VECTOR AUTOREGRESIVO

1. INTRODUCCION

Christopher Sims (1980; 1982; 1986) propone un enfoque alternativo a los modelos de gran escala
(modelos de ecuaciones simultáneas), puesto que éstos habían fracasado para realizar descripción
de datos, pronóstico, inferencia estadística y análisis de política. Este enfoque alternativo conocido
como Vectores Autorregresivos (VAR) prometía la solución a estos problemas.

Es importante destacar que, aunque ha habido un fuerte crecimiento en la metodología VAR,

principalmente con los modelos VAR Bayesianos (Robert EL MODELO VAR Y SUS PRINCIPALES
PROBLEMAS 97 Litterman, 1986; Christopher Sims y Tao Zha, 1997 y 1999), las críticas más
severas de estos modelos recaen en el planteamiento central. Es por este motivo que sólo se estudia
el desarrollo esencial de los VAR y se deja de lado las investigaciones teóricas que se extienden
sobre este tipo de modelos.

2. ORIGEN DEL MODELO VAR

Durante los primeros años de la segunda mitad del siglo XX, por lo regular los macroeconomistas
realizaban trabajos de descripción, pronóstico, inferencia estadística y análisis de política utilizando
el método de ecuaciones simultáneas de manera significativa. Este método se llevó a cabo con
grandes modelos de cientos de ecuaciones, los cuales representaban en forma simplificada el
comportamiento de la economía en su conjunto. Un enfoque alternativo, que prometía la solución a
los problemas de modelos de ecuaciones simultáneas, fue el de los Vectores Autorregresivos (VAR)
propuestos por Christopher Sims (1980). Un VAR con n ecuaciones y n incógnitas es un modelo
lineal en el cual cada variable es explicada por sus propios valores rezagados, más los rezagos del
resto de las n-1 variables y por los errores estocásticos que aparecen en cada ecuación. Con este
tipo de modelos se trataba de capturar la riqueza dinámica de las series de tiempo y, con el
instrumental estadístico del VAR se prometía describir, pronosticar, realizar inferencia estadística y
análisis de política.

3. PLANTEAMIENTO CENTRAL DE LOS MODELOS VAR

Generalmente el modelo VAR se presenta mediante la forma reducida, la forma recursiva, y el VAR
estructural. Existen tres variables que serán utilizadas para el sistema VAR: Inflación, tasa de
desempleo y tasa interés (fed bound).

a. VAR FORMA REDUCIDA

El VAR de forma reducida expresa cada variable como una función lineal de sus propios valores
pasados y de los valores pasados de las otras variables del modelo. Cada ecuación se estima por
mínimos cuadrados ordinarios (MCO), el término de error no está serialmente correlacionado, el
número de rezagos a incluir en cada ecuación puede ser determinado por varios criterios3 y el
término de error es considerado como un shock no anticipado o elemento sorpresa.

b. VAR FORMA RECURSIVA

En este tipo de VAR, los residuos de la ecuación i no son correlacionados con el término de error de
la ecuación anterior. En otras palabras, la variable del lado izquierdo de la primera ecuación depende

VECTOR AUTOREGRESIVO| | STOCCK & WATSON (2001)

sólo de los valores rezagados de todas las variables incluidas en el VAR, en tanto la variable
correspondiente de la segunda ecuación depende de los rezagos de todas las variables del VAR y
del valor contemporáneo de la variable de la primera ecuación. Asimismo, la variable del lado
izquierdo de la tercera ecuación depende de los rezagos de todas las variables y de los valores
contemporáneos de la primera y la segunda variables. Este procedimiento es aplicado para las n
variables incluidas en el VAR. En este tipo de VAR, el orden de las variables es importante y los
resultados están influenciados por dicho ordenamiento.

c. VAR FORMA ESTRUCTURAL

Este tipo de VAR utiliza teoría económica para ordenar la relación contemporánea entre las variables
y requiere de supuestos de identificación que permitan que las correlaciones de las variables sean
interpretadas casualmente; estos supuestos de identificación pueden involucrar a todo el VAR o a un
conjunto de ecuaciones. El número de VAR estructurale, a partir de un VAR en forma reducida, debe
estar limitado sólo por la capacidad creativa del investigador

Por ejemplo, en el caso de las tres variables mencionadas, Stock y Watson consideran dos VAR
estructurales. La regla utilizada es la siguiente:

donde es la tasa de interés real deseada o de largo plazo; y son los valores promedio de
inflación y tasa de desempleo de los últimos cuatro; y son los valores meta de inflación y
desempleo; y el error en la ecuación.

4. LIMITACIONES AL MODELO VAR

a. La primera limitación es que los métodos normales de inferencia estadística (tales como el
cálculo de los errores estándar y las funciones impulso-respuesta) pueden arrojar resultados
erróneos, si alguna de las variables es altamente persistente
b. Otra limitación es que, sin modificaciones, el VAR estándar omite no linealidades, problemas
de heteroscedasticidad condicional y cambio estructural en los parámetros.
c. la inferencia estructural a partir de VAR requiere un adecuado conocimiento institucional de
la forma como se ejecuta la política; pues, antes cualquier pequeño cambio en la forma de
modelar la política produce cambios significativos en las funciones impulso-respuesta.

CONCLUSIÓN

El VAR es una poderosa herramienta para describir datos y para generar pronósticos confiables. Los
VAR estructurales pueden capturar ricas propiedades dinámicas de las series de tiempo múltiples,
pero sus implicaciones estructurales son tan sólidas como los esquemas de identificación utilizados.

VECTOR AUTOREGRESIVO| | STOCCK & WATSON (2001)