Econometria II

2ª Lista de Exercícios

01. O que é um modelo de dados em painel? Quais as principais vantagens desse tipo de abordagem?

O modelo de dados em painel é o modelo que reúne uma combinação das informações das unidades de corte
transversal com a dimensão temporal. A estrutura básica para esse modelo é dada por: Yit=X ' itβ+ Z ' iα +εit ; onde i =
unidade (1, 2, ..., n) e t = tempo.
Nesse modelo, o intercepto e os parâmetros resposta são diferentes para cada indivíduo e para cada período de tempo.
Existindo, assim, mais parâmetros desconhecidos do que observações, não sendo possível estimar seus parâmetros.
X ' it contém k regressores e Z ' i ∝ incorpora o efeito individual ou a heterogeneidade não observada.
As principais vantagens são:
 Discriminação das diferenças individuais e temporais: permite identificar efeitos que não seriam detectados
isoladamente com dados em corte transversal ou séries temporais, ou seja, é a possibilidade de considerar o
feito da heterogeneidade não observada das unidades no processo de estimação.
 Maior graus de liberdade (o tamanho da amostra é o produto do número de observações individuais pelo
tamanho da série temporal), maior grau de informações, maior variação, menor colinearidade entre as variáveis
e maior eficiência de estimação.
 Minimiza o viés de agregação (diminui as dificuldades das variáveis omitidas).

03. Explique a abordagem do modelo Pooled, inclusive o seu processo de estimação.

O modelo Pooled ou de dados empilhados é utilizado para a análise de dados dos indivíduos quando se suspeita de que
não há heterogeneidade. A análise de dados empilhados possui uma série de vantagens em relação aos dados de corte
transversal. Um tamanho maior de amostra e a possibilidade de identificar mudanças estruturais na relação entre a
variável dependente e as variáveis independentes.
Na ausência de heterogeneidade, os mínimos quadrados ordinários produzem estimativas consistentes e eficientes para
os parâmetros. O modelo é dado por: Yit=∝+ Xitβ+ εit ; onde ∝ é Zit transformado num elemento comum a todos.
Esse modelo de regressão agrupada implica na estimativa de uma única equação em todos os dados em conjunto, de
modo que o conjunto de dados para Y é empilhado em cima de uma única coluna que contém todo o tempo em corte
transversal e observações da série, e da mesma forma todas as observações sobre cada variável explicativa seriam
empilhadas em colunas individuais numa matriz X. Então, essa equação poderia ser estimada na forma usual utilizando
MQO.
O modelo de regressão Pooled é a técnica mais simples e desconsidera as dimensões de tempo e espaço. Supõe-se que
os regressores são não correlacionados com os erros. Os erros são idêntica e independentemente distribuídos com
média zero e variância constante, ou seja, εit iid (0 , σ 2 ).
Conforme Gujarati, nesse modelo, simplesmente empilhamos todas as observações e estimamos uma regressão
‘grande’, desprezando a natureza de corte transversal e de séries temporais dos dados.
Obs.: O principal problema é camuflar a heterogeneidade que possa existir entre as variáveis. Os coeficientes estimados
na equação podem ser tendenciosos e inconsistentes.