Correlación entre los regresores y el error (Parte I)

En este video presentamos el problema de correlación entre los regresores y el error y sus consecuencias sobre el estimador de MCO. También se presentan algunos ejemplos en donde se presenta este caso.

[@araiates8438]

Muchas gracias por subir estos videos, pronto me tocará este curso y me aterra porque me han dicho que es muy difícil 😣

[@econometria2637]

Espero que los videos te ayuden a que no sea tan complicado!

[@araiates8438]

@@econometria2637 muchas gracias! ☺️

[@quiquedce6910]

Hola buenas gracia spor el video, me surge una duda cuando haces la demostración del sesgo del estimador por MCO, se puede saber cuál es el valor de la esperanza condicionada del error de la muestra ui a X, para así conocer si al aplicar MCO se está sobreestimado o subestimado el parámetro B?
Un saludo y gracias de antemano

[@econometria2637]

En ocasiones sí se puede saber el sesgo de la estimación. Por ejemplo, si el modelo verdadero es Y=b1+b2*X2+b3*X3+v, pero omitimos la variable X3, con lo cual el modelo queda como Y=b1+b2*X2+u, siendo u=b3*X3+v. Se puede comprobar que el estimador MCO b2^=b2+Sum(x2,u)/Sum(x2^2), donde la letra en minúscula representa desvíos. Reemplazando u por su definición queda b2^=b2+Sum(x2,b3*X3+v)/Sum(x2^2). Desarrollando queda: b2^=b2+b3*Sum(x2,X3)/Sum(x2^2)+Sum(x2,v)/Sum(x2^2). Aplicando el valor esperado queda
E[b2^]=b2+b3*Sum(x2,X3)/Sum(x2^2)
Luego, el sesgo depende del signo de b3 y de Sum(x2,X3).
Saludos!