Sesi
on 5
Enero - 2013
Parte I
Modelo de Variables Instrumentales
Econom
etria I
Variables Instrumentales
Metodo de estimaci
on en dos etapas
Econom
etria I
Variables Instrumentales
Metodo de estimaci
on en dos etapas
Metodo de estimaci
on de momentos
Econom
etria I
Variables Instrumentales
Metodo de estimaci
on en dos etapas
Metodo de estimaci
on de momentos
Post - Estimaci
on
Econom
etria I
Variables Instrumentales
Metodo de estimaci
on en dos etapas
Metodo de estimaci
on de momentos
Post - Estimaci
on
Test de Hausman
Econom
etria I
Variables Instrumentales
Metodo de estimaci
on en dos etapas
Metodo de estimaci
on de momentos
Post - Estimaci
on
Test de Hausman
Test de Sargan
Econom
etria I
Metodos de Estimaci
on
Mnimos Cuadrados en dos etapas
Problema: Correlaci
on entre una o m
as variables explicativas con
los no observables
Econom
etria I
Metodos de Estimaci
on
Mnimos Cuadrados en dos etapas
Problema: Correlaci
on entre una o m
as variables explicativas con
los no observables
La condici
on de ortogonalidad deja de cumplirse ocacionando
que los estimadores via MCO sean insesgados e inconsistentes.
Econom
etria I
Metodos de Estimaci
on
Mnimos Cuadrados en dos etapas
Problema: Correlaci
on entre una o m
as variables explicativas con
los no observables
La condici
on de ortogonalidad deja de cumplirse ocacionando
que los estimadores via MCO sean insesgados e inconsistentes.
y = x +
Econom
etria I
Metodos de Estimaci
on
Mnimos Cuadrados en dos etapas
Problema: Correlaci
on entre una o m
as variables explicativas con
los no observables
La condici
on de ortogonalidad deja de cumplirse ocacionando
que los estimadores via MCO sean insesgados e inconsistentes.
y = x +
E (x 0 ) = 0
Econom
etria I
Metodos de Estimaci
on
Mnimos Cuadrados en dos etapas
Problema: Correlaci
on entre una o m
as variables explicativas con
los no observables
La condici
on de ortogonalidad deja de cumplirse ocacionando
que los estimadores via MCO sean insesgados e inconsistentes.
y = x +
E (x 0 ) = 0
x 0 y = x 0 x + x 0
Econom
etria I
Metodos de Estimaci
on
Mnimos Cuadrados en dos etapas
Problema: Correlaci
on entre una o m
as variables explicativas con
los no observables
La condici
on de ortogonalidad deja de cumplirse ocacionando
que los estimadores via MCO sean insesgados e inconsistentes.
y = x +
E (x 0 ) = 0
x 0 y = x 0 x + x 0
E (x 0 y ) = E (x 0 x) + E (x 0 )
Econom
etria I
Metodos de Estimaci
on
Mnimos Cuadrados en dos etapas
Problema: Correlaci
on entre una o m
as variables explicativas con
los no observables
La condici
on de ortogonalidad deja de cumplirse ocacionando
que los estimadores via MCO sean insesgados e inconsistentes.
y = x +
E (x 0 ) = 0
x 0 y = x 0 x + x 0
E (x 0 y ) = E (x 0 x) + E (x 0 )
= E (x 0 x)1 E (x 0 y )
Econom
etria I
Metodos de Estimaci
on
Mnimos Cuadrados en dos etapas
Problema: Correlaci
on entre una o m
as variables explicativas con
los no observables
La condici
on de ortogonalidad deja de cumplirse ocacionando
que los estimadores via MCO sean insesgados e inconsistentes.
