capitulo13 violacion del supuesto de correcta especificacion del modelo: causas, consecuencias,...
TRANSCRIPT
-
8/18/2019 CAPITULO13 VIOLACION DEL SUPUESTO DE CORRECTA ESPECIFICACION DEL MODELO: CAUSAS, CONSECUENCIAS, …
1/6
J. Ramoni PerazziEconometría I
Capítulo 13. 1
VIOLACION DEL SUPUESTO DE CORRECTA ESPECIFICACIONDEL MODELO: CAUSAS, CONSECUENCIAS, DETECCION YCORRECCION
SUPUESTO MCRL: EL MODELO ESTA CORRECTAMENTE ESPECIFICADO
CAUSAS DE SESGO DE ESPECIFICACION:
OMISION DE UNA VARIABLE RELEVANTE:Yt = 1 + 2 X2t + 3 X3t + Ut MODELO CORRECTO
Yt = 1 + 2 X2t + Vt MODELO AJUSTADO
βˆ
2 = 2 + 3 βˆ
32 + ERROR βˆ
2 PUEDE SOBREESTIMAR OSUBESTIMAR EL EFECTO DEX2t SOBRE Yt.
X3t = f (X2t)
INCLUSION DE VARIABLES IRRELEVANTES:Yt = 1 + 2 X2t + 3 X2t2 + Ut MODELO CORRECTO
Yt = 1 + 2 X2t + 3 X2t2 + 4 X2t3 + Vt MODELO AJUSTADO
Ut = Vt - 4 X2t3
INCORRECTA FORMA FUNCIONAL:Yt = 1 + 2 Xt + 3 X2t + Ut MODELO CORRECTO
Yt = 1 + 2 Xt + Vt MODELO AJUSTADO
ERRORES DE MEDICION:Yt = 1 + 2 X2t + 3 X3t + Ut MODELO CORRECTO
Y*t = *1 + *2 X*2t + *3 X*3t + U*t USANDO Y*t =Yt + et, y X*it=Xit + wit
INCORRECTA ESPECIFICACION DEL TÉRMINO DE ERROR:Yt = 2 Xt Ut VERSUS Yt = 2 Xt + Ut
-
8/18/2019 CAPITULO13 VIOLACION DEL SUPUESTO DE CORRECTA ESPECIFICACION DEL MODELO: CAUSAS, CONSECUENCIAS, …
2/6
J. Ramoni PerazziEconometría I
Capítulo 13. 2
CONSECUENCIAS DE LOS ERRORES DE ESPECIFICACION:
OMISION DE UNA VARIABLE RELEVANTE (ESPECIFICACIONINSUFICIENTE):
Yt = 1 + 2 X2t + 3 X3t + Ut MODELO CORRECTO
Yt = 1 + 2 X2t + Vt MODELO AJUSTADO
SI X3 ESTA CORRELACIONADA CON X2 ( 23 ≠ 0) LOS PARAMETROS
ESTIMADOS SON SESGADOS E INCONSISTENTES , ES DECIR E( iβ̂ )≠ i
SI LAS VARIABLES X2 Y X3 NO ESTAN CORRELACIONADAS, SOLO 1SERA SESGADO.
LA VARIANZA DE LOS RESIDUOS Y LA VARIANZA DE LOSPARAMETROS NO ESTA CORRECTAMENTE ESTIMADA.
LOS INTERVALOS DE CONFIANZA, LAS PRUEBAS DE HIPOTESIS Y
LOS PRONOSTICOS PUEDEN NO SER CONFIABLES.
“NUNCA ELIMINE DEL MODELO UNA VARIABLE SI LA TEORIA ECONOMICAQUE SUSTENTA DICHO MODELO LA CONSIDERA COMO RELEVANTE”
INCLUSION DE VARIABLES IRRELEVANTES (SOBRE-IDENTIFICACION DELMODELO):
LOS ESTIMADORES MCO SIGUEN SIENDO INSESGADOS YCONSISTENTES
LA VARIANZA 2 ESTA CORRECTAMENTE ESTIMADA
LOS ESTIMADORES MCO SON INEFICIENTES, POR LO QUE LASPRUEBAS DE HIPOTESIS SON MENOS PRECISAS
ERRORES DE MEDICION EN Y:
Y*i= + Xi + ui
DONDE Y*i NO PUEDE SER MEDIDA, POR LO QUE EN SU LUGAR SE UTILIZAYi= Y*i + i DE MODO QUE SE ESTIMA
Yi= + Xi + ui + i = + Xi + vi
-
8/18/2019 CAPITULO13 VIOLACION DEL SUPUESTO DE CORRECTA ESPECIFICACION DEL MODELO: CAUSAS, CONSECUENCIAS, …
3/6
J. Ramoni PerazziEconometría I
Capítulo 13. 3
LOS PARAMETROS SERAN INSESGADOS Y CONSISTENTES PEROSUS VARIANZAS SERAN MAS GRANDES.
