Professional Documents
Culture Documents
para Profesionales
Causas y consecuencias de la
endogeneidad para el estimador de MCO:
variables omitidas y error en las variables
Estimacin con variables instrumentales
(VI). Seleccin de instrumentos.
Propiedades del estimador VI
Contrastes de endogeneidad
Causas y consecuencias de la
endogeneidad para el estimador de MCO:
variables omitidas y error en las variables.
Estimacin con variables instrumentales
(VI). Seleccin de instrumentos.
Propiedades del estimador VI
Contrastes de endogeneidad
Consideramos el
lineal general
modelo de regresin
= 0 + 1 1 + 2 2 + + +
Vale notar que esto slo se verifica si TODOS los regresores son
exgeneos.
focalizamos
en
dos
causas
de
Modelo verdadero
= 0 + 1 1 + 2 2 +
= 0 + 1 1 +
1 = 1 + 1
Causas y consecuencias de la
endogeneidad para el estimador de MCO:
variables omitidas, errores de medida.
Estimacin con variables instrumentales
(VI). Seleccin de instrumentos.
Propiedades del estimador VI
Contrastes de endogeneidad
Dos supuestos,
verificable.
slo
de
ellos
uno
Error no se observa.
Cov , 0 1 = 0
Desarrollando,
Cov , ) Cov( , 0 ) 1 Cov( , = 0
Reemplazamos
muestrales.
los
momentos
poblacionales
,1 =
por
los
=1( )( )
=1( )( )
,0 = ,1
Notemos que si = , esta formula coincide con el
estimador MCO
El estimador de VI es consistente.
bajo
Notar que,
Adems
1
u
i 1
y
n
2
i
nk
2
=
2 ,
i 1
x
0
1 i
nk
lwage educ
Source |
SS
df
MS
-------------+-----------------------------Model | 26.3264193
1 26.3264193
Residual | 197.001022
426 .462443713
-------------+-----------------------------Total | 223.327441
427 .523015084
Number of obs
F( 1,
426)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
428
56.93
0.0000
0.1179
0.1158
.68003
-----------------------------------------------------------------------------lwage |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------educ |
.1086487
.0143998
7.55
0.000
.0803451
.1369523
_cons | -.1851968
.1852259
-1.00
0.318
-.5492673
.1788736
------------------------------------------------------------------------------
Number of obs
F( 1,
426)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
428
88.84
0.0000
0.1726
0.1706
2.0813
-----------------------------------------------------------------------------educ |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------fatheduc |
.2694416
.0285863
9.43
0.000
.2132538
.3256295
_cons |
10.23705
.2759363
37.10
0.000
9.694685
10.77942
-----------------------------------------------------------------------------. predict educ_hat
(option xb assumed; fitted values)
Number of obs
F( 1,
426)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
428
2.84
0.0929
0.0934
0.0913
.68939
-----------------------------------------------------------------------------lwage |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------educ |
.0591735
.0351418
1.68
0.093
-.0098994
.1282463
_cons |
.4411034
.4461018
0.99
0.323
-.4357312
1.317938
-----------------------------------------------------------------------------Instrumented: educ
Instruments:
fatheduc
------------------------------------------------------------------------------
,1 = 0.059
log = 0 + 1 +
. reg lbwght packs
Source |
SS
df
MS
-------------+-----------------------------Model | .997781141
1 .997781141
Residual | 49.4225525 1386 .035658407
-------------+-----------------------------Total | 50.4203336 1387 .036352079
Number of obs
F( 1, 1386)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
1388
27.98
0.0000
0.0198
0.0191
.18883
-----------------------------------------------------------------------------lbwght |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------packs | -.0898131
.0169786
-5.29
0.000
-.1231197
-.0565065
_cons |
4.769404
.0053694
888.26
0.000
4.758871
4.779937
------------------------------------------------------------------------------
Primera etapa
. reg
packs cigprice
Source |
SS
df
MS
-------------+-----------------------------Model | .011648626
1 .011648626
Residual | 123.684481 1386 .089238442
-------------+-----------------------------Total | 123.696129 1387 .089182501
Number of obs
F( 1, 1386)
Prob > F
R-squared
Adj R-squared
Root MSE
=
1388
=
0.13
= 0.7179
= 0.0001
= -0.0006
= .29873
-----------------------------------------------------------------------------packs |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------cigprice |
.0002829
.000783
0.36
0.718
-.0012531
.0018188
_cons |
.0674257
.1025384
0.66
0.511
-.1337215
.2685728
------------------------------------------------------------------------------
Number of obs
F( 1, 1386)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
1388
0.12
0.7312
.