y = x +
E (x 0 ) = 0
x 0 y = x 0 x + x 0
E (x 0 y ) = E (x 0 x) + E (x 0 )
= E (x 0 x)1 E (x 0 y )
Por el principio de analoga (Goldberge 1968, Manski 1968)
Econom
etria I
Metodos de Estimaci
on
Mnimos Cuadrados en dos etapas
Problema: Correlaci
on entre una o m
as variables explicativas con
los no observables
La condici
on de ortogonalidad deja de cumplirse ocacionando
que los estimadores via MCO sean insesgados e inconsistentes.
y = x +
E (x 0 ) = 0
x 0 y = x 0 x + x 0
E (x 0 y ) = E (x 0 x) + E (x 0 )
= E (x 0 x)1 E (x 0 y )
Por el principio de analoga (Goldberge 1968, Manski 1968)
= (x 0 x)1 x 0 y
Juan Carlos Abanto Orihuela
Econom
etria I
Metodos de Estimaci
on
Si no existe exogeneidad (E (x 0 ) 6= 0), entonces existe un
problema de identificaci
on dado que 6= (x 0 x)1 x 0 y , no
pudiendose encontrar una expresi
on para los par
ametros
poblacionales en funci
on de los momentos de las variables
observadas en el modelo, por lo tanto se debe de buscar
variables que cumplan con dos condiciones:
Econom
etria I
Metodos de Estimaci
on
Si no existe exogeneidad (E (x 0 ) 6= 0), entonces existe un
problema de identificaci
on dado que 6= (x 0 x)1 x 0 y , no
pudiendose encontrar una expresi
on para los par
ametros
poblacionales en funci
on de los momentos de las variables
observadas en el modelo, por lo tanto se debe de buscar
variables que cumplan con dos condiciones:
Variables no correlacionadas con el error E (z 0 ) = 0
Econom
etria I
Metodos de Estimaci
on
Si no existe exogeneidad (E (x 0 ) 6= 0), entonces existe un
problema de identificaci
on dado que 6= (x 0 x)1 x 0 y , no
pudiendose encontrar una expresi
on para los par
ametros
poblacionales en funci
on de los momentos de las variables
observadas en el modelo, por lo tanto se debe de buscar
variables que cumplan con dos condiciones:
Variables no correlacionadas con el error E (z 0 ) = 0
Variables altamente correlacionadas con los regresores
estoc
asticos E (z 0 x) 6= 0
Econom
etria I
Metodos de Estimaci
on
Si no existe exogeneidad (E (x 0 ) 6= 0), entonces existe un
problema de identificaci
on dado que 6= (x 0 x)1 x 0 y , no
pudiendose encontrar una expresi
on para los par
ametros
poblacionales en funci
on de los momentos de las variables
observadas en el modelo, por lo tanto se debe de buscar
variables que cumplan con dos condiciones:
Variables no correlacionadas con el error E (z 0 ) = 0
Variables altamente correlacionadas con los regresores
estoc
asticos E (z 0 x) 6= 0
entonces tendramos:
Econom
etria I
Metodos de Estimaci
on
Si no existe exogeneidad (E (x 0 ) 6= 0), entonces existe un
problema de identificaci
on dado que 6= (x 0 x)1 x 0 y , no
pudiendose encontrar una expresi
on para los par
ametros
