Estimadores encogidos en modelos de ecuaciones simultáneas para el análisis del mercado de carne de bovino en México
DOI:
https://doi.org/10.18381/eq.v16i1.7157Palabras clave:
Instrumentos débiles, regresión LASSO, mínimos cuadrados en dos etapasResumen
El objetivo principal en este trabajo fue usar regresión LASSO (Least Absolute Shrinkage and Selection Operator) como método de selección de instrumentos en la estimación de mínimos cuadrados en dos etapas (Mc2E) en un sistema de ecuaciones simultáneas propuesto para realizar un análisis econométrico del mercado de carne de bovino en México en el periodo 1972-2011. Un factor determinante en el desempeño de los estimadores es el grado de correlación de los instrumentos con las variables endógenas en la primera etapa. Cuando los instrumentos son débiles, los estimadores de Mc2E son inconsistentes, sesgados, y tienen varianzas grandes; los resultados asintóticos fallan incluso con muestras grandes. Los resultados muestran que mediante lasso es posible seleccionar instrumentos relevantes, y obtener mejores estimadores que redunden en un mejor diseño de políticas.Descargas
Citas
Bai, J. & Ng, S. (2009). Selecting instrumental variables in a data rich environment. Journal of Time Series Econometrics, 1 (1).
Belloni, A., Chen, D., Chernozhukov, V. & Hansen, C. (2012). Sparse models and methods for optimal instruments with an application to eminent domain. Econométrica, 80 (6), 2369-2429.
Belloni, A., Chernozhukov, V. & Hansen, C. (2011). Inference for high- dimensional sparse econometric models. Advances in Economics and Econometrics, 10th World Congress of Econometric Society.
Callejas, J. N., Aranda, H., Rebollar, R. S. & De la Fuente, M. M. (2014). Situación económica de la producción de bovinos de carne en el estado de Chihuahua, México. Agronomía Mesoamericana, 25 (1), 133-139.
Cruz, J. J. (2013). El mercado de la carne bovina en México, 1970-2011. Tesis de doctorado no publicada. Colegio de Postgraduados, México.
Cruz, J. J. & García, S. R. C. (2014). El mercado de la carne de bovino en México, 1970-2011. Estudios Sociales, 22 (43), 87-110.
Donald, S. G. & Newey, W. K. (2001). Choosing the number of instruments. Econométrica, 69 (5), 1161-1191.
Efron, B. H. T., Johnstone, I. & Tibshirani, R. (2004). Least angle regression. The Annals of Statistics Institute of Mathematical Statistics, 32 (2), 407-499.
Fideicomisos Instituidos en Relación con la Agricultura-FIRA. (2017). Panorama Agroalimentario: Carne de bovino 2017. Recuperado el 4 de mayo de 2018, de https://www.gob.mx/cms/uploads/attachment/file/200639/Panorama_Agroalimentario_Carne_de_bovino_2017__1_.pdf
Frankel, J. A. & Romer, D. H. (1999). Does trade cause growth? American Economic Review, 89 (3), 379-399.
Gujarati, D. N. & Porter, D. C. (2010). Econometría. México: Mc GrawHill.
Hastie, T., Tibshirani, R. & Friedman J. (2008). The elements of statistical learning data mining, inference, and prediction. EE.UU.: Springer.
Hoerl, A. E. & Kennard, R. W. (1970). Ridge regression: Biased estimation for nonorthogonal problems. Technometrics, 12 (1), 55-67.
Lockhart, R., Taylor, J., Tibshirani, R. J. & Tibshirani, R. (2014). A significance test for the lasso. The Annals of Statistics. Institute of Mathematical Statistics, 42 (2), 413-468.
Miguel, E., Satyanath, S. & Sergenti, E. (2004). An instrumental variables approach source. Journal of Political Economy, 112 (4), 725-753.
Okui, R. (2001). Instrumental variable estimation in the presence of many moment conditions. Journal of Econometrics, 165 (3), 70-86.
Puebla, A. S., Rebollar, R. S., Gómez, T. G., Hernández, M. J. & Guzmán, S. E. (2018). Factores determinantes de la oferta regional de carne bovina en México, 1994-2013. Región y Sociedad, 30 (72).
Secretaría de Agricultura y Desarrollo Rural-SAGARPA. (2009). Escenario Base 0918. Proyecciones para el sector agropecuario en México. Recuperado el 24 de mayo de 2018, de http://www.ruralfinanceandinvestment.org/sites/default/files/Proyecciones%20para%20el%20sector%20agropecuario%20de%20México.pdf
Shea, J. (1997). Instrument relevance in multivariate linear models: A simple measure. The Review of Economics and Statistics, 79 (2), 348-352.
Staiger, D. & Stock, J. H. (1997). Instrumental variables regression with weak instruments. Econométrica, 65 (3), 557-586.
Stock, J. H. & Watson, M. W. (2011). Introduction to econometrics. Boston, MA, EE.UU.: Addison Wesley.
Stock, J. H., Wright, J. H. & Yogo, M. (2002). A survey of weak instruments and weak identification in generalized method of moments. Journal of Business and Economic Statistics. American Statistical Association Journal of Business & Economic Statistics, 20 (4).
Stock, J. H. & Yogo, M. (2001). Testing for weak instruments in linear IV regression. EE.UU.: Department of Economics/Harvard University/ National Bureau of Economic Research.
Tibshirani, R. (1996). Regression shrinkage and selection via the Lasso. Journal of the Royal Statistical Society, 58 (1), 267-288.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
El contenido publicado en EconoQuantum se encuentra bajo una Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
