Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 477 vistas

    Variables Instrumentales

    Cargado por

    Axel Eleazar Garcia Darce
    Este documento describe el método de variables instrumentales. Explica que es un método de estimación, no un modelo, para obtener estimadores consistentes cuando hay variables explicativas correlacionadas con el término de error. Detalla que se usan variables instrumentales no correlacionadas con el error pero sí con las variables explicativas. El método estima en dos etapas, obteniendo primero valores ajustados de las variables endógenas que luego se usan en un modelo de mínimos cuadrados ordinarios.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd

    Variables Instrumentales

    Cargado por

    Axel Eleazar Garcia Darce
    477 vistas27 páginas
    Este documento describe el método de variables instrumentales. Explica que es un método de estimación, no un modelo, para obtener estimadores consistentes cuando hay variables explicativas correlacionadas con el término de error. Detalla que se usan variables instrumentales no correlacionadas con el error pero sí con las variables explicativas. El método estima en dos etapas, obteniendo primero valores ajustados de las variables endógenas que luego se usan en un modelo de mínimos cuadrados ordinarios.

    Descripción original:

    Que son las variables instrumentales econometría

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PPTX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe el método de variables instrumentales. Explica que es un método de estimación, no un modelo, para obtener estimadores consistentes cuando hay variables explicativas correlacionadas con el término de error. Detalla que se usan variables instrumentales no correlacionadas con el error pero sí con las variables explicativas. El método estima en dos etapas, obteniendo primero valores ajustados de las variables endógenas que luego se usan en un modelo de mínimos cuadrados ordinarios.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    477 vistas27 páginas

    Variables Instrumentales

    Cargado por

    Axel Eleazar Garcia Darce
    Este documento describe el método de variables instrumentales. Explica que es un método de estimación, no un modelo, para obtener estimadores consistentes cuando hay variables explicativas correlacionadas con el término de error. Detalla que se usan variables instrumentales no correlacionadas con el error pero sí con las variables explicativas. El método estima en dos etapas, obteniendo primero valores ajustados de las variables endógenas que luego se usan en un modelo de mínimos cuadrados ordinarios.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    Está en la página 1de 27

    VARIABLES

    INSTRUMENTALES
    Presentan:
    Laura Sofía Angulo Gago
    Raúl Enrique Godínez Balmaceda
    Axsell Moisés López Cerrato
    Docente:
    Caroll Antonio Siero Pereira
    PARA ACLARAR…
    Variables instrumentales es un método de estimación,
    por lo cual tiene poco sentido referirse a él como
    modelo de variables instrumentales. La conclusión es
    que aunque probablemente se sepa a que se refiere un
    investigador con la frase "estimé un modelo VI", dicho
    lenguaje deja percibir una falta de comprensión acerca
    de la diferencia entre un modelo y un método de
    estimación. (Wooldridge, pág. 517, quinta edición)
    ¿Por qué nace el
    método?
    • Una de las razones por las que no es posible estimar utilizando MCO,
    es la correlación entre la variable X𝑖 y el error. (Maddala, 1992)
    • Las variables omitidas, los errores en las variables, y la causalidad
    simultánea, hacen que pueda ocurrir que el término error esté
    correlacionado con el regresor. ( Stock & Watson, 2012)
    POSIBLES SOLUCIONES
    1. Ignorar el problema y sufrir las consecuencias
    de estimadores sesgados e inconsistentes.
    2. Utilizar una variable proxy.
    3. Suponer que la variable omitida es fija en el
    tiempo y utilizar los métodos de primeras
    diferencias.
    ¿SOLUCIÓN?
    Método de variables instrumentales
    Es un método general para la obtención de un estimador
    consistente de los coeficientes desconocidos de la función de
    regresión poblacional cuando la variable x, está
    correlacionada con el término error. (Stock & Watson, 2012)
    UN EJEMPLO TEÓRICO…
    𝑠𝑎𝑙𝑎𝑟𝑖𝑜 = 𝛽0 + 𝛽1 𝑒𝑑𝑢𝑐𝑎𝑐𝑖ó𝑛 + 𝛽2 ℎ𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒𝑠 + 𝑢

    𝑠𝑎𝑙𝑎𝑟𝑖𝑜 = 𝛽0 + 𝛽1 𝑒𝑑𝑢𝑐𝑎𝑐𝑖ó𝑛 + 𝑢

    𝑢 = ℎ𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒𝑠 + 𝑣𝑖
    MÉTODO VI: VARIABLE Z
    • z no correlacionada con los errores: Exogeneidad del instrumento

    cov(z, u)
    𝜌= =0 𝑠𝑖 𝑦 𝑠ó𝑙𝑜 𝑠𝑖 cov z, u = 0
    𝜎𝑧 𝜎𝑢

    • z está correlacionada con x: Relevancia del instrumento

    cov(z,x)
    𝜌= ≠0 𝑠𝑖 𝑦 𝑠ó𝑙𝑜 𝑠𝑖 cov z, x ≠ 0
    𝜎𝑧 𝜎𝑥

     z se denomina una variable instrumental para x


    ¿INSTRUMENTAL = PROXY?
    No, una variable proxy debe estar altamente
    correlacionada con la variable faltante, mientras que
    la variable instrumental no. (Wooldridge, 2013)

