Tema 3:

Problema de regresores estocsticos

Prof. Coro Chasco Yrigoyen

Asignatura: Econometra de la Empresa

Tema 3. Problema de regresores

estocsticos: ndice
3.1. Concepto
3.2. Causas de aleatoriedad en los regresores
3.3. Consecuencias de los regresores
estocsticos
3.4. Test de exogeneidad de los regresores
3.5. Vas de solucin de los regresores
estocsticos
Tema 3: Problema de regresores estocsticos @ Prof. Coro Chasco (UAM)

Tema 3: Problema de regresores

estocsticos: Bibliografa
Pulido, A. y J. Prez (2001), Modelos
economtricos. T.10 (10.3).

Greene, W.H. (2000), Econometric analysis, Ch 1, Exam.

1.1, 1.2; Ch 6, Exam. 6.1, 6.2

Tema 3: Problema de regresores estocsticos @ Prof. Coro Chasco (UAM)

3.1. Concepto de exogeneidad

E X ut 0

Una de las hiptesis del MBRL es el carcter

determinista (o no estocstico) de las variables
explicativas (o regresores).
Esta hiptesis excluye la posibilidad de que:

y X u E X ut 0

Covarianza o correlacin entre X y u

1. La variable endgena intervenga (temporal o espacialmente) retardada

como variable explicativa.
2. Se produzcan relaciones simultneas de doble causalidad entre la
variable endgena y una o ms explicativas.
3. Haya (importantes) errores de medicin en las variables explicativas.

Tema 3: Problema de regresores estocsticos @ Prof. Coro Chasco (UAM)

3.2. Causas de aleatoriedad en los regresores

1.

Dinamicidad: inclusin de variables temporal o espacialmente

retardadas como explicativas:

Modelo temporal:

yt 1 2 x2t 3 yt 1 ut

Ej.: inverst = 0 + 1inverst 1 + 2tipost + ut

yt 1 1 2 x2t 1 3 yt 2 ut 1
yt 1 f ut 1

2.

yt1 : Regresor estocstico (no

determinista, no exgeno).

Simultaneidad: existencia de relaciones de doble causalidad entre la

variable endgena y alguna explicativa:

yt x2t
yt 1 2 x2t 3 x3t ut
x2t 1 2 yt 3 x4t vt

Ej.:
homici = 0 + 1polii + 2rentai + ui
polii = 0 + 1homici + vi

x2 t f vt

Tema 3: Problema de regresores estocsticos @ Prof. Coro Chasco (UAM)

x2t: Regresor estocstico (no

determinista, no exgeno).

3.2. Causas de aleatoriedad en los regresores (cont)

3.

Errores de medida: existencia de una inadecuada

medicin de una o ms variables explicativas.

y X u

X*: matriz con datos sucios

(errores de medicin)

y X XE u

W u XE XE W u

y X u X E

XE f u

X f X E f u

X*: Regresor estocstico (no

determinista, no exgeno).

Dado que ninguna medicin es totalmente perfecta, todas las variables tienen
en teora- problemas de medicin. El problema se agrava cuando los errores
son especialmente importantes (por conocidos).

Tema 3: Problema de regresores estocsticos @ Prof. Coro Chasco (UAM)

3.3. Consecuencias de regresores estocsticos

1.

Dinamicidad:
yt f ( yt 1 )

yt 1 2 x2t 3 yt 1 ut

ut 1 ?

Cuando no hay autocorrelacin en u: mco asintoticamente insesgados

consistentes
Si E ut ut 1 0 b
para n
Independencia E X u E X u 0
asintoticamente eficientes

Cuando hay autocorrelacin en u:

insesgados
mco
Si
consistentes para n
E ut ut 1 0 b
Dependencia
no contempornea E X u 0 ineficientes
t

t 1

t 1

2.

Simultaneidad

3.

Errores de medida

Dependencia
contempornea

b mco

sesgados

ineficientes
inconsistentes

Tema 3: Problema de regresores estocsticos @ Prof. Coro Chasco (UAM)

3.4. Test de exogeneidad de los regresores

Contrastes para detectar regresores estocsticos:
1. Variable endgena retardada como explicativa: se trata de una decisin del
modelizador y, por tanto, algo conocido.
2. Errores de medida en las explicativas: el modelizador debe tener un conocimiento
profundo de las variables del modelo (la fuente estadstica de la que procede,
procedimiento de medicin, posible problemtica o sesgo en los datos, etc.)
3. Relacin de simultaneidad entre la variable endgena y una o ms explicativas:
en algunas ocasiones, el modelizador puede tener un conocimiento a priori de la
teora econmico-social subyacente al modelo y, por tanto, saber (o sospechar) de la
existencia de este tipo de doble relacin de causa-efecto entre la endgena y alguna
explicativa.
En cualquier caso, siempre que exista ms o menos certeza al respecto, es
conveniente contrastar esta posible simultaneidad dentro del modelo. Un contraste
que permite conocer este fenmeno es el TEST DE EXOGENEIDAD DE
GRANGER.
Tema 3: Problema de regresores estocsticos @ Prof. Coro Chasco (UAM)

3.4. Test de exogeneidad de los regresores (cont.)

Test de exogeneidad de Granger:
H0(una variable no es causa de la otra)

yt 1 2 xt 3 zt ut

Aborda la cuestin de hasta qu punto una variable causa otra variable.

