UNIERSIDAD ALBERTO HURTADO | INGENIERA COMERCIAL PARA PROFESIONALES

Clases 9: Econometra - ICP

Temas:

1.
2.

Problema de Endogeneidad
Variables instrumentales y MC2E

Gabriel Moraga
Primer Trimestre 2015
1

UNIERSIDAD ALBERTO HURTADO | INGENIERA COMERCIAL PARA PROFESIONALES

1. Variables Endgenas

UNIERSIDAD ALBERTO HURTADO | INGENIERA COMERCIAL PARA PROFESIONALES

El problema de las variables endgenas

El problema de la endogeneidad surge cuando:
(|1 , 2 , , ) 0
Por tanto, existe correlacin entre el trmino de error y las variables
explicativas.
Cuando 1 , 2 , , = 0 , decimos que las variables
explicativas son exgenas.
El problema de endogeneidad puede provenir de diversas fuentes:
Variables omitidas
Problemas de medicin
Simultaneidad
3

UNIERSIDAD ALBERTO HURTADO | INGENIERA COMERCIAL PARA PROFESIONALES

El problema de las variables endgenas

La existencia de variables explicativas endgenas invalida los
parmetros del modelo estimadores mediante Mnimos Cuadrados
Ordinarios (MCO), ya que sern inconsistentes.
Especficamente vamos a estudiar cmo obtener estimadores
consistentes de los parmetros del modelo (coeficientes) cuando
existen variables explicativas endgenas, utilizando variables
instrumentales (VI) y aplicando el mtodo de estimacin conocido
como mnimos cuadrados en dos etapas (MC2E)

UNIERSIDAD ALBERTO HURTADO | INGENIERA COMERCIAL PARA PROFESIONALES

Endogeneidad: variables omitidas

Supongamos un modelo en que se omite una variable relevante 2 :
= 0 + 1 1 +
Por tanto, el trmino de error va a incluir a la variable omitida: =
+ 2 2 y si 1 est correlacionada con 2 vamos a tener un
problema de endogeneidad dado que: (1 , ) 0

Ejemplo: En el modelo de ingreso y aos de escolaridad (educ), la variable

habilidad podra quedar fuera del modelo y presumiblemente podra
estar correlacionada con los aos de escolaridad. Por tanto:
(, ) 0, lo que implica que aos de escolaridad sera una
variable endgena
5

UNIERSIDAD ALBERTO HURTADO | INGENIERA COMERCIAL PARA PROFESIONALES

Endogeneidad: error de medicin

Supongamos que existe un error de medicin de una variable
explicativa. Si es la verdadera variable explicativa pero resulta que
esta variable est medida con un error , la variable que realmente
vamos a observar va a ser = + .
El modelo que vamos a medir va a quedar determinado por: =
0 + 1 + 1 , donde el error = 1 .
Por tanto, va a ser endgena dado que: ( , ) 0

Ejemplo: Las variables auto-reportadas en general podran estar sujetas a

error, un ejemplo de ello es la variable ingreso ya que las personas podran
sub-reportar los ingresos para evitar quedar excluidos de programas
sociales o en caso de no recibir ingresos fijos podran equivocarse en su
estimacin.
6

UNIERSIDAD ALBERTO HURTADO | INGENIERA COMERCIAL PARA PROFESIONALES

Endogeneidad: simultaneidad
Es habitual que distintas variables estn relacionadas entre s.
Esto supone que la ecuacin de la variable dependiente en que
estamos interesados forma parte de un sistema de ecuaciones
simultneo.
Algunas variables que aparecen al lado derecho de la ecuacin de
inters aparecen como variables dependientes en otras ecuaciones,
y viceversa.
El ejemplo clsico de variables simultaneas es el caso de Oferta y
Demanda. Donde el precio y las cantidades producidas se
determinan en forma simultanea.

UNIERSIDAD ALBERTO HURTADO | INGENIERA COMERCIAL PARA PROFESIONALES

2. Variables instrumentales y MC2E

UNIERSIDAD ALBERTO HURTADO | INGENIERA COMERCIAL PARA PROFESIONALES

Qu es una variable instrumental?

Para resolver el problema de variables endgenas vamos a utilizar
las denominadas variables instrumentales (VI).
Una variable instrumental que llamaremos z es cualquier variable
que cumpla las siguientes propiedades:
1. El instrumento z debe ser exgeno: z, u = 0
2. El instrumento z debe estar correlacionado con la variable
endgena x: z, 0

UNIERSIDAD ALBERTO HURTADO | INGENIERA COMERCIAL PARA PROFESIONALES

Qu es una variable instrumental?

