Clase 18

Econometrı́a

Tomás Rau
Binder

Omisión de
Variables
Relevantes
Clase 18
Impacto sobre el
Insesgamiento
Impacto sobre la
Econometrı́a
Varianza
Ejemplo

Inclusión de
Variable Tomás Rau Binder
Irrelevantes
Impacto sobre
Insesgamiento
Impacto sobre
Varianza
Ejemplo
29 de mayo
 Contenidos

Clase 18
Econometrı́a

Tomás Rau
Binder

Omisión de
1 Omisión de Variables Relevantes
Variables
Relevantes
Impacto sobre el Insesgamiento
Impacto sobre el
Insesgamiento
Impacto sobre la Varianza
Impacto sobre la
Varianza Ejemplo
Ejemplo

Inclusión de
Variable
Irrelevantes 2 Inclusión de Variable Irrelevantes
Impacto sobre
Insesgamiento Impacto sobre Insesgamiento
Impacto sobre
Varianza
Ejemplo
Impacto sobre Varianza
Ejemplo
 Omisión de Variables Relevantes

Clase 18
Econometrı́a La clase pasada vimos el siguiente modelo poblacional
Tomás Rau
Binder (expresado en desvı́os con respecto a la media):
Omisión de
Variables Y = X1 β1 + X2 β2 + u
Relevantes
Impacto sobre el
Insesgamiento
Impacto sobre la
Suponga ahora que el investigador se equivoca y estima el
Varianza
Ejemplo
siguiente modelo:
Inclusión de Y = X1 β1 + u
Variable
Irrelevantes
Impacto sobre Vimos que MCO de β1 en el modelo incompleto es en general
Insesgamiento
Impacto sobre
Varianza
sesgado:
Ejemplo

E (β̂1 ) = β1 + (X1′ X1 )−1 X1′ X2 β2

= β1 + Z β2

También es inconsistente:
 Omisión de Variables Relevantes

Clase 18
Econometrı́a Para la consistencia hacemos un desarrollo parecido pero con
Tomás Rau
Binder
plim en lugar de esperanza.
Omisión de
Variables
β̂1 = β1 + (X1′ X1 )−1 X1′ X2 β2 + (X1′ X1 )−1 X1′ u
Relevantes
Impacto sobre el
Insesgamiento
Impacto sobre la
por lo cual:
Varianza
Ejemplo
1 1
Inclusión de plimβ̂1 = β1 + (plim X1′ X1 )−1 (plim X1′ X2 )β2 +
Variable n n
Irrelevantes
1 ′ 1
Impacto sobre
Insesgamiento + (plim X1 X1 )−1 plim( X1′ u)
Impacto sobre
Varianza
n n
Ejemplo = β1 + Z β2

donde Z = plim( n1 X1′ X1 )−1 plim( n1 X1′ X2 ) y plim n1 X1′ u = 0. Ello

implica que por lo general, la omisión de variables relevantes,
causará que los parámetros estimados sean inconsistentes.
 Omisión de Variables Relevantes

Clase 18
Econometrı́a

Tomás Rau
Binder

Omisión de
La dirección del sesgo es difı́cil de obtener, sin embargo, el
Variables
Relevantes
análisis se simplifica si pensamos en β1 y β2 como escalares. En
Impacto sobre el
Insesgamiento
dicho caso:
Impacto sobre la
Varianza
Ejemplo Cov (X1 , X2 )
plimβ̂1 = β1 + β2
Inclusión de
Variable
V (X1 )
Irrelevantes
Impacto sobre
Insesgamiento
De lo anterior, se desprende que la dirección del sesgo depende
Impacto sobre
Varianza de como covarien las variables incluidas con respecto a las
Ejemplo
excluidas y del signo del parámetro omitido.
 Omisión de Variables Relevantes

