Considere un modelo de regresión lineal postulado
yyo=si0 0+si1X1 i+si2X2 i+tuyo,i = 1 , . . . , n
Como cuestión de álgebra (y no de supuestos estocásticos), el estimador de MCO en notación matricial es
si^= b +(X′X )- 1X′tu
Por lo tanto, su valor esperado condicional en la matriz del regresor es
mi(si^∣ X ) = b +(X′X )- 1X′mi( u ∣ X )
Entonces: si la "exogeneidad estricta" de los regresores con respecto al término de error se cumple, o, en otras palabras, si todos los términos de error son independientes de la media de todos los regresores, pasado presente y futuro, (que es el supuesto de referencia en el Clásico Modelo de regresión lineal), es decir, simi( u ∣ X ) = 0, tendremos
mi(si^∣ X ) = b + 0 ⇒ E(si^) = b
usando también la ley de expectativas iteradas.
Dado todo lo anterior, ¿qué significa "variable superflua"? Supongo que significa "no relacionado" con la variable dependiente. Pero "no relacionado" debería traducirse como "estocásticamente independiente". Pero si es independiente de la variable dependiente, es necesariamente independiente del término de error (y, por lo tanto, también es estrictamente exógeno con respecto a ella), por lo que todo lo anterior se cumple también para cualquier variable superflua, y el estimador OLS es imparcial incluso si, digamos, la variableX2 es "superfluo" y el verdadero modelo no lo contiene.
Así es como los economometristas entienden el problema. Ahora, en un entorno más general, "superfluo" podría significar que decir:X2 es independiente de y condicional a la presencia de X1(que sospecho que está más cerca de lo que Pearl tiene en mente). Aún así, siempre y cuandoX2 es estrictamente exógeno al término de error, el resultado de imparcialidad se mantiene.