.
.93886
-----------------------------------------------------------------------------lbwght |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------packs |
2.988676
8.698888
0.34
0.731
-14.07573
20.05309
_cons |
4.448136
.9081552
4.90
0.000
2.666629
6.229644
-----------------------------------------------------------------------------Instrumented: packs
Instruments:
cigprice
------------------------------------------------------------------------------
Causas y consecuencias de la
endogeneidad para el estimador de MCO:
variables omitidas, errores de medida.
Estimacin con variables instrumentales
(VI). Seleccin de instrumentos.
Propiedades del estimador VI
Contrastes de endogeneidad
Exgenas: 1
Endgenas: 1
28
29
30
31
2.
1.
2.
Importante:
necesitamos
al
menos
tantos
instrumentos como variables endgenas tenemos
en la ecuacin.
33
MC2E
2 = 20 + 21 1 + 22 2 + 23 3 + 4 24 + 25 5
MC2E
Es necesaria y no suficiente.
35
Algunas observaciones
SS
df
MS
Model
Residual
33.1324581
190.194983
2
425
16.566229
.447517607
Total
223.327441
427
.523015084
lwage
Coef.
educ
exper
_cons
.1094888
.0156736
-.4001744
Std. Err.
.0141672
.0040191
.1903682
t
7.73
3.90
-2.10
Number of obs
F(2, 425)
Prob > F
R-squared
Adj R-squared
Root MSE
P>|t|
0.000
0.000
0.036
=
=
=
=
=
=
428
37.02
0.0000
0.1484
0.1444
.66897
.1373353
.0235733
-.0259939
37
lwage
Coef.
educ
exper
_cons
.0663893
.0154877
.1478413
Instrumented:
Instruments:
Robust
Std. Err.
.0334647
.0041215
.4277165
Number of obs
Wald chi2(2)
Prob > chi2
R-squared
Root MSE
z
1.98
3.76
0.35
P>|z|
0.047
0.000
0.730
=
=
=
=
=
428
17.51
0.0002
0.1298
.67384
.1319789
.0235656
.9861502
educ
exper fatheduc motheduc
38
SS
df
MS
Model
Residual
1006.54298
2903.49686
3
749
335.514328
3.87649781
Total
3910.03984
752
5.19952106
educ
Coef.
exper
motheduc
fatheduc
_cons
.0316688
.1874615
.1867954
8.570545
Std. Err.
.0089348
.0260437
.0245437
.251428
t
3.54
7.20
7.61
34.09
Number of obs
F(3, 749)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
753
86.55
0.0000
0.2574
0.2545
1.9689
P>|t|
0.000
0.000
0.000
0.000
.0141287
.1363343
.1386128
8.076957
.049209
.2385888
.234978
9.064132
39
Causas y consecuencias de la
endogeneidad para el estimador de MCO:
variables omitidas, errores de medida.
Estimacin con variables instrumentales
(VI). Seleccin de instrumentos.
Propiedades del estimador VI
Contrastes de endogeneidad
Noten que
Si tenemos variables explicativas endgenas, el
estimador MCO es inconsistente, pero el
estimador de VI es consistente.
Si no hay variables explicativas endgenas, ambos
estimadores, MCO y VI, son consistentes, pero el
estimador de MCO es de mnima varianza.
Bajo la hiptesis nula (no hay variables exgenas) no
deberamos encontrar diferencias sistemticas entre los
estimadores MCO y de VI.
Parece natural disear un test en base a esta observacin
H0: Todas las variables explicativas son exgenas
H1: alguna variable X es endgena
Test de Hausman
Se basa en comparar si hay diferencias
sistemticas entre el estimador MCO y el
estimador de VI.
Si son muy distintos => problemas con
MCO.
Cmo se implementa...
Si el modelo estructural es = 0 + 1 1 + 2 1 +
1 , en la primer etapa uno estima
1 = 0 + 1 1 + 2 2 +1
= 0 + 1 1 + 2 1 + 1 1 +
Y evaluamos 0 : 1 = 0, 1 : 1 0.
Primera etapa
. reg educ exper motheduc fatheduc
Source
SS
df
MS
Model
Residual
1006.54298
2903.49686
3
749
335.514328
3.87649781
Total
3910.03984
752
5.19952106
educ
Coef.
exper
motheduc
fatheduc
_cons
.0316688
.1874615
.1867954
8.570545
Std. Err.
