Capítulo 34 Parcial 2 · 2026-1

Pontificia Universidad Javeriana · Departamento de Economía Profesora: Ana María Díaz · Semestre: 2026-1 Puntaje máximo: 5.0 pts

Cómo usar este capítulo Las preguntas están tal como aparecieron en el examen. Haz clic en 🔑 Ver solución para revelar la respuesta y su explicación. Te recomendamos responder primero y consultar la solución después.


Parte I: Selección Múltiple

20 preguntas · 2 puntos en total

La escala de calificación asigna 2.00 pts con 20 correctas, hasta 1.00 pts con 10 correctas; por debajo de 10, proporcional.


Clave de respuestas: B A C B A | B C C B C | B C B B B | B C B C C


P1. La matriz de varianza-covarianza del estimador MCO bajo heterocedasticidad satisface:

  1. \(\operatorname{Var}(\hat{\beta}\mid X)=\sigma^2(X'X)^{-1}\)
  2. \(\operatorname{Var}(\hat{\beta}\mid X)=(X'X)^{-1}X'\Omega X(X'X)^{-1}\)
  3. Coincide con la fórmula clásica si \(\Omega=\sigma^2 I\)
  4. No puede estimarse sin suponer normalidad
🔑 Ver solución

Respuesta: B. Bajo heterocedasticidad \(\Omega=\operatorname{Var}(\varepsilon\mid X)\) es diagonal pero no es múltiplo de \(I_n\). La verdadera varianza es \(\operatorname{Var}(\hat{\beta}\mid X)=(X'X)^{-1}X'\Omega X(X'X)^{-1}\). La fórmula clásica \(\sigma^2(X'X)^{-1}\) es incorrecta.


P2. El estimador MCO en presencia de heterocedasticidad es:

  1. Insesgado y consistente
  2. Sesgado e inconsistente
  3. Insesgado en muestras pequeñas pero consistente en grandes
  4. Consistente pero no eficiente
🔑 Ver solución

Respuesta: A. La heterocedasticidad viola el supuesto S4 (homocedasticidad) pero no afecta S1–S2. Luego, MCO sigue siendo insesgado y consistente; el problema es que deja de ser MELI y los errores estándar habituales son inválidos.


P3. Defina \(H_i = X_i(X'X)^{-1}X_i'\) (apalancamiento de la observación \(i\)). Si \(H_i\) es muy grande:

  1. La observación \(i\) tiene bajo impacto en \(\hat{\beta}\)
  2. La observación \(i\) tiene alto impacto en \(\hat{\beta}\) pero bajo residuo
  3. Los errores estándar disminuyen automáticamente
  4. El \(R^2\) se incrementa
🔑 Ver solución

Respuesta: C. Un valor alto de \(H_i\) indica que \(X_i\) está alejado del centro de la distribución de \(X\). Eso puede causar alto residuo o bajo residuo (apalancamiento alto), pero siempre reduce la varianza del residuo estandarizado. Observaciones atípicas en \(X\) tienen potencial para alterar \(\hat{\beta}\).


P4. En el modelo \(Y_i = \beta_0 + \beta_1 X_i + u_i\) con heterocedasticidad, los errores robustos (HC) son preferibles a los errores estándar clásicos porque:

  1. Producen estimadores insesgados
  2. Proporcionan inferencia válida bajo heterocedasticidad sin especificar su forma
  3. Mejoran la eficiencia de MCO
  4. Eliminan la heterocedasticidad del modelo
🔑 Ver solución

Respuesta: B. Los errores HC estiman directamente \((X'X)^{-1}X'\Omega X(X'X)^{-1}\) sin asumir \(\Omega=\sigma^2 I\). Proporcionan intervalos y pruebas válidas bajo cualquier patrón de heterocedasticidad, sin conocer su forma exacta.


P5. La Ley de Grandes Números (LGN) y el Teorema Central del Límite (TCL) son herramientas para:

  1. Justificar insesgamiento de MCO
  2. Garantizar que MCO es MELI
  3. Establecer propiedades asintóticas de estimadores (consistencia, normalidad asintótica)
  4. Eliminar la heterocedasticidad
🔑 Ver solución

Respuesta: C. LGN justifica consistencia (\(\hat{\beta}\xrightarrow{p}\beta\)) bajo S1–S2 sin necesidad de S4 ni S6. TCL justifica normalidad asintótica (\(\sqrt{n}(\hat{\beta}-\beta)\xrightarrow{d}N(0,\Sigma)\)) incluso sin normalidad de errores.


