Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
ISA SALAZAR y 0.41.4.4 0.11 5 0.18 0.19.0 2 y g ay 1,804 0.55 0.18 2.51 yo Ba Bu o Hi al menos 1 O Fotos 34.08 32.24 32 ay 25 1 3.85 Fran Fea13s Fea izo 3.07 Como Fotos Fab se rechaza Ho Significancia individual 1 Inasistencia o modelo 3 Ho By O Hi By o tabs 0.58 O 0.68 0.85 o.gs tras tí this 1.984 Como tras toros No se rechaza Ho 2 inasistencia x PPA Ho Bs O Hi Bs O tabs 0.07 O 0 ee 0.636 tras tí a ti 1 ge como tras toros No se rechaza Ho Explicaría esta diferencia a raíz de que las variables evaluadas de forma individual no son estadísticamente significativas pero evaluadas de forma conjunta si lo son. ML n Rina ML 141 0.087 1a 267 µg rechaza Ho detecta s XI 11 o como Ml Xk se nos heterocedasticidad By inasistencia Bs Inasistencia 4 0 58 1 0.07 1 4 0.3 Ho By 4ps o Ha By 4ps to toros BI 4pts BI 4pts 0.58 4 0.07 1 2.121 2.12 am VIA 16 VLBI 2 4 con IR BE 16 2 4 tras tí ti 1 ge se rechaza Ho toss tras el efecto esperado es significativo al 51 Se detecta formalmente heterocedasticidad, por lo tanto la inferencia deja de ser válida, es decir, la prueba t y prueba F ya no son válidas, pues la varianza no es constante y los estimadores dejan de ser MELI. En presencia de inasistencia, el promedio disminuye en 0,3 décimas. sí go g pirraso Sr apertura 83 escolaridad Su PIB1960 t 8s apertura t So escolaridad 87 PIB1960 apertura Se apertura escolaridad 8g PIB1960 escolaridad error delas var explicativas y susproductoscruzadosaca tenemos 9 no heterocedasticidad ML n Ria 65 0.31 20 15 Como ML a Xp se im Iii una r escapas de captar formas no lineales de heterocedasticidad al incorporar los cuadrados de las var explicativas y susproductos cruzados Ho By o una una i Í É t E EÉ T H By o 1.9 7 2 TE I Iris ti secos I 3.70 o 0986sino p_x noestaenel intervaloserechazan se rechaza Ho porque el intervalo no incluye al 0 y By es significativa al 51 Como se podría implementar? Se hace una regresión por MCO • Se guardan los residuos • Se hace una regresión auxiliar con los residuos estimados como variable dependiente, incluyendo los cuadrados de las • variables explicativas y sus productos cruzados Se calcula ML. • La ocurrencia de al menos 1 golpe de estado, disminuye la tasa de crecimiento anual en promedio en 1.90 puntos porcentuales. Ho B o toros 1.48 o Ño 4 53 Hi B Lo traes t 2 39 Como toros a tras se rechaza Ho intervalorenren.coY ftp.piznqoo Bi apertura pis escolaridad piu golpe insinuar Fixq rosa c e vos a t uaY 2 94 A FEI ii ti seceis y 0.97so 2 ja SCR 60 1,2265 n e_ 73.58 Viajo x ja 5 o e o e I 5 1 x 5 o 5 x 5 6 s o 0 4966 jo I ti L se les I I a 94 7 2 t.az I Io 312 5 56 I Ho Xa Xa o Hi al menos 1 to Scar ser sr n k i 73.58 70.93 70.93 65 6 sersr 7 2 Foss 1.083 Franca 58 a FC2 co 3.15 Como Fotos a Fran No se rechaza Ho los cuadrados No son conjuntas significativos al 951 Ho p o 0.1 5 18 Hi p o t 0.57 o trab e t t ES t 75 2 Como tras s toros No se rechaza tio y i el emo dehoy no esta correlacionado con el de mañana pues no hay evidencia al 51 de significancia que haya correlao serial Me T q RI Xq origina tragos Ho p o nodeosos Hi p o Corden ML 55 1 0.01 0 54 rechaza Ho No hay 6 63 como ML Xq No se cometan serial e var dep desempleo instrumento desempt i Ho pa o 0.09 8 2 Hi pa o t 0.74 o tras yo ras5s tejas a ti a 66 Como toros tras se rechaza Ho el instrumento es relevante casero sure s a CONTRASTE DE HAUSMAN Buscacomparar las estimaciones de uno y mear paradetermin siestasdifieren de formasignificativa a partir