.0089348
.0260437
.0245437
.251428
t
3.54
7.20
7.61
34.09
Number of obs
F(3, 749)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
753
86.55
0.0000
0.2574
0.2545
1.9689
P>|t|
0.000
0.000
0.000
0.000
.0141287
.1363343
.1386128
8.076957
.049209
.2385888
.234978
9.064132
SS
df
MS
Model
Residual
34.2800885
189.047352
3
424
11.4266962
.445866397
Total
223.327441
427
.523015084
lwage
Coef.
educ
exper
res
_cons
.0689671
.0164092
.0521989
.0921001
Std. Err.
.0289466
.0040378
.0325359
.3609096
t
2.38
4.06
1.60
0.26
Number of obs
F(3, 424)
Prob > F
R-squared
Adj R-squared
Root MSE
P>|t|
0.018
0.000
0.109
0.799
=
=
=
=
=
=
428
25.63
0.0000
0.1535
0.1475
.66773
.1258638
.0243457
.1161507
.8014948
lwage
Coef.
educ
exper
_cons
.0663893
.0154877
.1478413
Instrumented:
Instruments:
Robust
Std. Err.
.0334647
.0041215
.4277165
educ
exper fatheduc motheduc
Number of obs
Wald chi2(2)
Prob > chi2
R-squared
Root MSE
z
1.98
3.76
0.35
P>|z|
0.047
0.000
0.730
=
=
=
=
=
428
17.51
0.0002
0.1298
.67384
.1319789
.0235656
.9861502
Qu instrumento se propone?
49
VARIABLES
end_marr
Observations
R-squared
(1)
std_hhinc
(2)
poor
(3)
inc_non
(4)
inc_woman
(5)
(6)
WORKED Weeks worked
YR
last year
(7)
Hours
worked
last week
-1,717.6***
(17.539)
0.143***
(0.001)
-10,338.5***
(40.734)
3,946.2***
(21.417)
0.152***
(0.002)
8.883***
(0.073)
7.712***
(0.065)
576,664
576,664
576,664
576,664
0.082
0.218
0.125
0.066
Robust standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
576,664
0.068
576,664
0.083
576,664
0.167
50
VARIABLES
D-OLS
R2
D-IV
Observaciones
(1)
Ingreso
Familiar pc
(2)
Pobre
(3)
Ingreso Hogar
no aportado
por Mujer
(4)
Ingreso
Mujer
(5)
Trabaj el
ao pasado
(6)
Semanas
trabajadas el
ao pasado
(7)
Horas
trabajadas
la semana
pasada
-1,717.6***
(17.539)
0.143***
(0.001)
-10,338.5***
(40.734)
3,946.2***
(21.417)
0.152***
(0.002)
8.883***
(0.073)
7.712***
(0.065)
0.167
0.082
0.218
0.125
0.066
0.068
0.083
2,059.4
(1,801.404)
0.156
(0.093)
-3,108.8
(4,066.368)
6,164.8***
(1,938.311)
0.556***
(0.177)
28.330***
(8.020)
20.041***
(6.541)
576,664
576,664
576,664
576,664
576,664
576,664
576,664
51
Primera etapa
VARIABLES
isGirl
(1)
end_marr
0.0075***
(0.001)
Observations
576,664
R-squared
0.054
Robust standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
52
VARIABLES
=1 if near 4 yr college, 1966
=1 if near 2 yr college, 1966
Observations
R-squared
(2)
years of schooling
1976
(3)
years of schooling
1976
0.122
(0.078)
0.321***
(0.085)
0.123
(0.078)
0.320***
(0.085)
3,010
3,010
0.477
0.475
Robust standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
3,010
0.478
54
VARIABLES
Observations
(1)
log(wage)
OLS
(2)
log(wage)
IV (Nearc4)
(3)
log(wage)
IV (Nearc2)
(4)
log(wage)
IV (Ambos)
0.075***
(0.004)
0.132**
(0.054)
0.293
(0.186)
0.157***
(0.052)
3,010
3,010
3,010
3,010
55
Financiamiento pblico
Sobre-inscripcin: aleatorizacin
Quien asiste o no no es aleatorio, pero est altamente
correlacionado con la lotera o aleatorizacin.
56
Modelo:
= 0 + 1 + +
X: diversos controles
D: Asiste o no a charter schoo
First stage
= 0 + 1 + +
L: si gana la lotera o no
Forma Reducida:
= 0 + 1 + +
57
Modelo:
Columna (1):
Efectos heterogneos por etnia
Efectos similares por etnia
Columna (2):
Efectos heterogneos por score
en lnea base.
Programa beneficia a los nios
con desempeo ms bajo en la
LB.
58
Ingeniera Comercial