capÍtulo 4 problemas de adecuaciÓn modelo … · fichero: capitulo 4 capÍtulo 4 problemas de...

______________________________________Manual de Econometría. Capítulo 4, página 1.

© Carlos Murillo Fort1 y Beatriz González López-Valcárcel2 (2000)1 Catedrático Universidad Pompeu Fabra

2 Catedrática Universidad de Las Palmas de GC

Fichero: capitulo 4

CAPÍTULO 4

PROBLEMAS DE ADECUACIÓN MODELO-REALIDAD (I)

ERRORES DE ESPECIFICACIÓN

1. TIPOS DE ERRORES DE ESPECIFICACIÓN

La construcción de un modelo econométrico está sujeta en la práctica a un conjunto

de condicionantes que atentan contra el buen resultado de la inferencia que a

continuación se realiza. Las teorías económicas que deben inspirar su especificación

concreta y la calidad de la información muestral son dos de los elementos clave en

este desarrollo. La información a priori proporcionada por la teoría económica o, en su

defecto, por el conocimiento de la realidad económica basado en la observación de

los hechos no permite, en la mayoría de los casos, establecer con el nivel de detalle

deseable qué variables deben intervenir en el modelo, ni su estructura temporal en el

caso de tratarse de relaciones asociadas con datos temporales. Por otra parte, la

información estadística utilizada incorpora a menudo aproximaciones empíricas que

no son completamente satisfactorias con los conceptos manejados por los teóricos.

Cuando en un modelo empírico tratamos de establecer los mecanismos explicativos

del comportamiento de los consumidores de un bien duradero, como es el caso -por

poner un ejemplo- de la compra de automóviles, acudimos a la teoría del consumidor

que nos ofrece, entre alguna de sus múltiples aproximaciones, hipótesis del estilo

siguiente: "la renta permanente y la riqueza son, además de los precios y las




preferencias personales, factores que revelan las variaciones en el consumo entre los

individuos con características similares". Aproximar la renta permanente por los

ingresos declarados, y la riqueza por los activos es una opción tomada comunmente

en las aplicaciones empíricas para este tipo de modelo de consumo. En otras

ocasiones se opta por la no inclusión en el modelo de la variable riqueza debido a la

falta de información estadística disponible y fiable.

En otro orden de cosas, la relación paramétrica establecida en un modelo

econométrico suele ser lineal, o linealizable después de alguna transformación en los

valores de las variables. En cualquier caso se trata de una representación formal que

trata de ser lo más cercana posible a la verdadera relación que es, como sabemos,

desconocida por parte del investigador.

En sentido amplio, entendemos por errores de especificación todos aquellos errores

que se cometen en la construcción de un modelo econométrico. Estos errores pueden

afectar tanto a la definición de los regresores como a las hipótesis que suponemos

cumple la perturbación aleatoria de la ecuación de regresión. En la primera categoría

de errores situaríamos al que se comete cuando no incorporamos un factor relevante

en la explicación de la variabilidad de la variable endógena de un modelo, mientras

que incurrimos en la segunda categoría de errores cuando estimamos un modelo por

MCO suponiendo que las perturbaciones tienen varianza constante cuando en

realidad son heteroscedásticas.

En este capítulo nos limitaremos a considerar los errores de especificación en un

sentido más restringido: nos referiremos por el momento a los errores cometidos al

especificar la matriz X de regresores. Se incluyen en este tipo de errores los

siguientes casos:




a) La omisión de factores explicativos relevantes

b) La inclusión de variables supérfluas

c) Los errores de medida de las variables (problema que será analizado en un

capítulo posterior)

d) La incorrecta especificación funcional

Dedicaremos los próximos epígrafes en este capítulo al desarrollo formal de las

consecuencias que cada uno de estos tipos de error transmite sobre la estimación por

MCO en el modelo de regresión lineal. Para ello seguiremos el esquema utilizado en

los capítulos precedentes, es decir, en primer lugar formalizaremos la situación

descrita conceptualmente, a continuación pasaremos a descubrir los efectos que la

asunción de los diferentes tipos de error tirne sobre los estimadores MCO. A

continuación, se introducirán algunos elementos que permitan diagnosticar el error de

cosntrucción del modelo y, finalmente, se apuntarán las posibles conductas a seguir

para mejorar el resultado de la estimación realizada.