P6. Si la variable \(Z\) está omitida del modelo verdadero \(Y=X_1\beta_1+Z\beta_2+\varepsilon\) y se estima \(Y=X_1\alpha_1+v\), el sesgo en \(\hat{\alpha}_1\) depende de:

  1. Solo \(\beta_2\)
  2. \(\beta_2\) y \(\operatorname{Cov}(X_1,Z)\)
  3. Solo \(\operatorname{Cov}(X_1,Z)\)
  4. La varianza de \(X_1\)
🔑 Ver solución

Respuesta: B. Sesgo por variable omitida: \(E[\tilde{\alpha}_1]-\beta_1\approx\beta_2\cdot\frac{\operatorname{Cov}(X_1,Z)}{\operatorname{Var}(X_1)}\). Se requiere tanto que \(Z\) sea relevante (\(\beta_2\neq 0\)) como que esté correlacionada con \(X_1\).


P7. En el contexto de variables instrumentales, un instrumento \(Z\) es válido si:

  1. \(\operatorname{Cov}(Z,X)\neq 0\) solamente
  2. \(\operatorname{Cov}(Z,X)\neq 0\) y \(\operatorname{Cov}(Z,\varepsilon)=0\)
  3. \(\operatorname{Cov}(Z,\varepsilon)=0\) y \(\operatorname{Var}(Z)\) es grande
  4. \(Z\) está disponible en los datos
🔑 Ver solución

Respuesta: B. Un instrumento válido requiere: (i) relevancia: \(\operatorname{Cov}(Z,X)\neq 0\) (contribuye información sobre \(X\)); (ii) exogeneidad: \(\operatorname{Cov}(Z,\varepsilon)=0\) (no está correlacionado con perturbaciones no observadas). Ambas son necesarias.


P8. El estimador MCO2E (mínimos cuadrados en dos etapas) con instrumento \(Z\):

  1. Es sesgado pero consistente si \(Z\) satisface relevancia y exogeneidad
  2. Es insesgado incluso sin exogeneidad si \(n\) es grande
  3. Converge a \(\beta_1\) en probabilidad bajo relevancia y exogeneidad
  4. No requiere que \(Z\) sea fuerte
🔑 Ver solución

Respuesta: C. MCO2E es consistente bajo relevancia y exogeneidad: \(\hat{\beta}_{IV}\xrightarrow{p}\beta_1\). No es insesgado en muestras finitas (es estimador de variable dependiente límite), pero sí consistente. Instrumentos débiles producen sesgo inicial (aun con \(n\) grande).


P9. Si el instrumento \(Z\) es débil (baja correlación con \(X\)):

  1. MCO2E sigue siendo consistente aunque lentamente
  2. MCO2E puede estar muy sesgado incluso en muestras grandes
  3. Se incrementa automáticamente la eficiencia
  4. La endogeneidad se resuelve por sí sola
🔑 Ver solución

Respuesta: B. Instrumentos débiles: \(\operatorname{Cov}(Z,X)\) es pequeño. El estimador IV sufre sesgo inicial (asymptotic bias) que puede ser sustancial incluso con \(n\to\infty\). Una prueba de relevancia (test F > 10) ayuda a detectar este problema.


P10. La condición de exclusión en IV requiere que:

  1. \(Z\) no tenga efecto directo en \(Y\) (fuera de su efecto a través de \(X\))
  2. \(Z\) esté correlacionado con \(X\)
  3. \(Y\) se mida sin error
  4. La varianza de \(\varepsilon\) sea constante
🔑 Ver solución

Respuesta: A. La condición de exclusión (exogeneidad del instrumento) requiere que \(Z\perp\varepsilon\): es decir, \(Z\) afecta \(Y\) solo a través de \(X\), sin canal directo. Formal: \(E[Y|Z] = E[E[Y|X,Z]|Z] = E[E[Y|X]|Z]\).


