@Alecos explica muy bien por qué una plim correcta e imparcialidad no son lo mismo. En cuanto a la razón subyacente por la cual el estimador no es imparcial, recuerde que la imparcialidad de un estimador requiere que todos los términos de error sean independientes de la media de todos los valores del regresor, .mi( ϵ | X) = 0
En el presente caso, la matriz del regresor consta de los valores , de modo que - vea el comentario de mpiktas - la condición se traduce en E ( ϵ s | y 1 , ... , y T - 1 ) = 0 para todo s = 2 , ... , t .y1,... , yT-1mi( ϵsEl | y1, ... , yT- 1) = 0s = 2 , ... , T
Aquí tenemos
incluso bajo el supuesto E ( ϵ t y t - 1 ) = 0 tenemos que
E ( ϵ t y t ) = E ( ϵ t ( β y t - 1 + ϵ t ) ) = E ( ϵ 2 t ) ≠ 0.
Pero,
yt= βyt - 1+ ϵt,
mi( ϵtyt - 1) = 0mi( ϵtyt) = E( ϵt( βyt - 1+ ϵt) ) = E( ϵ2t) ≠ 0.
también es un regresor para valores futuros en un modelo AR, como
y t + 1 = β y t + ϵ t + 1 .
ytyt + 1= βyt+ϵt + 1