Conviene insistir, antes de iniciar los desarrollos enunciados, en una cuestión de

importancia capital. El trabajo con modelos econométricos no pretende el

descubrimiento a toda costa del verdadero modelo o de la relación subyacente. Se

trata de establecer los mecanismos necesarios para lograr que el investigador

aplicado se acerque en la medida de sus posibilidades, y las que ofrecen los datos y

la información teórica previa, a un nivel de concocimiento de las conductas de los

agentes económicos que le permita alcanzar, con un cierto grado de verosimilitud, los

objetivos planteados. Estos objetivos pueden ser, como ya anunciábamos en el primer

capítulo del libro, el análisis de las relaciones estructurales existentes entre las

variables o, alternativamente, la obtención de buenos pronósticos fuera de la muestra

considerada.




2. OMISIÓN DE VARIABLES RELEVANTES

2.1. OMISIÓN DE UNA VARIABLE RELEVANTE EN UNA ESTIMACIÓN POR

REGRESIÓN LINEAL SIMPLE

Supongamos por el momento que el modelo verdadero fuese conocido por nosotros.

Para ilustrar este hecho supongamos que las variaciones en el absentismo laboral (Y)

se explican a partir de una relación lineal entre el tamaño de la empresa medido por el

número de empleados (X) y el salario medio por empleado (Z).

Supongamos que esta relación es poblacionalmente correcta y, de este modo,

denominamos a la expresión (4.1) el modelo verdadero. En dicha ecuación, como de

costumbre, u representa el término de error aleatorio. La anterior ecuación es válida

para los n elementos de la muestra (i=1...n). El término de error u es una variable

aleatoria que satisface las hipótesis 5 a 8 enunciadas en el modelo lineal estándard,

es decir se distribuye con valor esperado igual a cero, y de forma idéntica e

independiente con varianza constante igual a σ2 y siguiendo una ley normal.

Para facilitar los desarrollos posteriores utilizaremos en lo que sigue un modelo

equivalente al anterior en el que no aparece el término constante de la relación. Para

ello basta con expresar la ecuación (4.1) en desviaciones respecto de las medias de

las variables, es decir

en donde,

u+Z+X+ = Y iiii γβα (4.1)

u+z+x = y iiii γβ (4.2)




con lo cual el modelo a estimar presenta solamente dos parámetros, además de la

varianza del término de error y el término constante que se derivaría de la información

proporcionada por la estimación de ß y γ.

La estimación MCO de los parámetros de (4.2), dada una muestra de n observaciones

de y, x y z, goza de las propiedades deseables. Dicho de otro modo, las estimaciones

MCO de ß y γ se obtienen haciendo

y son estimadores ELIO, o sea, lineales, insesgados y de varianza mínima. Las

respectivas varianzas se obtienen de

Obsérvese que, con objeto de aligerar las expresiones análiticas, en los sumatorios se

ha eliminado la referencia al término genérico que corresponde a todos los valores

desde i=1 hasta i=n.

Z-Z=zX-X=xY-Y=y iiiiii ;;

)xz( - z x

xyxz -zy x=

)xz( - z x

zyxz -xy z=

222

2

222

2

∑∑∑∑∑∑∑

∑∑∑∑∑∑∑

γ

β

ˆ

ˆ

(4.3)

)xz(-zx

x = )Var(

)xz(-zx

z = )Var(

222

2u

222

22u

∑∑∑∑

∑∑∑∑

2

ˆ

ˆ

σγ

σβ

(4.4)




Supongamos ahora que en una situación distinta a la anterior, el investigador utilizara

un modelo empírico en el que por alguna razón no utilizaramos el salario medio por

empleado (Z) como factor explicativo de las variaciones en el absentismo (Y). Tal

como apuntábamos en la introducción a este tema de la especificación errónea de un

modelo econométrico, podría suceder que la omisión de una variable explicativa se

debiera a causas tan dispares como la falta de información estadística suficiente o el

desconocimiento del hecho de la intervención de dicha variable en el modelo. En el

primer caso se trataría de una omisión por pobreza muestral, mientras que en el

segundo la razón estribaría en el desconocimiento de la influencia de la variable

suprimida.