Clase 18
Econometrı́a

Tomás Rau
Binder Estimando el modelo ”incorrecto”, el estimador de la varianza
será:
Omisión de
Variables
Relevantes
Impacto sobre el
V (β̂1 |X1 ) = σ 2 (X1′ X1 )−1
Insesgamiento
Impacto sobre la
Varianza
Ejemplo mientras que si hubiéramos estimado el modelo correcto, se
Inclusión de puede demostrar que la varianza del estimador insesgado de β1
Variable
Irrelevantes (β̂1∗ ) corresponderı́a a:
Impacto sobre
Insesgamiento
Impacto sobre
Varianza V (β̂1∗ |X1 , X2 ) = σ 2 (X1′ M2 X1 )−1
Ejemplo

donde M2 = I − X2 (X2′ X2 )−1 X2′ . Luego, comparamos las

inversas de ambas matrices:
 Teorema FWL

Clase 18
Econometrı́a

Tomás Rau
Binder
(Paréntesis) Considere el siguiente modelo poblacional
(expresado en desvı́os con respecto a la media):
Omisión de
Variables
Relevantes Y = X1 β1 + X2 β2 + u
Impacto sobre el
Insesgamiento
Impacto sobre la
Varianza
Ejemplo
El Teorema dice que el estimador de β1 del modelo completo
Inclusión de (largo) se puede expresar ası́:
Variable
Irrelevantes
Impacto sobre
Insesgamiento βˆ1∗ = (X1′ M2 X1 )−1 X1′ M2 Y
Impacto sobre
Varianza
Ejemplo y
V (β1∗ ) = σ 2 (X1′ M2 X1 )−1
donde M2 = I − X2 (X2′ X2 )−1 X2′ .
 Omisión de Variables Relevantes

Clase 18
Econometrı́a

Tomás Rau
Binder Retomando, se puede demostrar que
Omisión de
Variables
Relevantes
V (β̂1∗ |X1 , X2 ) − V (β̂1 |X1 )
Impacto sobre el
Insesgamiento
Impacto sobre la
es (semi) definida positiva. Luego,
Varianza
Ejemplo

Inclusión de V (β̂1 |X1 ) ≤ V (β̂1∗ /X1 , X2 )

Variable
Irrelevantes
Impacto sobre
Insesgamiento
Impacto sobre Por lo tanto, el omitir variables relevantes implica que los
Varianza
Ejemplo parámetros estimados serán sesgados y que sus varianzas serán
menores. También es posible demostrar que el estimador de la
varianza de los errores (σ̃ 2 ) es sesgado hacia arriba.
 Clase 18
Econometrı́a

Tomás Rau
Binder

Omisión de
Variables
Relevantes
Impacto sobre el
Insesgamiento
Impacto sobre la
Varianza
Ejemplo
Ejemplo
Inclusión de
Variable
Irrelevantes
Impacto sobre
Insesgamiento
Impacto sobre
Varianza
Ejemplo
 Omisión de Variables Relevantes

Clase 18
Econometrı́a
Suponga que un investigador quiere estimar el retorno a la
Tomás Rau
Binder educación y que el modelo verdadero(obviamente es un caso
ilustrativo) está dado por:
Omisión de
Variables
Relevantes
Impacto sobre el
Wi = β1 Ei + β2 EXPi + ui (1)
Insesgamiento
Impacto sobre la
Varianza
Ejemplo Donde Wi corresponde al logaritmo del salario del individuo i,
Inclusión de Ei corresponde a los años de educación del individuo i, EXPi
Variable
Irrelevantes corresponde a los años de experiencia laboral del individuo i y
Impacto sobre
Insesgamiento ui corresponde a un término de error bien comportado.
Impacto sobre
Varianza
Ejemplo Sin embargo este investigador utiliza el siguiente modelo para
su estimación.

Wi = β1 Ei + ui (2)
 Ejemplo

Clase 18
Econometrı́a

Tomás Rau
Los resultados del modelo verdadero son
Binder

Omisión de
Variables
Relevantes
Impacto sobre el
Insesgamiento
Impacto sobre la
Varianza
Ejemplo

Inclusión de
Variable
Irrelevantes
Impacto sobre
Insesgamiento
Impacto sobre
Varianza
Ejemplo
 Ejemplo

Clase 18
Econometrı́a

Tomás Rau
Los resultados el modelo incorrecto
Binder

Omisión de
Variables
Relevantes
Impacto sobre el
Insesgamiento
Impacto sobre la
Varianza
Ejemplo

Inclusión de
Variable
Irrelevantes
Impacto sobre
Insesgamiento
Impacto sobre
Varianza
Ejemplo
 Ejemplo

