Resolviendo endogeneidad sin instrumentos. Una aplicación desde Lewbel
Palabras clave:
Endogeneidad, econometría, análisis comparativo, variables instrumentales, JEL: C13, C26, C36Resumen
Hasta el día de hoy, se ha venido presentando una motivación académica importante por comprender las relaciones causales para hacer inferencia estadística robusta. No obstante, es muy común enfrentarse a problemas de endogeneidad y en la práctica encontrar instrumentos suele ser complejo. Aunque la endogeneidad puede deberse a diferentes mecanismos de interacción y relaciones entre los regresores y las variables respuesta con el error, el efecto que causa es la inconsistencia en la estimación, lo que significa que los resultados no están respondiendo de forma adecuada a resolver el problema propuesto. Parte de allí entonces, la motivación de investigaciones y metodologías que buscan corregir la endogeneidad sin recurrir al uso de instrumentos externos. En este documento de trabajo, se parte por considerar que la inconsistencia se debe a un error de medida en la variable endógena, y se exploran mecanismos de solución para corregir el sesgo. Dada la naturaleza de los datos la metodología elegida es la propuesta por Lewbel (1997). Finalmente, se realiza una aplicación a un ejercicio empírico empleando las bases de datos provistas por Stock and Watson (2007), concluyendo con la solución a los problemas de endogeneidad y la diferencia existente entre la solución encontrada en la investigación y otros estudios econométricos.
Descargas
Referencias
Amsler, C., Prokhorov, A., Schmidt, P. (2016). Endogeneity in stochastic frontier models. Journal of Econometrics, 190(2), 280-288.
Carroll, R. J., Ruppert, D., Stefanski, L. A., Crainiceanu, C. M. (2006). Measurement error in nonlinear models: a modern perspective. CRC press.
Duncan, G. J., Magnuson, K. A., Ludwig, J. (2004). The endogeneity problem in developmental studies. Research in human development, 1(1-2), 59-80
Ebbes, P., Wedel, M., Böckenholt, U., Steerneman, T. (2005). Solving and testing for regressor-error (in) dependence when no instrumental variables are available: With new evidence for the effect of education on income. Quantitative Marketing and Economics, 3(4), 365-392.
Greene, W. H. (2008). The econometric approach to efficiency analysis. The measurement of productive efficiency and productivity growth, 1(1), 92-250.
Greene, W. H. (2003). Econometric analysis. Pearson Education India.
Guevara, C. A., Polanco, D. (2016). Correcting for endogeneity due to omitted attributes in discrete-choice models: the multiple indicator solution. Transportmetrica A: Transport Science, 12(5), 458-478.
Hamilton, B. H., Nickerson, J. A. (2003). Correcting for endogeneity in strategic management research. Strategic organization, 1(1), 51-78.
Hausman, J. A. (1978). Specification tests in econometrics. Econometrica: Journal of the econometric society, 1251-1271.
Huang, J., Zhao, P., Huang, X. (2019). Instrumental variable based SEE variable selection for Poisson regression models with endogenous covariates. Journal of Applied Mathematics and Computing, 59(1-2), 163-178.
Lehmann, E. L. (2004). Elements of large-sample theory. Springer Science Business Media.
Lewbel, A. (1997). Constructing instruments for regressions with measurement error when no additional data are available, with an application to patents and R D. Econometrica: journal of the econometric society, 1201-1213.
Lin, W., Wooldridge, J. M. (2019). Testing and correcting for endogeneity in nonlinear unobserved effects models. In Panel Data Econometrics (pp. 21-43). Academic Press.
Martínez, R., Lyssenko, N. (2011). Correcting for the endogeneity of pro-environment behavioral choices in contingent valuation. Ecological Economics, 70(8), 1435-1439.
Nakamura, A., Nakamura, M. (1998). Model specification and endogeneity. Journal of Econometrics, 83(1-2), 213-237
Papies, D., Ebbes, P., Van Heerde, H. J. (2017). Addressing endogeneity in marketing models. In Advanced methods for modeling markets (pp. 581-627). Springer, Cham.
Quiroga, B. F. (2018). Addressing Endogeneity Without Strong Instruments: A Practical Guide to Heteroskedasticity-Based Instrumental Variables. Available at SSRN 3293789.
Rossi, P. E. (2014). Even the rich can make themselves poor: A critical examination of IV methods in marketing applications. Marketing Science, 33(5), 655-672.
Shee, A., Stefanou, S. E. (2015). Endogeneity corrected stochastic production frontier and technical efficiency. American Journal of Agricultural Economics, 97(3), 939-952.
Stock, J. H., Watson, M. W. (2015). Introduction to econometrics.
Terza, J. V. (1998). Estimating count data models with endogenous switching: Sample selection and endogenous treatment effects. Journal of econometrics, 84(1), 129-154.
Tran, K. C., Tsionas, E. G. (2015). Endogeneity in stochastic frontier models: Copula approach without external instruments. Economics Letters, 133, 85-88.
Wang, C. J. (2015). Instrumental variables approach to correct for endogeneity in finance. In Handbook of financial econometrics and statistics (pp. 2577-2600). Springer USA.
Wooldridge, J. M. (2015). Control function methods in applied econometrics. Journal of Human Resources, 50(2), 420-445.
Wasserstein, R. L., Schirm, A. L., Lazar, N. A. (2019). Moving to a world beyond “p 0.05”.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2020 UNACIENCIA
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
