VIOLACION DEL SUPUESTO DE CORRECTA ESPECIFICACION

DEL MODELO: CAUSAS, CONSECUENCIAS, DETECCION Y

CORRECCION
SUPUESTO MCRL: EL MODELO ESTA CORRECTAMENTE ESPECIFICADO

CAUSAS DE SESGO DE ESPECIFICACION:

OMISION DE UNA VARIABLE RELEVANTE:
Yt = 1 + 2 X2t + 3 X3t + Ut
MODELO CORRECTO
Yt = 1 + 2 X2t + Vt
2 = 2 + 3 32 + ERROR

MODELO AJUSTADO
2 PUEDE SOBREESTIMAR O
SUBESTIMAR EL EFECTO DE
X2t SOBRE Yt.

X3t = f (X2t)

INCLUSION DE VARIABLES IRRELEVANTES:

Yt = 1 + 2 X2t + 3 X2t2 + Ut
MODELO CORRECTO
Yt = 1 + 2 X2t + 3 X2t2 + 4 X2t3 + Vt

MODELO AJUSTADO

Ut = Vt - 4 X2t3

INCORRECTA FORMA FUNCIONAL:

Yt = 1 + 2 Xt + 3 X2t + Ut
MODELO CORRECTO
Yt = 1 + 2 Xt + Vt

MODELO AJUSTADO

ERRORES DE MEDICION:
Yt = 1 + 2 X2t + 3 X3t + Ut

MODELO CORRECTO

Y*t = *1 + *2 X*2t + *3 X*3t + U*t

USANDO Y*t =Yt + et, y X*it=Xit + wit

INCORRECTA ESPECIFICACION DEL TRMINO DE ERROR:

Yt = 2 Xt Ut
VERSUS
Yt = 2 Xt + Ut

J. Ramoni Perazzi
Econometra I

Captulo 13. 1

CONSECUENCIAS DE LOS ERRORES DE ESPECIFICACION:

OMISION DE UNA VARIABLE RELEVANTE (ESPECIFICACION
INSUFICIENTE):
Yt = 1 + 2 X2t + 3 X3t + Ut
MODELO CORRECTO
Yt = 1 + 2 X2t + Vt

MODELO AJUSTADO

SI X3 ESTA CORRELACIONADA CON X2 (23 0) LOS PARAMETROS

ESTIMADOS SON SESGADOS E INCONSISTENTES , ES DECIR E( i )i

SI LAS VARIABLES X2 Y X3 NO ESTAN CORRELACIONADAS, SOLO 1

SERA SESGADO.

LA VARIANZA DE LOS RESIDUOS Y LA VARIANZA DE LOS

PARAMETROS NO ESTA CORRECTAMENTE ESTIMADA.

LOS INTERVALOS DE CONFIANZA, LAS PRUEBAS DE HIPOTESIS Y

LOS PRONOSTICOS PUEDEN NO SER CONFIABLES.

NUNCA ELIMINE DEL MODELO UNA VARIABLE SI LA TEORIA ECONOMICA

QUE SUSTENTA DICHO MODELO LA CONSIDERA COMO RELEVANTE

INCLUSION DE VARIABLES IRRELEVANTES (SOBRE-IDENTIFICACION DEL

MODELO):

LOS ESTIMADORES MCO SIGUEN SIENDO INSESGADOS Y

CONSISTENTES

LA VARIANZA 2 ESTA CORRECTAMENTE ESTIMADA

LOS ESTIMADORES MCO SON INEFICIENTES, POR LO QUE LAS

PRUEBAS DE HIPOTESIS SON MENOS PRECISAS

ERRORES DE MEDICION EN Y:
Y*i= + Xi + ui
DONDE Y*i NO PUEDE SER MEDIDA, POR LO QUE EN SU LUGAR SE UTILIZA
Yi= Y*i + i DE MODO QUE SE ESTIMA
Yi= + Xi + ui + i = + Xi + vi

J. Ramoni Perazzi
Econometra I

Captulo 13. 2

LOS PARAMETROS SERAN INSESGADOS Y CONSISTENTES PERO

SUS VARIANZAS SERAN MAS GRANDES.

