Escolar Documentos
Profissional Documentos
Cultura Documentos
Ibmec/RJ
Conteúdo
Estimação por PD e EF no R
Y i = β1 X i + ai + U i (2)
T
1X
onde Y i = Yit . Fazemos o mesmo para Xit e Uit .
T t=1
▶ Como ai é fixo ao longo do tempo, aparece em ambas as equações.
▶ Subtraindo (2) de (1), temos
Yit − Y i = β1 Xit − X i + Uit − U i , t = 1, 2, . . . , T. (3)
4 / 27
Hipóteses para estimação por efeitos fixos
5 / 27
Hipóteses para a estimação por efeitos fixos
Hipótese de Efeitos Fixos 6 (HEF.6): Para todo t ̸= s, os erros
idiosincráticos são não correlacionados (condicionais a todas as variáveis
explicativas e a ai :
6 / 27
Efeitos fixos versus primeiras diferenças
7 / 27
Estimação por efeitos fixos – Exemplo
8 / 27
Estimação por efeitos fixos – Exemplo
• N = 48 estados,
• T = 7 anos (1982–1988).
9 / 27
Estimação por efeitos fixos – Exemplo
▶ Por que o uso dos métodos de estimação para dados em painel pode nos
ajudar?
11 / 27
Estimação por efeitos fixos – Exemplo
▶ Principais resultados:
• A única variável de polı́tica pública que parece ter efeito sobre a redução
de mortes no trânsito é o imposto sobre o consumo de bebida alcoólica.
12 / 27
Estimação por PD e EF no R
▶ Consultar script
no Dropbox da disciplina.
13 / 27
Extra: Estimação por efeitos aleatórios
▶ Neste caso, o uso de uma transformação para eliminar o efeito fixo não
observado resultará em estimadores ineficientes.
14 / 27
Hipóteses para estimação por efeitos aleatórios
As hipóteses do modelo de efeitos aleatórios são: HEF.1, HEF.2, HEF.5 e
HEF.6. As hipóteses HEF.3 e HEF.4 são alteradas para:
15 / 27
Hipóteses para estimação por efeitos aleatórios
A hipótese HEF.5 também deve incluir um termo adicional:
σa2
Corr (Vit , Vis ) = 2 , ∀t ̸= s
σa2 + σU
17 / 27
Estimação por efeitos aleatórios
▶ Podemos resolver aplicando o método de mı́nimo quadrados
ponderados (MQG).
▶ Procedimento: defina
2
1/2
σU
λ=1− 2 .
σU + T σa2
Note que 0 ≤ λ ≤ 1.
18 / 27
Estimação por efeitos aleatórios
▶ Não é óbvio que os erros Vit − λV i serão serialmente não
correlacionados, mas eles são.
19 / 27
Estimação por efeitos aleatórios
ba2 e σ
em que σ bU2
são estimadores consistentes para σa2 e σU
2
.
20 / 27
Estimação por efeitos aleatórios
21 / 27
Estimação por efeitos aleatórios
▶ Note que
Vit − λV i = (1 − λ) ai + Uit − λU i ,
ou seja, os erros na equação transformada, estimada por efeitos
aleatórios, ponderam o efeito não observado constante no tempo pelo
fator (1 − λ).
22 / 27
Efeitos fixos ou efeitos aleaórios
(i) T → ∞; ou
σa2
(ii) 2
→ ∞.
σU
23 / 27
EF e EA: vantagens e desvantagens
▶ Estimação por efeitos fixos (EF):
• Vantagem: não é necessário assumir independência entre o efeito
individual fixo no tempo e os regressores.
• Desvantagem: não permite a estimação do efeito de variáveis
observadas fixas no tempo.
• H1 : ai ̸⊥ X it =⇒ EF é consistente e EA é inconsistente.
β
b
EA β
b
EF
b −β P
▶ Sob H0 , β EF → 0.
b
EA
P
b −β
▶ Sob H1 , β EF ̸→ 0.
b
EA
25 / 27
Efeitos fixos ou efeitos aleaórios
▶ β
b
EF consistente sob H0 e H1 .
′ h i−1 d
βbEF − βbEA −→ χ2k
H = N βbEF − βbEA Var(βbEF − Var(βbEA )
26 / 27
Extra: Correlação serial
ou seja,
27 / 27