de la estima de la formareducida de x no ti 2 ra Za meti xk tu x seráexogena si y solo si con lui un o Es decir x es exogena si n y vi no estar correlacionadas Como vi es inobservable la prueba se implementa reemplazan do v por los residuos de Mco de la forma reducidaLuis Y Bo Bix Bex sí error Ho g o cexogeneidaas Hi g eo lendog i si se rechazaHo hay evidencia en contra de la exog a x en contra de estimar el modelo por no Ho Si o a ya o 861 tras tejas a ti 2.66 Hi g o toros o 3 toss a trab no se rechaza Ho La covarianza entre el instrumento y los errores tiene que ser igual a 0 para que sea exógeno. Y para que sea relevante, la covarianza entre el instrumento y la variable independiente (X) tiene que ser distinto de 0 Hay evidencia a favor de la exogeneifad, es decir, se usa MCO. Usar MC2E sería menos eficiente (aunque igualmente válido). Se utiliza MCO porque no está correlacionado con el término del error, los estimadores son válidos y consistentes. intervalorecamara E 0.37 secpis o.az thIE.se Bjiii ti secos EEES a ti asino B a noestaenel intervaloserechazan I 0.37 7 2 0.23 I como 1 No pertenece al intervalo se I 0.83 0.09 rechaza Ho casero sure e a únase So Si2 Jazz sexo Sam xa E ML e n RI o Xq La idea consiste en comparar las distintas estimaciones de VI para determinar si estas difieren de forma significativa. Si se concluye que son estadísticamente diferentes, entonces algún instrumento no cumple con la condición de exogeneidad. CONTRASTE DE SARGAN: Se estima el modelo original por MC2E y se obtienen los residuos. • Luego se estima la regresión de los residuos de MC2E sobre todos los instrumentos y todas las variables exógenas incluidas: • Bajo la hipótesis nula de que todos los instrumentos son exógenos, se verifica que: • donde q es el número de instrumentos “extra” o de restricciones de sobreidentificación Si rechazo H0, al menos 1 era endógeno. • cease an sure is ña p ni_ Et Ho p o µ p o si rechazo hayevidencia a favor de la presencia de cometa serial Arin como q e s F E mesadesignificanciasina.comibera 156 e eF In K i 0.022 K F 3.46 s t 1 86 tras ti a ti 1 984 tras toros no se rechaza Ho no hay correa serial CLASE 21 sure 22 am GT q RI as lq Ho p pr o noriginalEEEE Ln 157 2 0.03 4.65 y Como LML Xq No se rechazaHo Xq x 5.99 no hay correas serias de orden a gastope p gastope pa gastona et Ho p pa pa 0 Hi al menos 1 de o 0 529F _ti h h i a gag 155 3 e r 3 Foss 56.53 Feas Fisese a Fezesos 2.68 Como Foss Fran se rechaza Ho por lo tanto son significativos conjuntas al 5 de significancia si hay evidencia de que el gasto en publicidad afecta al volumen de ventas gasto a p 2.65 gastot l Ba 2.38 gastot a pas 3 Lo que se está intentando hacer es evaluar la correlación serial de orden 2, por lo que se incluyen 2 rezagos de gastop y se evalúa su significancia conjunta. Se usa la alternativa, calculando el multiplicador de la grande del estadístico y se evalúa la significancia a partir de este. multiplicar x 6 No x 6.000 i ventas 19 82 3.6.000 18 019 82 ü ventas 19.82 2.38 6.000 14.299 82 a ventas 19.82 2.65 2.000 2 38.2.000 3.2.000 16.079,82 Ho p pa pa a 6 5 H p pa pa 56.5 1 53t ÉI 5 2.65 2.38 3 6.5VE 0.621318686 t 2.46 x VIÓ ja Es VIAS VIA VIAS a pi pi 215 E al C Bi Es 0.38603691 tras ti ti 2 364 tobs tras se rechaza Ho y hay evidencia suficiente para respaldar la info del empleado El modelo 1 tiene mayor impacto esperado. Ho p o toros o 3248307 0.0362006 8 95 tras EEEE ti S 1 gg Vemos que ceteris paribus un aumento en el precio del cobre genera una