Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Irapuato, Gto
I. CONCEPTO
Para estimar el parámetro β1, evitando el sesgo de endogeneidad, una posibilidad es buscar
una variable instrumento para la educación que cumpla las siguientes condiciones:
1. Que esté incorrelacionada con la perturbación ui del modelo. En nuestro caso, ello
exigiría que la variable instrumento estuviera incorrelacionada con la destreza
individual. Si no se cumple esta condición el estimador por variables instrumentales
no sería consistente (habría un sesgo de endogeneidad que no disminuiría al aumentar
el tamaño muestral).
2. Que tenga una correlación alta con el regresor endógeno, en nuestro caso, con la
variable educación. La eficiencia del estimador por variables instrumentales está
directamente relacionada con la correlación entre ambas variables.
Para el modelo de nuestro ejemplo, una opción a veces utilizada en la literatura del mercado
de trabajo consiste en utilizar la variable educación de la madre (mothereduc) como variable
instrumento. Previsiblemente la educación de la madre estará correlacionada con la variable
educación aunque es más discutible que la variable mothereduc esté incorrelacionada con la
destreza individual y, por lo tanto, con la perturbación ui del modelo. El problema, por otra
parte, habitual en el contexto de variables instrumentales, es que, al ser la variable ui no
observable, no es posible contrastar empíricamente la condición de incorrelación entre el
instrumento y la perturbación y dicha condición es crítica para que el estimador por variables
instrumentales sea consistente. Esta condición, habitualmente, ha de establecerse basada en
razonamientos económicos o intuitivos.
Para expresar las ecuaciones del estimador por variables instrumentales vamos a denotar
como yia la variable dependiente (logaritmo del salario), xial regresor endógeno y como zi al
instrumento escogido. En este caso, las ecuaciones del estimador por mínimos cuadrados
ordinarios (MCO) vienen dadas por :
o, en forma matricial:
Por otro lado, las ecuaciones por variables instrumentales vienen dadas por:
Una opción, utilizada habitualmente para mejorar la eficiencia del estimador (en el sentido
de minimizar la varianza), es calcular el estimador por variables instrumentales a través de
dos conjuntos de regresiones:
1. Una regresión inicial por cada regresor endógeno del modelo, como variable
dependiente, sobre el conjunto de todos los instrumentos disponibles como variables
independientes. Lógicamente, el conjunto de instrumentos debe ser mayor o igual que
el número de regresores endógenos.
2. Una regresión final posterior donde se sustituyen directamente los regresores
endógenos por las estimaciones de cada uno obtenidas en las regresiones anteriores.
Como consecuencia, se sustituye como variable independiente a cada regresor
endógeno por la combinación lineal óptima obtenida a partir del conjunto de
instrumentos.
Ct = β0 + β1Yt + β2Ct - 1 + u t
ut = put-1 + εt
La variable Yt es la renta mientras que la verdadera innovación (ruido blanco) del modelo es
εt, por lo que la perturbación utde la ecuación de consumo presenta autocorrelación y, como
consecuencia, ut está correlacionada con el regresor Ct-1 (es un regresor endógeno). Los
posibles instrumentos de Ct-1 pueden ser retardos de la variable renta ya que cumplen las dos
condiciones exigidas:
Ct-1.
Si escogemos Yt-1 e Yt-2 como instrumentos del regresor endógeno Ct-1, el estimador MC2E
consistiría en realizar los siguientes pasos:
Ct-1 = γ0 + γ1 Yt-1 + γ2 Yt - 2 + vt
Si las hipótesis sobre el comportamiento de la renta son correctas, la estimación del parámetro
β2 en la última regresión será consistente aunque haya autocorrelación en las perturbaciones.
Además, dentro de todos los posibles estimadores por variables instrumentales obtenidos
combinando los instrumentos Yt-1 e Yt-2, el estimador MC2E será el más eficiente.
Para terminar, es importante señalar que este método de estimación (MC2E) resulta
especialmente útil cuando se estiman modelos multiecuacionales con varias ecuaciones y
variables dependientes a la vez. En estos casos, resulta habitual la disponibilidad de varios
instrumentos y, por lo tanto, es fácil la obtención del estimador MC2E.