Você está na página 1de 24

1

Dados de Painel no EViews1


(Verso preliminar 01)

Gabrielito Menezes2

RESUMO
Este guia rpido de dados de painel no EViews, tem como objetivo apresentar o
procedimento de importao dos dados para o programa e a estimao dos modelos
agrupados, efeito fixo e aleatrio. Os dados utilizados nas estimaes foram obtidos do
livro do Gujarati e Porter (2011). Tambm so apresentados os principais testes utilizados
em dados de painel.

Palavras chave: Dados de Painel, EViews.

Classificao JEL: C01, C23, C87.

ABSTRACT
This quick guide to panel data in EViews, aims to introduce the procedure of importing
the data into the program and the estimation of grouped models, fixed and random effects.
The data used in the estimates were obtained from Gujarati and Porter (2011). Also
presented are the main tests used in panel data.

Keywords: Panel Data, EViews.

JEL Classification: C01, C23, C87.

1
Manual em fase de elaborao. Ento, sugestes sero bem-vindas.
2
Professor da Universidade Federal do Rio Grande (FURG). E-mail: gabrielitorm@gmail.com
2

1. Introduo

Dados de painel3 consistem na combinao de series de tempo com dados cross-


section:

Yit i X itj it (1)

Onde:
i = constante;
Yit
= o valor da varivel dependente para a unidade i no instante t, sendo i = 1,..., n e t =
1,... T;
X itj
= o valor da j-sima varivel explicativa para a unidade i no instante t (onde h j =
1,..., K);
it = termo de erro para i-sima unidade em t.

Com a utilizao de dados em painel podemos explorar, em simultneo, variaes


ao longo do tempo e entre diferentes unidades (ou indivduos). Esta metodologia
caracterizada pelo uso combinado de sries de tempo (time-series) com cortes seccionais
(cross-sections), permitindo assim uma estimao mais completa e mais eficiente dos
modelos economtricos. Entretanto, a estimao dos modelos em painel torna-se mais
complicada devido heterogeneidade entre os indivduos, como por exemplo, de
estruturas econmicas diferentes entre pases ou regies.

O uso de dados em painel deve-se disponibilidade de dados de corte para todos


os estados brasileiros, porm com escassez temporal. Esse mtodo acrescenta mais graus
de liberdade do que anlise cross-section. Desta forma, o resultado obtido na regresso
de dados em painel possui maior confiabilidade e robustez.
Trs categorias de modelos economtricos foram utilizadas:
Modelos agrupados Pooled, neste caso a estimao feita assumindo que os
parmetros e so comuns para todos os indivduos;
Modelos com efeitos fixos (EF), para este modelo a estimao feita assumindo
que a heterogeneidade dos indivduos se capta na parte constante, que diferente de
indivduo para indivduo, ou seja, a parte constante diferente para cada indivduo,
captando diferenas invariantes no tempo.
Modelos com efeitos aleatrios (EA), a estimao feita introduzindo a
heterogeneidade dos indivduos no termo de erro. Esse modelo considera a constante
no como um parmetro fixo, mas como um parmetro aleatrio no observvel.
Existem trs hipteses principais a serem testada para se decidir sobre qual dos
trs modelos o mais apropriado. Primeiramente utiliza-se o teste F, para avaliar a
hiptese nula de que todas as unidades seccionais possuem o mesmo intercepto. Caso o
p-valor obtido no teste F seja baixo, rejeita-se a hiptese de que o modelo de Mnimos
Quadrados Agrupados (Pooled Least Squares) seja o mais apropriado, validando-se a
hiptese alternativa existncia de EF. O teste Breusch-Pagan (BP), faz a comparao entre
o modelo de mnimos quadrados agrupados com EA, um p-valor do teste BP baixo,
contraria-se a hiptese nula de que o modelo agrupado seja o mais apropriado, aceitando
3
Mais detalhes ver Greene 2000 e Johnston e Dinardo 1997.
3

assim a hiptese alternativa de que o modelo EA o mais adequado. Por fim o teste de
Hausman auxilia na escolha entre o modelo EF ou EF, um p-valor baixo rejeita-se a
hiptese de que o modelo EA seja consistente, indicando a existncia de EF.

2. Importando os dados

Primeiro passo: empilhar os dados conforme exemplo abaixo.

Variveis usadas do exemplo do Gujarati:


Y = investimento real bruto;
X2 = valor real da empresa;
X3 = estoque real de capital.

Os dados so de quatro empresas e o perodo analisado de 1935 a 1945.

Com a verso do EViews 9, podemos importar os dados de forma mais direta,


conforme mostra a figura abaixo:

Na prxima janela, pasta escolher onde est o arquivo contendo os dados


empilhados.
4

Aps importar os dados, basta declarar os mesmos como painel. O EViews, ir


reconhecer como dados de painel, mas bom verificar se o id e ano esto corretos.
5

Pronto, agora j podemos trabalhar com dados de painel no EViews!

Uma ferramenta interessante criar um grupo, para verificar os dados importados:


6

Podemos observar, que as mesmas esto empilhadas na forma correta. Outra


ferramenta interessante observar os grficos das sries View graph...
7

Vamos ter os seguintes grficos por empresas, neste caso:


8

3. Estimao dos modelos

Estimao do modelo agrupado, para fazer a mesma v em Quick Estimate


Equation. Especificar a equao na caixa de dilogo, e logo aps ir em panel options para
estimao robusta!