Clase 18
Econometrı́a

Tomás Rau
Binder

Omisión de Podemos ver el parámetro que acompaña a la variable

Variables
Relevantes
años de educación es menor en el modelo estimado que en
Impacto sobre el
Insesgamiento
el modelo verdadero.
Impacto sobre la
Varianza
Ejemplo
Esta dirección del sesgo se puede explicar por el signo del
Inclusión de parámetro que acompaña a la variable experiencia en el
Variable
Irrelevantes modelo verdadero y a la relación existente entre educación
Impacto sobre
Insesgamiento y experiencia en el mercado laboral.
Impacto sobre
Varianza
Ejemplo
Note que el error estándar del modelo incompleto es
menor.
 Clase 18
Econometrı́a

Tomás Rau
Binder

Omisión de
Variables
Relevantes
Impacto sobre el
Insesgamiento
Impacto sobre la
Varianza
Ejemplo Inclusión de Variable Irrelevantes
Inclusión de
Variable
Irrelevantes
Impacto sobre
Insesgamiento
Impacto sobre
Varianza
Ejemplo
 Inclusión de Variable Irrelevantes

Clase 18
Econometrı́a

Tomás Rau
Binder

Omisión de
Variables
Considere ahora el siguiente modelo poblacional:
Relevantes
Impacto sobre el
Insesgamiento Y = X1 β1 + u
Impacto sobre la
Varianza
Ejemplo
Suponga ahora que el investigador se equivoca y estima el
Inclusión de
Variable siguiente modelo:
Irrelevantes
Impacto sobre
Insesgamiento
Impacto sobre Y = X1 β1 + X2 β2 + u
Varianza
Ejemplo
 Inclusión de Variable Irrelevantes

Clase 18
Econometrı́a

Tomás Rau
Estimando el modelo “incorrecto” obtenemos:
Binder

β̂1 = (X1′ M2 X1 )−1 X1′ M2 Y

Omisión de
Variables
Relevantes = β1 + (X1′ M2 X1 )−1 X1′ M2 u
Impacto sobre el
Insesgamiento
Impacto sobre la
Varianza
donde M2 se define igual que el la sección anterior. Entonces:
Ejemplo

Inclusión de
Variable
E (β̂1 ) = β1
Irrelevantes
Impacto sobre
Insesgamiento
Impacto sobre
y con el mismo razonamiento, se puede demostrar que:
Varianza
Ejemplo
û ′ û
 
2
E (σ̃ ) = E
T − k1 − k2
= σ2
 Inclusión de Variable Irrelevantes

Clase 18
Econometrı́a

Tomás Rau
Binder

Omisión de
Variables
Relevantes
La inclusión de variable irrelevantes no causa sesgo en los
Impacto sobre el
Insesgamiento
parámetros estimados, ni en la varianza de los errores
Impacto sobre la
Varianza estimados.
Ejemplo

Inclusión de
Bajo dichos resultados, pareciera que es mejor poner
Variable
Irrelevantes
muchos regresores en nuestro modelo. Sin embargo, nos
Impacto sobre
Insesgamiento
falta estudiar que sucede con la varianza de los parámetros
Impacto sobre
Varianza estimados.
Ejemplo
 Inclusión de Variable Irrelevantes

Clase 18
Econometrı́a

Tomás Rau
Binder
Recordemos que:
Omisión de
Variables
Relevantes βˆ1 = β1 + (X1′ M2 X1 )−1 X1′ M2 u
Impacto sobre el
Insesgamiento
Impacto sobre la
Varianza con lo cual, la varianza estimada:
Ejemplo

Inclusión de
Variable V (βˆ1 |X1 , X2 ) = σ 2 (X1′ M2 X1 )−1
Irrelevantes
Impacto sobre
Insesgamiento
Impacto sobre
mientras que la varianza verdadera:
Varianza
Ejemplo ∗
V (βˆ1 |X1 ) = σ 2 (X1′ X1 )−1
 Inclusión de Variable Irrelevantes

