Beruflich Dokumente
Kultur Dokumente
Errores de especicaci
on
5.1. Omisi
on de variables relevantes
y = Xr r +
en donde hemos omitido las variables Xs . Estas variables engrosar an la lista de factores
omitidos que recoge el nuevo termino de error, = Xs s + u, cuya esperanza claramente
es distinta de un vector de ceros, E() = Xs s .
n 43. El sesgo causado por la omisi
Definicio on de variables relevantes se denomina
on, y recoge la inuencia de Xs sobre y que estamos atribuyendo a
sesgo de especicaci
Xr .
V (r ) = u2 (Xr Ms Xr )1
y Mr y = [Xr r + Xs s + u] Mr [Xr r + Xs s + u]
Prof. Dr. Jos
e Luis Gallego G
omez Apuntes de Econometra. LADE y LE. Curso 2008-2009.
Departamento de Economa. Universidad de Cantabria Material publicado bajo licencia Creative Commons
5. Errores de especicacion 79
y Mr y = [Xs s + u] Mr [Xs s + u] = s Xs Mr Xs s + u Mr us + 2 s Xs Mr u
De aqu,
E(y Mr y) 1
2 ) =
E( = u2 + X Mr Xs s
nr nr s s
El sesgo s Xs Mr Xs s /(n r) 0 es una forma cuadr atica semidenica porque la
matriz Xs Mr Xs es del tipo C C con C = Mr Xs .
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 economica 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 correla-
cionados y no podemos mantener el supuesto de regresores jo. Por otra parte, con datos
de series temporales, la perturbacion E() presentar a autocorrelaci
on. Estudiaremos es-
tos errores de especicaci on en captulos posteriores.
5.2. Inclusi
on de variables irrelevantes
y = Xr r + u
y = Xr r + Xs s +
n. En el modelo incorrecto
Demostracio
y My
= =
nk nk
La suma de cuadrados de los residuos y My puede escribirse como
y My = [Xr r + u] M[Xr r + u]
De aqu,
E(y My)
2 ) =
E( = u2
nk
Comparando las dos tipos de errores de especicaci on vemos que la consecuencia nal
es la misma: los estadsticos t y F est
an distorsionados. En el modelo sobreespecicado la
distorsi
on proviene de la sobreestimaci on de las varianzas. Si el estimador es consistente,
esta varianza tiende a cero cuando el tama no muestral tiende a innito. Parece, por
tanto, razonable pensar que la distorsi on en varianza sera mayor en muestras peque nas
y menor en muestras muy grandes. En el caso del modelo infraespecicado la distorsi on
ademas proviene del sesgo del estimador, que depende de la relaci on entre variables
incluidas y omitidas. Esta relaci on no tiene porque disminuir con el tama no muestral.
A modo de conclusi on, si el tama no muestral es sucientemente grande, parece menos
grave cometer errores de especicaci on por exceso que por defecto.
Prof. Dr. Jos
e Luis Gallego G
omez Apuntes de Econometra. LADE y LE. Curso 2008-2009.
Departamento de Economa. Universidad de Cantabria Material publicado bajo licencia Creative Commons
5. Errores de especicacion 81
Yt = 0 + 1 Xt + 2 Xt2 + + k Xtk + ut
Yt = 0 + 1 Xt + t
Resumen
Palabras clave
Matriz de dise
no
Error de especicacion Sobreespecicaci
on
Omision de variable relevante Sesgo de especicaci
on
Forma funcional incorrecta
Inclusi
on de variable irrelevante
Infraespecicaci
on Test RESET
Ejercicios
qi = + pi + ri + ui , i = 1, . . . , N