Microeconometría

PAOLA RIOS
VARIABLES INSTRUMENTALES
 Educación Tamaño de la familia

¿cuáles son las variables omitidas? Experimentos

¿Qué otros problemas podemos naturales
encontrar en la estimación?

Solución: Gemelos
• El supuesto fundamental para tener consistencia en los estimadores de MCO es que el
término de error no puede estar correlacionado con los regresores

En este caso se tienen regresores exógenos

• Cuando el anterior supuesto no se cumple no podemos tener una interpretación causal

del estimador de MCO

En este caso se tienen regresores endógenos

¿Cuáles son las fuentes de los regresores endógenos?

• Variables omitidas
• Errores de medición en los regresores
• Simultaneidad entre X y Y

está correlacionado con , ecuación 1 y por lo tanto

Las variables instrumentales pueden corregir el problema de regresores
endógenos

El estimador de variables instrumentales genera un estimador

consistente cuando el instrumento está correlacionado con el regresor
y satisface que

El instrumento debe estar relacionado con la variable endógena pero no

debe estar relacionado con la variable resultado.
Asumimos la existencia de al menos variables instrumentales de que satisface el
supuesto de que

Se debe cumplir la condición que los instrumentos sean por lo menos iguales al
número de variables endógenas (just-identified/overidentified)

Los instrumentos necesitan estar correlacionados con de manera tal que puedan
proveer información de las variables que están siendo instrumentadas.

Cada componente de debe satisfacer la condición :

Reescribiendo 1

es un instrumento ideal para el mismo y es el instrumento de y los instrumentos

satisface la restricción .

Cuando el instrumento no es relevante:

La estimación se vuelve menos precisa, los errores estándar se vuelven más grandes los
estadísticos t más pequeños. Se requeriría mejores instrumentos o más datos.

Aunque los estimadores siguen siendo consistentes, se pueden generar aproximaciones

pobres de la distribución real del estimador de variables instrumentales.
 y x
El instrumento debe ser lo
Supuesto de exclusión suficientemente fuerte

z
Supuesto de independencia

Se debe cumplir que:

1. El instrumento es relevante, es lo suficientemente fuerte. Podemos testearlo

2. El instrumento es aleatorio o “tan bueno como si fuera aleatorio”. Supuesto de
independencia. Podemos testearlo
3. El instrumento no se correlaciona con la variable dependiente. Supuesto de
exclusión. .No podemos testearlo.
Experimentos Naturales
Ejemplo 1:
Attanasio y Vera-Hernández (2004) - Hogares comunitarios de Bienestar
Familiar (HCBF).

El objetivo es identificar el impacto del programa HCBF en la salud de los niños

El programa funciona en muchas zonas del país

Instrumento: Distancia del hogar al HCBF y la distancia promedio del municipio.

El instrumento está relacionado con la elección de participación en el hogar, pero

no está relacionado con los resultados nutricionales.

Una vez se tenga un instrumento se estima mínimos cuadrados en dos etapas.

La primera etapa consiste en estimar el efecto de la
variable instrumental sobre la participación .

𝑝 𝑖= 𝛽 0+ 𝛽1 𝑍 𝑖 +𝑢𝑖

La segunda etapa se toman los valores estimados de la

participación para estimar el impacto en la variable de
interés .

^𝑖 + 𝜀 𝑖
𝑦 𝑖 =𝛼 0 +𝛼1 𝑝
Experimentos aleatorios
Ejemplo 2:
Banerjee, Abhijit V.; Banerji, Rukmini; Duflo, Esther; Glennerster, Rachel; and Khemani,
Stuti: “Pitfalls of Participatory Programs: Evidence from a Randomized Evaluation in
Education in India”.

El objetivo es identificar el impacto de tres intervenciones en los resultados educativos de los

niños

La selección de quienes iban y no iban a recibir la intervención se hizo de manera aleatoria.