La inferencia por MCO del modelo resultante de la omisión de una variable explicativa

Z, lleva a la formulación de un modelo alternativo en la forma:

en donde, como es obvio, vi= ui+γzi. Advirtamos en seguida que, el hecho de que u

cumpliera las hipótesis del modelo estándar no garantiza en absoluto que vaya a

suceder lo mismo con el nuevo término de error aleatorio v. En efecto, el término de

error v de la ecuación (4.5) es tal que su valor esperado es cero, pero su varianza

viene determinada por la varianza de la variable omitida z y que puede ser distinta

Razones de la omisón de variables relevantes:

Limitación de la información estadística disponible (pobreza muestral)

Desconocimiento de la existencia de una relación estable entre dichavariable y la variable endógena (desconocimiento del modelo)

Simplificación funcional (error de aproximación de la forma funcional)

v + x = y iii β (4.5)




para cada i. La independencia también vendrá condicionada a la más que probable

correlación entre los sucesivos valores de las z's, cuando los datos son temporales.

En consecuencia, v es un término de error en el que con toda probabilidad se

incumplirán las condiciones estándar de homoscedasticidad y/o no autocorrelación

serial.

Por lo que se refiere a la estimación de ß, y para la misma muestra de tamaño n, la

estimación MCO proporciona los siguientes resultados

que puede expresarse alternativamente, sin más que sustituir la variable y por su valor

según la ecuación (4.5), mediante:

Veamos a continuación cuáles son las propiedades del estimador de ß obtenido en

(4.6), es decir en una situación de especificación incorrecta debida a omisión de una

variable relevante. Por lo que respecta al valor esperado de la distribución en el

muestreo de este estimador, de (4.7) se deduce que

o, lo que es lo mismo, el estimador de ß en el caso de omisión de una variable

relevante es un estimador sesgado. La magnitud del sesgo viene determinada por la

expresión

x

xy =

2∑∑β~

x

xu+

x

xz

x

uzx

x

xv+=

x

v)+xx(=

222 ∑∑

+=+

+=∑∑

∑∑

∑∑

∑∑

22

)(~ γβ

γββββ (4.6)

βγβγββ ≠∑∑

∑∑

∑∑

x

xz+=]

x

xu+

x

xz+E[ = )E(

222

~ (4.7)




Esto significa que el signo del sesgo depende de los signos del parámetro γ y de la

covarianza entre la variable incluida x y la omitida z. Si ambos signos coinciden, el

sesgo es positivo, en tanto que si γ y Σ xz son de signos contrarios, entonces el sesgo

es negativo. Una situación extrema, aunque altamente improbable tratándose de

variables económicas, en la que x y z estuviesen perfectamente incorrelacionadas

linealmente (en cuyo caso, Σ xz = 0) conduciría a una estimación insesgada de ß a

pesar de la ausencia de z en el modelo.

Es decir, explicar las variaciones en el absentismo a través de la variabilidad del

tamaño de las empresas olvidando los salarios medios, conduce a estimadores

sesgados del parámetro que refleja la respuesta del absentismo a las variaciones en

la dimensión empresarial. Si las empresas mayores son las que ofrecen salarios

medios más elevados (rxz>0), y se espera que a mayores salarios corresponden

menores tasas de absentismo, entonces el sesgo es negativo.