ERRORES DE MEDICION EN X:
Yi= + X*i + ui
DONDE X*i NO PUEDE SER MEDIDA, DE MODO QUE SE USA Xi= X*i + wi
SE ESTIMA Yi= + (Xi - wi )+ ui = + Xi + (ui - wi) = + Xi + zi
LOS ESTIMADORES MCO SON SESGADOS E INCONSISTENTES

INCORRECTA ESPECIFICACION DEL TRMINO DE ERROR:

LOS ESTIMADORES SERAN SESGADOS

DETECCION DE ERROR DE ESPECIFICACION:

PRUEBA t PARA DETECTAR LA PRESENCIA DE VARIABLES

INNECESARIAS. EN TODO CASO RECUERDESE QUE LA TEORIA
DEBE PREVALECER.

USAR R2, R2 ADJUSTADO, VALORES t y F, SIGNO DE LOS

COEFICIENTES,
ESTADISTICO
DURBIN-WATSON1,
COMPORTAMIENTO DE LOS RESIDUOS PARA DETECTAR LA
OMISION DE VARIABLES RELEVANTES O INCORRECTA FORMA
FUNCIONAL.

FORMA ITERATIVA: INCORPORAR PROGRESIVAMENTE VARIABLES

AL MODELO Y EVALUAR EL MISMO EN CADA PASO

SI SE CREE QUE EL PROBLEMA TIENE SU ORIGEN EN LA OMISION DE UNA VARIABLE

RELEVANTE, COMPARE EL VALOR DE DW ENTRE DOS REGRESIONES CON Y SIN DICHA
VARIABLE. SI EL DW MEJORA CON LA INCORPORACION DE LA VARIABLE, SE TRATA DE
MALA ESPECIFICACION Y NO PURA AUTOCORRELACION
J. Ramoni Perazzi
Captulo 13. 3
Econometra I

TEST FORMALES2:

A) PRUEBA RESET
ESPECIFICACION EN
ERROR TEST):

DE RAMSEY (PRUEBA DE ERROR DE

REGRESION: REGRESSION SPECIFICATION

i
REGRESE Yi = 1 + 2 Xi + ui. OBTENGA R2VIEJO y

RE-ESTIME LA REGRESION COMO SIGUE

i + 4 i 2 + 5 i 3 + ui Y OBTENGA R2NUEVO
Yi = 1 + 2 Xi + 3

CALCULE
PARA

F=

( R 2 AMPLIADO R 2 RESTRINGIDO ) /( m )
Fm, n-k
(1 R 2 AMPLIADO ) /( n k )

m= NUMERO DE NUEVOS REGRESORES

k= NUMERO DE PARAMETROS EN EL MODELO NUEVO

SI F > F RECHACE LA HIPOTESIS NULA DE QUE EL MODELO

ESTA CORRECTAMENTE ESPECIFICADO.

EJEMPLO: PARA EL MODELO DE TCP:

Ramsey RESET Test:
F-statistic
Log likelihood ratio

68.30805
104.8353

Prob. F(2,183)
Prob. Chi-Square(2)

0.0000
0.0000

B) PRUEBA DEL MULTIPLICADOR DE LAGRANGE (ML) PARA AGREGAR

VARIABLES:
SE QUIERE DETERMINAR SI ES CONVENIENTE INCORPORAR UNA
NUEVA VARIABLE Z AL MODELO

REGRESE Yt = 1 + 2 Xt + ut. OBTENGA LOS RESIDUOS u t

ESTIME LA REGRESION NO RESTRINGIDA

u t = 1 + 2 Xt + 3 Zt + vt Y OBTENGA R2

CALCULE

n R2 2 m

m= NUMERO DE RESTRICCIONES

EXISTEN OTROS TEST AL RESPECTO: COX, MIZON-RICHARD, P-TEST, AJ-TEST.

