Bin Aria

Econometrı́a
ICO8106
Benjamı́n Villena Roldán

Departamento de Economı́a
Universidad Diego Portales
4 de junio de 2020
B. Villena ICO8106 4 de junio de 2020 1 / 44

Variables binarias o dummy
Podemos incorporar información cualitativa por variables binarias o

dummy.


dummy.
Ejemplos: género, nacionalidad, raza, estado laboral (empleado,
desempleado, inactivo), estado civil, votación (por candidato A, B o
C), empresa exporta/no exporta, existe o no sindicato, etc, etc.


dummy.
Ejemplos: género, nacionalidad, raza, estado laboral (empleado,
desempleado, inactivo), estado civil, votación (por candidato A, B o
C), empresa exporta/no exporta, existe o no sindicato, etc, etc.
Definición habitual
(
1 si observación n cumple condición
Dn =
0 en otro caso.
o de manera más compacta X = I[cumple condición]

Consideremos un modelo lineal con una variable cualitativa o dummy,

D
Yn = β0 + β1 Dn + Un


D
A nivel poblacional sabemos que E [Y |D = 0] = β0 y
E [Y |D = 1] = β0 + β1 .


D
A nivel poblacional sabemos que E [Y |D = 0] = β0 y
E [Y |D = 1] = β0 + β1 .
Por lo tanto, la diferencia esperada de medias es
E [Y |D = 1] − E [Y |D = 0] = β1 . El parámetro β1 representa la
diferencia entre el grupo con D = 1 y el grupo con D = 0.

Aplicación básica: Incorporando una variable cualitativa o dummy, D,
podemos entender diferencias de medias de Y .

Resultado básico por MCO en este caso
N −1 N
P
Cov (Yn , Dn ) n=1 Yn Dn − Ȳ D̄
β1 =
b = N
Var (Dn ) −1 2 2
P
N n=1 Dn − D̄

Resultado básico por MCO en este caso
N −1 N
P
Cov (Yn , Dn ) n=1 Yn Dn − Ȳ D̄
β1 =
b = N
Var (Dn ) −1 2 2
P
N n=1 Dn − D̄
P
Definimos N1 = n Dn , o sea es el número de observaciones que
cumplen condición.
PN
N1 Yn
N
n:Dn =1
N1 − NN1 Ȳ
βb1 = 2
N1 N1
N − N

Luego usamos que el promedio de Y es un promedio ponderado del

promedio de cuando se cumple la condición con proporción N1 /N y
cuando no, con proporción 1 − N1 /N.

N1 N1
Ȳ1 − Ȳ Ȳ1 − Ȳ1 N + Ȳ0 1 − N
βb1 = N1
= N1
1− N 1− N

Luego usamos que el promedio de Y es un promedio ponderado del

promedio de cuando se cumple la condición con proporción N1 /N y
cuando no, con proporción 1 − N1 /N.

N1 N1
Ȳ1 − Ȳ Ȳ1 − Ȳ1 N + Ȳ0 1 − N
βb1 = N1
= N1
1− N 1− N
Por lo tanto,
βb1 = Ȳ1 − Ȳ0

Reemplazando en la ecuación normal 1, se obtiene que
Ȳ = βb0 + βb1 D̄
N1
= βb0 + (Ȳ1 − Ȳ0 )
N
⇒ β0 = Ȳ0
b
Resultado muy intuitivo: expectativas condicionales se estiman por

promedios condicionales muestrales.

Variables categóricas
¿Qué ocurre si hay múltiples categorı́as? Supongamos que intentamos

una dummy de estado civil de una persona.

0 si n es soltero(a)


1 si n es tiene conviviente



Cn = 2 si n es casado(a)

3 si n es divorciado(a)





4 si n es viudo(a)


Podemos expresar esta misma información a través de 4 variables
dummy Ds = I[soltero], Dt = I[conviviente], Dc = I[casado],
Dd = I[divorciado].
Yn = β0 + βs Ds,n + βt Dt,n + βc Dc,n + βd Dd,n + Un

Dd = I[divorciado].
Ası́ vemos que:
E [Y |soltero] = E [Y |Ds = 1] = β0 + βs
E [Y |conviviente] = β0 + βt
E [Y |casado] = β0 + βc
E [Y |divorciado] = β0 + βd
E [Y |viudo] = β0

Dd = I[divorciado].
Ası́ vemos que:
E [Y |soltero] = E [Y |Ds = 1] = β0 + βs
E [Y |conviviente] = β0 + βt
E [Y |casado] = β0 + βc
E [Y |divorciado] = β0 + βd
E [Y |viudo] = β0
Las variables categóricas se pueden expresar siempre como un

conjunto de variables dicotómicas.
¿Qué significan los coeficientes aquı́?.