poblacionales en funci
on de los momentos de las variables
observadas en el modelo, por lo tanto se debe de buscar
variables que cumplan con dos condiciones:
Variables no correlacionadas con el error E (z 0 ) = 0
Variables altamente correlacionadas con los regresores
estoc
asticos E (z 0 x) 6= 0
entonces tendramos:
z 0 y = z 0 x + z 0
Econom
etria I
Metodos de Estimaci
on
Si no existe exogeneidad (E (x 0 ) 6= 0), entonces existe un
problema de identificaci
on dado que 6= (x 0 x)1 x 0 y , no
pudiendose encontrar una expresi
on para los par
ametros
poblacionales en funci
on de los momentos de las variables
observadas en el modelo, por lo tanto se debe de buscar
variables que cumplan con dos condiciones:
Variables no correlacionadas con el error E (z 0 ) = 0
Variables altamente correlacionadas con los regresores
estoc
asticos E (z 0 x) 6= 0
entonces tendramos:
z 0 y = z 0 x + z 0
E (z 0 y ) = E (z 0 x) + E (z 0 )
Econom
etria I
Metodos de Estimaci
on
Si no existe exogeneidad (E (x 0 ) 6= 0), entonces existe un
problema de identificaci
on dado que 6= (x 0 x)1 x 0 y , no
pudiendose encontrar una expresi
on para los par
ametros
poblacionales en funci
on de los momentos de las variables
observadas en el modelo, por lo tanto se debe de buscar
variables que cumplan con dos condiciones:
Variables no correlacionadas con el error E (z 0 ) = 0
Variables altamente correlacionadas con los regresores
estoc
asticos E (z 0 x) 6= 0
entonces tendramos:
z 0 y = z 0 x + z 0
E (z 0 y ) = E (z 0 x) + E (z 0 )
= E (z 0 x)1 E (z 0 y )
Econom
etria I
Metodos de Estimaci
on
Si no existe exogeneidad (E (x 0 ) 6= 0), entonces existe un
problema de identificaci
on dado que 6= (x 0 x)1 x 0 y , no
pudiendose encontrar una expresi
on para los par
ametros
poblacionales en funci
on de los momentos de las variables
observadas en el modelo, por lo tanto se debe de buscar
variables que cumplan con dos condiciones:
Variables no correlacionadas con el error E (z 0 ) = 0
Variables altamente correlacionadas con los regresores
estoc
asticos E (z 0 x) 6= 0
entonces tendramos:
z 0 y = z 0 x + z 0
E (z 0 y ) = E (z 0 x) + E (z 0 )
= E (z 0 x)1 E (z 0 y )
= (z 0 x)1 z 0 y
Juan Carlos Abanto Orihuela
Econom
etria I
Metodos de Estimaci
on
El par
ametro estimado puede expresarse como:
Econom
etria I
Metodos de Estimaci
on
El par
ametro estimado puede expresarse como:
1
vi = + (
n
n
X
zi xi0 )1 (
i=1
n
1X 0
zi i )
n
i=1
Econom
etria I
Metodos de Estimaci
on
El par
ametro estimado puede expresarse como:
1
vi = + (
n
donde
n
X
zi xi0 )1 (
i=1
n
1X 0
zi i )
n
i=1
P
P
n(vi ) = ( n1 ni=1 zi xi0 )1 ( 1n ni=1 zi0 i )
Econom
etria I
Metodos de Estimaci
on
El par
ametro estimado puede expresarse como:
1
vi = + (
n
n
X
zi xi0 )1 (
i=1
