Escolar Documentos
Profissional Documentos
Cultura Documentos
1. DADOS EM PAINEL
Dados em painel consistem na combinao de srie temporal e seo cruzada,
isto , tm-se dados de vrias unidades medidas ao longo do tempo. Considerando um
conjunto de dados com i = 1, 2 , , N unidades e t = 1, 2 , ,T perodos de tempo, o
modelo geral ser:
Yit = i + X it + it (1)
e pressupe que vi iid com varincia v2 e que it iid com varincia 2 . Pode-se
v2
u = Cor (uit , uis ) = , para todo t s . Assim, o modelo de EA tem como
v2 + 2
pressuposio correlao serial no erro (correlao igual em todos lags). O estimador de
efeitos aleatrios um estimador de MQG que considera a correlao entre os erros de
cada unidade.
Exemplo:
Considere os dados do trabalho de Y. Grunfeld, cujo objetivo era verificar como
o investimento real bruto (Y) depende do valor real da empresa (x2) e do estoque real
do capital (x3). Os dados so do perodo de 1935 a 1954 e correspondem a informaes
de quatro empresas (GE, US, GM e WEST), ou seja, tem-se 4 unidades de corte
transversal e 20 perodos. Este exemplo est na pgina 514 do Gujarati.
iii) Comando 2:
. tis ano
. iis id
3) Modelo pool
Nesse modelo, todos os coeficientes so constantes ao longo do tempo e entre
indivduos e a forma de estimao o habitual MQO.
. reg y x2 x3
1 20 25.00 25.00
2 20 25.00 50.00
3 20 25.00 75.00
4 20 25.00 100.00
Total 80 100.00
Note que com o comando tabulate foram criadas quatro novas variveis, uma dummy
para cada empresa: d1, d2, d3 e d4.
Agora s rodar o modelo:
. reg y x2 x3 d2 d3 d4
ii) Caso em que coeficientes angulares so constantes, mas o intercepto varia ao longo
do tempo (uma dummy para cada ano), isto :
20
Yit = 1 + 2 X 2it + 3 X 3it + t anot + it (5)
t =1
Total 80 100.00
. reg y x2 x3 ano1-ano19
Quanto escolha entre o modelo da equao pool e cada uma das especificaes
apresentadas anteriormente, utiliza-se o teste F restrito.
. xtreg y x2 x3, fe
F(2,74) = 154.53
corr(u_i, Xb) = -0.1001 Prob > F = 0.0000
sigma_u 139.05116
sigma_e 75.288894
rho .77329633 (fraction of variance due to u_i)
F test that all u_i=0: F(3, 74) = 67.11 Prob > F = 0.0000
. predict fe_id, u
. list fe_id
fe_id
Para que o Stata reconhea que ele deve calcular o efeito fixo na varivel de
tempo, deve-se setar: iis para a varivel de tempo e tis para a varivel cross-section. Ou
seja:
. tis id
. iis ano
. predict ano_fe, u
. list ano_fe
41. 28.87476
ano_fe 42. -6.184439
43. -50.56469
1. 28.87476 44. -40.81604
2. -6.184439 45. -88.95282
3. -50.56469
4. -40.81604 46. -28.25827
5. -88.95282 47. 29.01627
48. 38.14917
6. -28.25827 49. -4.919267
7. 29.01627 50. -9.978021
8. 38.14917
9. -4.919267 51. -31.12014
10. -9.978021 52. 34.75816
53. 35.66232
11. -31.12014 54. 33.90859
12. 34.75816 55. -20.80534
13. 35.66232
14. 33.90859 56. -12.544
15. -20.80534 57. 8.831759
58. 29.81048
16. -12.544 59. 47.28172
17. 8.831759 60. 7.849801
18. 29.81048
19. 47.28172 61. 28.87476
20. 7.849801 62. -6.184439
63. -50.56469
21. 28.87476 64. -40.81604
22. -6.184439 65. -88.95282
23. -50.56469
24. -40.81604 66. -28.25827
25. -88.95282 67. 29.01627
68. 38.14917
26. -28.25827 69. -4.919267
27. 29.01627 70. -9.978021
28. 38.14917
29. -4.919267 71. -31.12014
30. -9.978021 72. 34.75816
73. 35.66232
31. -31.12014 74. 33.90859
32. 34.75816 75. -20.80534
33. 35.66232
34. 33.90859 76. -12.544
35. -20.80534 77. 8.831759
78. 29.81048
36. -12.544 79. 47.28172
37. 8.831759 80. 7.849801
38. 29.81048
39. 47.28172
40. 7.849801 .
. tis ano
. iis id
. xtreg y x2 x3, re
sigma_u 152.15823
sigma_e 75.288894
rho .80332024 (fraction of variance due to u_i)
7) Escolha entre pool, efeitos fixos e efeitos aleatrios
Para realizar a escolha entre os modelos, utiliza-se os seguintes testes:
MODELO POOL
TESTE DE CHOW
TESTE DE HAUSMAN
MODELO DE EFEITOS ALEATRIOS
i) Teste de Chow
H0: modelo restrito (pooled)
H1: modelo irrestrito (efeitos fixos)
A estatstica do teste F da linha inferior da estimativa de efeitos fixos, bem como
seu respectivo p-valor indica que o modelo de efeitos fixos melhor que o pool.
. xtreg y x2 x3, fe
F(2,74) = 154.53
corr(u_i, Xb) = -0.1001 Prob > F = 0.0000
sigma_u 139.05116
sigma_e 75.288894
rho .77329633 (fraction of variance due to u_i)
F test that all u_i=0: F(3, 74) = 67.11 Prob > F = 0.0000
. estimates store fe
. estimates store re
. hausman fe re
Coefficients
(b) (B) (b-B) sqrt(diag(V_b-V_B))
fe re Difference S.E.
chi2(2) = (b-B)'[(V_b-V_B)^(-1)](b-B)
= 0.07
Prob>chi2 = 0.9678
. xttest0
Estimated results:
Var sd = sqrt(Var)
y 81141.1 284.8528
e 5668.418 75.28889
u 23152.13 152.1582
Test: Var(u) = 0
chi2(1) = 379.08
Prob > chi2 = 0.0000
Robust
D.y Coef. Std. Err. t P>|t| [95% Conf. Interval]
x2
D1. .0901393 .0168937 5.34 0.013 .0363761 .1439025
x3
D1. .3229579 .1240902 2.60 0.080 -.0719524 .7178683
. xttest3
A correo desses problemas pode ser feita por estimaes considerando erros
padro robustos ou por bootstrap.