Supongamos que tengo la siguiente ecuación estructural para la estimación de la demanda en series temporales:
$$q_t=\beta_0+\beta_1\hat{p_t}+\beta_2incom_t+\beta_3q_{t-1}+\epsilon_t$$
Donde $q_t$ representa la cantidad del producto, $\hat{p}$ representa el precio instrumentado con desplazamientos de la oferta, $incom_t$ representa los ingresos, $q_{t-1}$ representa la cantidad retardada y $\epsilon_t$ son los residuos aleatorios. Todas las betas son coeficientes estimados, por ejemplo, mediante mínimos cuadrados de dos etapas. Todas las variables también están transformadas logarítmicamente.
Supongamos también que la variable retardada parece resolver el problema de la autocorrelación entre los residuos y su coeficiente es también significativo. Supongamos también que el modelo pasa todas las pruebas necesarias para una estimación viable por mínimos cuadrados en dos etapas: la prueba de Sargan es correcta, los instrumentos son sólidos en la primera etapa, etc.
Sabiendo esto, ¿cuáles son los posibles problemas de tener una variable retardada en su estimación? ¿Cambia la interpretación de la elasticidad ( $\beta_1$ )? Entiendo que también podría tener algún tipo de elasticidad inferida a largo plazo si establezco $q_t=q_{t-1}$ después de estimar los coeficientes de la ecuación (¿me equivoco?).