Tres intervenciones:
1. Brindar información acerca de tutorías brindadas por el sector público
2. Intervención 1+ entrenamiento a personas de la comunidad para administrar tests de
lectura y para que los niños adoptaran unas tarjetas de reporte para ver sus avances en
lectura
3. Intervención 2+ campamentos de lectura
Experimentos aleatorios
¿Cuál es el efecto de asistir a un campamento en los niveles de lectura de los niños?

Instrumento: haber sido asignado al tratamiento 3

La primera etapa consiste en estimar el efecto de la variable instrumental sobre la

participación en el campamento de lectura .

La segunda etapa se toman los valores estimados de la participación para estimar el impacto
en los niveles de lectura
 Ejemplos
variables
instrumentales

Experimentos
naturales

Fuente: Angrist & Kruger (2001)

 Ejemplos
variables
instrumentales

Experimentos
aleatorios
Fuente: Angrist & Kruger (2001)
sex

readlv

t.school
Pruebas:
1. Endogeneidad
2. Instrumentos débiles
3. Pruebas t, supuesto de independencia
4. Supuesto de exclusión para overdientified models

1. Prueba de endogeneidad:

Cuando la diferencia entre los estimadores MCO y de VI es muy pequeña, no es necesario emplear
un instrumento y podemos concluir que el regresor es exógeno.

Empleamos el test de Hausman y este compara los coeficientes del modelo MCO y VI. El estadístico
del test se distribuye como (1) bajo la hipótesis nula de que el regresor es exógeno

Este test es apropiado para un modelo con errores homocedásticos.

1. Prueba de endogeneidad:

Stata emplea el Durbin-Wu-Hausman test en donde no es necesario el supuesto

de errores homocedásticos.

es el error de la ecuación de primer orden

El test asume que la es que la variable es exógena y por lo tanto .

Se asume que la variable corresponde al vector de residuos de la ecuación de
primer orden.
2. Instrumentos débiles:

• Valores bajos en los valores del R2 y de la prueba de significancia conjunta de los

instrumentos- prueba F (regla del dedo gordo- el valor de la prueba F 0.10)

• Tests de Stock y Yogo

La es que los instrumentos son débiles en contra de la alternativa que son fuertes

Test 1 –los instrumentos débiles generan que los estimadores de las variables
instrumentales estén sesgados (debemos escoger el sesgo máximo que estamos
dispuestos a tolerar)

Test 2-Los parámetros estimados por los estimadores de VI pueden sufrir de distorsiones
de tamaño severas (debemos escoger la máxima tasa de rechazo de un test nominal de
wald del 5% que estamos dispuestos a tolerar)

• Pruebas de correlación para overidentified models

3. Pruebas t supuesto de independencia:

El instrumento debe ser tan bueno como una variable aleatoria. Se

pueden emplear pruebas t para identificar si hay diferencias en las
medias de las variables observables con respecto a la variable
instrumental.
4. Supuesto de exclusión para overdientified models:

Empleando el Hansen Test podemos probar el test de exclusión cuando tenemos

overidentified models, en este caso los parámetros deben ser estimados por el
Método Generalizado de Momentos.

La es que todos los instrumentos son válidos.

Cuando se rechaza la se puede tener un indicador de que al menos uno de los

instrumentos no es válido. El rechazo también se puede dar cuando no hay una
buena especificación del modelo

Para parámetros estimados por MCO2E se puede emplear los test de Sargan y
Basmann.
Medical Expenditure Panel Survey- US
Mayores de 65 que califican para recibir MEDICARE. Para el tiempo en que se tomó la DATA
MEDICARE no cubría los gastos de medicamentos

Ldrugexp : log del gasto total de bolsillo en medicamentos

Hi_empunion: variable dummy si tienen seguro de salud de un empleador o un sindicato
Totchr: number of chronic conditions

Ssiratio: radio del ingreso de la seguridad / todas las fuentes de ingreso del individuo
Lowincome: estatus de bajo ingreso
Firmsz: tamaño de las firmas
Multlc: indica si la firma es un operador grande y tiene múltiples locaciones

Fuente: Cameron y Trivedi (2009)