n
1X 0
zi i )
n
i=1
P
P
n(vi ) = ( n1 ni=1 zi xi0 )1 ( 1n ni=1 zi0 i )
P
por TLC: ( 1n ni=1 zi0 i ) N(0, Vo ), donde Vo = E (2 z 0 z)
donde
Econom
etria I
Metodos de Estimaci
on
El par
ametro estimado puede expresarse como:
1
vi = + (
n
n
X
zi xi0 )1 (
i=1
n
1X 0
zi i )
n
i=1
P
P
n(vi ) = ( n1 ni=1 zi xi0 )1 ( 1n ni=1 zi0 i )
P
por TLC: ( 1n ni=1 zi0 i ) N(0, Vo ), donde Vo = E (2 z 0 z)
P
por LGN: Mzx = n1 ni=1 zi xi0 = n1 z 0 x
donde
Econom
etria I
Metodos de Estimaci
on
El par
ametro estimado puede expresarse como:
1
vi = + (
n
n
X
zi xi0 )1 (
i=1
n
1X 0
zi i )
n
i=1
P
P
n(vi ) = ( n1 ni=1 zi xi0 )1 ( 1n ni=1 zi0 i )
P
por TLC: ( 1n ni=1 zi0 i ) N(0, Vo ), donde Vo = E (2 z 0 z)
P
por LGN: Mzx = n1 ni=1 zi xi0 = n1 z 0 x
Entonces por el TLC y la LGN:
donde
Econom
etria I
Metodos de Estimaci
on
El par
ametro estimado puede expresarse como:
1
vi = + (
n
n
X
zi xi0 )1 (
i=1
n
1X 0
zi i )
n
i=1
P
P
n(vi ) = ( n1 ni=1 zi xi0 )1 ( 1n ni=1 zi0 i )
P
por TLC: ( 1n ni=1 zi0 i ) N(0, Vo ), donde Vo = E (2 z 0 z)
P
por LGN: Mzx = n1 ni=1 zi xi0 = n1 z 0 x
Entonces por el TLC y la LGN:
1
1 0
n(vi ) N(0, Mzx
Vo (Mzx
))
donde
Econom
etria I
Metodos de Estimaci
on
El par
ametro estimado puede expresarse como:
1
vi = + (
n
n
X
zi xi0 )1 (
i=1
n
1X 0
zi i )
n
i=1
P
P
n(vi ) = ( n1 ni=1 zi xi0 )1 ( 1n ni=1 zi0 i )
P
por TLC: ( 1n ni=1 zi0 i ) N(0, Vo ), donde Vo = E (2 z 0 z)
P
por LGN: Mzx = n1 ni=1 zi xi0 = n1 z 0 x
Entonces por el TLC y la LGN:
1
1 0
n(vi ) N(0, Mzx
Vo (Mzx
))
donde
i=1
Econom
etria I
Metodos de Estimaci
on
En caso de multiples instrumentos se tendr
a las matrices
zN,L ,xN,K , L,K y el estimador ser
a:
Econom
etria I
Metodos de Estimaci
on
En caso de multiples instrumentos se tendr
a las matrices
zN,L ,xN,K , L,K y el estimador ser
a:
y = x +
Econom
etria I
Metodos de Estimaci
on
En caso de multiples instrumentos se tendr
a las matrices
zN,L ,xN,K , L,K y el estimador ser
a:
y = x +
0 z 0 y = 0 z 0 x + 0 z 0
Econom
etria I
Metodos de Estimaci
on
En caso de multiples instrumentos se tendr
a las matrices
zN,L ,xN,K , L,K y el estimador ser
a:
y = x +
0 z 0 y = 0 z 0 x + 0 z 0
= [E (0 z 0 x)]1 [E (0 z 0 y )]
Econom
etria I
Metodos de Estimaci
on
En caso de multiples instrumentos se tendr
a las matrices
zN,L ,xN,K , L,K y el estimador ser
a:
y = x +
0 z 0 y = 0 z 0 x + 0 z 0
= [E (0 z 0 x)]1 [E (0 z 0 y )]
Y por el principio de analoga:
Econom
etria I
Metodos de Estimaci
on
En caso de multiples instrumentos se tendr
a las matrices
zN,L ,xN,K , L,K y el estimador ser
a:
y = x +
0 z 0 y = 0 z 0 x + 0 z 0
= [E (0 z 0 x)]1 [E (0 z 0 y )]
Y por el principio de analoga:
= (0 z 0 x)1 (0 z 0 y )
Econom
etria I
Metodos de Estimaci
on
En caso de multiples instrumentos se tendr