Por lo que respecta a la varianza del estimador de ß, para el modelo mal especificado,

vale:

Vemos que esta varianza es menor que la que se obtenía en el caso de trabajar con

el modelo completo. En efecto, la varianza del estimador para el modelo completo

("verdadero") es:

x

xzSESGO

2∑∑

=γ

x

1 =]

x

xuE[ = ])E(-E[ = )Var(

22u2

2

∑∑∑

σβββ 2~~~ (4.8)




Comparando las expresiones (4.8) y (4.9) se llega a la conclusión siguiente:

que muestra como la varianza del estimador de ß que se obtiene del modelo en el que

se incurre en un error de omisión de una variable relevante es menor que la varianza

del estimador de ß obtenido del modelo correcto.

La anterior afirmación puede parecer una contradicción por cuanto nos señala que la

distribución del estimador en presencia de un error de especificación del modelo es

más concentrada que la obtenida con el modelo bien construido. Sin embargo, la

distribución de beta tilde es sesgada respecto de ß. En consecuencia, para decidir

cuál de los dos estimadores es preferible debemos recurrir a la medida de su

respectivo error cuadrático medio (ECM) que nos informará conjuntamente de la

magnitud del sesgo y de la varianza.

En el caso que nos ocupa tenemos que el ECM del estimador de ß deducido del

modelo de la ecuación (4.2), es decir en el modelo correcto es,

)r-(1x

1=

)xz(-zx

z=)Var(

2xz

22u222

2u ∑∑∑∑

∑σσβ

2

ˆ (4.9)

)Var()Var( ββ ˆ~≤

)r-(1x =

)r-(1 x + 0 = )( Var + ])( [Sesgo = )ECM(

2xz

2

2u

2xz

2

2u2

∑

∑

σ

σβββ ˆˆˆ

(4.10)




mientras que el ECM del estimador de ß a partir de la ecuación (4.5) en el que se

incurre en el error por omisión de la variable relevante z, resulta

La comparación de las dos expresiones anteriores permite obtener, después de un

entretenido proceso de simplificación que no mostramos aquí, el resultado siguiente

con τ definida como

que no es otra cosa que el valor teórico del estadístico de prueba de la hipótesis nula

Ho: γ=0. Decimos que se trata de un valor teórico puesto que en el denominador

interviene el verdadero valor de la varianza del estimador y no su estimación, como

sucede en el cálculo del estadístico t de student utilizado en el contraste de

significación individual de los parámetros en el modelo de regresión.

En definitiva, tenemos que

x +

)x(

)xz( =

x

+ ]x

xz[ = )( Var + ])( [Sesgo = )ECM(

2

2u

22

22

2

2u2

2

2

∑∑∑

∑∑∑

σγ

σγβββ ~~~

(4.11)

)

1)-(r + 1 = )ECM(

)ECM( 22xz τ

ββˆ

~

)Var( =

γγτˆ




o, lo que es lo mismo, si

expresión que debemos interpretar en el sentido siguiente: la ausencia de una variable

relevante proporciona estimadores peores, en términos del error cuadrático medio,

siempre que la variable omitida tenga una significación débil en la contribución a la

variabilidad de la variable dependiente. Dicho de otra forma, la omisión de una

variable relevante no es preocupante si el valor teórico del estadístico t de student

para la prueba de significación individual es menor, en valor absoluto, que la unidad.

Debemos hacer hincapié en el hecho de que la comparación entre los estimadores se

ha venido realizando en términos del valor teórico de un estadístico de prueba. En la

práctica no disponemos más que una aproximación a este valor, fruto de la estimación

de σ2 que es deconocida, por lo que las conclusiones derivadas de las afirmaciones

anteriores deben tomarse con gran precaución.