βs = E [Y |soltero] − E [Y |viudo];
βt = E [Y |conviviente] − E [Y |viudo], etc.


Las variables dummy de la categorı́a j indican la diferencia promedio
entre la categorı́a j y la categorı́a omitida (viudo(a)).


La categorı́a omitida es arbitraria!


¿Por qué P
no podemos utilizar todas las categorı́as? La suma de
dummies j Dj = 1 para todo individuo de la muestra, lo cual
conduce a multicolinealidad total, es decir una columna es
combinación lineal de otras y X 0 X no es invertible. Volveremos sobre
este punto más adelante.


¿Por qué P
no podemos utilizar todas las categorı́as? La suma de
dummies j Dj = 1 para todo individuo de la muestra, lo cual
conduce a multicolinealidad total, es decir una columna es
combinación lineal de otras y X 0 X no es invertible. Volveremos sobre
este punto más adelante.
Si la información cualitativa es de R categorı́as (nacionalidad)
necesitamos R − 1 variables dummy.

Alternativa a la normalización anterior es tener un modelo sin

intercepto para evitar multicolinealidad perfecta.
Yn = αs Ds,n + αt Dt,n + αc Dc,n + αd Dd,n + αv Dv ,n + Un


Ası́ vemos que:
E [Y |soltero] = E [Y |Ds = 1] = αs = β0 + βs
E [Y |conviviente] = αt = β0 + βt
E [Y |casado] = αc = β0 + βc
E [Y |divorciado] = αd = β0 + βd
E [Y |viudo] = αv = β0


Ası́ vemos que:
E [Y |soltero] = E [Y |Ds = 1] = αs = β0 + βs
E [Y |conviviente] = αt = β0 + βt
E [Y |casado] = αc = β0 + βc
E [Y |divorciado] = αd = β0 + βd
E [Y |viudo] = αv = β0
Notar que es exactamente el mismo modelo, la información no

cambia, sólo lo expresamos distinto.

En cada uno de estos casos los estimadores MCO serán la versión

muestral de las esperanzas poblacionales. Ası́
bs = Ȳs y βbs = Ȳs − Ȳv

α
bt = Ȳt y βbt = Ȳt − Ȳv
α
bc = Ȳc y βbt = Ȳc − Ȳv
α
bd = Ȳd y βbd = Ȳd − Ȳv
α
α
bd = Ȳv y βb0 = Ȳv

Interacciones con variables binarias
Es posible construir modelos con interacciones con variables continuas

o binarias.


o binarias.
Incluso, interacciones entre variables binarias.


o binarias.
A veces queremos ver si el efecto de una variable puede depender de
otra variable.


o binarias.
otra variable.
Supongamos que deseamos ver si el efecto marginal de la educación
(retorno) depende el género del trabajador.


o binarias.
otra variable.
Supongamos que deseamos ver si el efecto marginal de la educación
(retorno) depende el género del trabajador.
Entonces, incorporamos una interacción entre la educación y el
género, dejando de lado experiencia por ahora
log Wn = β0 + β1 Gn + β2 Sn + β3 Sn × Gn + Un
donde Gn = I[hombre].

Interacciones
¿Qué capturan los coeficientes en este caso?
E [log W |Gn = 1] = (β0 + β1 ) + (β2 + β3 )Sn

E [log W |Gn = 0] = β0 + β2 Sn

Interacciones
¿Qué capturan los coeficientes en este caso?
E [log W |Gn = 1] = (β0 + β1 ) + (β2 + β3 )Sn

E [log W |Gn = 0] = β0 + β2 Sn
Hay dos regresiones en una: una para hombres (Gn = 1) y otra para
mujeres (Gn = 0).

Interacciones
Además se capturan diferencias de retornos a la educación entre

géneros
∂E [log W |Gn = 1]
= β2 + β3
∂S
∂E [log W |Gn = 0]
= β2
∂S

Interacciones
Además se capturan diferencias de retornos a la educación entre

géneros
∂E [log W |Gn = 1]
= β2 + β3
∂S
∂E [log W |Gn = 0]
= β2
∂S
Por lo tanto β3 es el brecha de hombre-mujer en el retorno de
educación.