P11. En regresión múltiple con multicolinealidad imperfecta, la varianza del estimador \(\hat{\beta}_j\) se infla por:

  1. El factor \((1-R_j^2)^{-1}\) solamente
  2. VIF\(_j = (1-R_j^2)^{-1}\), donde \(R_j^2\) es el \(R^2\) de \(X_j\) sobre las demás regresoras
  3. La correlación entre \(X_j\) y \(Y\)
  4. El número de observaciones
🔑 Ver solución

Respuesta: B. Variance Inflation Factor (VIF): \(\operatorname{Var}(\hat{\beta}_j\mid X)\approx\frac{\sigma^2}{(1-R_j^2)\sum(X_j-\bar{X}_j)^2}\). Un \(R_j^2\) alto (multicolinealidad) incrementa VIF, inflando la varianza y ampliando intervalos de confianza.


P12. Bajo los supuestos clásicos S1–S5, se estima \(Y = X\beta + \varepsilon\) con \(n=100\) y \(k=3\). Un test \(t\) es válido para hipótesis sobre \(\beta_1\) porque:

  1. Los datos son grandes (\(n=100\))
  2. El Teorema Central del Límite garantiza normalidad asintótica de \(\hat{\beta}\)
  3. La distribución \(t_{n-k}\) aproxima bien \(\sqrt{n}(\hat{\beta}-\beta)/\sigma\)
  4. Todas las anteriores
🔑 Ver solución

Respuesta: D. Con \(n=100\) (muestra grande), el TCL garantiza \(\hat{\beta}\approx N(\beta,\sigma^2(X'X)^{-1})\) bajo S1–S5. El estadístico \(t = \frac{\hat{\beta}_1-\beta_{1,0}}{\operatorname{se}(\hat{\beta}_1)}\sim t_{97}\) es válido (o aproximadamente \(N(0,1)\)). Las tres afirmaciones son correctas.


P13. La normalidad asintótica de MCO requiere:

  1. S6: normalidad de los errores
  2. S1–S2 solamente, por el TCL
  3. Homocedasticidad (S4)
  4. Un instrumento válido
🔑 Ver solución

Respuesta: B. El TCL permite demostrar \(\sqrt{n}(\hat{\beta}-\beta)\xrightarrow{d}N(0,\Sigma)\) bajo S1–S2 únicamente, sin S6 (normalidad). Incluso con errores no normales, MCO es asintóticamente normal. S4 afecta la forma de \(\Sigma\) pero no el resultado límite.


P14. Si se omite un regresor importante (variable relevante correlacionada con \(X\)) del modelo:

  1. Aumenta el R²
  2. Sesga a \(\hat{\beta}\) en dirección determinada por \(\operatorname{Cov}(\text{regresor omitido, X})\) y su efecto verdadero
  3. Reduce automáticamente la heterocedasticidad
  4. No afecta la eficiencia de MCO
🔑 Ver solución

Respuesta: B. Sesgo por variable omitida: la dirección depende del signo de (efecto verdadero de la variable omitida) × (correlación con \(X\)). Si la variable omitida está correlacionada con \(X\), su efecto se confunde en el coeficiente de \(X\).


P15. Un instrumento relevante \(Z\) para la variable endógena \(X\) debe satisfacer:

  1. \(\operatorname{Cov}(Z,X) = 0\)
  2. \(\operatorname{Cov}(Z,X) \neq 0\) (correlación significativa)
  3. \(Z\) sea exógeno a toda la población
  4. \(Z\) tenga efecto directo máximo en \(Y\)
🔑 Ver solución

Respuesta: B. Relevancia del instrumento: se necesita \(\operatorname{Cov}(Z,X)\neq 0\), idealmente fuerte (\(|r_{Z,X}|\) grande). Un test F de la primera etapa > 10 indica relevancia aceptable.


P16. En el modelo \(Y = \beta_0 + \beta_1 X + \varepsilon\) con \(X\) endógena, si usa un instrumento \(Z\) válido:

  1. El estimador MCO de \(\beta_1\) sigue siendo consistente
  2. MCO2E es consistente pero MCO no lo es
  3. Ambos estimadores coinciden si la endogeneidad es leve
  4. La endogeneidad desaparece automáticamente
🔑 Ver solución

Respuesta: B. Si \(\operatorname{Cov}(X,\varepsilon)\neq 0\) (endogeneidad), MCO es inconsistente. MCO2E, basado en el instrumento válido \(Z\), es consistente. No coinciden a menos que la endogeneidad sea exactamente cero.


