Boosted HP: reduciendo el sesgo de extremos en la convergencia de unidades

📊 ¿Tu panel de datos está “agregado” por el filtro HP?

En el método Phillips‑Sul (PS) la convergencia de unidades se mide a partir de la componente de tendencia extraída de cada serie temporal. Tradicionalmente se emplea el filtro Hodrick‑Prescott (HP). Sin embargo, las observaciones finales tienden a influir en el tramo de tendencia, provocando un sesgo de extremo que sobre‑dimensiona el test log‑t cuando el coeficiente de convergencia \(\alpha\) es pequeño (P(r_T)≈0.3). En series de muestra corta, este sesgo provoca la generación de un exceso de grupos de convergencia o el rechazo de la convergencia aunque existan grupos verdaderos.

🔧 En 2021, Phillips y Shi propusieron el *boosted HP filter*: se aplica el filtro HP repetidamente hasta que los rez sleeves cíclicos queden eliminados. El resultado es:

- Suavizado perfecto de la tendencia, eliminando el sesgo de los extremos. - No es necesario transformar arbitrariamente el tamaño inicial del panel; se puede usar la serieフソ completa devuelta. - Mejora significativa del poder del test log‑.Entity en muestras pequeñas (P(r_T) < 0.3).

📈 Tomal (2022) aplicó el *boosted HP* en rentas de alquiler y halló que los clubes identificados eran más coherentes con la teoría de convergencia y menos sensibles a las decisiones de filtrado.

**Conclusión** Si utilizMuon el método PS, optar por el *boosted HP* reduce la incertidumbre derivada del filtro, te permite usar todas las observaciones disponibles y hace que tus conclusiones sobre los clubes de convergencia sean más fiables.

#Econometría #Análisis #ConvergenciaClub #DataScience #PSApproach