mllximo global. En efecto, en este tipo de algoritmos de optimizaci6n puede darse el caso de que un cambio en las condiciones iniciales de estimaci6n altere bruscamente el valor de la funci6n que se desea maximizar. Una posible soluci6n consiste en cambiar radicalmente las condiciones iniciales y repetir la estimaci6n. Sin embargo, esto puede implicar un elevado costo en terminos de tiempo de c6mputo si la convergencia es un proceso lento. Tomando en cuenta 10 anterior, se realizaron dos estimaciones adicionales por MVNLIC que tienen la doble ventaja de modificar las condiciones iniciales de estimaci6n, por un lado, y de ser relativamente
baratas, por
otto: I) Considerando el modelo completo, se efectu6 un procedimiento de busqueda en los 15 parAmetros que, en las distintas estimaciones obtenidas por los tres metodos de estimaci6n aplicados al modelo (MCNL, MCNL2E y MVNLIC), presentaron la mayor variabilidad en terminos del coeficiente de variaci6n. Para el cAlculo de este se tuvieron en cuenta los parametros estimados en todas las fases del algoritmo de MVNLIC. 2) Tambien tomando en cuenta el modelo completo, se busc6 maximizar la funci6n de verosimilitud dejando libres a estimar todos los parametros relacionados directamente con la variable "p" (indice de precios) 0 "1t" (tasa de inflaci6n). La 16gica de esta estimaci6n es que, si bien el modelo es muy simultaneo, la condici6n de equilibrio en el mercado de dinero (ecuaci6n 31) -que determina el nivel general de precios- es la que "cierra" el sistema y, por tanto, dicha variable (p) es la que mas afecta la simultaneidad del modelo. En ambos casos los valores del resto de los parametros se restringen a los obtenidos en la ultima fase del algoritmo iterativo de MVNLIC, es decir en la fase -0 mas precisamente en la estimaci6n- que cumpli6 con el criterio de convergencia. Si la estimaci6n iterativa por bloques fuera en verdad efectiva y condujera a un maximo global, se esperarfa que el logaritmo de la funci6n de verosimilitud en las dos estimaciones adicionales no difiriera en forma significativa de su valor en la ultima fase de la estimaci6n por bloques. En este caso, podria pensarse que se esta maximizando una funci6n con respecto a un subconjunto de sus argumentos, y que la restricci6n sobre el resto de ellos es inoperante pues los situa en su valor 6ptimo. De esta manera, tanto la estimaci6n por bloques que cumple con el criterio de convergencia como la comparaci6n favorable entre esta y las dos estimaciones adicionales. por MVNLIC -si este es el caso- puedcn indicar con bastante certeza, que el procedimiento utilizado en la estimaci6n 235