Professional Documents
Culture Documents
Errores de especicaci
on
Estrictamente hablando, un error de especicaci
on es el incumplimiento de cualquiera
de los supuestos b
asicos del modelo lineal general. En un sentido m
as laxo, esta expresion hace referencia al supuesto implcito de que la matriz de dise
no X est
a correctamente especicada; dicho de otro modo, que las variables explicativas incluidas en la
matriz X son las verdaderamente relevantes en la explicaci
on de y. En una aplicaci
on
practica, al dise
nar la matriz X podemos cometer dos tipos de errores especicaci
on:
omisi
on de variables relevantes (infraespecicaci
on) e inclusi
on de variables irrelevantes
(sobreespecicaci
on). En este captulo, se estudian las consecuencias que se derivan de
estos dos errores de especicaci
on sobre las propiedades estadsticas del estimador de
mnimos cuadrados ordinarios.
5.1.
Omisi
on de variables relevantes
Xr r
(n r)(r 1)
Xs s
(n s)(s 1)
u
(n1)
78
r E(b
r )][b
r E(b
r )] = E (Xr Xr )1 Xr uu Xr (Xr Xr )1
r ) =E [b
V (b
=(Xr Xr )1 Xr E uu Xr (Xr Xr )1 = u2 (Xr Xr )1
2I
u
n
y Mr y,
y Mr y = [Xr r + Xs s + u] Mr [Xr r + Xs s + u]
Prof. Dr. Jos
e Luis Gallego G
omez
Departamento de Economa. Universidad de Cantabria
79
5. Errores de especicacion
Observaci
on 32. Cuando las variables en Xr y Xs son ortogonales, Xr Xs = 0, el
sesgo de
2 es s Xs Xs s /(n r) siendo Xs Xs una matriz semidenida positiva, si hay
multicolinealidad exacta entre las variables explicativas omitidas, o denida positiva, si
no la hay.
La soluci
on al problema de la omisi
on de variable relevante parece simple: incluirlas
en el modelo. Sin embargo, cuando especicamos un modelo econometrico seguimos las
indicaciones de la teora econ
omica y de nuestro sentido com
un, y no somos conscientes
de que nos estamos olvidando de ciertas variables. Para empeorar las cosas, la omisi
on
de variables relevantes puede confundirse con otras violaciones de los supuestos b
asicos,
que requieren tratamientos muy diferentes. Si, por ejemplo, las variables omitidas est
an
correlacionadas con las incluidas, entonces Xr y E() = Xs s tambien est
an correlacionados y no podemos mantener el supuesto de regresores jo. Por otra parte, con datos
de series temporales, la perturbaci
on E() presentar
a autocorrelaci
on. Estudiaremos estos errores de especicaci
on en captulos posteriores.
5.2.
Inclusi
on de variables irrelevantes
s = (X Mr Xs )1 X Mr y
b
s
s
Apuntes de Econometra. LADE y LE. Curso 2008-2009.
Material publicado bajo licencia Creative Commons
80
y My
=
nk
nk
E(y My)
= u2
nk
81
5. Errores de especicacion
5.3.
4. El modelo est
a err
oneamente especicado si F > c, en donde c es el valor crtco
tal que P rob(Fk1,nk1 > c) = .
Resumen
1. Las consecuencias de la omisi
on de variables relevantes son:
a) los estimadores de los par
ametros asociados a las variables incluidas son
sesgados,
b) la matriz de varianzas y covarianzas de estos estimadores es menorque
la que se obtendra en el modelo correcto,
c) la varianza de las perturbaciones est
a sobreestimada,
d) los contrastes de hip
otesis basados en los estadsticos t y F no son v
alidos.
La inclusi
on de variables irrelevantes tiene las siguientes consecuencias:
a) los estimadores de los par
ametros asociados a las variables relevantes son
insesgados, mientras que los de las variables irrelevantes tienen un valor
esperado nulo,
b) la matriz de varianzas y covarianzas de los estimadores par
ametros relevantes en el modelo sobreespecicado es mayorque la correspondiente
en el modelo verdadero,
c) la varianza del error es insesgada,
d) los contrastes de hip
otesis basados en los estadsticos t y F est
an sesgados
hacia la no signicaci
on.
Prof. Dr. Jos
e Luis Gallego G
omez
Departamento de Economa. Universidad de Cantabria
82
5.3. Ejercicios
Palabras clave
Matriz de dise
no
Error de especicaci
on
Omisi
on de variable relevante
Inclusi
on de variable irrelevante
Infraespecicaci
on
Sobreespecicaci
on
Sesgo de especicaci
on
Forma funcional incorrecta
Test RESET
Ejercicios
1. Discuta la siguiente proposici
on: cuando el tama
no muestral es muy grande, es
menos grave la inclusi
on de variables irrelevantes que la omisi
on de variables
relevantes.
2. Obtenga el sesgo del estimador de la varianza residual en un modelo de regresi
on
con omisi
on de variables relevantes.
3. Sea la ecuaci
on de demanda
qi = + pi + ri + ui ,
i = 1, . . . , N
asticas
donde las variables explicativas precio pi y renta ri se consideran no estoc
y el termino de error ui cumple las propiedades siguientes
E(ui ) = 0,
E(u2i ) = 2 ,
E(ui uj ) = 0 i = j.
donde pi = pi p y ri = ri r.
b) Demuestre que si esta ecuaci
on se estima con la variable relevante renta,
entonces
2
=
V ()
N
2i (1 2pr )
i=1 p
on simple entre las variables precio
donde pr es el coeciente de correlaci
y renta.