J. Ramoni Perazzi
Econometra I

Captulo 13. 4

SI CALCULADO > TABULADO RECHACE LA HIPOTESIS NULA DE QUE EL

MODELO RESTRINGIDO ESTA CORRECTAMENTE ESPECIFICADO.
DE MANERA SIMILAR SE PUEDE PROBAR SI ALGUNA VARIABLE INCLUIDA
ES REDUDANTE.
C) J-TEST DE FORMA FUNCIONAL DE DAVIDSON MACKINNON: PERMITE
DETERMINAR ENTRE DOS MODELOS, CUAL ES EL MAS APROPIADO.
ASUMA:
MODELO A:

Yt= 1 + 2 X2t + 3 X3t + ut

MODELO B :

Yt = 1 + 2 Z2t + 3 Z3t + ut

ESTIME EL MODELO B Y OBTENGA t

ESTIME EL MODELO A INCORPORANDO LAS ESTIMACIONES
OBTENIDAS EN EL PASO ANTERIOR

Yt= 1 + 2 X2t + 3 X3t + t + ut

USANDO UNA PRUEBA t, PRUEBE LA HIPOTESIS DE =0.

SI NO SE RECHAZA H0, SE CONCLUYE QUE EL MODELO A ES
EL VERDADERO.

CRITERIOS DE SELECCIN DE MODELOS:

a. R2: A MAYOR VALOR MEJOR AJUSTE.
TENTACION DE MAXIMIZAR EL R2
ELLO PUEDE SER PENALIZADO UTILIZANDO EL R2 AJUSTADO
b. AKAIKE: MEJOR MODELO CON MENOR AIC
AIC= e 2 k / n

SCE
n

c. SCHWARZ: MEJOR MODELO CON MENOR SIC

SIC= n k / n

J. Ramoni Perazzi
Econometra I

SCE
n

Captulo 13. 5

CUADRO RESUMEN
PROBLEMA
Multicolinealidad

CONSECUENCIAS
Perfecta: No se
puede estimar
(Siempre presente
No perfecta:
en datos no
Estimadores siguen
experimentales)
siendo MELI pero:
Pequeos cambios
en datos alteran
sustancialmente
parmetros
estimados.
Varianza de
coeficientes puede no
ser pequea (mnima
pequea).
Coeficientes pueden
tener signos
incorrectos.
Heteroscedasticidad Estimador lineal e
insesgado pero
Var [i xi] = i2
2
ineficiente
= i
E[X] =

DETECCIN
Situacin general

SOLUCIN
Usar datos panel

FIV = 1 / (1-R223)

Transformar o
eliminar
variables?

ndice de condicin
(IC):

Mximo valor propio

Mnimo valor propio
Matrices de correlacin
Regresiones auxiliares

Test de White
Test de GoldfeldQuandt
Test de BreuschPagan/Godfrey
Wald test

Cov (utut-1) 0

Estimador lineal e
insesgado pero
ineficiente

Ridge regression
br=[XX+rD]-1Xy
donde D es
matriz diagonal

Autocorrelacin

Variables
latentes
(componentes
principales)

Test de BreuschGodfrey

Transformacin
logartmica
Mnimos
Cuadrados
Generalizados
(MCG o GLS)
Transformacin
de White
Correcta
especificacin (si
es la causa)

Test de Box-Pierce
R2 sobre-estimado
Test de Durbin-Watson

Modelos en
diferencia o
cuasi-diferencia
(MCG)
Tendencia

Sesgo de
especificacin

Estimadores
sesgados e
inconsistentes

Anlisis general
Ramsey RESET test

Transformacin
de Newey - West
Obvias
Variables
latentes

Test del mutiplicador

de Lagrange
J. Ramoni Perazzi
Econometra I

Captulo 13. 6