disminución del tipo de cambio. Como el t observado es mayoral t tabulado, se rechaza H0, por lo que B1 es estadísticamente significativo al 5% casera se resuelve y Me 250 0.12276281 30.69 Xp XE 5.99 Regresión o los residuos al cuadrado Es una versión especial de la prueba de white que conserva tanto el espíritu original de la prueba, como los grados de libertad —> es como una prueba de white ajustada. Como ML > Chi-Cuadrado, se rechaza H0 por lo tanto se captura heterocedasticidad si go Si money ga output 83 money gu output gs money output error Ho fi gr 53 54 85 O MI 76 0.12 9 12 Hi al menos de 0 Y No se rechar Ho no se Xp x's 11.07 capturahetero casi cedasticidad loserrores so homovedasticos Ceteris paribus, un aumento de 1% en la tasa de crecimiento de la oferta monetaria, aumenta en 1.03% la tasa de inflación Ceteris paribus, un aumento de 1% en la tasa de crecimiento del PIB, disminuye en 1.66% la tasa de inflación. Puedoutilizar los instrumentos Z y 2a para hacer laestimas Estos deben cumplir con las siguientes condiciones Relevantes Zi x o Exógenos cari m o si se cumple entonces los instrumentos son válidos y estimaremos por V1 Maze Evaluamos relevancia Ho pa o toros o.ee 0.03 6 tras EEES e EEES 2.639 1 6 1 7 2.639 Y Bo Bi money Ba output Si Ho g O ime Se rechaza H0 por lo tanto el instrumento es relevante al 1% Se usa el contraste de Hausman que busca comparar MCO y MC2E para determinar si esta difieren significativamente. Para esto se hace la siguiente regresión Y luego evaluamos Si se rechaza H0, se detecta endógeno idea y por lo tanto MCO no es válido. No se puede hacer la regresión porque no nos entregan el valor del error estimado de la regresión de la primera etapa de MCO en dos etapas. ama i Se estima el modelo original por Maze y se obtienen los residuos 2 Se estima la regresión de los residuos de MC LE Sobre todos los instrumentos y todas las var exog incluidas incae go Si PIB inicial ga Nv e ga Esc gu Pop Ss money go output t E 3 Ho g gr ga ga o H al menos 1 de o 4 Estadistica Ml n Rti Ten de instrumentos que sobran Me 76.0.03 2.20 Xa 5 99 No se rechaza Ho es decir no hay instrumentos endógenos Que los instrumentos sean exógenos es necesario para que los instrumentos sean válidos, y las estimaciones consistentes. Ho S ga go gu o F 0.014 1 o.org O Y 4 1 3.53 se rechaza Ho Fran F 4,995 Fly esos 2.45 Ho Bs O H pos 70 s premio 0.004 61.75 t t IF It a z tabs 0.247 Se rechaza H0, por lo tanto se detecta heterocedasticidad, y por ende, las pruebas no serán validas y MCO tampoco. Se rechaza H0, es decir, hay un premio por cercanía a centros de empleo. TEST DE CHOW modelorestringido 4Scar Sara Escrg modelo sin restringir 5 6sin ni F scrr scrsr.cn ackti de m ni f 42.010 41.703 41.703 11000 eco serer G e reti deintercer e los F Rsr Kar F e 24 le Rrss n serala e Kei sumatoria Fran Fco 9oz Fiaros 2.18 No se rechaza H0, por lo tanto no hay diferencias de pendientes. CLASE 17 Para evaluar la relevancia de cada instrumento 1 PRIMERAETAPA regreso de la variable endógena con el instrumento tiiiiiiiiiiiiii ya no HIT t ña 2 va Instrumento es relevante si Milf O Ho Milf o vs Hi ni g to t Él self t j se si o si t s t Etano se RECHAZA Ho Instrumento sería relevante con significancia al Cui vel O contrasteDE Haussmann Clm v3 o Cuando encontramos endogeneidad hemos probado que MCO deja de ser válido, pues es sesgado e inconsistente, por lo tanto el estimador MCO de B1 si la sospecha es válida, NO es insesgados y consistente. Se necesitan al menos 2 variables