P17. La prueba de endogeneidad (Hausman test) compara:

  1. Los residuos de MCO y MCO2E
  2. Las varianzas de \(\hat{\beta}_{MCO}\) y \(\hat{\beta}_{IV}\)
  3. \(\hat{\beta}_{MCO}\) y \(\hat{\beta}_{IV}\): si difieren significativamente, hay evidencia de endogeneidad
  4. El \(R^2\) de la primera etapa con el de la segunda
🔑 Ver solución

Respuesta: C. Test de Hausman: \(H = (\hat{\beta}_{IV}-\hat{\beta}_{MCO})'\hat{V}^{-1}(\hat{\beta}_{IV}-\hat{\beta}_{MCO})\sim\chi^2_k\). Si \(H\) es grande, MCO y IV difieren → evidencia de endogeneidad. Bajo \(H_0\): no hay endogeneidad, ambos son consistentes.


P18. El estimador de Mínimos Cuadrados Generalizados (MCG) es útil cuando:

  1. Hay heterocedasticidad (conocida o estimada)
  2. La matriz de varianza-covarianza de \(\varepsilon\) es no escalar
  3. Se quiere mejorar eficiencia más allá de MCO
  4. Todas las anteriores
🔑 Ver solución

Respuesta: D. MCG transforma \(Y = X\beta + \varepsilon\) mediante \(\Omega = \operatorname{Var}(\varepsilon)\): si \(\Omega\) es no escalar (heterocedasticidad, autocorrelación), MCG es más eficiente que MCO. Si \(\Omega = \sigma^2 I\), MCG coincide con MCO.


P19. Bajo heterocedasticidad, los errores estándar clásicos son:

  1. Insesgados e imparciales
  2. Sistemáticamente subestimados (errores HC generalmente más grandes)
  3. Sistemáticamente sobrestimados
  4. Válidos si \(n\) es grande
🔑 Ver solución

Respuesta: B. Los errores estándar clásicos \(\sqrt{\sigma^2(X'X)^{-1}}\) suponen \(\Omega=\sigma^2 I\). Con heterocedasticidad, si los residuos grandes están en \(X\) elevados, los errores clásicos subestiman la verdadera varianza de \(\hat{\beta}\). Los errores HC corrigen este sesgo.


P20. ¿Cuál de las siguientes propiedades de un buen estimador es la más crítica para causalidad en econometría?

  1. Eficiencia (varianza mínima)
  2. Insesgamiento exacto
  3. Consistencia bajo identificación válida
  4. Distribución normal
🔑 Ver solución

Respuesta: C. Para causalidad, se necesita consistencia bajo supuestos de identificación válidos (exogeneidad estricta o IV válido). Insesgamiento exacto no es necesario si es sesgado pero consistente. Eficiencia es deseable pero no esencial. Normalidad es útil para inferencia pero no para consistencia.


Parte II: Preguntas Abiertas

Responda la pregunta obligatoria y una de las dos opcionales.


Obligatoria — Sesgo por Variable Omitida e Instrumentos (3 pts)

Un municipio implementa un programa de capacitación laboral \((P)\) que puede mejorar la empleabilidad de personas con discapacidad. Se recopilan datos de \(n\) participantes durante un año y se estima el efecto del programa en horas de trabajo mensuales \((Y)\).

Contexto: El modelo verdadero es \[Y_i = \beta_0 + \beta_1 P_i + \beta_2 C_i + \varepsilon_i,\] donde \(C_i\) es una variable que mide la capacidad gestional (o motivación) no observada del participante, y se supone \(E[\varepsilon_i | P_i, C_i] = 0\).

(1) — 1 pt. Variable omitida y sesgo.

El investigador no tiene medida de \(C\) y estima \[Y_i = \alpha_0 + \alpha_1 P_i + v_i.\]

  • (a) Identifique una variable plausible que podría actuar como \(C\) (capacidad gestional).
  • (b) Escriba la fórmula del sesgo de \(\hat{\alpha}_1\) como función de los parámetros verdaderos y la correlación entre \(P\) y la variable omitida.
  • (c) Argumente el signo del sesgo: ¿esperaría que \(\hat{\alpha}_1 > \beta_1\) o \(\hat{\alpha}_1 < \beta_1\)? ¿Por qué?
🔑 Ver solución

(a) Variable plausible: Capacidad de liderazgo del participante, nivel educativo previo, autoestima, o disposición a trabajar (motivación).

