Endogeneidad (economía)

De Wikipedia, la enciclopedia libre
Saltar a: navegación, búsqueda

En estadística, se dice que hay endogeneidad cuando hay una correlación entre el parámetro o variable y el término de error. La endogeneidad puede surgir como resultado de un error de medición, autorregresión con autocorrelación de errores, simultaneidad y variables omitidas. En términos generales, un lazo de causalidad entre los independientes y las variables dependientes de un modelo conduce a la endogeneidad.[1]

Por ejemplo, en un simple modelo de oferta y demanda, al momento hora de predecir la cantidad demandada en equilibrio, el precio es endógeno porque los productores cambian su precio en función de la demanda y los consumidores cambian su demanda en respuesta a los precios. En este caso, se dice que la variable de precio tiene endogeneidad total una vez conocidas las curvas de demanda y oferta son conocidas. En contraste, un cambio en el consumo gustos o preferencias sería un cambio exógeno en la curva de demanda.[2]

Exogeneidad vs endogeneidad[editar]

En un modelo estocástico, la noción de la exogeneidad de costumbre, exogeneidad secuencial, fuerte/exogeneidad estricta puede ser definido. Exogeneidad está articulado de tal manera que una variable o variables es exógeno para el parámetro \alpha. Incluso si una variable es exógena para el parámetro \alpha, Podría ser endógeno para el parámetro \beta.

Cuando las variables explicativas no son estocásticos, a continuación, que son fuertes exógeno para todos los parámetros.

El problema de la endogeneidad se produce cuando la variable independiente se correlaciona con el término de error en una regresión. Esto implica que el coeficiente de regresión por Mínimos cuadrados ordinarios (MCO) va a estar sesgado, sin embargo, si la correlación no es contemporánea, entonces aún puede ser consistente. Hay muchos métodos para superar esto, incluyendo Variables instrumentales y corrección de selección de Heckman.

Modelos estáticos[editar]

Las siguientes son algunas fuentes comunes de carácter endógeno.

Se omite Variable[editar]

En este caso, la endogeneidad proviene de una incontrolada variable de confusión . Una variable se correlaciona tanto con una variable independiente en el modelo y con el término de error. (Equivalente, la variable omitida tanto afecta a la variable independiente y afecta por separado la variable dependiente.) Supongamos que el "verdadero" modelo a estimar es,

 y_i = \alpha + \beta x_i + \gamma z_i + u_i

pero omitimos z_i (Tal vez porque no tenemos una medida para él) cuando ejecutamos nuestra regresión. z_i serán absorbidos por el término de error y nos pondremos en realidad estimar,

 y_i = \alpha + \beta x_i + \varepsilon_i      (where \varepsilon_i=\gamma z_i + u_i)


Si la correlación de x y z no es 0 y z afecta por separado y (Lo que significa \gamma \neq 0 ), Luego x se correlaciona con el término de error \varepsilon.

Aquí, x y 1 no son exógenos para alfa y beta, ya que, dado X y 1, la distribución de y depende no sólo de alfa y beta, pero también en z y gamma.

El error de medición[editar]

Supongamos que no conseguimos una medida perfecta de una de nuestras variables independientes. Imagínese que, en lugar de observar x_i observamos x_i=x^{*}_{i}- \nu_i donde \nu_i es el "ruido" de medición. Cuando tratamos de estimar la siguiente regresión univariado,

 y_i = \alpha+\beta x_i + \varepsilon_i

que en realidad terminamos estimar,

 y_i = \alpha+\beta(x^{*}_{i}-\nu_i) + \varepsilon_i
 y_i = \alpha+\beta x^{*}_{i} +(\varepsilon_i - \beta\nu_i)
 y_i = \alpha+\beta x^{*}_{i} +u_i     (where u_i=\varepsilon_i - \beta\nu_i)

Referencias[editar]

  1. Wooldridge, Introductory Econometrics, 4th ed. Chapter 15: Instrumental variables and two stage least squares
  2. Terza, J. V., Basu, A., & Rathouz, P. J. (2008). Two-stage residual inclusion estimation: addressing endogeneity in health econometric modeling. Journal of health economics, 27(3), 531-543.