Un ejemplo de aplicación de los resultados de la comparación entre los ECM de los

estimadores deducidos con y sin error por omisión aparece en los modelos con

multicolinealidad. Habíamos dejado en el capítulo anterior una discusión pendiente

relativa a las consecuencias de eliminar de la regresión la variable causante de la

colinealidad. Pues bien, ahora disponemos ya de mayores elementos de juicio para

tomar, o no, esta decisión drástica. Si eliminamos una variable relevante del modelo

introducimos sesgo en la estimación de los restantes estimadores pero disminuimos

sus varianzas. La omisión de la variable colineal estaría justificada solamente en

0>1)-(r+1: siy solo si

)ECM( )ECM(

22xz τ

ββ ~ˆ ≤(4.12)

1 > |)Var(

| = γ

γτˆ




aquellos casos en los que el estadístico de prueba de significación del parámetro que

la acompaña presentara valores sensiblemente inferiores a la unidad, es decir que la

relevancia de la variable excluida fuera escasa.

2.2. EL CASO GENERAL DE OMISIÓN DE VARIABLES

La generalización de los resultados anteriores al caso del modelo de regresión con K

variables requiere abandonar la notación sumatorial y retomar la formulación matricial.

Supongamos a tal efecto que el modelo verdadero contiene como regresores a los

que ocupan todas las columnas de la matriz X, pero estimamos (incorrectamente) un

modelo cuyos regresores forman la matriz X*:

Los estimadores MCO que obtenemos utilizando X* como matriz de variables

explicativas son los siguientes

Dichos estimadores son estimadores sesgados, puesto que

V + X = Y

:Estimado Modelo

I=U)UE( 0;=E(U) U; + X = Y

:Verdadero Modelo

*

2

β

σβ ′

(4.13)

UXX(X+XX)X(X=YX)X(X=b-1

*-1

** *1

****** ´)´´´´´ −β (4.14)

ββ ≠− XXXX=)bE( * *1

** ´)´( (4.15)




En general, cuando cometemos errores de especificación decidiendo incorrectamente

los regresores que entran en la ecuación, los estimadores MCO son sesgados.

Cuando el error de especificación se concreta en la omisión de variables relevantes,

estimamos un modelo que contiene únicamente r regresores (matriz X1), pero el

modelo verdadero tiene K (K>r) variables explicativas, incluyendo además de X1, otro

conjunto de variables a las que llamamos X2:

En este caso, teniendo en cuenta (4.16) podemos ver que:

La última matriz de (4.17) tiene r filas y K columnas. Sus primeras r columnas forman

una matriz identidad. Las otras K-r columnas son los estimadores MCO de la

regresión de cada una de las variables en X2 (dependientes) contra

]X X[ =] X ... X X ... X X[ = X

X =] X ... X X[ = X

bX = X = Y

:Estimado Modelo

U+X+X = U+X = Y

:Verdadero Modelo

21K1+rr21

1r21*

*11*

2211

β

βββ

ˆˆ

(4.16)

]XX)XX( I[ =] XX XX[)XX( =

] X X[X)XX( = XX)XX(

21-

1r211-

1

211-1

1-1

**

´´´´´

´´´´

11111

1*

(4.17)




X1(independientes). Sustituyendo (4.17) en (4.15), que es válida en general, vemos

que los estimadores MCO son sesgados.

Además, el sesgo depende de la correlación entre las variables incluídas y las

omitidas y de los parámetros β de las variables omitidas:

donde el valor aj,k es el elemento de la fila j-ésima y la columna k-ésima de la matriz

(X1'X1)-1 X1'X2, es decir, los valores a son los coeficientes de la regresión que explica

el comportamiento de cada variable excluída en función de las incluidas en el modelo.

Los valores señalados con a, así como el sesgo, dependen de la correlación entre los

dos conjuntos de variables. Solamente en el caso que X1 y X2 sean ortogonales

(correlaciones nulas: X1'X2 = 0) los estimadores son insesgados.

Por otra parte, en (4.18) vemos también que el sesgo depende de la importancia real

de las variables omitidas en la explicación de la endógena (los parámetros β de los

regresores excluidos).

Por otra parte, se comprueba que el sesgo no tiende a cero al aumentar el tamaño

muestral. Por lo tanto, en presencia de variables omitidas los estimadores MCO son

inconsistentes.

