Você está na página 1de 34

Econometria de

Datos en Paneles
Walter Sosa Escudero
(wsosa@udesa.edu.ar)
Universidad de San Andres y UNLP

Econometria de Datos en Paneles
Walter Sosa Escudero

Introduccion

Datos en paneles
• Una base de datos en panel contiene informacion
para varios individuos (empresas, paises, etc.) en
el tiempo.
• El aspecto fundamental es esta bidimensionalidad
de los datos.
• Ejemplos: PSID: 6500 familias desde 1968.
• La EPH tiene una estructura de panel rotativo.

Econometria de Datos en Paneles.

Ventajas de usar datos en panel • Con N individuos y T periodos podriamos estimar N modelos de series de tiempo y T modelos de corte transversal. Econometria de Datos en Paneles. Ej: yit=xit β+uit Supone que el modelo lineal subyacente es el mismo para todos los individuos y periodos. . • Las ventajas de disponer de un panel tiene que ver con la posibilidad de agregar (pool) esta información de alguna manera.

I=variables de justicia criminal • En la estimacion de corte transversal I resulta ser muy importante.I) y=crimen. E=variables economicas.Ventajas • Mayor informacion sobre un mismo parametro. Mayor eficiencia. (Cronwell y Trumbull) y=g(E. Econometria de Datos en Paneles. • Critica: I esta muy correlacionada con factores regionales que influyen sobre el crimen (problema de omision de variables. • Control de "heterogeneidades no-observables": – Ej. . • Un panel de datos permite controlar por estos efectos omitidos.

Ventajas • Explorar efectos dinámicos: – Ej: (Ben-Porath. 1973)La tasa de desempleo de los ultimos dos años ronda el 18%. • Varias más (Baltagi. 2002) Econometria de Datos en Paneles. Son siempre los mismos individuos o van rotando? • Permite eliminar sesgos por agregacion. .

Limitaciones • No siempre es posible agregar informacion temporal y de corte transversal (pueden ser más observaciones pero de poblaciones heterogeneas). "attrition". • Dimension temporal corta Econometria de Datos en Paneles. . • Los paneles son costosos de implementar y administrar. • Problemas de selectividad: auto-seleccion. no respuesta.

Econometria de Datos en Paneles Walter Sosa Escudero El Modelo Básico de Componente de Errores .

uno especifico del individuo y otro de la observacion Econometria de Datos en Paneles. . β es un vector de coeficientes • El termino de error incluye dos componentes.Especificacion El modelo basico es: • xit vector de K variables explicativas (incluye una constante).

que εit satisface todos los supuestos clasicos: • En este caso.Caso más simple: μi = 0 Supongamos adicionalmente. el estimador de MCO es MELI • La estructura de panel no agrega informacion Econometria de Datos en Paneles. .

Y se define en forma similar Econometria de Datos en Paneles. .El estimador MCO de β es: en donde X es una matriz NT x K con las observaciones de todas las variables explicativas para todos los individuos.

misma pendiente. y un intercepto especifico para cada individuo β1+μ 1 β1+μ β1+μ 2 3 Econometria de Datos en Paneles. uno para cada invididuo.Modelo de efectos fijos Corresponde a: en donde μi es un numero fijo para cada individuo. • Equivale a N modelos de regresion. .

. • En terminos matriciales: en donde Z es una matriz NT x (K+(N-1)) con todas las K variables explicativas (X) y las N-1 dummies Econometria de Datos en Paneles. (una por individuo menos una.Estimacion del modelo de EF • Si ε satisface todos los supuestos clasicos. Porque?). el estimador MELI de β y μi es el estimador MCO incorporando N-1 variables binarias.

• (3) es llamado modelo within. Econometria de Datos en Paneles. Truco: transformar el modelo para eliminar los μi Comencemos con: (1) tomando promedios por individuo: (2) restando (1) – (2): (3) • Es facil mostrar que el estimador MCO de β en (3) es exactamente igual al estimador MCO de β en el modelo con variables binarias.Problema: Z es una matriz muy grande para invertir. .

etc. .Estimacion de la matriz de varianzas. F.). Inferencia • Bajo el supuesto de normalidad de los eit. • La teoria asintotica de MCO tambien funciona en forma estandar (tests basados en resultados de normalidad asintotica). • En general. la teoria estandar básica de inferencia para MCO funciona Ok (tests t. los paquetes estandarizados (Stata.) calculan correctamente las varianzas (hay que tener cuidado con los grados de libertad si uno lo hace a mano). Econometria de Datos en Paneles. etc.

• El estimador de μ NO es consistente (el numero de parametros aumenta con N) Econometria de Datos en Paneles.Propiedades del estimador de EF • El estimador de β es consistente cuando N o T tienden a infinito. .

• μi forma parte del termino de error. que ahora tiene dos componentes uno especifico del individuo y otro de la observación. Econometria de Datos en Paneles. .Modelo de efectos aleatorios Corresponde a: en donde μi es una variable aleatoria para cada individuo.

simetrica y positiva definida (permite autocorrelacion y heterocedasticidad). .Recordatorio MCG y MGCF Consideremos: Y=Xβ +u Valen todos los supuestos clasicos. Teorema (Aitken): El MELI de β es: Alternativamente: con X*=PX y P satisface P’P=Ω-1. Econometria de Datos en Paneles. salvo que: V(u) = Ω.

