Capítulo 10 Frisch-Waugh-Lovell: práctica

← Volver a la teoría

10.1 Objetivos de la práctica

Al finalizar esta práctica podrás:

  1. Estimar un coeficiente parcial con una regresión múltiple.
  2. Reproducir el mismo coeficiente usando los tres pasos de FWL.
  3. Visualizar la relación entre residuos de \(y\) y residuos de la variable de interés.
  4. Replicar el ejercicio en R, Stata y Python.

10.2 Pregunta aplicada

Queremos medir la asociación entre educación y salario por hora, controlando por experiencia.

FWL pregunta: después de quitar de salario y educación la parte explicada por experiencia, ¿qué relación queda entre ambos residuos?

10.3 Datos

Usaremos una base pequeña construida para que educación y experiencia estén correlacionadas. Esto permite ver por qué el coeficiente simple y el coeficiente parcial pueden diferir.

datos_fwl <- data.frame(
  educacion = c(10, 10, 11, 11, 12, 12, 13, 13, 14, 14, 15, 15, 16, 16),
  experiencia = c(2, 4, 3, 6, 5, 7, 6, 9, 8, 10, 9, 12, 11, 13),
  ajuste = c(-0.4, 0.3, -0.2, 0.4, -0.1, 0.2, 0.1, -0.3, 0.2, 0.4, -0.2, 0.3, -0.1, 0.2)
)

datos_fwl$salario_hora <- 4 +
  0.65 * datos_fwl$educacion +
  0.40 * datos_fwl$experiencia +
  datos_fwl$ajuste

kable(datos_fwl, digits = 2, caption = "Datos de práctica para el teorema de Frisch-Waugh-Lovell")
Tabla 10.1: Datos de práctica para el teorema de Frisch-Waugh-Lovell
educacion experiencia ajuste salario_hora
10 2 -0.4 10.90
10 4 0.3 12.40
11 3 -0.2 12.15
11 6 0.4 13.95
12 5 -0.1 13.70
12 7 0.2 14.80
13 6 0.1 14.95
13 9 -0.3 15.75
14 8 0.2 16.50
14 10 0.4 17.50
15 9 -0.2 17.15
15 12 0.3 18.85
16 11 -0.1 18.70
16 13 0.2 19.80
ggplot(datos_fwl, aes(x = educacion, y = salario_hora)) +
  geom_point(color = "#2f4858", size = 2.7) +
  geom_smooth(method = "lm", se = FALSE, color = "#C0562F", linewidth = 1) +
  labs(x = "Años de educación", y = "Salario por hora") +
  theme_minimal()
Relación bruta entre educación y salario por hora

Figura 10.1: Relación bruta entre educación y salario por hora

10.4 Estimación en R

Primero estimamos la regresión simple y la regresión completa:

modelo_simple_fwl <- lm(salario_hora ~ educacion, data = datos_fwl)
modelo_completo_fwl <- lm(salario_hora ~ educacion + experiencia, data = datos_fwl)

modelo_y_fwl <- lm(salario_hora ~ experiencia, data = datos_fwl)
modelo_x_fwl <- lm(educacion ~ experiencia, data = datos_fwl)

datos_fwl$resid_y <- resid(modelo_y_fwl)
datos_fwl$resid_x <- resid(modelo_x_fwl)

modelo_residuos_fwl <- lm(resid_y ~ resid_x, data = datos_fwl)

tabla_completo_fwl <- coef(summary(modelo_completo_fwl))
tabla_residuos_fwl <- coef(summary(modelo_residuos_fwl))

beta_simple_fwl <- unname(coef(modelo_simple_fwl)[["educacion"]])
beta_completo_fwl <- unname(coef(modelo_completo_fwl)[["educacion"]])
beta_residuos_fwl <- unname(coef(modelo_residuos_fwl)[["resid_x"]])
se_completo_fwl <- tabla_completo_fwl["educacion", "Std. Error"]
se_residuos_fwl <- tabla_residuos_fwl["resid_x", "Std. Error"]
r2_completo_fwl <- summary(modelo_completo_fwl)$r.squared

kable(
  data.frame(
    estimacion = c("Regresión simple", "Regresión completa", "FWL con residuos"),
    coeficiente_educacion = c(beta_simple_fwl, beta_completo_fwl, beta_residuos_fwl)
  ),
  digits = 4,
  caption = "Coeficiente de educación con y sin controles"
)
Tabla 10.2: Coeficiente de educación con y sin controles
estimacion coeficiente_educacion
Regresión simple 1.2661
Regresión completa 0.4882
FWL con residuos 0.4882
ggplot(datos_fwl, aes(x = resid_x, y = resid_y)) +
  geom_hline(yintercept = 0, color = "grey70", linewidth = 0.6) +
  geom_vline(xintercept = 0, color = "grey70", linewidth = 0.6) +
  geom_point(color = "#2f4858", size = 2.7) +
  geom_abline(
    intercept = coef(modelo_residuos_fwl)[["(Intercept)"]],
    slope = coef(modelo_residuos_fwl)[["resid_x"]],
    color = "#C0562F",
    linewidth = 1
  ) +
  labs(x = "Educación residualizada", y = "Salario residualizado") +
  theme_minimal()
Regresión parcial de salario residualizado sobre educación residualizada

Figura 10.2: Regresión parcial de salario residualizado sobre educación residualizada

10.5 Interpretación

El coeficiente de educación en la regresión completa es 0.488. El coeficiente obtenido con FWL es 0.488. La igualdad confirma que ambos procedimientos estiman el mismo efecto parcial.