    cov 𝑧, 𝑢 = 0
    ℎ𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒𝑠 = 𝜋0 + 𝜋1 𝑝𝑟𝑜𝑥𝑦 + 𝑣
    𝑢 = ℎ𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒𝑠 + 𝑣𝑖
    cov 𝑧, 𝑦 = 𝛽1 cov 𝑧, 𝑥 + cov(𝑧, 𝑢)
    cov 𝑧, 𝑦 = 𝛽1 cov 𝑧, 𝑥
    cov 𝑧, 𝑦
    𝛽1 =
    cov 𝑧, 𝑥

    IDENTI cov 𝑋, 𝑌 = ෍ ෍ 𝑋𝑖 − 𝜇𝑋 𝑌𝑖 − 𝜇𝑌 𝑓(𝑥, 𝑦)


    𝑦 𝑥

    FICACIÓN ෢1 =
    𝛽
    σ𝑛𝑖=1(𝑧𝑖 − 𝑧)(𝑦
    ҧ 𝑖 − 𝑦)
    ത
    σ𝑛𝑖=1 (𝑧𝑖 − 𝑧)(𝑥
    ҧ 𝑖 − 𝑥)ҧ

     Si z = x, estimador de VI  estimador por MCO


    CARACTERÍSTICAS
    1. Tiende a una distribución normal, principalmente en muestras
    grandes.
    2. Cuando es estimado por VI, x y u están correlacionados, el
    estimador nunca es insesgado. Esto significa que, en muestras
    pequeñas, el estimador de VI puede tener sesgo sustancial, lo
    cual es una razón de porque se prefieren muestras grandes.
    (Wooldridge, 2013)
    INFERENCIA ESTADÍSTICA CON VI
    Supuesto de homoscedasticidad
    𝐸 𝑢2 𝑧 = 𝜎 2 = var u
    La varianza asintótica de 𝛽1 es
    𝜎2 1
    𝑑𝑜𝑛𝑑𝑒 𝑑𝑖𝑠𝑚𝑖𝑛𝑢𝑦𝑒 𝑎 𝑐𝑒𝑟𝑜 𝑎 𝑢𝑛𝑎 𝑡𝑎𝑠𝑎
    𝑛𝜎𝑥2 𝜌𝑥𝑧
    2 𝑛
    o n: muestra
    o 𝜌2 : coeficiente de determinación entre z y x
    o 𝜎𝑥2 : varianza muestral de x
    Error estándar asintótico (raíz de la varianza)
    𝜎ො 2 𝑆𝐶𝑇𝑥
    2 𝑟𝑒𝑐𝑜𝑟𝑑𝑎𝑟 𝑞𝑢𝑒: =𝜎
    𝑆𝐶𝑇𝑥 ∗ 𝑅𝑥𝑧 𝑛
    Varianzas de VI vs. MCO
    𝜎2 𝜎ො 2
    𝑀𝐶𝑂 = 𝑉𝐼 = 2 𝑐𝑜𝑚𝑜 𝑅2 ≤ 1
    𝑆𝐶𝑇 𝑆𝐶𝑇𝑥 ∗ 𝑅𝑥𝑧

     La varianza de VI será mayor


    𝑹𝟐 DESPUÉS DE VI
    • 𝑅2 puede ser negativa en VI porque la SCR para VI puede ser mayor
    que la SCT. Calcular el R no es útil. (Maddala, 1992)
    • Cuando x y u están correlacionado, no se puede descomponer la varianza
    (Wooldridge, 2013), por lo tanto, no tiene una interpretación natural.
    • Con VI se tiene una mejor estimación, sin importar 𝑅2 (Stock &
    Watson, 2012)
    • El R2 no importa sino se estima β1 de manera consistente. (Wooldridge,
    2013)
    𝑦1 = 𝛽0 + 𝛽1 𝑦2 + 𝛽2 𝑧1 + 𝑢1
    donde:
    𝑦1 = 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑒𝑥𝑝𝑙𝑖𝑐𝑎𝑑𝑎 𝑒𝑛𝑑ó𝑔𝑒𝑛𝑎
    𝑦2 = 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑒𝑥𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑣𝑎 (𝑝𝑜𝑠𝑖𝑏𝑙𝑒 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛 𝑐𝑜𝑛 𝑢1 )
    VI DEL 𝑧1 = 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑒𝑥𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑣𝑎 (𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑒𝑥ó𝑔𝑒𝑛𝑎)