ERRORES DE MEDICION EN X:
Yi= + X*i + ui
DONDE X*i NO PUEDE SER MEDIDA, DE MODO QUE SE USA Xi= X*i + wi
SE ESTIMA Yi= + (Xi - wi )+ ui = + Xi + (ui - wi) = + Xi + zi
LOS ESTIMADORES MCO SON SESGADOS E INCONSISTENTES
INCORRECTA ESPECIFICACION DEL TÉRMINO DE ERROR:
LOS ESTIMADORES SERAN SESGADOS
DETECCION DE ERROR DE ESPECIFICACION:
PRUEBA t PARA DETECTAR LA PRESENCIA DE VARIABLESINNECESARIAS. EN TODO CASO RECUERDESE QUE LA TEORIADEBE PREVALECER.
USAR R2
, R2
ADJUSTADO, VALORES t y F, SIGNO DE LOSCOEFICIENTES, ESTADISTICO DURBIN-WATSON1,COMPORTAMIENTO DE LOS RESIDUOS PARA DETECTAR LAOMISION DE VARIABLES RELEVANTES O INCORRECTA FORMAFUNCIONAL.
FORMA ITERATIVA: INCORPORAR PROGRESIVAMENTE VARIABLES AL MODELO Y EVALUAR EL MISMO EN CADA PASO
1 SI SE CREE QUE EL PROBLEMA TIENE SU ORIGEN EN LA OMISION DE UNA VARIABLERELEVANTE, COMPARE EL VALOR DE DW ENTRE DOS REGRESIONES CON Y SIN DICHAVARIABLE. SI EL DW MEJORA CON LA INCORPORACION DE LA VARIABLE, SE TRATA DEMALA ESPECIFICACION Y NO PURA AUTOCORRELACION
-
8/18/2019 CAPITULO13 VIOLACION DEL SUPUESTO DE CORRECTA ESPECIFICACION DEL MODELO: CAUSAS, CONSECUENCIAS, …
4/6
J. Ramoni PerazziEconometría I
Capítulo 13. 4
TEST FORMALES2:
A) PRUEBA RESET DE RAMSEY (PRUEBA DE ERROR DEESPECIFICACION EN REGRESION: REGRESSION SPECIFICATION
ERROR TEST):
REGRESE Yi = 1 + 2 Xi + ui. OBTENGA R2VIEJO yî
RE-ESTIME LA REGRESION COMO SIGUE
Yi = 1 + 2 Xi + 3î + 4
î 2 + 5
î 3 + ui Y OBTENGA R2NUEVO
CALCULE F=)/()1(
)/()(2
22
k n R
m R R
AMPLIADO
O RESTRINGID AMPLIADO
Fm, n-k
PARA m= NUMERO DE NUEVOS REGRESORES k= NUMERO DE PARAMETROS EN EL MODELO NUEVO
SI F > F RECHACE LA HIPOTESIS NULA DE QUE EL MODELOESTA CORRECTAMENTE ESPECIFICADO.
EJEMPLO: PARA EL MODELO DE TCP:
Ramsey RESET Test:
F-statistic 68.30805 Prob. F(2,183) 0.0000Log likelihood ratio 104.8353 Prob. Chi-Square(2) 0.0000
B) PRUEBA DEL MULTIPLICADOR DE LAGRANGE (ML) PARA AGREGARVARIABLES:
