Estimadores encogidos en modelos de ecuaciones simultáneas para el análisis del mercado de carne de bovino en México
Resumen 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.
| Main Authors: | , , , |
|---|---|
| Format: | Digital revista |
| Language: | Spanish / Castilian |
| Published: |
Universidad de Guadalajara
2019
|
| Online Access: | http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1870-66222019000100103 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Resumen 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. |
|---|