Os resultados para efeitos agrupados (pool) o mesmo que est no livro do


Gujarati e Porter (2011)!
9

Estimao do modelo efeito fixo, para fazer a mesma v em Quick Estimate


Equation. Especificar a equao na caixa de dilogo, e logo aps ir em panel options!

O resultado segue abaixo da estimao de efeito fixo:


10

Estimao do modelo efeito aleatrio, para fazer a mesma v em Quick


Estimate Equation. Especificar a equao na caixa de dilogo, e logo aps ir em panel
options!

O resultado segue abaixo da estimao de efeito aleatrio:


11

4. Testes para escolher o melhor modelo (agrupado, efeito fixo e efeito


aleatrio

Teste de Chow: modelo agrupado (pool) X efeito fixo. O mesmo realizado aps
a estimao do modelo de efeito fixo.
H0: pool
H1: efeito fixo
12

Pela estatstica F (Cross-section F), evidencia que o modelo de efeito fixos mais
indicado do que o agrupado!

Teste LM de Breusch-Pagan: modelo agrupado (pool) X efeito aleatrio. O


mesmo realizado aps a estimao do modelo agrupado.
H0: pool
H1: efeito aleatrio
13

Pelo resultado do teste, podemos verificar que o modelo de efeito aleatrio o


mais adequado!
A dvida agora efeito aleatrio ou efeito fixo! Para isso usamos o teste de
Hausman.
14

Teste de Hausman: Efeito fixo X efeito aleatrio. O mesmo realizado aps a


estimao do modelo de efeito aleatrio.
H0: efeito aleatrio
H1: efeito fixo

Pelo teste de Hausman, observamos para este exemplo, que o modelo de efeito
aleatrio pretervel.
15

5. Maneira tradicional de importar os dados no formato de painel no


EViews

Alguns testes no so realizados na primeira forma de declarar os dados de painel


no EViews. A maneira clssica de importar os dados em painel no EViews primeiro a
criao de um workfile.

Como estamos trabalhando com dados de painel balanceado (equilibrado),


escolhemos a opo Balanced Panel. Tambm precisamos especificar a frequncia dos
dados (anual) e o comeo e o final da srie (1935 1954). Como apresenta o exemplo
abaixo.

Workfile criado!
16

Aps a criao do workfile, precisamos criar um objects pool. Para isso vamos
em new object type of object pool. Como apresentamos no exemplo abaixo.

Agora precisamos criar a identificao dos dados de corte (cross-section). Neste


exemplo vamos usar as seguintes identificao _GE, _GM, _US e _WEST. No
esquea do underline antes do id.

O prximo passo importar os dados da planilha do excel. Para isso, na mesma


janela, vamos em Proc Import Pool Data.

Agora s escolher o caminho onde esto os dados que se quer importar.


17

Vamos utilizar a expresso ? para identificar as variveis em painel. Como os


dados esto empilhados por unidade de cross-sections e por colunas o procedimento para
importao o apresentado abaixo. No nosso exemplo comeamos a importao na clula
D2.

Temos agora nosso workfile com os dados para todas as empresas que sero
analisadas.
18

Para fazer a estimao s ir em Proc Estimate.

Agora s declarar qual a varivel dependente e as explicativas seguidas do ?.


Indicando qual o modelo de deseja rodar: pool, efeito aleatrio ou efeito fixo.

Para fins didticos vamos mostrar os trs modelos usados anteriormente. Podemos
notar que os resultados so os mesmos. Porm podemos aqui, fazer o teste de
heterocedasticidade.
19

Efeito aleatrio:
20

Efeito Fixo:
21

6. Teste de heterocedasticidade

O problema da heteroscedasticidade manifesta-se quando a hiptese de que os


erros apresentam varincia constante no vlida, isto , os erros no so
homoscedsticos. Para testar se os resduos deste modelo so heterocedsticos, vamos
testar a igualdade das varincias dos resduos para cada empresa4. Proceda os passos
abaixo, a partir do modelo agrupado:

Primeiro passo: salve os resduos do modelo agrupado. Aps a estimao do


modelo v na barra de menu em ProcMake Residuals.

Vamos obter o seguinte grupo:

4
Tests of Equality, ver pgina 543 EViews 9 Users Guide I.
22

Para executar o teste v em View Tests of Equality.

Escolha a opo Variance, como mostra a figura abaixo:


23

O resultado abaixo, exibe o teste de varincia para o investimento real bruto das
quatro empresas usadas no modelo.

As estatsticas do teste fornecem evidncias da presena de heterocedasticidade


neste modelo, levando a rejeitar a hiptese nula de que as varincias so iguais. O mesmo
procedimento pode ser realizado para os modelos de efeitos fixos e aleatrios.

7. Erros padro robustos

Para estimar correo do problema de heterocedasticidade, vamos usar opo de


correo pelo mtodo de White. Assim vamos obter uma estimativa robusta para os erros-
padres. Antes de estimar o modelo agrupado, v em options e em coefficient covariance
matrix escolha a opo White cross-section.
24

Abaixo est a estimativa robusta a heterocedasticidade.

Esse mesmo procedimento, podem ser feitos para os modelos de efeito fixo e
aleatrio.

BIBLIOGRAFIA

EViews 9 Users Guide I


EViews 9 Users Guide II
GREENE, W. H. Econometric analysis. 5. ed. Prentice-Hall; 2002.
GUJARATI, Damodar N.; PORTER, Dawn C. Econometria Bsica-5. AMGH Editora,
2011.
JOHNSTON, J.; DINARDO, J. (1997). Econometric Methods. 4th ed. New Jersey:
McGraw-Hill/Irwin.