Você está na página 1de 23

Econometria

Ricardo Bruno N. dos Santos


Professor Adjunto da Faculdade de Economia
e do PPGE (Economia) UFPA

Dados em Painel
Melhor referncia.

Dados em Painel

Dados em Painel
Dados em painel, ou panel data, so informaes de unidades ou
indivduos, como municpios, por exemplo, que podem ser
acompanhadas ao longo do tempo. Mas os mtodos de anlise tambm
podem ser aplicados, com as devidas consideraes, a diferentes sries
de dados observados em duas dimenses, por exemplo, observar as
unidades, como municpios, em diferentes estados, ou pases.
Usualmente, trata-se de um nmero significativo de unidades,
observadas repetidamente por alguns anos. Em outras reas distintas da
economia so algumas vezes conhecidos como estudos longitudinais.
Pode-se tratar de painis balanceados quando se acompanham a
mesma unidade ao longo do tempo, e painis no-balanceados quando a
unidade entra no banco de dados e/ou sai antes de terminar o perodo
de observao, em este segundo caso pode originar diversos problemas
a serem considerados na anlise economtrica. Os modelos de anlise
mais utilizados so painel EMPILHADO, EFEITOS FIXOS e EFEITOS
ALEATRIOS.

Dados em Painel
A grande vantagem dos dados em Painel:

MAIS
OBSERVA
ES

MAIS
GRAUS DE
LIBERDADE

Proveniente do maior
Nmero de observaes.

undir dados de Srie de tempo


com seccionais.

REDUZ A
MULTICOLINEARI
DADE

Um problema presente
(principalmente) em
Variveis Defasadas.

Dados em Painel
Um
modelo de regresso com dados em painel, com
n observaes em T perodos e K variveis, pode ser
representado da seguinte forma:
,

(1)

Se o modelo seguir todas as hipteses clssicas de


regresso, pode-se estim-lo por Mnimos Quadrados
Ordinrios MQO, obtendo as estimativas desejadas. As
principais se referem ao erro , que se supe
homoscedstico e no-correlacionado no tempo e no
espao. Neste caso, ter-se-ia uma matriz de varincia V
da seguinte forma:

Dados em Painel

Onde, a varincia da regresso, denota o produto de


kronecker e e denotam matrizes identidade de ordem n e T,
respectivamente.
Assim, V uma matriz de ordem . No caso de dados em
painel, os problemas de heteroscedasticidade e autocorrelao
podem ocorrer tanto dentro dos grupos, quanto entre os grupos, ou
as duas situaes simultaneamente.
O problema de heteroscedasticidade, se detectado, torna
necessria a utilizao do mtodo de Mnimos Quadrados
Generalizados MQG. Segundo Baltagi (2008), se fosse utilizado o
estimador de Mnimos Quadrados Ordinrios MQO, no levando
em considerao a no-homoscedasticidade dos distrbios, as
estimativas ainda seriam no-viesadas e consistentes, mas no
seriam mais eficientes. Desta forma, os testes de significncia das
estimativas seriam enviesados se MQO fosse utilizado. O mesmo
argumento vlido na presena de autocorrelao dos erros.

Dados em Painel
Entendendo
o Produto Kronecker

Se e
Ento

Dados em Painel
Se algum desses dois problemas, ou ambos, estiverem

presentes no modelo, a matriz de varincia do modelo deixa de ser


diagonal e passa a ser da seguinte forma: , onde e representam
matrizes cujos elementos podem assumir quaisquer valores.
Em funo de no se conhecer a matriz de varincia V do
modelo, no possvel realizar estimativas dos parmetros por MQG
diretamente, sendo ento necessrio estimar e . Mas a
estimao de todos os parmetros dessas matrizes sem estabelecer
qualquer padro para as mesmas tambm invivel, visto que
neste caso teremos mais parmetros a serem estimados do que
observaes disponveis. Mais precisamente, em um modelo com nT
observaes, teremos mais nT(nT+1)/2 parmetros na matriz de
varincia V para serem estimados, alm dos parmetros usuais,
tornando qualquer estimativa impossvel. Assim, para que se possa
obter as estimativas, faz-se necessria a estimao por Mnimos
Quadrados Generalizados Factveis MQGF, onde o padro dessa
matriz predeterminado

Dados em Painel
Outro
problema que pode surgir em dados em

painel, e que inviabilizaria a utilizao de MQO, a


endogeneidade. Esta ocorre quando a correlao entre
alguma varivel explicativa e o erro diferente de zero,
isto : .
Wooldridge (2002) destaca as trs principais fontes
de endogeneidade: omisso de variveis do modelo
(heterogeneidade no-observada), erros de medio das
variveis e simultaneidade entre as variveis.

Dados em Painel
Heterogeneidade
No-observada

O problema mais frequente em dados em painel a


questo da heterogeneidade no-observada. Neste caso,
haveria fatores que determinam a varivel dependente,
mas no esto sendo considerados na equao dentro do
conjunto de variveis explicativas, por no serem
diretamente observveis ou mensurveis. Levando em
considerao a heterogeneidade no-observada, o modelo
acima pode ser reescrito da seguinte forma:
(2)
Onde representa a heterogeneidade no-observada
em cada unidade observacional (no presente caso, crosssectional) constante ao longo do tempo.