(b) Fórmula del sesgo: \[E[\hat{\alpha}_1] - \beta_1 \approx \beta_2 \cdot \frac{\operatorname{Cov}(P,C)}{\operatorname{Var}(P)}.\]

El sesgo depende de (i) el efecto verdadero de \(C\) en horas (\(\beta_2\)) y (ii) la correlación entre participación y capacidad gestional.

(c) Signo del sesgo: Si participantes más capacitados gestionales son más propensos a inscribirse (\(\operatorname{Cov}(P,C) > 0\)) y tienen mayor efecto en horas (\(\beta_2 > 0\)), entonces sesgo positivo: \(\hat{\alpha}_1\) sobrestima \(\beta_1\). El programa “parece” más efectivo porque confunde su efecto con el de capacidad previa.


(2) — 1 pt. Dos instrumentos razonables.

Para resolver el problema de endogeneidad, el investigador propone dos variables instrumentales \(Z_1\) y \(Z_2\):

  • \(Z_1 :=\) proximidad del domicilio del participante a la sede del programa (en km). Se supone que afecta a \(P\) pero no directamente a \(Y\).
  • \(Z_2 :=\) número de cupos disponibles ese mes en el programa (asignado aleatoriamente por la administración).

(a) Para cada instrumento, explique qué variación explota: - ¿Por qué \(Z_1\) podría estar correlacionado con \(P\)? - ¿Por qué \(Z_2\) podría estar correlacionado con \(P\)?

(b) Escriba las dos etapas de MCO2E usando \(Z_1\) como instrumento.

🔑 Ver solución

(a) Variación explotada:

  • \(Z_1\) (proximidad): Aprovecha la variación geográfica. Participantes más cercanos tienen menores costos de transporte y tiempo, por lo que es más probable que se inscriban. Esperamos \(\operatorname{Cov}(P, Z_1) > 0\) (distancia menor → más inscripción).

  • \(Z_2\) (cupos): Aprovecha la variación administrativa. Meses con más cupos ofrecen menos restricción, aumentando la participación. Esperamos \(\operatorname{Cov}(P, Z_2) > 0\) (más cupos → más participantes).

(b) Dos etapas con \(Z_1\):

Primera etapa: Regresar \(P\) sobre \(Z_1\) (y controles): \[\hat{P}_i = \hat{\pi}_0 + \hat{\pi}_1 Z_{1,i}.\]

Obtenga los valores ajustados \(\hat{P}_i\).

Segunda etapa: Regresar \(Y\) sobre \(\hat{P}\): \[Y_i = \hat{\beta}_0 + \hat{\beta}_1^{IV} \hat{P}_i + \hat{u}_i.\]

El coeficiente \(\hat{\beta}_1^{IV}\) es consistente si \(Z_1\) es relevante (\(\operatorname{Cov}(P, Z_1) \neq 0\)) y exógeno (\(\operatorname{Cov}(Z_1, \varepsilon) = 0\)).


(3) — 1 pt. Instrumento más defendible e hipótesis formales.

(a) Elija cuál de los dos instrumentos (\(Z_1\) o \(Z_2\)) le parece más defendible y justifique por qué.

(b) Para el instrumento elegido, escriba formalmente las dos condiciones que debe satisfacer un instrumento válido: - Relevancia: \(\operatorname{Cov}(Z, P) \neq 0\) (o especifique: cuál es el signo esperado y por qué). - Exogeneidad: \(\operatorname{Cov}(Z, \varepsilon) = 0\) (o equivalentemente, \(E[\varepsilon | Z] = 0\)).

(c) Escriba el estimador IV para \(\beta_1\).

🔑 Ver solución

(a) Instrumento más defendible:

\(Z_2\) (cupos) es probablemente más defendible porque: - La asignación es administrativa y aleatoria (no seleccionada por participantes). - Es más difícil que participantes con mayor capacidad gestional se autoselectionen según la cantidad de cupos ese mes. - \(Z_1\) es vulnerable a un argumento de confusión: participantes en áreas con mejor acceso geográfico podrían tener también mayor empleabilidad por otras razones (mejor infraestructura, más oportunidades laborales en la zona).