Interacciones entre binarias
Supongamos un modelo que estudia salario para pueblo originarios

(On es 1 si individuo n se declara de pueblo originario) y por género
(Gn es 1 si individuo n es mujer, para ilustrar que definición de binaria
es arbitraria.)
log W = β0 + β1 On + β2 Gn + β3 On Gn + Un
E [log W |On = 1, Gn = 1] = β0 + β1 + β2 + β3 (originaria, mujer)

E [log W |On = 1, Gn = 0] = β0 + β1 (originario, hombre)
E [log W |On = 0, Gn = 1] = β0 + β2 (no originaria, mujer)
E [log W |On = 0, Gn = 0] = β0 (no originario, hombre)

Por lo tanto, los coeficientes equivalen a
β0 = E [log W |On = 0, Gn = 0]
(log salario no originario, hombre)
β1 = E [log W |On = 1, Gn = 0] − E [log W |On = 0, Gn = 0]
(brecha originario vs no originario, hombres)
β2 = E [log W |On = 0, Gn = 1] − E [log W |On = 0, Gn = 0]
(brecha género no originarios)
β2 + β3 = E [log W |On = 1, Gn = 1] − E [log W |On = 1, Gn = 0]
(brecha género originarios)

Por lo tanto β3 es la diferencia de brecha de géneros entre originarios

y no originarios
β3 = (E [log W |On = 1, Gn = 1] − E [log W |On = 1, Gn = 0])

− (E [log W |On = 0, Gn = 1] − E [log W |On = 0, Gn = 0])
responde si hay mayor brecha de género en pueblos originarios o en el

grupo no-originario de la población.

Por lo tanto β3 es la diferencia de brecha de géneros entre originarios

y no originarios

responde si hay mayor brecha de género en pueblos originarios o en el

grupo no-originario de la población.
Notar que β3 puede ser escrito también como la diferencia de brecha
originarios vs no-originarios entre mujeres y hombres.


Interacciones
Pueden haber interacciones entre variables continuas también.

Interacciones
Pueden haber interacciones entre variables continuas también.

Retorno de educación depende del nivel de experiencia?
log Wn = β0 + β1 Sn + β2 Sn × Xn + β3 Xn + β4 Xn2 + Un

Interacciones
Entonces se obtiene
∂E [log W |X , S]
= β1 + β2 Xn
∂S
∂E [log W |X , S]
= β2 Sn + β3 + 2β4 Xn
∂X

Interacciones
Entonces se obtiene
∂E [log W |X , S]
= β1 + β2 Xn
∂S
∂E [log W |X , S]
= β2 Sn + β3 + 2β4 Xn
∂X
Esto se puede entender como predicciones sobre segundas derivadas
del modelo ¿Cómo cambia el efecto de X en Y en la medida que
aumenta una tercera variable Z ?

Interacciones
Otro ejemplo: efecto del tiempo dedicado por la madre, T en
comprensión lectora C puede variar de acuerdo a la edad del niño A
(sicologı́a del desarrollo infantil) y por la educación de la madre S
(mejor educación la hace mejor enseñando).
Cn = β0 + β1 Tn + β2 Tn × An + β3 Tn × Sn + Un

Interacciones
Entonces se obtiene
∂E [C |X ]
= β1 + β2 An + β3 Sn
∂T
∂E [C |X ]
= β2 Tn
∂A
∂E [C |X ]
= β3 Tn
∂S

Interacciones
Entonces se obtiene
∂E [C |X ]
= β1 + β2 An + β3 Sn
∂T
∂E [C |X ]
= β2 Tn
∂A
∂E [C |X ]
= β3 Tn
∂S
Notar que la interacción afecta tanto el efecto marginal del tiempo
como el de la edad y el de la educación de la madre.
Ejercicio:
Considere que tenemos un modelo para explicar el número de postulantes

Y que recibe un aviso de trabajo en internet en un mes. Construya un
modelo lineal en parámetros que le permita estimar lo siguiente:
Efecto porcentual de un aumento de 1 % en la tasa de desempleo del
paı́s.
Incremento porcentual del número de postulantes del mes de marzo.
Efecto porcentual del número de postulantes si el salario ofrecido del
aviso de trabajo aumenta un 1 %.
Diferente efecto porcentual de la tasa de desempleo en meses de
verano con respecto a meses de invierno.
Explique cuidadosamente cuál es la interpretación de los parámetros.