MCG Factibles MCG requiere conocer Ω. ˆ es un estimador consistente de Ω. en muchos casos esto no es “factible”. • La estrategia es estimar Ω y luego computar el MCGF Econometria de Datos en Paneles. es asintoticamente equivalente a MCG. una version Si  factible del estimador es: • No es MELI. .

.Especificacion del modelo de EA Econometria de Datos en Paneles.

En terminos matriciales: Y = Xβ + u con E(u)= 0. y V(u)=Ω. Econometria de Datos en Paneles. . • Por construccion. • El MELI de β es el estimador MCG. el modelo de EA tiene autocorrelacion. Ω es una matriz NT x NT con elemento caracteristico: O sea que Ω no es un escalar por la identidad.

Econometria de Datos en Paneles. .Estimacion del modelo de EA Se puede mostrar que el estimador MCG de β es identico al estimador de MCO en: Con El estimador de MCGF reemplaza las varianzas por estimaciones consistentes de las mismas.

. Swamy-Arora: Dos modelos de regresion: (Within) (Between) Econometria de Datos en Paneles. y se cumplen todos los supuestos clasicos. e = vector de residuos de estimar por MCO.Estimacion de varianzas Resultado: Si Y=Xβ+u. S2=e´e/(n-K) estima consistentemente a V(ui)=σ2.

• Las estimaciones consistentes de las varianzas se obtienen resolviendo el sistema de ecuaciones. .Se puede mostrar que: S2W y S2B son estimaciones consistentes de la varianza del error de los modelos (W) y (B). • Hay varios metodos de estimacion de varianzas Econometria de Datos en Paneles.

. F. etc. Econometria de Datos en Paneles. etc. • En general.). • La teoria asintotica de MCG tambien funciona en forma estandar (tests basados en resultados de normalidad asintotica).Estimacion de la matriz de varianza de β. Inferencia. los paquetes estandarizados (Stata.) calculan correctamente las varianzas (hay que tener cuidado con los grados de libertad si uno lo hace a mano). la teoria estandar básica de inferencia para MCGF funciona Ok (tests t. • Bajo el supuesto de normalidad de los eit.

3.Estimacion del modelo de EA (resumen) 1. Estimar las varianzas corriendo los modelos (W) y (B). Computar α. Computar las "cuasidiferencias" y Estimar β por MCO usando las cuasidiferencias. 2. . Econometria de Datos en Paneles.

(B) es ineficiente (porque?). Estimacion Between • Si el verdadero modelo es EA. (B) es potencialmente sesgado e inconsistente.Relaciones entre modelos Dos estimadores alternativos Estimacion MCO • Si el verdadero modelo es EA. Si el verdadero modelo es EF. Si el verdadero modelo es EF. Econometria de Datos en Paneles. . MCO es ineficiente (porque?). MCO es potencialmente sesgado e inconsistente (porque?).

¿Porque? • ¿Que pasa con Between y MCO? Econometria de Datos en Paneles. .Variables que varian solo por individuos. No correlacionada con μ ni ε. ¿Porque? • El estimador de EA si puede identificar δ. • El estimador de EF no puede identificar δ. Consideremos el modelo zi = vector observable de variables que varian solo por individuos (ej. tamaño de una provincia).

Econometria de Datos en Paneles. • Between y MCO son inconsistentes.X correlacionada con μ. Resultado muy importante • El estimador de EA es inconsistente (porque?). • El estimador de EF sigue siendo consistente. .

• Estas reglas "eliminan" estimadores. Otros. de seleccion de modelos (Hsiao) EF es valido (no necesariamente optimo) aun cuando X esta correlacionado con μ.Efectos fijos o aleatorios? • • • • • Pregunta muy complicada No confundir modelos (DGP's) con estimadores. Econometria de Datos en Paneles. • EA tiende a ser mas eficiente cuando X esta correlacionado con μ. . Algunos creen que es una cuestion de tratamiento. pero no necesariamente sugieren cual usar.

amen (indicador de "amenities). Porto. • Cuestion: fuertes disparidades regionales con desempleo cambiante. shockp (desvios de la tendencia en el producto). • Variable explicada: tasa de desempleo regional para cada periodo • Variables explicativas: pbgm (producto regional). . uprom (desempleo promedio). • Informacion: panel de provincias argentinas. rpf. 11 años. Econometria de Datos en Paneles. Lamarche y Sosa Escudero (2003).Ejemplo empirico Disparidades regionales en el desampleo • Fuente: Galiani.

.Estimacion de efectos fijos Test F de significatividad conjunta  Stata NO muestra las estimaciones de los efectos fijos! EF no puede estimar el coeficiente de amenities Test de Efectos Fijos Econometria de Datos en Paneles.

Estimacion de efectos aleatorios Test de Efectos Aleatorios RE puede estimar el coeficiente de amenities Componentes de varianzas Econometria de Datos en Paneles. .

.Test de Hausman Las diferencias entre EF y RE son significativas Econometria de Datos en Paneles.