(b) Condiciones formales:

Relevancia: \[\operatorname{Cov}(Z_2, P) \neq 0 \quad \Rightarrow \quad E[Z_2 P] \neq E[Z_2]E[P].\]

Esperamos signo positivo: más cupos → mayor participación.

Exogeneidad (Condición de exclusión): \[\operatorname{Cov}(Z_2, \varepsilon) = 0 \quad \Rightarrow \quad E[\varepsilon | Z_2] = 0.\]

Interpretación: \(Z_2\) afecta horas de trabajo únicamente a través de su efecto en participación (\(P\)), sin canal directo. La disponibilidad de cupos no está correlacionada con la capacidad gestional no observada \(C\).

(c) Estimador IV:

\[\hat{\beta}_1^{IV} = \frac{\operatorname{Cov}(Z_2, Y)}{\operatorname{Cov}(Z_2, P)}.\]

En forma computacional: \[\hat{\beta}_1^{IV} = \frac{\sum_i (Z_{2,i} - \bar{Z}_2)(Y_i - \bar{Y})}{\sum_i (Z_{2,i} - \bar{Z}_2)(P_i - \bar{P})}.\]


Opcional 1 — Heterocedasticidad y Multicolinealidad (3 pts)

Considere un modelo de regresión lineal múltiple que explica salarios en función de educación, experiencia y género. Se sospecha heterocedasticidad y multicolinealidad.

(1) — 1 pt. Heterocedasticidad.

(a) Defina homocedasticidad y heterocedasticidad formalmente usando la varianza condicional.

(b) Si \(\operatorname{Var}(\varepsilon_i | X) = \sigma_i^2\) (heterocedasticidad): - ¿Se sesga el estimador MCO? - ¿Se invalida la matriz de varianza-covarianza clásica \(\sigma^2(X'X)^{-1}\)?

(c) Proponga dos acciones para abordar heterocedasticidad en la inferencia.

🔑 Ver solución

(a) Definiciones:

Homocedasticidad (S4): \[\operatorname{Var}(\varepsilon_i | X) = \sigma^2 \quad \forall i.\] La varianza del error es constante e igual para todas las observaciones.

Heterocedasticidad: \[\operatorname{Var}(\varepsilon_i | X) = \sigma_i^2 \quad (\text{varía con } i).\] La varianza depende de características observables o no observables.

(b) Impacto de heterocedasticidad:

  • ¿Se sesga MCO? No. Insesgamiento depende de S1 (linealidad) y S2 (exogeneidad \(E[\varepsilon|X]=0\)). Heterocedasticidad viola S4 pero no S2 → MCO sigue siendo insesgado.

  • ¿Se invalida la varianza clásica? Sí. La verdadera varianza es \[\operatorname{Var}(\hat{\beta}|X) = (X'X)^{-1}X'\Omega X(X'X)^{-1},\] donde \(\Omega = \operatorname{diag}(\sigma_1^2, \ldots, \sigma_n^2)\). La fórmula clásica \(\sigma^2(X'X)^{-1}\) es incorrecta → errores estándar incorrectos → pruebas inválidas.

(c) Dos acciones:

  1. Errores estándar robustos (HC): Estimar \(\Omega\) directamente de los residuos sin asumir su forma. Los errores HC válidos proporcionan inferencia válida bajo cualquier patrón de heterocedasticidad.

  2. Mínimos Cuadrados Generalizados (MCG): Si se conoce (o estima) la estructura de heterocedasticidad, transformar el modelo mediante \(\Omega^{-1/2}\) para obtener un modelo homocedástico. MCG es más eficiente que MCO cuando \(\Omega\) es conocida.


(2) — 1 pt. Multicolinealidad.

(a) Defina multicolinealidad imperfecta usando la matriz \(X'X\) y su relación con la correlación entre regresores.

(b) ¿Sesga el estimador MCO si existe multicolinealidad imperfecta? Justifique.

(c) ¿Cómo afecta al estimador la correlación alta entre regresores? Use la fórmula del Variance Inflation Factor (VIF).

🔑 Ver solución

(a) Definición:

Multicolinealidad imperfecta: Alta correlación lineal entre regresores. Formalmente, \(\operatorname{rank}(X) = k\) (rango completo, MCO existe) pero ciertos menores de \(X'X\) son muy pequeños.