Test de Chow
Testeamos que los parámetros para dos submuestras sean iguales.

Test de Chow
Definimos un modelo no restringidoque permite
parámetros
βA
diferentes en cada submuestra β = y proponemos
βB
H0 : βA = βB o bien H0 : βA − βB = 0.

Test de Chow
parámetros
βA
βB
Hipótesis nula βA = βB , donde β es vector de 2(K + 1) × 1
parámetros.

Test de Chow
parámetros
βA
βB
Hipótesis nula βA = βB , donde β es vector de 2(K + 1) × 1
parámetros.
La matriz de restricciones toma la siguiente forma
 
1 0 0 ... 0 −1 0 0 ... 0
 0 1 0 ... 0 0 −1 0 ... 0 
 
 0 0 1 ... 0 0
C(K +1)×2(K +1) =  0 −1 ... 0 

 ... ... ... ... ... ... ... ... ... ... 
0 0 0 ... 1 0 0 0 ... −1

= I(K +1)×(K +1) | − I(K +1)×(K +1)

Test de Chow
Ejemplo sencillo, paso a paso: queremos saber si existen diferencias
sustanciales en el impacto de salarios y experiencia enre hombres y
mujeres.

Test de Chow
mujeres.
El modelo que asume que ambas ecuaciones son iguales para hombres
y mujeres serı́a el modelo restringido
log Wn = β0 + β1 Sn + β2 Xn + β3 Xn2 + un (1)

Test de Chow
mujeres.
El modelo alternativo (libre o no restringido) asume que ambas
ecuaciones son diferentes para hombres y mujeres. En el caso de
hombres
log WnH = β0H + β1H Sn + β2H Xn + β3H Xn2 + unH

Test de Chow
mujeres.
El modelo alternativo (libre o no restringido) asume que ambas
ecuaciones son diferentes para hombres y mujeres. En el caso de
hombres
log WnH = β0H + β1H Sn + β2H Xn + β3H Xn2 + unH
En el caso de mujeres
log WnM = β0M + β1M Sn + β2M Xn + β3M Xn2 + unM

Test de Chow
¿Cómo construir dos regresiones en una sola?

Test de Chow
Usando dummy Gn = 1 si persona es mujer, 0 en otro caso (hombre).
log Wn = α0 + α1 Sn + α2 Xn + α3 Xn2
α4 Gn + α5 Gn Sn + α6 Gn Xn + α7 Gn Xn2 + un (2)

Test de Chow
Usando dummy Gn = 1 si persona es mujer, 0 en otro caso (hombre).
log Wn = α0 + α1 Sn + α2 Xn + α3 Xn2
α4 Gn + α5 Gn Sn + α6 Gn Xn + α7 Gn Xn2 + un (2)
Se puede verificar la equivalencia entre ambos modelos “apagando y

encendiendo” Gn . Ası́
β0H = α0 y β0M = α0 + α4
β1H = α1 y β1M = α1 + α5
β2H = α2 y β2M = α2 + α6
β3H = α3 y β3M = α3 + α7

Test de Chow
Test de Chow es un caso particular de test de

Test de Chow

Ecuación (2) es el modelo libre y (1) serı́a modelo restringido.

Test de Chow

Usar test de suma de residuos libres versus restringidos.

Test de Chow

Notar que los modelos son “anidados”, es decir, es posible escribir
uno como un caso particular del otro.

Test de Chow

Cuidado con el número de parámetros del modelo. El modelo libre es
aquél con más parámetros.

Test de Chow

Si K + 1 es el número original de parámetros en el modelo
restringido, el modelo libre tiene 2(K + 1) parámetros.

Test de Chow

Si K + 1 es el número original de parámetros en el modelo
restringido, el modelo libre tiene 2(K + 1) parámetros.
Por otro lado hay R = K + 1 restricciones.

Test de Chow
Calcular SCRR es simple. Basta regresión de (1).

Test de Chow

Para calcular SCRL podemos hacerlo directamente también, o
alternativamente, calcular SCRL = SCRH + SCRM donde los SCR por
género provienen de estimar ecuaciones sólo para hombres y mujeres,
respectivamente.

