endogeneidad

La endogeneidad es una situación en la que una o más variables explicativas de un modelo económico o estadístico están correlacionadas con el término de error. Esta correlación viola la suposición de exogeneidad que sustenta estimadores como el de mínimos cuadrados ordinarios (MCO), y puede hacer que las estimaciones sean sesgadas e inconsistentes, dificultando la interpretación causal.

Las causas típicas de endogeneidad incluyen variables omitidas relevantes que afectan tanto a la variable dependiente como a una o varias explicativas; simultaneidad o causalidad inversa entre variables; errores de medición en las variables explicativas; y sesgos de selección de muestra. En un ejemplo clásico, la relación entre educación y salario podría estar sesgada si la habilidad innata no observada influye en ambas variables.

Para abordar la endogeneidad se utilizan métodos como variables instrumentales (VI) y modelos en dos etapas (2SLS), donde se emplean instrumentos que estén correlacionados con la variable endógena pero no con el término de error. Otros enfoques incluyen controles de efectos fijos, diferencias en diferencias y diseños experimentales aleatorizados o con saltos en la regresión (regresión de discontinuidad). Es fundamental verificar la relevancia y la validez de los instrumentos, mediante pruebas como la de relevancia del instrumento y, en modelos con múltiples instrumentos, pruebas de sobreidentificación.

En la investigación empírica, reconocer la endogeneidad es crucial para evitar conclusiones causales engañosas. La selección del método adecuado depende del contexto, del problema de identificación y de la disponibilidad de datos.