Equivalentemente: un regresor \(X_j\) tiene \(R_j^2\) muy alto cuando se regresa sobre los demás, indicando que es casi una combinación lineal de otros regresores.

(b) ¿Sesga MCO?

No. Multicolinealidad imperfecta no viola S3 (rango completo), ni afecta S1–S2. Luego: \[E[\hat{\beta}|X] = \beta \quad \text{(insesgado)}.\]

También es consistente bajo S1–S2.

(c) Efecto en varianza (VIF):

\[\operatorname{Var}(\hat{\beta}_j | X) = \frac{\sigma^2}{(1-R_j^2) \sum_i(X_{j,i} - \bar{X}_j)^2},\]

donde \(R_j^2\) es el \(R^2\) de regresionar \(X_j\) sobre los demás regresores.

Variance Inflation Factor: \(\text{VIF}_j = (1-R_j^2)^{-1}\).

Si \(R_j^2 \to 1\) (alta multicolinealidad), \(\text{VIF}_j \to \infty\) → varianza se infla → intervalos de confianza muy amplios → estadísticos \(t\) pequeños → dificultad para detectar significancia, aunque MCO es insesgado.


(3) — 1 pt. Acciones para abordar ambos problemas.

Proponga dos acciones distintas: - Una para heterocedasticidad (distinta de errores HC). - Otra para multicolinealidad (distinta de recolectar más datos).

Justifique brevemente por qué cada acción aborda el problema.

🔑 Ver solución

Para heterocedasticidad:

  1. Transformación logarítmica de \(Y\): Si \(\sigma_i \propto E[Y_i]\) (heterocedasticidad proporcional al nivel), transformar \(\ln(Y)\) homogeniza la varianza. El modelo transformado \(\ln(Y) = X\beta + \varepsilon'\) tiene \(\operatorname{Var}(\varepsilon'|X)\) más cercana a constante.

  2. Mínimos Cuadrados Ponderados (WLS): Si se estima la estructura de heterocedasticidad (p.ej., \(\sigma_i^2 \propto X_{j,i}^2\)), usar pesos \(w_i = 1/\sigma_i^2\) para downweight observaciones con mayor varianza. Formalmente: \[\hat{\beta}_{WLS} = (X'WX)^{-1}X'WY \quad \text{(más eficiente que MCO)}.\]

Para multicolinealidad:

  1. Selección de variables (eliminar regresores muy correlacionados): Usar criterios de información (AIC, BIC) o stepwise selection para remover regresores que añaden poco poder explicativo y están altamente correlacionados. Sacrificamos insesgamiento potencial de un regresor omitido a cambio de precisión en los coeficientes restantes.

  2. Regresión ridge (estimador regularizado): Usar estimador regularizado \(\hat{\beta}_{\text{ridge}} = (X'X + \lambda I)^{-1}X'Y\) (\(\lambda > 0\)). Acepta sesgo controlado a cambio de reducir varianza. Especialmente útil cuando el objetivo es predicción, no interpretación causal de coeficientes.


Opcional 2 — Normalidad Asintótica y Pruebas de Hipótesis (3 pts)

(1) — 1 pt. Normalidad asintótica formal.

(a) Escriba la definición de normalidad asintótica del estimador MCO sin asumir que los errores son normales.

(b) ¿Qué teorema econométrico fundamental la justifica? Explique brevemente el rol del supuesto S2 en su derivación.

(c) ¿Es necesario el supuesto S6 (normalidad de \(\varepsilon\)) para normalidad asintótica de \(\hat{\beta}\)?

🔑 Ver solución

(a) Definición:

Bajo S1–S5 (sin S6), el estimador MCO satisface \[\sqrt{n}(\hat{\beta} - \beta) \xrightarrow{d} \mathcal{N}(0, \sigma^2 Q^{-1}),\] donde \(Q = \lim_{n\to\infty} \frac{1}{n}X'X\).

Equivalentemente: para grandes \(n\), \(\hat{\beta} \approx N(\beta, \sigma^2(X'X)^{-1})\) aproximadamente.

(b) Teorema fundamental:

El Teorema Central del Límite (TCL) para variables i.i.d. (o débilmente correlacionadas).

