Inferencia indirecta bajo restricciones estocásticas

Abstract

En esta tesis doctoral se han desarrollado tres líneas de investigación relacionadas con el uso de la información a priori modelizado mediante las restricciones estocásticas, la metodología de la Inferencia Indirecta (I.I.) y su implementación en la estimación del stock de capital. La primera línea, relacionada con la metodología de las restricciones estocásticas, ha dado lugar a los siguientes resultados en relación con la estimación de un modelo no lineal. En primer lugar, si la información a priori no pierde importancia a medida que aumenta el tamaño muestral, entonces el estimador de Mínimos Cuadrados no Lineales bajo Restricciones Estocásticas (SR) es más eficiente que el estimador de Mínimos Cuadrados no Lineales (NLS), tal como ocurre para muestras finitas suponiendo normalidad en el error. En segundo lugar, se demuestra que la distribución aproximada que se sugiere para el estimador SR es una mejor aproximación a la varianza verdadera del estimador que la del estimador que no tiene en cuenta las restricciones estocásticas, es decir, el estimador NLS. La segunda línea de investigación extiende al contexto de la metodología I.I., el uso de restricciones estocásticas. En relación a esta línea se presentan los siguientes resultados. En primer lugar se define un estimador, el estimador de Inferencia Indirecta bajo Restricciones Estocásticas (IISR), que extiende la metodología de I.I., al contexto de las restricciones estocásticas.