SE QUIERE DETERMINAR SI ES CONVENIENTE INCORPORAR UNANUEVA VARIABLE Z AL MODELO
REGRESE Yt = 1 + 2 Xt + ut. OBTENGA LOS RESIDUOS t u ˆ
ESTIME LA REGRESION NO RESTRINGIDA
t u ˆ = 1 + 2 Xt + 3 Zt + vt Y OBTENGA R2
CALCULE n R2 2 m m= NUMERO DE RESTRICCIONES
2 EXISTEN OTROS TEST AL RESPECTO: COX, MIZON-RICHARD, P-TEST, AJ-TEST.
-
8/18/2019 CAPITULO13 VIOLACION DEL SUPUESTO DE CORRECTA ESPECIFICACION DEL MODELO: CAUSAS, CONSECUENCIAS, …
5/6
J. Ramoni PerazziEconometría I
Capítulo 13. 5
SI CALCULADO > TABULADO RECHACE LA HIPOTESIS NULA DE QUE ELMODELO RESTRINGIDO ESTA CORRECTAMENTE ESPECIFICADO.
DE MANERA SIMILAR SE PUEDE PROBAR SI ALGUNA VARIABLE INCLUIDAES REDUDANTE.
C) J-TEST DE FORMA FUNCIONAL DE DAVIDSON –MACKINNON: PERMITEDETERMINAR ENTRE DOS MODELOS, CUAL ES EL MAS APROPIADO.
ASUMA:
MODELO A: Yt= 1 + 2 X2t + 3 X3t + ut
MODELO B : Yt = 1 + 2 Z2t + 3 Z3t + ut
ESTIME EL MODELO BY
OBTENGA t ̂
ESTIME EL MODELO A INCORPORANDO LAS ESTIMACIONESOBTENIDAS EN EL PASO ANTERIOR
Yt= 1 + 2 X2t + 3 X3t + t ̂ + ut
USANDO UNA PRUEBA t, PRUEBE LA HIPOTESIS DE =0.
SI NO SE RECHAZA H0, SE CONCLUYE QUE EL MODELO A ESEL VERDADERO.
CRITERIOS DE SELECCIÓN DE MODELOS:
a. R2: A MAYOR VALOR MEJOR AJUSTE. TENTACION DE MAXIMIZAR EL R2 ELLO PUEDE SER PENALIZADO UTILIZANDO EL R2 AJUSTADO
b. AKAIKE: MEJOR MODELO CON MENOR AIC
AIC= nk e /2n
SCE
c. SCHWARZ: MEJOR MODELO CON MENOR SIC
SIC= nk n /n
SCE
-
8/18/2019 CAPITULO13 VIOLACION DEL SUPUESTO DE CORRECTA ESPECIFICACION DEL MODELO: CAUSAS, CONSECUENCIAS, …
6/6
J. Ramoni PerazziEconometría I
Capítulo 13. 6
CUADRO RESUMEN
PROBLEMA CONSECUENCIAS DETECCIÓN SOLUCIÓNMulticolinealidad
(Siempre presenteen datos noexperimentales)
Perfecta: No sepuede estimarNo perfecta:Estimadores siguensiendo MELI pero:Pequeños cambiosen datos alteransustancialmenteparámetrosestimados.Varianza decoeficientes puede noser pequeña (mínima pequeña).Coeficientes puedentener signosincorrectos.
Situación general
FIV = 1 / (1-R223)
Índice de condición (IC):
propiovalorMínimo
propiovalorMáximo
Matrices de correlación
Regresiones auxiliares
Usar datos panel
Transformar oeliminarvariables?
Variableslatentes(componentesprincipales)
Ridge regressionbr =[X´X+rD]-1X´y
donde D esmatriz diagonal
HeteroscedasticidadVar [i xi] = i2
= 2i
E[´X] = 2
Estimador lineal einsesgado peroineficiente
Test de White
Test de Goldfeld-Quandt
Test de Breusch-Pagan/Godfrey
Wald test
Transformaciónlogarítmica
MínimosCuadradosGeneralizados(MCG o GLS)
Transformaciónde White
Autocorrelación
Cov (utut-1) 0
Estimador lineal einsesgado peroineficiente
R2 sobre-estimado
Test de Breusch-Godfrey
Test de Box-Pierce
Test de Durbin-Watson
Correctaespecificación (sies la causa)
Modelos endiferencia ocuasi-diferencia(MCG)
Tendencia
Transformaciónde Newey - West
Sesgo deespecificación
Estimadoressesgados einconsistentes
Análisis general
Ramsey RESET test
Test del mutiplicadorde Lagrange
Obvias
Variableslatentes