Finalmente, el estimador de la varianza del error también es sesgado, con lo cual se

añade un problema nuevo a todo el proceso de estimación de modelos con variables

relevantes excluidas. Para comprobar esta afirmación debemos partir del hecho de

que el vector de residuos MCO para el modelo estimado (4.16) es (ver a este respecto

la expresión (2.11) del capítulo 2)

1,2,...r)=(j

a...+a+ = )E( KKj,1+r1+rj,jj*ββββ~

(4.18)




siendo M1 una matriz simétrica e idempotente de rango n-r. Teniendo en cuenta esta

última expresión y que M1 es ortogonal con X1, es decir, que:

X´1 M1 = M1 X1 = 0

podemos obtener la expresión de la suma de cuadrados de los errores para nuestro

modelo, en función de las perturbaciones U, de las exógenas X y de los parámetros β:

Aplicando esperanzas a (4.19) obtenemos la expresión de la esperanza de la suma de

cuadrados de los residuos MCO:

El estimador MCO de la varianza de la perturbación es, como sabemos, la suma de

cuadrados de los residuos dividida entre los grados de libertad (n-r). Es un estimador

sesgado, ya que:

]YX)XX(X-[I=YM=e -1111 ´´ 11

UMX2 + XMX + UMU =

U)+X( M )U+X(=

U)+X + X( M )U+X+X(=

Y M Y = ee = SCE

1221221

22122

221112211

1

22 ´´´´ βββ

ββ

ββββ

′

′

′

′′

(4.19)

ββσ

ββ

2212

2211

XMX+r)-(n=

XMX+U)MUE(=e)eE(

22

22

´´

´´′′

(4.20)




y, en definitiva, el sesgo en la estimación de la varianza del término de perturbación,

que es el segundo sumando, existe y además es de signo positivo.

3. INCLUSIÓN DE VARIABLES IRRELEVANTES

3.1. INCLUSIÓN DE UNA VARIABLE SUPÉRFLUA

El segundo tipo de error de especificación que aboradaremos en este capítulo se

refiere a la incorporación en el modelo de variables irrelevantes o supérfluas. Para ello

supondremos en principio que el modelo verdadero contiene una única variable

explicativa y que estimamos un modelo que contiene, además, una variable

ββσσ

σ

22122

2

XMX r-n

1 + = )E(

r-n

ee =

22 ´´ˆ

ˆ′

(4.21)

En caso de excluir del modelo variables relevantes, los estimadores MCO de βson sesgados. El sesgo depende de la correlación entre las variables excluidas ylas omitidas, y de la influencia de estas últimas sobre Y.

Los estimadores son inconsistentes.

El estimador de la varianza de la perturbación también es sesgado, por lo que elproceso de inferencia estadística puede proporcionar resultados erróneos.




irrelevante. Más adelante procederemos a la generalización de los resultados

alcanzados con el ejemplo más simple con el que inciamos el desarrollo.

Consideremos que el valor mensual de una cartera de activos financieros viene

explicado por el precio del dinero. Supongamos que, en un intento de explicar mejor

las variaciones temporales de la cartera, se incorpora en el modelo una segunda

variable explicativa que, como el consumo privado, refleja las variaciones en una

dimensión de la actividad económica.

Sea el modelo correcto el representado por la ecuación siguiente (en desviaciones

respecto a las medias):

en donde, Y representa el valor de la cartera, X el precio del dinero. El modelo que

incorpora la variable consumo (C), que vamos a suponer que resulte irrelevante en la

explicación del valor de la cartera, es

Las variables se han expresado, en ambos modelos, en desviaciones respecto de sus

medias para evitar la presencia explícita del término constante de cada una de las

ecuaciones.