Test de Chow

Para calcular SCRL podemos hacerlo directamente también, o
alternativamente, calcular SCRL = SCRH + SCRM donde los SCR por
género provienen de estimar ecuaciones sólo para hombres y mujeres,
respectivamente.
Por ende, el estadı́stico F en este caso es
(SCRR − SCRH − SCRM )/(K + 1)
F = ∼ F(K + 1, N − 2K − 2)
(SCRH + SCRM )/(N − 2K − 2)

Más aplicaciones de Test de Chow
Cambios estructurales: Distinguir si el comportamiento de una

economı́a cambia por perı́odos de tiempo. Por ejemplo, curva de
Phillips (relación entre desempleo e inflación) antes y después de
independencia del Banco Central en 1990.
πt = β0 + β1 Ut + t


πt = β0 + β1 Ut + t
Heterogeneiidad territorial: Distinguir si el “voto por bolsillo” en una

elección cambia entre distintas regiones de Chile. Un modelo que
impone igualdad regional serı́a
Vn = β0 + β1 Un + n


πt = β0 + β1 Ut + t
Heterogeneiidad territorial: Distinguir si el “voto por bolsillo” en una

elección cambia entre distintas regiones de Chile. Un modelo que
impone igualdad regional serı́a
Vn = β0 + β1 Un + n
definir modelo para múltiples regiones de Chile con parámetros

distintos.

Anatomı́a de Regresión Lineal
Regresión estima una aproximación a expectativa condicional, pero

qué significa cada βk en rigor?.


Cada regresor “compite” por explicar la mayor parte de la varianza
total. MCO escoge los estimadores para maximizar el R 2 del modelo y
eso define la contribución de cada uno.


Diagrama de Ballentine es explicativo


Diagrama de Ballentine es explicativo
Cada cı́rculo es la varianza de una variable, que pueden suporponerse
si hay más regresores porque hay cierto grado de asociación lineal.

Regresión con K = 2

Regresión con K = 3

Multicolinealidad
Regresores no se controlan experimentalmente, y pueden tener una

alta correlación entre ellos, por lo cual se hace difı́cil discernir cuál es
el efecto individual de cada una de ellas.

Multicolinealidad

Ejemplo intuitivo: cultivo de algún vegetal con sustancias X y Z . Si
pongo igual cantidad de X y Z en cada vegetal y luego, si en aquellos
en que puse más de ambas, crecieron más, ¿a cual de las dos
sustancias puedo atribuirlo?.

Multicolinealidad

Ejemplo intuitivo: cultivo de algún vegetal con sustancias X y Z . Si
pongo igual cantidad de X y Z en cada vegetal y luego, si en aquellos
en que puse más de ambas, crecieron más, ¿a cual de las dos
sustancias puedo atribuirlo?.
Si tengo control experimental, X y Z ı́dealmente no se correlacionan
entre sı́. En un diagrama de Ballentine, si X y Z NO se superponen.

Multicolinealidad
Multicolinealidad significa en un diagrama que el area común de

todos los regresores es grande y sus regiones de superposición
exclusiva con Y son reducidas.

Multicolinealidad

Conceptualmente, cuando hay regresores muy “parecidos” (es decir,
son predecibles unos con otros), hay poca variacı́ón de un regresor en
particular para estimar su efecto.

Multicolinealidad

Esto se traduce en poca precisión del estimador, es decir, alta
varianza.

Multicolinealidad

varianza.
Consideremos el modelo Yn = β0 + βX Xn + βZ Zn + Un

Multicolinealidad

varianza.
Consideremos el modelo Yn = β0 + βX Xn + βZ Zn + Un
Intuitivamente, la parte de X que no se mueve conjuntamente con Z
es la única información que permite estimar a βX .

Multicolinealidad
Idea intutiva de cómo calcular la varianza de βX si X y Z covarı́an.

Multicolinealidad

σ2
Recordar varianza de Var (βbX ) = NVar (X ) si X fuese único regresor.

Multicolinealidad

σ2
Recordar varianza de Var (βbX ) = NVar (X ) si X fuese único regresor.
Remover la parte de la varianza de X que se “explica” o es común
con Z . ¿Cuánta varianza de X se “explica” por Z ? Para medirlo,
calcular esta regresión auxiliar
Xn = α0 + αZ Zn + Vn
y calculamos el RX2 de este modelo que representa la varianza común

de X y Z .

