Prueba de Hausman para endogeneidad (Prueba de especificación de Hausman)

Actualizado el 12 de diciembre de 2021, por Luis Benites.

Es posible que desee leer este artículo primero: ¿Qué es una variable endógena?

¿Qué es la prueba de Hausman?

La prueba de Hausman (también llamada prueba de especificación de Hausman) detecta regresores endógenos ( variables predictoras ) en un modelo de regresión. Las variables endógenas tienen valores que están determinados por otras variables en el sistema. Tener regresores endógenos en un modelo hará que los estimadores de mínimos cuadrados ordinarios fallen, ya que una de las suposiciones de OLS es que no hay correlación entre una variable predictora y el término de error . Los estimadores de variables instrumentales se pueden utilizar como alternativa en este caso. Sin embargo, antes de que pueda decidir cuál es el mejor método de regresión, primero debe averiguar si sus variables predictoras son endógenas. Esto es lo que hará la prueba de Hausman.

Esta prueba también se denomina prueba de Durbin-Wu-Hausman (DWH) o prueba de regresión aumentada para la endogeneidad.

Uso en análisis de datos de panel

La prueba de Hausman a veces se describe como una prueba para la especificación incorrecta del modelo . En el análisis de datos de panel (el análisis de datos a lo largo del tiempo), la prueba de Hausman puede ayudarlo a elegir entre un modelo de efectos fijos o un modelo de efectos aleatorios. La hipótesis nula es que el modelo preferido es el de efectos aleatorios; La hipótesis alternativa es que el modelo es de efectos fijos. Esencialmente, las pruebas buscan ver si existe una correlación entre los errores únicos y los regresores en el modelo. La hipótesis nula es que no hay correlación entre los dos.

Resultados de la prueba

Interpretar el resultado de una prueba de Hausman es bastante sencillo: si el valor p es pequeño (menos de 0,05), rechace la hipótesis nula. El problema surge del hecho de que existen muchas versiones de la prueba, con diferentes hipótesis y posibles conclusiones. De hecho, algunas de las pruebas disponibles sugieren “… conclusiones opuestas sobre la hipótesis nula” (Chmelarova, 2007). Verifique su software y asegúrese de saber qué hipótesis nula está aceptando o rechazando en realidad.

Una de las formas más comunes de la prueba es la comparación de estimadores. Por ejemplo, en este ejemplo de Stata , está comparando con . La hipótesis nula es que el estimador es un estimador eficiente (y consistente ) de los parámetros reales de la población.

En este ejemplo se puede ver una interpretación ligeramente diferente de la prueba , la hipótesis nula es que los errores están correlacionados con los regresores, siendo la hipótesis nula que no lo están. Esta es una prueba de efectos fijos (errores correlacionados) frente a efectos aleatorios para datos de panel.

Referencias

Beyer, WH CRC Standard Mathematical Tables, 31ª ed. Boca Raton, FL: CRC Press, págs. 536 y 571, 2002.
Dodge, Y. (2008). La Enciclopedia Concisa de Estadística . Saltador.
Kotz, S.; et al., editores. (2006), Enciclopedia de Ciencias Estadísticas , Wiley.
Vogt, WP (2005). Diccionario de estadística y metodología: una guía no técnica para las ciencias sociales . SABIO.