El objetivo principal en este trabajo fue usar regresión LASSO (Least Absolute Shrinkage and Selection Operator) como método de selección de instrumentos en la estimación de mínimos cuadrados en dos etapas (Mc2E) en un sistema de ecuaciones simultáneas propuesto para realizar un análisis econométrico del mercado de carne de bovino en México en el periodo 1972-2011. Un factor determinante en el desempeño de los estimadores es el grado de correlación de los instrumentos con las variables endógenas en la primera etapa. Cuando los instrumentos son débiles, los estimadores de Mc2E son inconsistentes, sesgados, y tienen varianzas grandes; los resultados asintóticos fallan incluso con muestras grandes. Los resultados muestran que mediante lasso es posible seleccionar instrumentos relevantes, y obtener mejores estimadores que redunden en un mejor diseño de políticas.

El maíz (Zea mays) es el cereal más importante en México porque es una parte esencial en la dieta de los mexicanos y tiene importancia económica en producción pecuaria e industrial. Los productores se enfrentan a la volatilidad en los precios del grano y a la falta de información porque en México no existe una señal del comportamiento de los precios futuros de maíz blanco. Bajo la hipótesis de que los precios de Estados Unidos tienen influencia sobre los precios de maíz en México, el objetivo de esta investigación fue construir estimadores de predicción del precio de maíz blanco con series de precios del Estado de México y Sinaloa. Los datos fueron del periodo de 2000 a 2018 y se usó la metodología Box-Jenkins con los modelos, autorregresivo integrado de media móvil (ARIMA), vectores autorregresivos (VAR) y vectores de corrección de error (VEC) con los datos mexicanos y con series de precios de futuros de maíz y precios de maíz en físico de Estados Unidos. Los modelos multivariados proporcionaron pronósticos más cercanos a los valores observados debido a la influencia de los precios de Estados Unidos sobre los precios de México. La capacidad predictiva de los modelos se evaluó con el error porcentual medio absoluto (MAPE) y el coeficiente U de Theil. El modelo VAR proporcionó predicciones del precio en Sinaloa con MAPE y U de Theil menores; en cambio con la serie del Estado de México el modelo ARIMA tuvo pronósticos con valores menores de error porcentual absoluto medio y U de Theil. Entonces, existe influencia de los precios de Estados Unidos sobre los precios de Sinaloa; pero el uso de modelos multivariados no es determinante para obtener pronósticos más cercanos a los valores observados.