En el MBRL, son las variables explicativas (xjt) las que deben causar yt (no al revs)
Si sucediera que yt tambin causara alguna xjt, se producir una relacin de simultaneidad
y, por tanto, de dependencia contempornea, que producir estimadores bj no ELIO.
El test est basado en 2 regresiones auxiliares y contrasta la capacidad de la variable
endgena y, retardada varios perodos (l), de explicar una variable explicativa x que, a su
l: n retardos
vez, est tambin explicada por l valores pasados de dicha variable:

(r ) xt 0 1 xt 1 2 xt 2 ... l xt l ut
( s ) xt 0 1 xt 1 2 xt 2 ... l xt l 1 yt 1 2 yt 2 ... l yt l vt
Test de Granger: test F que compara 2 modelos: restricto (r) y sin restricciones (s)
Se dice que x es causada en sentido Granger por y si y ayuda a la explicacin de x (si los
coeficientes estimados de las variables retardadas de y son estadsticamente significativos.)
Tema 3: Problema de regresores estocsticos @ Prof. Coro Chasco (UAM)

3.4. Test de exogeneidad de los regresores (cont.)

yt 1 2 xt 3 zt ut

Test de exogeneidad de Granger:

(r ) xt 0 1 xt 1 2 xt 2 ... l xt l ut

( s ) xt 0 1 xt 1 2 xt 2 ... l xt l 1 yt 1 2 yt 2 ... l yt l vt

H0(1=2==l = 0): los l retardos adicionales de la variable endgena no son

conjuntamente significativos; es decir, el modelo restringido (r) es el correcto (y no
causa x).
Proceso: 1) Estimacin de ambos modelos (r) y (s) por MCO. 2) Clculo del test F:

H0( = 0)

H1( 0)

Fnm k

erer eses l

F
Fnl 2l 1
eses n 2l 1
Si erer eses F
Si erer eses F 0

10
Tema 3: Problema de regresores estocsticos @ Prof. Coro Chasco (UAM)

3.4. Test de exogeneidad de los regresores (cont.)

Test de exogeneidad de Granger:
H0(una variable no es causa de la otra)

vatot 95t 1 2ivfh95t 3 gdpwt ut

H0: la endgena
(vatot95) no causa la
explicativa (ivfh95)

Para l = 2, 3 (tambin
4 y 5), se rechaza H0.
Por tanto, la endgena
(vatot95) s causa a la
explicativa (ivfh95)

11

3.5. Vas de solucin

yt 1 2 xt 3 zt ut
xt f yt , vt

Mnimos cuadrados en 2 etapas (MC2E):

Los estimadores bmco son sesgados, ineficientes e inconsistentes cuando se produce

simultaneidad entre la variable endgena y una o ms explicativas (dependencia
contempornea entre X y u).
En estos casos, el mtodo de estimacin MCO debe sustituirse por MC2E, que -como
su nombre indica- debe realizarse en 2 etapas:

1. Primera Etapa: construccin de una variable proxy de la variable explicativa de

carcter endgeno (xt), a partir de una o ms variables instrumentales (m1, m2,).
Las variables instrumentales m deben cumplir 2 condiciones:
a) Estar muy correlacionadas con la variable explicativa de carcter endgeno (xt)
b) Estar incorrelacionadas con la perturbacin aleatoria u.
Se pueden considerar como instrumentos el primer retardo de la variable explicativa
de carcter endgeno (xt-1) y alguna de las explicativas exgenas, entre otras.
Tema 3: Problema de regresores estocsticos @ Prof. Coro Chasco (UAM)

12

3.5. Vas de solucin (cont.)

yt 1 2 xt 3 zt ut
xt f yt , vt

Mnimos cuadrados en 2 etapas (MC2E):

1. Primera Etapa: construccin de una variable proxy de la variable explicativa de
carcter endgeno (xt), a partir de una o ms variables instrumentales (m1, m2,). Esta
variable proxy ser la estimacin MCO de x sobre sus instrumentos:

xt 0 1 xt 1 2 zt 3m1t ... vt

MCO

xt

Variable
proxy de xt

Slo si : Corr xt ; xt 1 , zt , mt mx. y Corr ut ; xt 1 , zt , mt mn.

2. Segunda Etapa: se estima por MCO el modelo principal, sustituyendo la variable
explicativa de carcter endgeno (xt) por su variable proxy ( xt ).

yt 1 2 xt 3 zt ut
Aunque xt xt

MCO

MC 2 E

xt f ut

La doble estimacin MCO

realizada de este modo, se
denomina MC2E y los
estimadores son ELIO

Tema 3: Problema de regresores estocsticos @ Prof. Coro Chasco (UAM)

13

3.5. Vas de solucin (cont.)

Mnimos cuadrados en
2 etapas (MC2E):

vatot 95t 1 2ivfh95t 3 gdpwt ut

Tema 3: Problema de regresores estocsticos @ Prof. Coro Chasco (UAM)

14

3.5. Vas de solucin (cont.)

Mnimos cuadrados en
2 etapas (MC2E):

vatot 95t 1 2ivfh95t 3 gdpwt ut

Tema 3: Problema de regresores estocsticos @ Prof. Coro Chasco (UAM)

15

3.5. Vas de solucin (cont.)

Comprobacin de la
bondad de los
instrumentos): ivfh(-1),
gdpw y product

vatot 95t 1 2ivfh95t 3 gdpwt ut

AAA_RES: residuos MCO (et)

Alta correlacin entre las

variables instrumentada e
instrumentales

Baja correlacin con los

instrumentos

Tema 3: Problema de regresores estocsticos @ Prof. Coro Chasco (UAM)

16