a las matrices
zN,L ,xN,K , L,K y el estimador ser
a:
y = x +
0 z 0 y = 0 z 0 x + 0 z 0
= [E (0 z 0 x)]1 [E (0 z 0 y )]
Y por el principio de analoga:
= (0 z 0 x)1 (0 z 0 y )
= (z 0 z)1 z 0 x
Donde es estimado va dos etapas por
Juan Carlos Abanto Orihuela
Econom
etria I
Metodos de Estimaci
on
El estimador obtenido es el estimador de mnimos cuadrados
en dos etapas (Theil 1953):
Econom
etria I
Metodos de Estimaci
on
El estimador obtenido es el estimador de mnimos cuadrados
en dos etapas (Theil 1953):
MC 2E = (x 0 z(z 0 z)1 z 0 x)1 (x 0 z(z 0 z)1 z 0 y )
Econom
etria I
Metodos de Estimaci
on
El estimador obtenido es el estimador de mnimos cuadrados
en dos etapas (Theil 1953):
MC 2E = (x 0 z(z 0 z)1 z 0 x)1 (x 0 z(z 0 z)1 z 0 y )
Donde:
Econom
etria I
Metodos de Estimaci
on
El estimador obtenido es el estimador de mnimos cuadrados
en dos etapas (Theil 1953):
MC 2E = (x 0 z(z 0 z)1 z 0 x)1 (x 0 z(z 0 z)1 z 0 y )
Donde:
0
1
0
1
1
0
1
n(MC 2E ) N(0, [Mxz
Mzz
Mzx ]1 Mxz
Mzz
Vo Mzz
Mzx [Mxz
Mzz
Mzx ]1 )
Econom
etria I
Metodos de Estimaci
on
El estimador obtenido es el estimador de mnimos cuadrados
en dos etapas (Theil 1953):
MC 2E = (x 0 z(z 0 z)1 z 0 x)1 (x 0 z(z 0 z)1 z 0 y )
Donde:
0
1
0
1
1
0
1
n(MC 2E ) N(0, [Mxz
Mzz
Mzx ]1 Mxz
Mzz
Vo Mzz
Mzx [Mxz
Mzz
Mzx ]1 )
Econom
etria I
Metodos de Estimaci
on
El estimador obtenido es el estimador de mnimos cuadrados
en dos etapas (Theil 1953):
MC 2E = (x 0 z(z 0 z)1 z 0 x)1 (x 0 z(z 0 z)1 z 0 y )
Donde:
0
1
0
1
1
0
1
n(MC 2E ) N(0, [Mxz
Mzz
Mzx ]1 Mxz
Mzz
Vo Mzz
Mzx [Mxz
Mzz
Mzx ]1 )
0
1
n(MC 2E ) N(0, 2 [Mxz
Mzz
Mzx ]1 )
Econom
etria I
Metodos de Estimaci
on
El estimador obtenido es el estimador de mnimos cuadrados
en dos etapas (Theil 1953):
MC 2E = (x 0 z(z 0 z)1 z 0 x)1 (x 0 z(z 0 z)1 z 0 y )
Donde:
0
1
0
1
1
0
1
n(MC 2E ) N(0, [Mxz
Mzz
Mzx ]1 Mxz
Mzz
Vo Mzz
Mzx [Mxz
Mzz
Mzx ]1 )
Donde
2 =
0
1
n(MC 2E ) N(0, 2 [Mxz
Mzz
Mzx ]1 )
1
nk
Pn
i=1
2i y = y x MC 2E
Econom
etria I
Metodos de Estimaci
on
Econom
etria I
Metodos de Estimaci
on
Econom
etria I
Metodos de Estimaci
on
Econom
etria I
Metodos de Estimaci
on
x, ) =
z (y x) = z 0
n
n
i=1
Econom
etria I
Metodos de Estimaci
on
x, ) =
z (y x) = z 0
n
n
i=1
El metodo intentar
a:
Econom
etria I
Metodos de Estimaci
on
x, ) =
z (y x) = z 0
n
n
i=1
El metodo intentar
a:
Min m(z,
x, )0 W 1 m(z,
x, )
Econom
etria I
Metodos de Estimaci
on
Econom
etria I
Metodos de Estimaci
on
Econom
etria I
Metodos de Estimaci
on
Econom
etria I
Metodos de Estimaci
on
Econom
etria I
Metodos de Estimaci
on
Econom
etria I
Test de Sobreidentificaci
on
Cuando el n
umero de instrumentos es mayor al n
umero de
variables ex
ogenas, se puede construir un test para
constrastar la compatibilidad de instrumentos.
