5 votos

Puede no ser la endogeneidad?

Estoy realizando una regresión en la que sospecho que podría ser la endogeneidad entre la variable explicativa y la dependiente. Como un primer paso que realizar una regresión por MCO y luego, para controlar por la endogeneidad, yo uso un 2SLS de regresión con una variable instrumental.

El coeficiente de esta variable, en mi regresión por MCO no es estadísticamente significativa. ¿Tiene sentido todavía a realizar una 2SLS? Puede ser que hay algunos 'contrapeso' efecto para el cual la relación entre el dependiente y la variable explicativa es que en realidad existe, pero no observables y no se detecta con el OLS?

Me disculpo si esto es una pregunta estúpida, pero yo no soy un experto en este campo y la necesidad de algunos consejos a seguir con mi análisis :)

4voto

Andy Puntos 10250

Si usted sospecha de simultaneidad entre el $y \equiv$ "IPO primer día de rendimientos del mercado" y $x \equiv$ "IPO underwriters" depende de su intuición y de la teoría económica. Si hay documentos que considere la posibilidad de la simultaneidad problema los autores suelen proporcionar buenas razones para ello. De lo contrario no quieren sacrificar la eficiencia del estimador OLS ineficientes, pero coherente IV modelos.

Como refiere su pregunta sobre la insignificancia de la (potencialmente) variable endógena esto también puede ser debido al pequeño tamaño de la muestra, muy poca variación en $x$ o muy pocas otras variables explicativas. Es posible que el sesgo de simultaneidad contribuye a esta insignificancia. Para ver esto de escribir el modelo como $$y = \beta_{0} +\beta_{1}x + u$$ En el caso de la simultaneidad, también se puede retroceder $$x = \delta_{0} + \delta_{1}y + v$$

Esto significa que un alto $u$ implica un alto valor de$y$, lo que aumenta el valor de $x$, que conduce a una correlación entre el$u$$x$. Esto viola el importante OLS suposición de que $E(xu)=0$ y obtendrá estimaciones inconsistentes. En su lugar tenemos: $$E(xu) = E((\delta_{0} + \delta_{1}y + v)u) = \delta_{1}E(yu) +E(uv)$$

Luego de su estimación de $\beta_{1}$ será el valor de "true" más el sesgo de simultaneidad: $$\widehat{\beta_{1}} = \beta_{1} + \frac{Corr(xu)}{Var(x)}$$

Si el sesgo es positivo y grande (todo lo demás igual!), se obtiene un gran valor para la estimación de $\widehat{\beta_{1}}$. Dividiendo el coeficiente de la correspondiente estadística t de obtener el error estándar a partir de la cual calcular la significación estadística. En este sentido, es posible que su estimación OLS es insignificante debido a que el problema de polarización. La dificultad es que el IV/2SLS son mucho menos eficientes que los de MCO y los errores estándar son generalmente más grandes. A menos que el sesgo de reducción es lo suficientemente grande en relación con el incremento en los errores estándar, IV/2SLS son poco probable que sea útil.

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X