Me estoy planteando transformar una ecuación de regresión aplicando logaritmos a la variable dependiente y a algunas de las independientes (las que realmente me interesan dejando inalteradas las otras que me gustaría utilizar sólo como controles). Esto con el fin de interpretar los coeficientes de las variables transformadas, digamos b, como "un cambio del 1% en la variable explicativa induce un cambio del b% en la variable dependiente". Entonces estoy pensando en transformar el modelo por primera vez, es decir, introducir tanto para las variables dependientes como para las independientes (de nuevo sólo las transformadas logarítmicamente de interés) los primeros valores rezagados (los valores del periodo anterior) y tomar las diferencias entre los valores actuales y los anteriores como variables de la regresión a estimar. ¿Habrá algún problema en seguir este procedimiento?
Respuesta
¿Demasiados anuncios?
Lo que usted describe es muy habitual en la práctica econométrica académica. En esencia, responde a cuál es la elasticidad de Y con respecto a X identificada a partir de los cambios en X e Y.
Estos son algunos de los problemas que puede introducir este proceso
- La primera diferenciación es muy similar a $Y_t = \alpha + \beta_0 * Y_{t-1} + \beta_1 * X_{t} + \beta_2 * X_{t-1} + \epsilon$ con las restricciones adicionales que $\beta_0 = 1$ y $\beta_1 = -\beta_2$
- La primera diferenciación puede introducir correlación serial en los errores estándar