instrumentales que sean relevantes y exógenas para poder obtener estimadores consistentes de B2 y B3. CLASE no PROPONEHACERCONTRASTE DE Haussmann o buena propuesta Ya Io I 2 Ir 2a vi y's go si 2 ja 23 V3 Ahorausamos las estimaciones como regresares en la enax Y Bo Bi r paja país pu Va Bs v3 ú Lo más eficiente es, como ya supuestamente encontramos dos instrumentos relevantes y exógenos, el mejor instrumento a emplear, con una sola variable endógena, sería una combinación lineal de ambos, y luego encontramos los estimadores mediante un proceso de MC2E. Si es que no tomamos los dos instrumentos, se perdería eficiencia. acasero Dado el siguiente MRL conflictos po B edad xit.pt mi donde edad se mide con amor tal que edad ti edad i ei Asi bajoerrores clasicos en variables Ecu cuando El eis o ei.ms 0 la correlato entre edad y ei implica que creí edad s o no es sesgado e inconsistente El error de medición en una variable explicativa nos lleva a subestimar en valor absoluto el efecto de dicha variable. (Sesgo de atenuación) (CLASE 13) Virtudes: si los errores de medición son independientes, usar esta nueva variable, instrumento, servirá para corregir el sesgo en el coeficiente. Problema: si estan correlacionados los errores , la nueva variable no es válida como instrumento y no se resuelve el problema del sesgo. el error de medición está en la variable independiente. • La afirmación es incierta, en el caso de que el error de medición esté relacionado sistemáticamente (correlacionado) con una o más variables explicativas se genera un sesgo e inconsistencia en MCO. En este caso, la afirmación de la socióloga tendría sentido, porque los estimadores efectivamente no servirían. Pero, si esto no es asi, o no hay correlación, no hay problemas, pero si hay mayor varianza, por lo tanto menos precisión. En este caso la variable edad sería endógena porque estaría correlacionada con el término del error. Esto genera que MCO deje de ser válido, y la inferencia también. MCO es sesgado e inconsistente. Si se estimara el modelo por VI se necesitaría una variable Z, que se exógena y relevante, para solucionar el problema de endogeneidad d la variable edad, lo que genera un cambio en el B1 estimado. solo si el instrumento esrelevantenodebil esposibleesti B Corta 4 cover B x tu B cover x corta mi p mar B corta x cover x cover x ta muyDIFICIL s merindoESTAcarrera CONTRASTE DE HAUSSMANN EEEEE Eine Luego se implementa la prueba reemplazando a v por los residuos no de la formareducidavi Y po S Xi ri Ho S O lexo H S 0 endo Z tiene que ser relevante y exógeno. CLASE 16 variable endógena o correlaciona con eltermino del error lainferenciadejade ser válida o no es sesgado e inconsistente riesgo soberano Bo pi regla fiscal tu Tasa Deenseuramiento casera corcaredibilidad regla fiscal o corlaredibilidad u o Regla fiscal podría ser endógena porque en el término del error se pueden encontrar las variables / condiciones macroeconómicas del país que afectan la tasa de endeudamiento pero también correlacionan con la regla fiscal. Una buena variable instrumental debe ser exógena y relevante, debe estar correlacionada con la regla fiscal pero no con la tasa de endeudamiento. Al agregar la variable instrumental al modelo y estimar por VI, los coeficientes pasan a ser válidos y ya no hay problema de endogeneidad. Considero que si tiene sentido la sugerencia, usaría la variable credibilidad como variable instrumental para regla fiscal. Creo que si es una regla válida porque: Relevante 1. Exógena2. CLASE