Multicolinealidad: efecto en varianza
Volviendo al modelo principal, la varianza de βbX la podremos calcular

si extraemos la parte de la varianza conjunta con Z , la que no sirve
para estimar el efecto βX de X .
σ2
Var (βbX ) =
NVar (X )(1 − RX2 )

Multicolinealidad: efecto en varianza
Volviendo al modelo principal, la varianza de βbX la podremos calcular

si extraemos la parte de la varianza conjunta con Z , la que no sirve
para estimar el efecto βX de X .
σ2
Var (βbX ) =
NVar (X )(1 − RX2 )
Esta intuición nos da la respuesta exacta, es la varianza que nos

entregar MCO en cada componente de Var (β|X b ) = σ 2 (X 0 X )−1

Factor Inflador de Varianza (FIV)
Es aún más general, funciona para cualquier número de regresores.

Consideremos el modelo
Yn = β0 + β1 X1,n + .... + βK Xn,K + Un


Yn = β0 + β1 X1,n + .... + βK Xn,K + Un
Para calcular la varianza del coeficiente de Xk , k = 1, 2, ..., K ,

solamente estimar la regresión auxiliar
Xk,n = α0 +α1 X1,n +...+αk−1 Xk−1,n +αk+1 Xk−1,n +αK −1 XK −1,n +Vn


Yn = β0 + β1 X1,n + .... + βK Xn,K + Un
Para calcular la varianza del coeficiente de Xk , k = 1, 2, ..., K ,

solamente estimar la regresión auxiliar
Xk,n = α0 +α1 X1,n +...+αk−1 Xk−1,n +αk+1 Xk−1,n +αK −1 XK −1,n +Vn
Se obtiene el R 2 de ésta, llamado Rk2 y calculamos la varianza del

estimador
σ2
Var (βbk ) =
NVar (X )(1 − Rk2 )

1
A la magnitud 1−Rk2
le llamamos Factor Inflador de Varianza (FIV).

1
A mayor FIV, mayor asociación de Xk con otros X y mayor
imprecisión en estimador, señal de un área compartida grande en un
diagrama de Ballentine.

1
A mayor FIV, mayor asociación de Xk con otros X y mayor
imprecisión en estimador, señal de un área compartida grande en un
diagrama de Ballentine.
Notar que el aumento del impacto es enorme para
R 2 = 0,9 ⇒ FIV = 10 y R 2 = 0,99 ⇒ FIV = 100

Anatomı́a de la varianza
El estimador de varianza usando

b2 = SCR/(N − K − 1) = n yn2 (1 − R 2 )/(N − K − 1) finalmente
P
σ
puede escribirse ası́
Var (Y )(1 − R 2 )
Var
d (βbk ) =
(N − K − 1)Var (Xk )(1 − Rk2 )


P
σ
Var (Y )(1 − R 2 )
Var
d (βbk ) =
(N − K − 1)Var (Xk )(1 − Rk2 )
FIV es una medida de cuanta imprecisión hay en nuestra estimación

debido a la falta de control experimental.


P
σ
Var (Y )(1 − R 2 )
Var
d (βbk ) =
(N − K − 1)Var (Xk )(1 − Rk2 )
FIV es una medida de cuanta imprecisión hay en nuestra estimación

debido a la falta de control experimental.
Multicolinealidad es un problema de la naturaleza no-experimental de
los datos.

Consecuencias de multicolinealidad
Con multicolinealidad, MCO cumple igual Gauss-Markov: Aunque las

varianzas estimadas sean altas, es lo mejor que se puede hacer con los
datos disponibles (para un modelo dado)


La multicolinealidad severa puede ser compensada por otros factores:
baja Var (Y ), alto R 2 , alta Var (Xk ), alto N − K − 1.


Efecto en test t de significancia individual: alta probabilidad de no
rechazar H0 debido a mayor imprecisión


En tests conjuntos: la existencia de muy altas covarianzas entre
regresores hace que Cov (βbk , βbj ) sean altos en valor absoluto.


En tests conjuntos: la existencia de muy altas covarianzas entre
regresores hace que Cov (βbk , βbj ) sean altos en valor absoluto.
Conclsiones de tests de hipótesis conjuntas e individuales pueden
tener resultados muy diferentes (en particular Significancia global vs
individual).

