El modelo VAR y sus principales problemas

A casi tres décadas de existencia de los modelos VAR, es importante preguntarse cuáles son las objeciones esenciales a las que se ha enfrentado este tipo de modelos. Para dar respuesta a esta pregunta se desarrolla este trabajo de investigación cuyo objetivo es determinar las principales críticas a los modelos VAR. Para cumplir con dicho objetivo, se estudia el origen de los modelos VAR, se describe el planteamiento central de estos modelos y, por medio de la literatura sobre el tema, se encuentran las críticas fundamentales a dichos modelos.

Modelos VAR, Forma Reducida, Forma Recursiva, VAR Estructural, Críticas

Canova, F. (2001), “Vector Autoregressive Models: Specification, Estimation, Inferencia and Forecasting”, Handbook of Applied Econometrics, Vol. 1, Malden Massachusetts, M. Hashem Pesaran y Michael R. Wickens, págs. 73-138.

Cochrane, J.H. (1998), “What Do the VARs Mean? Measuring the Output Effects of Monetary Police”, Journal of Monetary Economics. No. 41, págs. 277-300.

Faust, J. y E.M. Leeper (1997), “When Do long-Run Identifying Restrictions Give Reliable Results?”, Journal of Business and Economic Statistics, No.15, julio, págs. 345-53.

Granger, C.W.J. (1969), “Investigation causal relation by econometric models and cross-spectral methods”, Econometrica, vol. 37, No. 3, julio, pp. 425-438.

Granger, C.W.J. (1988), “Some recent developments in a concept of causality”, Journal of Econometrics. No. 39, págs. 199-211.

Greene, W. (1999), Análisis Econométrico. 3ª ed., España, Prentice Hall, págs.1-952.

Guerrero, V. (2003), Análisis Estadístico de Series de Tiempo Económicas. 2º ed. México, Thomson, págs.1-392.

Hall, S. (1995), “Macroeconomics and bit more reality”. The Economic Journal. No.105, julio, págs. 974-988.

Litteman, R.B. (1986), “Forecasting With Bayesian Vector. Autoregressions. Five Years of Experience”. Journal of Business and Economic Statistics, No. 4, enero, págs. 25-38.

Loria, E. (2007), Econometría con aplicaciones, México, Pearson Educación, págs. 1-331.

Lucas, R.E. (1976), “Economic Policy Evaluation: A Critique”, Journal of Monetary Economics. No. 1, febrero, pp. 19-46.

Littlepohl, H. (2004), Applied Time Series Econometrics. Cambridge, England Cambridge University Press, págs. 1-722.

Hamilton, J.D. (1994), Time Series Analysis, United Kingdom, Princeton, págs. 1-800.

Nuñez, R. (2007), Introducción a la Econometría. Enfoques Tradicional y Contemporáneos, México D. F., Trillas, págs. 5-339.

Sims, Ch. (1980), “Macroeconomics and Reality”, Econometrica, Vol. 48, No. 1, pp. 1-48.

Sims, Ch. (1982), “Policy Analysis with Econometrics Models”. Brookings Papers on Economic Activity, No. 1, págs. 107-52.

Sims, Ch. (1986), “Are Forecasting Models Usual for Policy Analysis?”, Federal Reserve of Minneapolis Quarterly Review. Vol. 10, No. 1, págs. 2-16.

Sims, Ch. (1988), “Models and Their Uses”. American Journal of Agricultural Economics, Vol. 1, No.10 págs. 2-16.

Sims, Ch. y T. Zha (1997), Bayesian Methods for Dynamic Multivariate Models, Department of Economics Yale University and Federal Reserve of Atlanta, Julio.

Sims, Ch. y T. Zha (1999), “Error Bans for Impulse Responses”. Econometrica, Vol. 67, No. 5, septiembre, págs. 1113-115.

Sims, Ch. (2006), Making Macro Models Behave Reasonably. Department of Economics Yale University, noviembre.

Stock, J.H. y M.W. Watson (2001), “Vector Autoregressions”. Journal of Economic Perspectives, Vol. 15, No. 4, págs. 101-115.

Stock, J.H. y M.W. Watson (2007), Introduction to Econometrics. 2° ed. Estados Unidos de América, Pearson, págs. 4-795.

Wright, J. (2000), “Confidence Intervals for Univariate Impulse Responses with a Near Unit Root”. Journal of Business and Economic Statistics, No. 18, Julio págs. 368-373.