a Le diría a mi amigo que no me parece una buena VI porque podrían haber problemas de correlación serial entre la tasa de endeudamiento del periodo anterior u la del periodoactual. Esto a su vez también podría generar un problema de simultaneidad. LAYUDANTIA 7 CLASE 14 egg Elyi Ti e n l EHi ti o a att Etflashubiesenentregado entregaronsino murieranentregado enero unasobrestimo creemosqueestopuedesermayor alotropuestoquepuedentener prosdeaprobarporotrasrazones Principal problema: habría un sesgo de selección ya que el grupo que entrega la tarea no es igual al grupo que no la entrega. Por lo tanto, esto no serviría para determinar causalidad. Se podría resolver a través de la aleatorizacion. Como esto afecta al estimador MCO: afectaría al estimador MCO porque lo sobrestimaria, ya que explicaría el rendimiento en el examen basándose en la entrega o no de tareas siendo qué hay otras variables que pueden influir a que sea más probable que entregue las tareas como la habilidad innata, el desempeño en cursos anteriores o el esfuerzo, las cuales no están siendo tomadas en cuenta. Alivia los problemas? : si los alivia, incluye una variable que antes mencionamos que generaba la sobrestimación, pero solo está solucionando parte del problema, ya que s e siguen omitiendo muchas variables relevantes que pueden explicar un mejor desempeño en el examen que no necesariamente sea por haber realizado las tareas. Como esto afecta al estimador MCO del parámetro de interés? : no se soluciona la estimación del parámetro, pero si disminuye. Alivia los problemas ? : NO, seguimos omitiendo variables relevantes, las personas que eligen si entregarlas al inicio o al final son las mismas con las mismas variables que mencionábamos antes afectando al rendimiento en el examen. El sesgo de selección persiste. No cambia el parámetro MCO de interés, el sesgo de selección sigue presente y no fue aliviado. Aunque es cierto que la variable que mide la decisión de tener un programo o no es una variable endógena, también se debe considerar que la aleatorizacion en la selección de quienes hacen o no las tareas durante el semestre podría corregir el sesgo de selección. Así los grupos serán “los mismos”, por ende podríamos decir que la variable TC ahora si puede medir el impacto causal. Estamos corrigiendo el sesgo de selección que nos molestaba. Elegiría M4 ya que la aleatorizacion elimina el sesgo de selección permitiéndome medir el efecto causal. Tiene Sentido? : si tiene sentido, ya que si el alumno es subvencionado para almorzar, es decir, tenga peor situación socioeconómica, esto genere que no pueda tener mayor gasto en profes de inglés. Estamos entonces diciendo que la variable pct_prg_alm correlaciona con log_gasto, por lo tanto es una variable relevante, y que no correlaciona con el término del error, por lo tanto es una variable exógena. Por lo tanto es útil usar pct_prg_alm porque cuenta con las características que la convierten en un instrumento válido. Tiene sentido usarla en la medida en que la evaluación para la entrega de la subvención sea rigurosa y efectiva, pues si se analiza bien la situación de a quienes se le entrega se esta midiendo finalmente el nivel de probreza a través de ella. De todas maneras, igual tiene un sesgo ya que al ser una oportunidad para obtener un beneficio económico, es común que la gente mienta en este tipo de encuestas o se entreguen antecedentes falsos, por lo que estaría medida con cierto error. CLASE 17 Porque como mencionábamos