    Supuesto: Existe correlación entre 𝑦2 y 𝑢1


    MODELO DE Ecuación estructural: Enfatizar el hecho de
    REGRESIÓN que lo que interesa son las 𝛽𝑗 , lo cual significa
    que supone que la ecuación mide una relación
    MÚLTIPLE causal.
    𝐿𝑜𝑔 𝑠𝑎𝑙𝑎𝑟𝑖𝑜𝑠 = 𝛽0 + 𝛽1 𝑒𝑑𝑢𝑐𝑎𝑐𝑖ó𝑛 + 𝛽2 𝑒𝑥𝑝𝑒𝑟𝑖𝑒𝑛𝑐𝑖𝑎 + 𝑢1
    𝑦1 = 𝛽0 + 𝛽1 𝑦2 + 𝛽2 𝑧1 + 𝑢1

    Se necesita otra variable exógena (𝑧2 ), con supuestos:


    o 𝐸 𝑢1 = 0
    o cov 𝑧1 , 𝑢1 = 0
    o cov 𝑧2 , 𝑢1 = 0

    𝑦2 = 𝜋0 + 𝜋1 𝑧1 + 𝜋2 𝑧2 + 𝑣2
    Ecuación de forma reducida
    Es un método que trata el Supuestos:
    problema de la endogeneidad
    de una o más variables 1. Linealidad en los parámetros
    explicativas en un modelo de 2. Muestreos aleatorios
    regresión múltiple.
    3. Condición de rango
    4. Variables instrumentales exógenas
    MÍNIMOS 5. Homoscedasticidad
    CUADRADOS 6. Distribución normal

    EN DOS ETAPAS 7. No correlación serial


    𝑦2 = 𝜋0 + 𝜋1 𝑧1 + 𝜋2 𝑧2 + 𝜋3 𝑧3 + 𝑣1

    MC2E hace referencia al procedimiento a


    seguir para tratar este problema de
    UNA endogeneidad.

    VARIABLE
    1. Se aplica un “filtro” para eliminar la
    EXPLICATIVA correlación con el término de error.
    2. Se obtienen los valores ajustados a partir
    ENDÓGENA de los cuales se pueden realizar buenas
    estimaciones MCO sobre la forma
    reducida del modelo original.
    MULTICOLINEALIDAD
    CON MC2E
    • La multicolinealidad puede ser más grave con MC2E.
    𝜎2
    var(𝛽1 )
    𝑆𝐶𝑇 ෣
    2(1 − 𝑅2 )
    2
    • Es necesario ser muy cuidadoso cuando se prueban
    hipótesis múltiples en un modelo estimado por MC2E.
    OTRO EJEMPLO…
    Se utilizan datos dados sobre mujeres trabajadoras
    casadas para estimar el rendimiento de la educación en
    un modelo de regresión simple:

    log(wage) = 𝛽0 + 𝛽1 𝑒𝑑𝑢𝑐𝑎𝑐𝑖ó𝑛 + 𝑢
    CON
    CON GRETL
    1. 2.
    3. 4.
    MCO VS. MC2E
    EL ÚLTIMO EJEMPLO…
    log 𝑤𝑎𝑔𝑒 = 𝛽0 + 𝛽1 𝑒𝑑𝑢𝑐 + 𝛽2 𝑒𝑥𝑝𝑒𝑟 + 𝛽3 𝑒𝑥𝑝𝑒𝑟 2 + 𝑢1

    𝑒𝑑𝑢𝑐 = 𝜋0 + 𝜋1 𝑒𝑥𝑝𝑒𝑟 + 𝜋2 𝑒𝑥𝑝𝑒𝑟 2 + 𝜋3 𝑚𝑜𝑡ℎ𝑒𝑑𝑢𝑐 + 𝜋4 𝑓𝑎𝑡ℎ𝑒𝑑𝑢𝑐 + 𝑣2

    • Se prueba 𝐻0 : 𝜋3 = 0, 𝜋4 = 0 en (15.41) usando una prueba


    𝐹. El resultado es 𝐹 = 28.36041, y 𝑣𝑎𝑙𝑜𝑟 − 𝑝 = .0000.
    • educ está correlacionada (parcialmente) con la educación de
    los padres.
    CON EVIEWS
    • Gujarati, D., & Porter, D. (2010).
    Econometría (Quinta ed.).
    • Maddala, G. S. (1992). Introduction to
    econometrics. New York: Macmillan

    BI Publishing Company.
    • Navidi, W. (2006). Estadística para

    BLIO
    Ingenieros. México D.F: McGraw-Hill.
    • Stock, J., & Watson, M. (2012). Introducción
    a la Econometría. Madrid: Pearson.
    GRAFÍA • Wooldridge, J. M. (2013). Introducción a la
    econometría. México D.F: Cengage Learning.
    GRACIAS POR
    SU ATENCIÓN

    También podría gustarte

    pFad - Phonifier reborn

    Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.

    Note: This service is not intended for secure transactions such as banking, social media, email, or purchasing. Use at your own risk. We assume no liability whatsoever for broken pages.


    Alternative Proxies:

    Alternative Proxy

    pFad Proxy

    pFad v3 Proxy

    pFad v4 Proxy