La regresión simple entrega una pendiente de 1.266, que no coincide necesariamente con el coeficiente parcial porque no controla por experiencia. El \(R^2\) de la regresión completa es 0.994.

FWL muestra qué significa “controlar por experiencia”. No convierte automáticamente la pendiente en causal: para eso se requiere justificar los supuestos de identificación.

10.6 Estimación en Stata

El mismo ejercicio puede correrse en Stata:

clear
input educacion experiencia ajuste
10 2  -0.4
10 4   0.3
11 3  -0.2
11 6   0.4
12 5  -0.1
12 7   0.2
13 6   0.1
13 9  -0.3
14 8   0.2
14 10  0.4
15 9  -0.2
15 12  0.3
16 11 -0.1
16 13  0.2
end

gen salario_hora = 4 + 0.65 * educacion + 0.40 * experiencia + ajuste

reg salario_hora educacion
reg salario_hora educacion experiencia

reg salario_hora experiencia
predict resid_y, resid

reg educacion experiencia
predict resid_x, resid

reg resid_y resid_x

Los resultados esperados son los mismos coeficientes que Stata debe reproducir si usa la misma base y especificación:

Estimación Coeficiente aproximado Error estándar aproximado
Educación en regresión completa 0.488 0.083
Educación residualizada en FWL 0.488 0.079
\(R^2\) completo 0.994

10.7 Estimación en Python y Google Colab

Para correr esta práctica en Google Colab, abre un cuaderno y ejecuta:

!pip -q install pandas statsmodels matplotlib seaborn

Luego estima:

import pandas as pd
import statsmodels.formula.api as smf
import seaborn as sns
import matplotlib.pyplot as plt

datos_fwl = pd.DataFrame({
    "educacion": [10, 10, 11, 11, 12, 12, 13, 13, 14, 14, 15, 15, 16, 16],
    "experiencia": [2, 4, 3, 6, 5, 7, 6, 9, 8, 10, 9, 12, 11, 13],
    "ajuste": [-0.4, 0.3, -0.2, 0.4, -0.1, 0.2, 0.1, -0.3, 0.2, 0.4, -0.2, 0.3, -0.1, 0.2]
})

datos_fwl["salario_hora"] = (
    4 + 0.65 * datos_fwl["educacion"] +
    0.40 * datos_fwl["experiencia"] +
    datos_fwl["ajuste"]
)

simple = smf.ols("salario_hora ~ educacion", data=datos_fwl).fit()
completo = smf.ols("salario_hora ~ educacion + experiencia", data=datos_fwl).fit()

datos_fwl["resid_y"] = smf.ols("salario_hora ~ experiencia", data=datos_fwl).fit().resid
datos_fwl["resid_x"] = smf.ols("educacion ~ experiencia", data=datos_fwl).fit().resid
fwl = smf.ols("resid_y ~ resid_x", data=datos_fwl).fit()

print(simple.summary())
print(completo.summary())
print(fwl.summary())

sns.regplot(
    data=datos_fwl,
    x="resid_x",
    y="resid_y",
    ci=None,
    scatter_kws={"color": "#2f4858"},
    line_kws={"color": "#C0562F"}
)
plt.xlabel("Educación residualizada")
plt.ylabel("Salario residualizado")
plt.show()

Los resultados esperados son los mismos coeficientes que Python debe reproducir si usa la misma base y especificación:

Estimación Coeficiente aproximado Error estándar aproximado
Educación en regresión completa 0.488 0.083
Educación residualizada en FWL 0.488 0.079
\(R^2\) completo 0.994

10.8 Comparación R, Stata y Python

La receta FWL es idéntica en los tres programas: estimar el modelo completo, residualizar \(y\), residualizar \(X_r\), y regresar residuo contra residuo. El coeficiente parcial debe coincidir.

Tarea R Stata Python
Modelo completo lm(y ~ xr + xs) reg y xr xs ols("y ~ xr + xs")
Residualizar \(y\) resid(lm(y ~ xs)) predict resid_y, resid .fit().resid
Residualizar \(X_r\) resid(lm(xr ~ xs)) predict resid_x, resid .fit().resid
Regresión FWL lm(resid_y ~ resid_x) reg resid_y resid_x ols("resid_y ~ resid_x")

10.9 Errores frecuentes en la práctica

  • Usar controles distintos. \(y\) y \(X_r\) deben residualizarse contra el mismo conjunto \(X_s\).
  • Cambiar la muestra. FWL requiere que todas las regresiones usen las mismas observaciones.
  • Olvidar la constante. Si el modelo completo tiene intercepto, las regresiones auxiliares también deben tenerlo.
  • Interpretar FWL como causal por sí mismo. FWL es álgebra de regresión; la causalidad depende de supuestos adicionales.

10.10 Ejercicios computacionales

  1. Cambia la variable de control de experiencia a experiencia + I(experiencia^2). ¿Sigue coincidiendo FWL?
  2. Elimina una observación antes de una sola regresión auxiliar. ¿Qué ocurre con la igualdad?
  3. Grafica resid_y contra resid_x y explica qué representa cada eje.
  4. Repite el ejercicio en Stata y Python. Verifica que el coeficiente parcial coincida con R.
  5. Compara el coeficiente simple y el coeficiente completo. ¿Qué te dice la diferencia?