3) Cuando se omiten variables legítimas del modelo, las consecuencias pueden ser muy graves: Los estimadores MCO de las variables consideradas en el modelo no solamente están sesgados sino que también son inconsistentes. Adicionalmente, las varianzas y los errores estándar de estos coeficientes están estimados en forma incorrecta, viciando con esto los procedimientos usuales de prueba de hipótesis.
4) Las consecuencias de incluir variables irrelevantes en el modelo afortunadamente son menos graves: Los estimadores de los coeficientes de las variables relevantes al igual que los de las variables "irrelevantes" permanecen insesgados y continúan siendo consistentes y la varianza del error σ² permanece correctamente estimada. El único problema es que las varianzas estimadas tienden a ser más grandes de lo necesario, haciendo con esto menos precisa la estimación de los parámetros. Es decir, los intervalos de confianza tienden a ser más grandes de lo necesario.
No hay comentarios.:
Publicar un comentario