Rol de S2: Bajo exogeneidad \(E[\varepsilon|X]=0\), los regresores no están correlacionados con las perturbaciones. Esto permite aplicar TCL a sumas como \(\frac{1}{n}X'\varepsilon\) sin sesgo inicial.

(c) ¿Necesario S6?

No. S6 (normalidad de \(\varepsilon\)) es suficiente para normalidad exacta en muestras finitas, pero no necesario para normalidad asintótica. El TCL solo requiere que los errores sean i.i.d. (u obedezcan condiciones de Lindeberg) e independientes de \(X\), sin distribuirse normalmente.


(2) — 1 pt. Test \(t\) con ejemplo numérico.

Se estima el modelo \(Y_i = \beta_0 + \beta_1 X_i + \varepsilon_i\) con \(n = 150\) observaciones. Se obtiene: \[\hat{\beta}_1 = 0.40, \quad \widehat{\operatorname{se}}(\hat{\beta}_1) = 0.20.\]

Realice un test \(t\) bilateral para \(H_0: \beta_1 = 0\) vs. \(H_1: \beta_1 \neq 0\) al nivel \(\alpha = 0.05\).

(a) Calcule el estadístico \(t\).

(b) Determine el valor crítico. ¿Rechaza o no rechaza \(H_0\)?

(c) Interprete el resultado en términos del efecto causal de \(X\) sobre \(Y\).

🔑 Ver solución

(a) Estadístico \(t\):

\[t = \frac{\hat{\beta}_1 - 0}{\widehat{\operatorname{se}}(\hat{\beta}_1)} = \frac{0.40}{0.20} = 2.0.\]

(b) Valor crítico y decisión:

Para \(n=150\), \(n-k = 150 - 2 = 148\) grados de libertad. El valor crítico bilateral a \(\alpha=0.05\) es aproximadamente \(t_{0.025, 148} \approx 1.96\) (o más precisamente, \(1.975\)).

Como \(|t| = 2.0 > 1.96\), rechazamos \(H_0\) al 5%.

(c) Interpretación:

Hay evidencia estadísticamente significativa (al 5%) de que \(\beta_1 \neq 0\). El coeficiente estimado de 0.40 es significativamente distinto de cero: un cambio unitario en \(X\) está asociado con un cambio de 0.40 unidades en \(Y\), manteniendo lo demás constante.

(Nota: significancia estadística no implica automáticamente importancia económica ni causalidad sin los supuestos de identificación.)


(3) — 1 pt. Errores robustos y supuestos de inferencia.

(a) Bajo heterocedasticidad, explique por qué los errores estándar clásicos pueden ser muy sesgados pero los errores robustos (HC) siguen siendo válidos.

(b) ¿Qué supuesto no se necesita para inferencia asintótica válida? - S2 (exogeneidad) - S4 (homocedasticidad) - S6 (normalidad de \(\varepsilon\))

Justifique.

🔑 Ver solución

(a) Por qué errores clásicos fallan pero HC funciona:

Los errores estándar clásicos asuben \(\operatorname{Var}(\varepsilon|X) = \sigma^2 I\). Con heterocedasticidad \(\operatorname{Var}(\varepsilon|X) = \Omega \neq \sigma^2 I\), la fórmula clásica \(\sigma^2(X'X)^{-1}\) no es correcta.

Los errores HC estiman directamente: \[\widehat{\operatorname{Var}}_{HC}(\hat{\beta}) = (X'X)^{-1} X' \widehat{\Omega} X (X'X)^{-1},\] donde \(\widehat{\Omega} = \operatorname{diag}(\hat{u}_i^2)\) (residuos al cuadrado en la diagonal). Esto no presupone ninguna forma de heterocedasticidad → válido bajo cualquier \(\Omega\) diagonal.

(b) Supuesto no necesario:

S6 (normalidad) no es necesario para inferencia asintótica válida.

Bajo S1–S5 (incluyendo S2: exogeneidad), el TCL garantiza normalidad asintótica de \(\hat{\beta}\) sin importar la distribución de \(\varepsilon\).

  • S2 (exogeneidad) sí es necesario para consistencia y para que la media asintótica sea correcta.
  • S4 (homocedasticidad) afecta la forma de la varianza asintótica, pero se puede reemplazar con varianza HC.
  • S6 es innecesario asintóticamente.