10.5 Ejercicios

1. Estudio de simulación: especificación incorrecta de la forma funcional

Como se indicó en el Capítulo 10.2, la especificación incorrecta de la función de regresión viola el supuesto 1 del Concepto clave 6.3, por lo que el estimador MCO estará sesgado e inconsistente. Se ha ilustrado el sesgo de β^0 para el ejemplo de la función de regresión poblacional cuadrática

Yi=Xi2

y el modelo lineal Yi=β0+β1Xi+ui,uiN(0,1) usando 100 observaciones generadas aleatoriamente. Estrictamente hablando, este hallazgo podría ser solo una coincidencia porque se considera solo una estimación obtenida usando un solo conjunto de datos.

En este ejercicio, se debe generar evidencia de simulación para el sesgo de β^0 en el modelo Yi=β0+β1Xi+ui si la función de regresión de la población es Yi=Xi2.

Instrucciones:

Asegúrese de utilizar las definiciones sugeridas en el código esqueleto en script.R para completar las siguientes tareas:

  • Genere 1000 estimaciones de MCO de β0 en el modelo anterior utilizando un bucle for() donde XiU[5,5], uiN(0,1) usando muestras de tamaño 100. Guardar las estimaciones en beta_hats.

  • Comparar la media muestral de las estimaciones con el parámetro verdadero utilizando el operador ==.

Sugerencia:

  • Puede generar números aleatorios a partir de una distribución uniforme utilizando runif().

2. Estudio de simulación: Sesgo de errores en variables

Considere nuevamente la aplicación del modelo clásico de error de medición presentado en el Capítulo 10.2:

El regresor único Xi se mide con error de modo que en su lugar se observa Xi. Por tanto, se estima β1 en

Yi=β0+β1Xi+β1(XiXi)+ui=viYi=β0+β1Xi+vi

en lugar de

Yi=β0+β1Xi+ui,

con el error medio cero wi no correlacionado con Xi y ui. Entonces β1 es estimado de manera inconsistente por MCO:

β^1pσX2σX2+σw2β1

Deje

(X,Y)N[(50100),(105510)].

Recuerde de (10.2) que E(Yi|Xi)=75+0.5Xi en este caso. Además, suponga que Xi=Xi+wi con wii.i.dN(0,10).

Como se mencionó en el ejercicio 1, el capítulo 10.2 analiza las consecuencias del error de medición para el estimador de MCO de β1 en este entorno basado en una única muestra y, por lo tanto, una sola estimación. Estrictamente hablando, la conclusión obtenida podría ser incorrecta porque el sesgo observado puede deberse a una variación aleatoria. Una simulación de Monto Carlo es más apropiada aquí.

Instrucciones:

Muestre que β1 se estima con un sesgo utilizando un estudio de simulación. Asegúrese de utilizar las definiciones sugeridas en el código esqueleto en script.R para completar las siguientes tareas:

  • Generar 1000 estimaciones de β1 en el modelo de regresión simple Yi=β0+β1Xi+ui. Usar rmvnorm() para generar muestras de 100 observaciones aleatorias de la distribución normal bivariada indicada anteriormente.

  • Guardar las estimaciones en beta_hats.

  • Calcular la media muestral de las estimaciones.