Econom
etria I
Test de Sobreidentificaci
on
Cuando el n
umero de instrumentos es mayor al n
umero de
variables ex
ogenas, se puede construir un test para
constrastar la compatibilidad de instrumentos.
De rechazarse la Hip
otesis de validez de los instrumentos, se
deber
a reestructurar el modelo o cambiar los instrumentos.
Econom
etria I
Test de Sobreidentificaci
on
Cuando el n
umero de instrumentos es mayor al n
umero de
variables ex
ogenas, se puede construir un test para
constrastar la compatibilidad de instrumentos.
De rechazarse la Hip
otesis de validez de los instrumentos, se
deber
a reestructurar el modelo o cambiar los instrumentos.
Con MC2E el estadstico a evaluar es el test de Sargan
(1958):
Econom
etria I
Test de Sobreidentificaci
on
Cuando el n
umero de instrumentos es mayor al n
umero de
variables ex
ogenas, se puede construir un test para
constrastar la compatibilidad de instrumentos.
De rechazarse la Hip
otesis de validez de los instrumentos, se
deber
a reestructurar el modelo o cambiar los instrumentos.
Con MC2E el estadstico a evaluar es el test de Sargan
(1958):
0 Pz
sargan = 0 2LK
n
Econom
etria I
Test de Sobreidentificaci
on
Cuando el n
umero de instrumentos es mayor al n
umero de
variables ex
ogenas, se puede construir un test para
constrastar la compatibilidad de instrumentos.
De rechazarse la Hip
otesis de validez de los instrumentos, se
deber
a reestructurar el modelo o cambiar los instrumentos.
Con MC2E el estadstico a evaluar es el test de Sargan
(1958):
0 Pz
sargan = 0 2LK
n
Donde Pz = z 0 (z 0 z)1 z 0
Econom
etria I
Test de Sobreidentificaci
on
Cuando el n
umero de instrumentos es mayor al n
umero de
variables ex
ogenas, se puede construir un test para
constrastar la compatibilidad de instrumentos.
De rechazarse la Hip
otesis de validez de los instrumentos, se
deber
a reestructurar el modelo o cambiar los instrumentos.
Con MC2E el estadstico a evaluar es el test de Sargan
(1958):
0 Pz
sargan = 0 2LK
n
Donde Pz = z 0 (z 0 z)1 z 0
Cuando la estimaci
on es mediante GMM, el test a evaluar es
el de Hansen (1982):
Econom
etria I
Test de Sobreidentificaci
on
Cuando el n
umero de instrumentos es mayor al n
umero de
variables ex
ogenas, se puede construir un test para
constrastar la compatibilidad de instrumentos.
De rechazarse la Hip
otesis de validez de los instrumentos, se
deber
a reestructurar el modelo o cambiar los instrumentos.
Con MC2E el estadstico a evaluar es el test de Sargan
(1958):
0 Pz
sargan = 0 2LK
n
Donde Pz = z 0 (z 0 z)1 z 0
Cuando la estimaci
on es mediante GMM, el test a evaluar es
el de Hansen (1982):
o1 m(z,
J = nm(z,
x, EGMM )0 V
x, EGMM ) 2LK
Juan Carlos Abanto Orihuela
Econom
etria I
Econom
etria I
Econom
etria I
La hip
otesis a testear ser
a H0 : vi mco
Econom
etria I
La hip
otesis a testear ser
a H0 : vi mco
)0 V (vi mco
)1 (vi mco
) 2
H = (vi mco
))
rank(V (vi )V (mco
Econom
etria I
La hip
otesis a testear ser
a H0 : vi mco
)0 V (vi mco
)1 (vi mco
) 2
H = (vi mco
))
rank(V (vi )V (mco
Econom
etria I