La primera propiedad: z, u = 0, no es posible verificarla
empricamente, dado que desconocemos el verdadero error u. Por
tanto, tenemos que utilizar el sentido comn y la teora econmica
para decidir si tiene sentido asumir que el instrumento no est
correlacionado con el trmino de error.
La segunda propiedad: z, 0 , puede ser fcilmente
verificable, dado que conocemos ambas variables. Esto es
simplemente testeando que y z estn correlacionados.
Ejemplos de variables instrumentales son: distancia al colegio (para
un modelo de notas y asistencia a clases), educacin de la madre
(en un modelo de ingresos). En general los mejores instrumentos
son los que provienen de loteras o asignaciones aleatorias.
10

UNIERSIDAD ALBERTO HURTADO | INGENIERA COMERCIAL PARA PROFESIONALES

Estimacin mediante variables instrumentales

En el modelo de regresin simple, si tenemos la variable explicativa
con problemas de endogeneidad y encontramos un instrumento z
que cumpla las propiedades deseadas (instrumento vlido)
tenemos que:
z, = 1 z, + z, u

1 = z, / z,
De este modo el estimador de variables instrumentales es:

z z y y
z z x x
i

11

UNIERSIDAD ALBERTO HURTADO | INGENIERA COMERCIAL PARA PROFESIONALES

Inferencia con el estimador VI

Al utilizar VI el supuesto de homocedasticidad va a estar dado por:
2 = 2 = ()
Al igual que en el caso de MCO podemos estimar la varianza y los
errores estndar como:

Var 1
n x2 x2, z

se 1

2
SSTx Rx2, z
12

UNIERSIDAD ALBERTO HURTADO | INGENIERA COMERCIAL PARA PROFESIONALES

Inferencia con el estimador VI

Los errores estndar de VI son distintos a los errores estndar
estimados con Mnimos cuadrados Ordinarios solo en el trmino 2
el cual corresponde ahora a la regresin de x sobre z.
Si 2 < 1 los errores estndar de la VI sern mayores a los de MCO.
Sin embargo, los parmetros estimados mediante VI van a ser
consistentes mientras en MCO van a ser inconsistentes cuando
, 0

Mientras mayor es la correlacin entre el instrumento z y x

menores van a ser los errores estndar.

13

UNIERSIDAD ALBERTO HURTADO | INGENIERA COMERCIAL PARA PROFESIONALES

Efectos de un mal instrumento

Si el supuesto de , = 0 es falso el estimador de VI va a ser
inconsistente tambin.
Asintticamente se puede comparar el sesgo entre el estimador VI
y MCO.
Corr ( z , u ) u

IV : plim1 1
*
Corr ( z , x) x

u
OLS : plim 1 1 Corr ( x, u ) *
x
~

Ser preferible el estimador VI si:

,
,

< ,

14

UNIERSIDAD ALBERTO HURTADO | INGENIERA COMERCIAL PARA PROFESIONALES

Generalizacin: El estimador MC2E

Suponga el modelo: = 0 + 1 1 + donde (1 , ) 0
Adems disponemos de dos posibles variables instrumentales 1 y
2 que cumplen:

(1 , ) = 0 y (1 , 1 ) 0
(2 , ) = 0 y (2 , 1 ) 0

Podramos obtener dos estimadores separados de VI, uno con 1 y

otro con 2 , que sern numricamente distintos.
Pero tambin podemos obtener un estimador de VI que use como
instrumento una combinacin lineal de 1 y 2 : Este estimador se
conoce como Mnimos Cuadrados en Dos Etapas (MC2E)

15

UNIERSIDAD ALBERTO HURTADO | INGENIERA COMERCIAL PARA PROFESIONALES

Generalizacin: El estimador MC2E

Primera Etapa: Se estima por MCO la proyeccin lineal de la variable
endgena 1 sobre los instrumentos 1 y 2 (conocida como forma
reducida): 1 = 0 + 1 1 + 2 2 +
Luego se obtienen los valores ajustados de 1 :
1 = 0 + 1 1 + 2 2
Segunda Etapa: Se estima por MCO la regresin de sobre 1 :
= 0 + 1 1 +
Debido a las dos tapas del proceso de estimacin 0 y 1 van a ser los
estimador de MC2E
16

UNIERSIDAD ALBERTO HURTADO | INGENIERA COMERCIAL PARA PROFESIONALES

Generalizacin: El estimador MC2E

El estimador de MC2E puede ser extendido al modelo de regresin
mltiple.
Lo que se debe considerar para esto es que podra haber ms de
una variable endgena en el modelo. De este modo, sera necesario
al menos un instrumento para cada variable endgena del modelo.
Supongamos el siguiente modelo:
= 0 + 1 1 + 2 2 + 3 3 +
Donde 1 y 2 son variables endgenas y 3 es exgena.
Si tenemos instrumentos vlidos 1 para 1 y 2 para 2 podramos
construir el modelo MC2E.

17

UNIERSIDAD ALBERTO HURTADO | INGENIERA COMERCIAL PARA PROFESIONALES

Generalizacin: El estimador MC2E

Debido a que tenemos dos variables endgenas vamos a tener que
estimar una ecuacin de la forma reducida para cada variable
endgena incluyendo como variable explicativa a todas las variables
exgenas:
1 = 10 + 11 1 + 12 2 + 13 3

2 = 20 + 21 1 + 22 2 + 23 3
Donde debe cumplirse al menos que 11 0, 12 0, 21 0 y
22 0

18