Clase 18
Econometrı́a

Tomás Rau
Binder

Omisión de
Variables
Relevantes Entonces, como discutimos con anterioridad, la varianza
Impacto sobre el
Insesgamiento del modelo corto (verdadera en este caso) es menor que la
Impacto sobre la
Varianza
Ejemplo
varianza estimada.
Inclusión de Ello implica que el incluir regresores adicionales, aumenta
Variable
Irrelevantes la varianza de nuestros parámetros estimados, lo cual se
Impacto sobre
Insesgamiento
Impacto sobre
traduce en parámetros menos eficientes.
Varianza
Ejemplo
 Ejemplo

Clase 18
Econometrı́a

Tomás Rau
Binder

Omisión de Suponga que un investigador quiere estimar el retorno a la

Variables
Relevantes educación y que el modelo verdadero(obviamente es un caso
Impacto sobre el
Insesgamiento ilustrativo) está dado por:
Impacto sobre la
Varianza
Ejemplo

Inclusión de
Wi = β1 + β2 Ei + ui (1)
Variable
Irrelevantes
Impacto sobre
Donde Wi corresponde al logaritmo del salario del individuo i,
Insesgamiento
Impacto sobre Ei corresponde a los años de educación del individuo i y ui
Varianza
Ejemplo corresponde a u término de error bien comportado.
 Ejemplo

Clase 18
Econometrı́a

Tomás Rau
Binder

Omisión de
Variables
Relevantes
Sin embargo este investigador utiliza el siguiente modelo para
Impacto sobre el
Insesgamiento
su estimación.
Impacto sobre la
Varianza
Ejemplo
Wi = β1 + β2 Ei + β3 Di + ui (1)
Inclusión de
Variable
Irrelevantes
Impacto sobre
Donde Di corresponde a una variable dicotómica que toma el
Insesgamiento
Impacto sobre
valor 1 si el individuo fuma y 0 si no fuma.
Varianza
Ejemplo
 Ejemplo

Clase 18
Econometrı́a

Tomás Rau
Los resultados del modelo verdadero son
Binder

Omisión de
Variables
Relevantes
Impacto sobre el
Insesgamiento
Impacto sobre la
Varianza
Ejemplo

Inclusión de
Variable
Irrelevantes
Impacto sobre
Insesgamiento
Impacto sobre
Varianza
Ejemplo
 Ejemplo

Clase 18
Econometrı́a
Los resultados el modelo estimado son:
Tomás Rau
Binder

Omisión de
Variables
Relevantes
Impacto sobre el
Insesgamiento
Impacto sobre la
Varianza
Ejemplo

Inclusión de
Variable
Irrelevantes
Impacto sobre
Insesgamiento
Impacto sobre
Varianza
Ejemplo
 Ejemplo

Clase 18
Econometrı́a

Tomás Rau
Binder

Omisión de
Variables
Relevantes
Impacto sobre el
Insesgamiento Podemos ver no existe una variación importante en los
Impacto sobre la
Varianza parámetros del modelo estimado y el modelo verdadero.
Ejemplo

Inclusión de Sin embargo, tal como discutimos, la varianza de los

Variable
Irrelevantes parámetros aumenta disminuyendo entonces la eficiencia.
Impacto sobre
Insesgamiento
Impacto sobre
Varianza
Ejemplo
 Summing up

Clase 18
Econometrı́a
En resumen
Tomás Rau
Binder La omisión de variables relevantes sesga los parámetros.
Omisión de
La dirección del sesgo dependerá del signo del parámetro
Variables
Relevantes
de la variable omitida y de la covarianza de la variable
Impacto sobre el
Insesgamiento
omitida con las otras variables del modelo. Además, los
Impacto sobre la
Varianza errores estándar serán menores lo cual es perjudicial para
Ejemplo

Inclusión de
la inferencia. Si se comete error tipo I o II con mayor
Variable probabilidad dependerá del tamaño del sesgo y de cuánto
Irrelevantes
Impacto sobre
Insesgamiento
se subestimen los errores estándar.
Impacto sobre
Varianza La inclusión de variable irrelevante no produce sesgo pero
Ejemplo
si aumenta los errores estándar de los parámetros. Esto
también es perjudicial puesto que tenderemos a cometer
error tipo II con mayor probabilidad (no rechazar la nula
cuando esta es falsa)