Papel de trabajo_GMM
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
1. Motivación<br />
Elegí este tema porque era conocedor <strong>de</strong> la importancia <strong>de</strong> la estimación por el Método<br />
Generalizado <strong>de</strong> los Momentos (MGM), especialmente en el área <strong>de</strong> la macroeconomía<br />
avanzada y las finanzas. Como el próximo mes <strong>de</strong> septiembre empezaré mis estudios <strong>de</strong><br />
postgrado en economía, sabía que tar<strong>de</strong> o temprano tendría que compren<strong>de</strong>r y estudiar<br />
este método <strong>de</strong> estimación, así que la exposición en clase ha constituido una excelente<br />
“excusa” para leer sobre él y compren<strong>de</strong>rlo a un nivel introductorio.<br />
2. Introducción<br />
El Método Generalizado <strong>de</strong> los Momentos fue propuesto bajo ese nombre por Lars Peter<br />
Hansen en un artículo en Econometrica en 1982, aunque la i<strong>de</strong>a básica que en él<br />
subyace se remonta al menos hasta Sargan (1958). Su carácter general hace que otros<br />
métodos <strong>de</strong> estimación, como MCO, Máxima Verosimilitud y Variables Instrumentales<br />
sean casos especiales <strong>de</strong>l mismo. Los estimadores MGM se han extendido con gran<br />
rapi<strong>de</strong>z <strong>de</strong>bido a que poseen propieda<strong>de</strong>s asintóticas fáciles <strong>de</strong> caracterizar en formas<br />
que facilitan la comparación entre estimadores y porque pue<strong>de</strong>n ser construidos sin<br />
especificar completamente el proceso generador <strong>de</strong> los datos, que sí es necesario para<br />
estimar por máxima verosimilitud.<br />
La estimación por MGM tiene su origen en el método <strong>de</strong> los momentos, que fue<br />
introducido por K. Pearson y es el método general más antiguo y sencillo para la<br />
obtención <strong>de</strong> estimadores <strong>de</strong> parámetros poblacionales. Así, comenzaremos repasando<br />
este método con un sencillo y mencionaremos sus propieda<strong>de</strong>s. Posteriormente<br />
pasaremos a explicar el MGM, en qué consiste, su equivalencia con otros métodos <strong>de</strong><br />
estimación, sus propieda<strong>de</strong>s y algunos contrastes. Por último, finalizaremos exponiendo<br />
dos sencillos casos prácticos en EViews.<br />
3. El método <strong>de</strong> los momentos clásico<br />
Este método consiste en igualar tantos momentos muestrales como parámetros haya que<br />
estimar a los correspondientes momentos poblacionales, que son funciones <strong>de</strong> los<br />
parámetros <strong>de</strong>sconocidos. Resolviendo el sistema <strong>de</strong> ecuaciones resultante se obtienen<br />
los estimadores <strong>de</strong> los parámetros.<br />
Si θ es un vector <strong>de</strong> parámetros <strong>de</strong> dimensión m que caracteriza la distribución <strong>de</strong> la<br />
variable aleatoria y, el momento k, suponiendo que existe, se <strong>de</strong>fine como:<br />
μ k (θ) = E [y k ]<br />
Suponiendo que tenemos una muestra <strong>de</strong> y <strong>de</strong> tamaño T con observaciones y 1 , y 2 ,…,y T<br />
(consi<strong>de</strong>radas como T variables aleatorias in<strong>de</strong>pendientes). Los correspondientes<br />
momentos muestrales son:<br />
2