no observable. Y i ,X i son observadas.

3
 1 Yi X i Xi
L n 1 N
Y 0 Y 0
Modelos de truncamiento
f Yi X i
L P i S Xi
i S