De este modo,

La estimación del parámetro ß en el modelo (4.23), en el que se incluye de manera

errónea la variable c, viene dada por:

u + x = y iii β (4.22)

u + c + x = y iiii δβ (4.23)

1...n=iC-C=cX-X=xY-Y=y iiiiii ;;;




Como se observa en la anterior expresión conservaremos el símbolo tilde para indicar

que se trata del estimador deducido de un modelo incorrecto. Este estimador es un

estimador insesgado de ß como se demuestra fácilmente sin más que utilizar estas

dos iguladades:

En efecto:

Por lo que se refiere a la varianza del estimador, que coincidirá con su ECM puesto

que se trata de un estimador insesgado, tenemos

)xc( - c x

cy xc -xy c=22

2

∑∑∑∑∑∑∑

2

~β (4.24)

x =u)] +xx(E[ =xy] E[

xc =u)] +xc(E[ =cy] E[

2∑∑∑

∑∑∑

ββ

ββ(4.25)

βββ

β

=)xc( - cx

xc)( xc-)x(c =

)xc( - cx

cy]E[ xc-xy]E[ c =] E[

22

22

22

2

∑∑∑∑∑∑

∑∑∑∑∑∑

∑

∑

2

2

~

(4.26)

)r-(1x

1 =

)xc(-cx

c = )ECM( = )Var(

2xc

22u

22

22u

∑

∑∑∑

∑

σ

σββ2

~~

(4.27)




Esta varianza es, en cualquier caso, superior a la varianza que se obtiene del modelo

correcto, es decir

Finalmente, el estimador de la varianza del término de perturbación es insesgado a

pesar de la presencia de variables irrelevantes, es decir que se puede demostrar que:

Si repetimos el ejercicio para el estimador del parámetro δ en el modelo (4.23),

tenemos que

y, utilizando de nuevo las expresiones que aparecen en (4.25), resulta

que demuestra la insesgadez del estimador de δ puesto que poblacionalmente es

decir, en el modelo correcto su valor es igual a cero.

Así pues, en presencia de variables irrelevantes los estimadores MCO de los

x

1 =)Var(

)r-(1x

1 =)Var(

22u2

xc2

2u ∑

≥∑

σβσβ ˆ~(4.28)

σσ 2u

2u = )E( ~

)xc( - c x

xy xc -cy x=22

2

∑∑∑∑∑∑∑

2

~δ

0 =)xc( - cx

]xE[ xc - xc x =

)xc( - c x

xy]E[ xc -cy] E[ x =] E[

222

22

222

2

∑∑∑∑∑∑∑

∑∑∑∑∑∑∑

ββ

δ~

(4.29)




parámetros en el modelo de regresión siguen siendo insesgados, pero pierden

precisión como consecuencia del aumento de las varianzas de sus distribuciones

muestrales.

3.2. INCLUSIÓN DE s VARIABLES IRRELEVANTES

Para el modelo general con K variables explicativas al que se le añaden s variables

irrelevantes se mantienen las propiedades de los estimadores tal como se mostró en

el caso de un regresor. En efecto, el verdadero modelo contiene K regresores (X1),

pero añadimos en la ecuación a estimar s variables explicativas irrelevantes de más.

La matriz de regresores contiene, pues, los conjuntos X1 y X2:

Teniendo en cuenta (4.30) podemos ver que los estimadores MCO son insesgados:

]X X[=X

] X[=X

bX + bX = Y

:Estimado Modelo

U + X = Y

:Verdadero Modelo

21*

1

2211

11

ˆ

β

(4.30)




El sesgo es nulo, porque los coeficientes de la regresión de X1 contra X1 y X2 son la

unidad (cuando una variable se regresa contra sí misma) o cero (cuando se regresa

contra las demás). Por lo tanto, los estimadores de los coeficientes de las variables

relevantes (X1) son insesgados, mientras que los estimadores de los parámetros

correspondientes a las variables irrelevantes tienen media nula (en general, resultarán

no significativos).

