ASESORIA MATEMATICA WOLFMATH

ECONOMETRIA
CICLO 2020-II
FICHA DE EJERCICIOS N°8

TEMAS: ERRORES DE ESPECIFICACION

OMISION DE VARIABLES RELEVANTES
EXCESO DE VARIABLES IRRELEVANTES

1. Comente la veracidad de las siguientes afirmaciones:

a) La omisión de una variable relevante siempre sesga la estimación MCO de 𝛽.
b) El estimador por MCO de 𝜎𝜇2 es sesgado cuando se han omitido variables relevantes, incluso si estas
son ortogonales a las sí incluidas.
c) Cuando hay exceso de variables, el estimador MCO es sesgado si las variables en exceso están
fuertemente correlacionadas con las variables correctas.
d) La única forma de eliminar correctamente una variable es si se cuenta con exceso de variables. Sin
embargo, si se tiene exceso de variables, la varianza del estimador MCO es más grande a la óptima,
lo que llevaría a t-calculados más bajos y, por lo tanto, se tendería a eliminar variables.
e) La omisión de una variable irrelevante es una fuente de heterocedasticidad.
f) En caso de duda frente al valor t-calculado de una variable explicativa es mejor eliminar la variable que
dejar la variable en el modelo.
g) El estimador de 𝜎 2 se reduce al incrementar una variable explicativa innecesaria.
h) Si el investigador no incorpora el intercepto es la estimación de su modelo cuando debió de haberlo
incluido; no tendrá los usuales problemas de omisión de variables, pues el intercepto no es de hecho
una explicativa en la misma forma que el resto de las Xs lo son. Sin embargo, no incorporar el intercepto
sigue siendo erróneo.
2
i) Un 𝑅𝑔2 y 𝑅𝑆𝑇 alto no significa que no existe sesgo de variable omitida.

2. Se tiene el siguiente modelo 𝑌 = 𝛽1 𝑋1𝑡 + 𝛽2 𝑋2𝑡 + 𝛽3 𝑍𝑡 + 𝜇𝑡 donde 𝜇𝑡 es un ruido blanco. Es decir

Cov (𝜇𝑡 , 𝜇𝑡−1 ) = 0. Si el investigador trabajo con el siguiente modelo 𝑌 = 𝛽1 𝑋1𝑡 + 𝛽2 𝑋2𝑡 + 𝜀𝑡
Demuestre que la Cov (𝜇𝑡 , 𝜇𝑡−1 ) ≠ 0, ¿Qué implicancias se tendría si se intentara detectar AR (1)?
PC 03 CICLO 2018-1

3. Analice las propiedades del estimador por MCO de un modelo que presenta PEC y omisión de variables
relevantes.

4. Una interpretación alternativa que se le puede atribuir al sesgo del estimador por MCO en un modelo en
el que se han omitido variables relevantes es: “Es el claro reflejo del intento de las variables no incluidas
de recoger el efecto de las sí incluidas sobre la variable endógena”. PC 03 CICLO 2017-0

5. Miriam va a presentar su trabajo de tesis sobre exportaciones de café, en donde busca encontrar los
factores determinantes de las variaciones del precio (expresado como logaritmo de los precios del café).
Sin embargo, cuando corre el modelo usando Eviews obtiene un 𝑅 2 general muy bajo con las variables
que señala la bibliografía revisada, por lo que añade 3 variables mas (que no se encuentran presentes en
los antecedentes revisados) con la finalidad de aumentar el valor de este indicador. Explique usted.
a) Los efectos sobre las pruebas de hipótesis bajo la suposición de que Miriam tiene un modelo nuevo con
exceso de variables.
b) ¿Cómo se ve afectada la interpretación de los valores estimados cuando ocurre este fenómeno?

MODALIDAD VIRTUAL
6. Durante una charla econométrica se habló sobre los problemas de omisión de variables como también de
los problemas de autocorrelación de manera independiente. La audiencia sabe que usted conoce
claramente los problemas de cada uno de ellos, por lo que le preguntan cuales serían las propiedades del
estimador cuando ocurren al mismo tiempo los problemas de omisión de variables y AR (2) truncado. Se
le pide demostrar detalladamente las propiedades del estimador ante este escenario y, luego, compararlos
con las propiedades si solo hubiese omisión de variables. PC 04 CICLO 2019-1
7. Un investigador tiene un modelo con cuatro variables explicativas en el que se cumplen todos los supuestos
del MLG, aunque él no lo sabe. Sin embargo, antes de aplicar MCO, su compañero lo convence de que
una de las variables (digamos 𝑥3 ) debería ser reemplazada con una quinta (𝑥5 ). Explique los problemas
que podrían suscitarse con los estimadores MCO de este nuevo modelo. Céntrese en las propiedades de
los estimadores asociados a los parámetros de cada variable. EF CICLO 2014-0
8. Diego olvida incluir el intercepto en la estimación de los parámetros de un modelo que cumplía todos los
supuestos. Se pide:
a) Evalúe las propiedades del estimador obtenido.
b) ¿Cambiaria su respuesta en a) si sabe que la sumatoria de los datos de cada variable explicativa incluida
por Diego es siempre igual a cero para la muestra con la que cuenta? PC 03 CICLO 2014-1

NOTA: La mayoría de los problemas en esta hoja han sido extraídos de prácticas calificadas, prácticas dirigidas elaboradas
por el Prof. Jorge Cortez C. y que han sido tomado en el curso de Econometría dictado en la carrera profesional de Economía
y Negocios Internacionales de la U. ESAN.