Versión de HTML Básico
Jaime Fernández
Analítika, Revista de análisis estadístico, (2016), Vol. 11
142
Figura 9:
LTM mensual con rezagos ACLUV, ra´ız fija
Nota:
Los nodos etiquetados con n´umeros y encerrados en cuadrados corresponden a variables latentes.
5.2.3 Caso 3
Este caso de estudio utiliza las series de datos anuales del conjunto de datos. La justificaci´on
de presentar este ensayo es que esta es una serie considerablemente larga (1971-2010) y se
dispone informaci´on de los principales agregados macroecon´omicos, con lo cual, el plantea-
miento de consistencia a la luz del tipo de modelo propuesto adquiere mayor robustez. Sobre
este LTM se plantea el problema de inferencia en la siguiente y ´ultima secci´on.
Como se observa en la Figura 10, la variable con mayor nivel de relacionamiento escogida
por el algoritmo es el PIB (Y ). De las diversas regiones que se han formado en torno a las
variables observables y latentes, hay algunas que cabe resaltar por los conceptos econ´omi-
cos que se relacionan. En este modelo el Log-likelihood es de -10877.377801 y el BIC es
-10953.363109.
En primer lugar, obs´ervese la variable latente 2, que relaciona el PIB con los Consumos
intermedios y los Precios de la econom´ıa. La Brecha de producci´on (diferencia entre el PIB
real y el PIB potencial) podr´ıa ser un muy buen candidato para explicar este efecto latente
pues, adem´as de determinar la producci´on efectiva y los consumos intermedios, esta brecha
se explica fundamentalmente por presiones de demanda, lo que implica que es inflacionaria
y, de ah´ı precisamente la relaci´on directa con los precios de la econom´ıa.
Analizando el sub´arbol generado alrededor los nodos 1 y 3 (variables latentes) en el LTM
de la Figura 10, se encuentra que est´an relacionadas directamente las variables observables:
32