Gujarti

Solo disponible en BuenasTareas
  • Páginas : 33 (8083 palabras )
  • Descarga(s) : 0
  • Publicado : 1 de marzo de 2011
Leer documento completo
Vista previa del texto
Introducción de elementos autorregresivos en modelos de dinámica de sistemas
Pablo Alvarez-De-Toledo *, Adolfo Crespo *, Fernando Núñez * y Carlos Usabiaga †

Resumen Los modelos autorregresivos pueden describirse como aquéllos en los que una variable o conjunto de variables se explican, al menos en parte, en función de los valores pasados de esa misma variable o conjunto de variables. Estosmodelos han cobrado gran importancia en el campo de la econometría y la economía. Se ha demostrado que modelos sencillos de este tipo, con un pequeño número de variables y parámetros, compiten, incluso con ventaja, en su capacidad de predicción y simulación con los grandes modelos macroeconométricos que se desarrollaron en los años cincuenta y sesenta, y que incluyen cientos de variables yparámetros. Mostramos cómo modelos de Dinámica de Sistemas pueden incorporar los elementos principales de los modelos autorregresivos. Para ello hemos desarrollado un modelo autorregresivo estructural (SVAR) con diagramas de nivel-flujo. Esta herramienta aporta a dichos modelos capacidad predictiva a corto plazo. Como ilustración, presentamos una aplicación al caso del mercado de trabajo español. AbstractThis paper presents a method for applying autoregressive analysis to system dynamics models. These methods, that allow high accuracy in short range prediction, have enabled small models to compete successfully with large models in economics and econometrics. Here we present a method that can be implemented as macro and illustrate it with an example taken from the Spanish labour market. Palabrasclaves: Modelos Autorregresivos, Dinámica de Sistemas, Funciones Impulso-Respuesta, Predicción, Mercado de Trabajo.

* Departamento de Organización Industrial y Gestión de Empresas, Universidad de Sevilla , Camino de los Descubrimientos s/n., 41092 Sevilla, España e-mail: pablo@esi.us.es , adolfo.crespo@esi.us.es , fnunez@esi.us.es † Departamento de Economía, Universidad Pablo de Olavide, Ctra.Utrera, km. 1 41013 Sevilla, España e-mail: cusaiba@upo.es Revista de Dinámica de Sistemas Vol. 2 Núm. 1 (Marzo 2006), p. 37-66

Recibido Diciembre 2005 Aceptado Febrero 2006

37

Alvarez-de-Toledo et al.: Elementos autoregresivos

38

Introducción En este artículo se realiza un acercamiento a los modelos autorregresivos (AR, VAR, SVAR) desde el punto de vista de la utilidad que puedantener para los investigadores de Dinámica de Sistemas. El objeto del mismo es utilizar la metodología SVAR para elaborar un modelo stock-flow autorregresivo estructural en el entorno informático Vensim que proporcione una nueva herramienta –macro– para realizar simulación y predicción a corto plazo sobre una variable utilizando para ello información pasada, no sólo de la propia variable estudiada,sino también de otras variables relacionadas con ella. Además, el modelo propuesto permite tener en cuenta el mapa de relaciones contemporáneas existente entre las variables consideradas. Dicho modelo no pretende, por tanto, ser un modelo de Dinámica de Sistemas en sí mismo, sino una herramienta para Vensim que pueda ser utilizada como parte de un modelo más amplio de Dinámica de Sistemas,permitiendo dotar al mismo de estructura endógena y de capacidad predictiva a corto plazo.

La técnica VAR ofrece la posibilidad de analizar las interrelaciones dinámicas existentes entre un conjunto de variables, lo que le confiere mayores posibilidades para analizar y contrastar modelos teóricos. Como puso de manifiesto Sims (1980), el interés de estimar un modelo VAR también reside en el tipo deinformación que se deriva del sistema de ecuaciones que se estima. Por ejemplo, a partir de las funciones impulso- respuesta se puede analizar el signo, la intensidad, el “timing” y la persistencia que cada una de las innovaciones estocásticas tienen sobre las variables del modelo. Otro elemento básico del análisis VAR lo constituye la Descomposición de la Varianza del Error de Predicción, a partir...
tracking img