Dados em Painel
Segundo
Wooldridge
(2002),
se
i
c
for

correlacionado com qualquer varivel em e tentarmos


aplicar MQO neste caso, as estimativas sero no s
viesadas como inconsistentes. As mesmas consequncias
ocorrem no modelo no caso em que a hiptese clssica
que no haja correlao entre alguma varivel explicativa
e o erro, , no seja vlida.
Assim, neste caso, somente podemos utilizar MQO
se tivermos justificativas para assumir que . Se essa
hiptese for vlida podemos considerar um novo termo
composto,, e estimar o modelo por MQO, visto que
teramos . Esse mtodo com dados em painel conhecido
como Mnimos Quadrados Ordinrios Agrupados (pooled
model).

Dados em Painel
EFEITOS
FIXOS

No caso em que , para que possamos estimar essa


equao consistentemente, a abordagem mais usual no
contexto de dados longitudinais a de EFEITOS FIXOS.
Neste mtodo de estimao, mesmo permitindo que , a
ideia eliminar o efeito no-observado , baseado na
seguinte suposio: , onde , conhecida como condio de
exogeneidade estrita. A transformao de efeitos fixos
(ou transformao within) obtida em dois passos.
Tirando-se a mdia da equao (2) no tempo obtemos:
(3)

Dados em Painel
Quando
subtramos (3) de (2) para cada t, obtemos a
equao transformada de efeitos fixos:
(4)
(5)
Onde em (5) removida a heterogeneidade noobservada .

Dados em Painel
O estimador de Efeitos Fixos obtido ao se aplicar
MQO agrupados na equao (5) e sob a hiptese de
exogeneidade estrita, esse estimador consistente. Este
estimador tambm conhecido como estimador within,
por usar a variao do tempo dentro de cada unidade
observacional. Outro estimador bastante utilizado a partir
das transformaes anteriores o estimador between,
que obtido ao se aplicar MQO agrupados na equao
(3), e leva em considerao somente a variao entre as
unidades observacionais.

Dados em Painel
EFEITOS
ALEATRIOS

Outro mtodo de estimao bastante utilizado com


dados em painel o de Efeitos Aleatrios. Assim como
nos MQO agrupados, em uma anlise de efeitos
aleatrios, o efeito no-observado colocado junto com
o termo aleatrio .
Entretanto, impe trs suposies adicionais:
a)
b) ; e
c) .
A primeira a mesma do modelo de efeitos fixos, a
de exogeneidade estrita. A segunda diz respeito
ortogonalidade entre e cada e mdia de ser nula. A
terceira se refere homoscedasticidade de .

Dados em Painel
O modelo de efeitos fixos permite a existncia de
correlao entre os efeitos individuais no-observados
com as variveis includas. Entretanto, se esses efeitos
forem estritamente no-correlacionados com as variveis
explicativas, pode ser mais apropriado modelar esses
efeitos como aleatoriamente distribudos entre as
unidades observacionais, utilizando o modelo de efeitos
aleatrios. Em funo das especificidades desse modelo,
o problema de autocorrelao uma constante, fazendo
com que seja necessria a utilizao de MQG factveis.

Dados em Painel
Assim,
o ponto crucial na deciso de que modelo

deve ser utilizado, se efeitos fixos ou aleatrios, reside na


questo se
e
so correlacionados ou no. Esse
questionamento deve ser feito de acordo com os dados
que
se
est
trabalhando,
examinando
suas
especificidades. Um teste mais formal pode ser realizado,
o Teste de Hausman, baseado nas diferenas das
estimativas de efeitos fixos e aleatrios.

Dados em Painel
Haveria
ainda a possibilidade de simplesmente no

haver heterogeneidade no observada no modelo que


estamos estimando. Se isso for verdade a estimativa por
MQO agrupado eficiente e vlida. A ausncia de efeitos
no-observados equivalente a testar a hiptese de a
varincia de ser nula. Um teste para verificar a existncia
de efeitos no-observados o de Breusch e Pagan,
baseado no multiplicador de Lagrange, que descrito em
Baltagi (2008) e Wooldridge (2002).

Dados em Painel
TESTES
IMPORTANTES
Teste de Hausman para testar Efeitos Fixos contra
Efeitos Aleatrios
Seja o vetor de estimativas de efeitos fixos e o vetor de
estimativas de efeitos aleatrios, sob a hiptese nula de:
(efeitos aleatrios vlido)
A estatstica do teste dada por:
Tal teste deve ser analisado a partir de uma distribuio
com k-1 graus de liberdade. Se o valor calculado for maior
que o tabelado optamos por efeitos fixos.

Dados em Painel
Teste
F para Heterogeneidade No-Observada
(teste de Wald)

Onde LSDV indica o estimador com varivel dummy


onde levado em considerao. Se esta estatstica
exceder o valor Tabelado, a hiptese de heterogeneidade
no-observada valida.

Dados em Painel
Teste
de Breusch e Pagan

onde resduo da regresso de MQO agrupados e


sob a hiptese nula, com 1 grau de liberdade. Se esta
estatstica exceder o valor tabelado, a hiptese de
heterogeneidade no-observada vlida.

Dados em Painel
Usar dados da tabela 16.1 do Gujarati para exemplos.