anteriormente, pct_prg_alm al estar correlacionada con log_gasto, anteriormente parte de log_gasto se estaba explicando por el efecto de la otra variable. Ahora al separarla podemos ver el verdadero efecto de log_gasto sobre la prueba de inglés, sin el sesgo que se tenia por la endogeneidad. Log_gasto disminuye porque estaba sobrestimando el efecto del gasto por estudiante en el endimiento en la prueba de inglés al no controlar por el nivel de pobreza, medio a través de las subvenciones. Un aumento de 1% en el porcentaje de alumnos que reciben la subvención genera una disminución de 0.3045853% en el porcentaje de alumnos que aprueban la prueba. Porque mayor parte de la aprobación es explicada cuando se incluye la variable probreza en el análisis. Los datos de panel difieren de los datos transversales agrupados a lo largo del tiempo, porque se basan en observaciones sobre los mismos temas en diferentes momentos, mientras que estos últimos observan diferentes temas en diferentes períodos de tiempo. Diferencia en diferencias es un método econométrico y de evaluación de impacto cuasiexperimental que consiste en medir el efecto que tiene una intervención sobre un grupo de tratamiento respecto a un grupo de comparación que no tiene la intervención a través del tiempo. El método DD requiere datos panel o longitudinales, es decir, datos para las mismas unidades de análisis en diferentes puntos en el tiempo. DD permite establecer causalidad para conocer si un programa o una intervención causa o no una mejora en la población atendida, es decir, si los programas analizados funcionan o no. En conclusión, no podemos utilizar primeras diferencias cuando tenemos cortes transversales pues no contamos con las mismas unidades de análisis en diferentes puntos de tiempo, son distintas. ya a g Pt B Di l Pt Di tuit Pe a Pe o s periodo antes del tratamiento 1985 µg Pt 1 periodo después del tratamiento 1990 Di Di o Di unidad no tratada unidad fuetratada a FLORIDA arrestes a g Pe p Di i pe f Parámetro que mide el impacto de la ley en la probabilidad de ser detenido con algún recipiente alcoholico abierto. Ayuda a mejorar la precisión, y ademas permite controlar por diferencias potenciales entre los grupos que puedan haber cambiado entre periodos. Historial de arrestos • Procedencia del arrestado (estado de origen) • Tenia o no posa vaso el auto • muchademostrar mismapersona eramos desempeño en el examenfinales Bo Bi califas Ba porcentajes pa clasemallaes Bu promacumas califa exam admi nos p maresdeltiempo que no sea endogena Los efectos fijos no pueden correlacionar con las variables explicativas. Supuesto: efecto fijo no correlaciona con la asistencia ni con ninguna otra variable explicativa Hay que pensar qué hay en el efecto fijo. Etnia, raza, genero, nivel socioeconómico, son ejemplo que se nos ocurren. Bajo esta lógica habría que pensar que variables de nuestro modelo podrían correlacionar con estos efectos fijos. El nivel socioeconómico podría correlacionar con las calificaciones de admisión y por lo tanto esta variable no podría incluirse en el modelo. Supuesto: que la asistencia no correlaciona con el término del error. Es decir, que no haya características inobservables en el término del error, que afectan a la nota del examen y no son capturados por la asistencia a clase (como las horas de estudio o la habilidad innata) En otras palabras, que no haya sesgo de selección entró los que asisten a clases y los que no. (Que la asistencia sea lo único que los diferencie).
Compartir