Regiones de confianza individual vs conjunta
Para modelo log Salarion = β0 + β1 Escn + β2 Edadn + Un , mostramos
región de confianza conjunta e individuales de βb1 y βb2
Confidence ellipse
Coefficient centered
.135
Estimated años de escolaridad
.131 .132 .133 .134
.006 .0065 .007 .0075

Estimated edad (años cumplidos)
boundary constant = 5.9917

Explicación
En los datos Cov (Escol, Edad) < 0, escolaridad ha aumentado en

personas más jóvenes.

Explicación

Si ∆+ escol, en promedio ∆− edad.

Explicación

Esto en general implica que Cov (βbescol , βbedad ) > 0. Por qué?

Explicación

Para un salario constante, supongamos que ∆+ βbescol , por lo que
∆+ βbescol Escol. Como el salario se debe mantener constante,
necesitamos ∆− βbedad Edad.

Explicación

Para un salario constante, supongamos que ∆+ βbescol , por lo que
∆+ βbescol Escol. Como el salario se debe mantener constante,
necesitamos ∆− βbedad Edad.
Ya que edad y escol están negativamente relacionados, requerimos
aumentar βbedad para poder contrapesar la suma y mantener el error al
explicar el salario.

Efecto de multicolinealidad en tests
Para modelo log Salarion = β0 + β1 Esc0n + β2 Edadn + Un , con
Esc0n = Escn − 2Edadn .
Confidence ellipse
Coefficient centered
.135 .134
Estimated esc0
.132 .133
.131
.268 .27 .272 .274 .276 .278

Estimated edad (años cumplidos)
boundary constant = 5.9917

Posibles “soluciones”
Es lo que hay: datos no son recogidos experimentalmente.


No es especialmente importante si el modelo es predictivo y no
interesa estimar un parámetro en particular.


Pero muchos problemas en econometrı́a son de medición de impactos
o respuestas contrafactuales del tipo, ¿qué pasarı́a si...?


Pero muchos problemas en econometrı́a son de medición de impactos
o respuestas contrafactuales del tipo, ¿qué pasarı́a si...?
En estos casos, la falta de información suficiente para individualizar
efecto de variables se puede suplementar con información a priori
(imponer restricciones teóricas).

Ejemplo: Supongamos una función de producción Cobb-Douglas

log-linealizada
log Y = β0 + β1 log K + β2 log L + U
donde RK2 = 0,9. Entonces FIV = 10, potencialmente un problema.

En muchos casos teóricamente es natural imponer retornos
constantes a escala, es decir β1 + β2 = 1. Al hacer esto, se obtiene
log Y − log L = β0 + β1 (log K − log L) + U

Ejemplo: Supongamos una función de producción Cobb-Douglas

log-linealizada
log Y = β0 + β1 log K + β2 log L + U
donde RK2 = 0,9. Entonces FIV = 10, potencialmente un problema.

En muchos casos teóricamente es natural imponer retornos
constantes a escala, es decir β1 + β2 = 1. Al hacer esto, se obtiene
log Y − log L = β0 + β1 (log K − log L) + U
En este ejemplo, la varianza estimada del modelo original serı́a
Var (log Y )(1 − R 2 )

Var
d (βb1 ) =
2
(N − K − 1)Var (log K )(1 − Rlog K)

Efecto en precisión de la estimación
Se producen dos efectos al imponer la restricción:


1 La restricción teórica implica un menor ajuste (R 2 ), haciendo que
Var
d (βb1 ) suba.


Var
d (βb1 ) suba.
2 La restricción teórica elimina un regresor muy colineal, haciendo
2
Rlog K −log L = 0 y ası́ Var (β1 ) disminuya
d b


Var
d (βb1 ) suba.
2
d b
¿Qué efecto predomina? Si la multicolinealidad es muy severa con
FIV muy alto, la varianza cae mucho al imponer la restricción. Si la
restricción no está dramáticamente desalineada con los datos, el
primer efecto predomina.


Var
d (βb1 ) suba.
2
d b
¿Qué efecto predomina? Si la multicolinealidad es muy severa con
FIV muy alto, la varianza cae mucho al imponer la restricción. Si la
restricción no está dramáticamente desalineada con los datos, el
primer efecto predomina.
Si FIV es alto, imponer la restrcción aunque sea “falsa” reduce el
Error Cuadrático Medio ECM(β) b = Var (β)
b + B(β)b 2 ya que la
varianza cae mucho más de lo que aumenta el sesgo.

