Creo que el problema es que estás confundiendo términos. La afirmación sobre un estimador siendo BLUE establece dado el supuesto de Gauss-Markov, OLS es el mejor estimador lineal no sesgado. Pero como tu modelo es heterocedástico, los supuestos de Gauss-Markov ya no se cumplen y la prueba de que OLS es BLUE ya no es cierta.
Desafortunadamente no hay un resultado general que muestre si un estimador es el "mejor" en el caso de la heterocedasticidad. En teoría, si conoces la forma funcional exacta de la heterocedasticidad, puedes corregirla perfectamente y tu WLS es igual de efectivo que OLS cuando se cumplen los supuestos de Gauss-Markov. Pero en la realidad, este nunca es el caso, y a menos que tengas una muestra pequeña o un argumento muy sólido de por qué conoces la forma funcional de la heterocedasticidad, es mejor usar los errores estándar robustos de White.
0 votos
Si entiendo correctamente tu pregunta, tienes un modelo con heterocedasticidad y deseas saber en qué dirección está el sesgo. Hasta donde tengo entendido, debes confiar en tu intuición. Piensa en las variables omitidas que puedan tener un impacto y cómo estas podrían afectar.
0 votos
¡También bienvenido a econ SE!
0 votos
Gracias por tu respuesta :) Voy a reformular mi pregunta. Si estimo un modelo utilizando Mínimos Cuadrados Ordinarios y ignoro la existencia de heterocedasticidad, ¿la varianza estimada del coeficiente en este modelo sería mayor que en el mismo modelo si aplicara una corrección de MCO ponderada por mínimos cuadrados? Gracias.