El estimador de la varianza del error también es insesgado. En efecto, en este caso el

vector de residuos MCO es el siguiente:

y, teniendo en cuenta que MX1 = MX* = 0, vemos que la suma de cuadrados de los

errores de la regresión es U'M U:

La esperanza matemática de la suma de cuadrados de los errores es:

donde, como de costumbre, tr indica la traza de la matriz que, en nuestro caso,

0

)´´( *K1-

**

IX)XX( (4.31)

** ´´ X)X(XX-I= Mcon MY,=e -1**

MUU = MUX2 + XMX + MUU =

U)+X( M)U+X( = MYY = ee = SCE

11111

1111

′′

′′′

´´´´ 1βββ

ββ(4.32)

s)-K-(N=tr(M)=MU)UE(=e)eE( 22 σσ′′




coincide con los grados de libertad del modelo estimado, es decir, N-K-s. El estimador

MCO de la varianza del error es insesgado, ya que:

4. ESPECIFICACIÓN INCORRECTA DE LA FORMA FUNCIONAL

La especificación incorrecta de la forma funcional es un error de especificación

asimilable al cometido por omisión de variables relevantes. Sus consecuencias son,

por lo tanto, estimadores MCO sesgados e inconsistentes. Para ilustrar este caso,

supondremos que el verdadero modelo es cuadrático en la (única) variable explicativa

X2, pero que, incorrectamente, estimamos un modelo lineal. Estamos omitiendo la

variable relevante X2i2. En desviaciones respecto a las medias:

σσσ

σ

22 =s-k-N

s-K-N=E

;s-K-N

ee=

)~(

~

2

2 ′

(4.33)

En caso de incluir en el modelo variables irrelevantes, los estimadores MCO soninsesgados y consistentes. El estimador de la varianza del error también lo es.

Pero hay un coste de eficiencia: los estimadores tienen varianzas mayores que sise hubiera especificado el modelo correctamente.




Deduzcamos la expresión del estimador MCO de β2:

)35.4(~22

22 ∑∑=

x

yxβ

donde,

Tomando esperanza en (4.35) y sustituyendo y por su expresión según el modelo

"verdadero", descubrimos que el estimador en general es sesgado. El sesgo será

nulo únicamente cuando la distribución muestral de la variable X2 sea simétrica, y por

tanto cuando su momento centrado de tercer orden sea nulo. A mayor asimetría de la

distribución, mayor sesgo:

expresión que podemos comparar con la obtenida en (4.7) para ver que efectivamente

se trata del mismo tipo de problema y, en consecuencia, del mismo resultado.

5. ESPECIFICACIÓN INCORRECTA DEL NIVEL DE ANÁLISIS. PROBLEMAS DE

vx=y

:Estimado Modelo

u+xx = y

:Verdadero Modelo

ii2i

i22i3i2i

+

+

2

2

β

ββ(4.34)

1...n=i;U-U=u;X-X=x ii22i2i

x

x+=)bE(22i

32i

322 ∑∑

ββ (4.36)




AGREGACIÓN Y "FALACIA ECOLÓGICA"

En este apartado se menciona un problema de especificaciín que encontramos

frecuentemente en la práctica. Consiste en especificar el modelo a un nivel de análisis

inadecuado. Por ejemplo, una relación causal se produce a nivel micro, entre agentes

económicos, pero la estimamos e interpretamos, incorrectamente, con datos

agragados (macro), como si la interpretación micro pudiera trasladarse al nivel

agregado. A este sesgo de agregación se le llama en la literatura, a veces, "falacia

ecológica" (interpretar para un colectivo resultados que solo son válidos al nivel

individual).

Piense en el gasto en medicamentos de un paciente (nivel 1), función lineal de la

gravedad, aproximada por la edad del paciente. Cuanto más veijo, más gasto. Pero

estimamos la ecuación a nivel de médico prescriptor (nivel 2). Su variable endógena

es el gasto medio por paciente y como explicativa tendremos la edad media de los

pacientes asignados a cada médico. ¿Influye relamente la edad media de los

pacientes en el gasto del médico?. No, pero la ecuación resulta de agregar las

ecuaciones individuales de los pacientes que atiende.

Volveremos a este problema en el capítulo de los modelos de panel y los modelos

jerárquicos. De momento, lo dejamos así planteado.

capÍtulo 4 problemas de adecuaciÓn modelo … · fichero: capitulo 4 capÍtulo 4 problemas de...

Documents