Bin Aria

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Bin Aria

Cargado por

Copyright:

Formatos disponibles

Econometrı́a

Benjamı́n Villena Roldán

B. Villena ICO8106 4 de junio de 2020 1 / 44

Podemos incorporar información cualitativa por variables binarias o

B. Villena ICO8106 4 de junio de 2020 2 / 44

Podemos incorporar información cualitativa por variables binarias o

B. Villena ICO8106 4 de junio de 2020 2 / 44

Podemos incorporar información cualitativa por variables binarias o

o de manera más compacta X = I[cumple condición]

B. Villena ICO8106 4 de junio de 2020 2 / 44

Consideremos un modelo lineal con una variable cualitativa o dummy,

B. Villena ICO8106 4 de junio de 2020 3 / 44

Consideremos un modelo lineal con una variable cualitativa o dummy,

B. Villena ICO8106 4 de junio de 2020 3 / 44

Consideremos un modelo lineal con una variable cualitativa o dummy,

B. Villena ICO8106 4 de junio de 2020 3 / 44

B. Villena ICO8106 4 de junio de 2020 4 / 44

Resultado básico por MCO en este caso

B. Villena ICO8106 4 de junio de 2020 4 / 44

Resultado básico por MCO en este caso

B. Villena ICO8106 4 de junio de 2020 4 / 44

Luego usamos que el promedio de Y es un promedio ponderado del

B. Villena ICO8106 4 de junio de 2020 5 / 44

Luego usamos que el promedio de Y es un promedio ponderado del

B. Villena ICO8106 4 de junio de 2020 5 / 44

Reemplazando en la ecuación normal 1, se obtiene que

Resultado muy intuitivo: expectativas condicionales se estiman por

B. Villena ICO8106 4 de junio de 2020 6 / 44

¿Qué ocurre si hay múltiples categorı́as? Supongamos que intentamos

B. Villena ICO8106 4 de junio de 2020 7 / 44

Yn = β0 + βs Ds,n + βt Dt,n + βc Dc,n + βd Dd,n + Un

B. Villena ICO8106 4 de junio de 2020 8 / 44

Yn = β0 + βs Ds,n + βt Dt,n + βc Dc,n + βd Dd,n + Un

Ası́ vemos que:

B. Villena ICO8106 4 de junio de 2020 8 / 44

Yn = β0 + βs Ds,n + βt Dt,n + βc Dc,n + βd Dd,n + Un

Ası́ vemos que:

Las variables categóricas se pueden expresar siempre como un

¿Qué significan los coeficientes aquı́?.

B. Villena ICO8106 4 de junio de 2020 9 / 44

¿Qué significan los coeficientes aquı́?.

B. Villena ICO8106 4 de junio de 2020 9 / 44

¿Qué significan los coeficientes aquı́?.

B. Villena ICO8106 4 de junio de 2020 9 / 44

¿Qué significan los coeficientes aquı́?.

B. Villena ICO8106 4 de junio de 2020 9 / 44

¿Qué significan los coeficientes aquı́?.

B. Villena ICO8106 4 de junio de 2020 9 / 44

Alternativa a la normalización anterior es tener un modelo sin

Yn = αs Ds,n + αt Dt,n + αc Dc,n + αd Dd,n + αv Dv ,n + Un

B. Villena ICO8106 4 de junio de 2020 10 / 44

Alternativa a la normalización anterior es tener un modelo sin

Yn = αs Ds,n + αt Dt,n + αc Dc,n + αd Dd,n + αv Dv ,n + Un

Ası́ vemos que:

B. Villena ICO8106 4 de junio de 2020 10 / 44

Alternativa a la normalización anterior es tener un modelo sin

Yn = αs Ds,n + αt Dt,n + αc Dc,n + αd Dd,n + αv Dv ,n + Un

Ası́ vemos que:

Notar que es exactamente el mismo modelo, la información no

B. Villena ICO8106 4 de junio de 2020 10 / 44

En cada uno de estos casos los estimadores MCO serán la versión

bs = Ȳs y βbs = Ȳs − Ȳv

B. Villena ICO8106 4 de junio de 2020 11 / 44