Regressão com dados em painel: efeitos fixos e

aleatórios

Métodos Quantitativos Avançados

Aula 9
 Agenda
• Introdução
• Por que dados em painel?
• Tipos de Painel
• Técnicas
• Testes
 Cortes Séries
transversais Temporais

Dados em Painel
 Dados em Painel
• São um tipo especial de dados combinados nos quais
a mesma unidade em corte transversal é pesquisada
ao longo do tempo.
– Têm uma dimensão espacial e outra temporal.

• Proporcionam informações sobre a dinâmica do

comportamento.
 Por que dados em painel?
• Levam em conta variáveis individuais
específicas
• Dados mais informativos, mais variabilidade e
menos colinearidade
• Estudo da dinâmica da mudança
• Permite estudar modelos mais complexos
• Enriquece análise empírica
 Tipos de Painel
• Balanceado
– quando o número de observações for o mesmo para todas
as unidades de análise

• Desbalanceado
– quando o número de observações não for o mesmo para
todas as unidades de análise. (Dados Faltantes)
co Dad
m o
pl s
et
os
 Fa
lta
Da ed
do
s
 Tipos de Painel
• Painel Curto
– quando o número de observações no corte
transversal (N) for maior que o número de
períodos de tempo (T) (N>T).

• Painel Longo
– quando T for maior que N (T>N).
 Técnicas
• Pooled data – Modelo MQO para dados
empilhados
• Efeitos Fixos

• Efeitos Aleatórios
 Exemplo
• Companhias aéreas
– Dados de 1970 a 1984
– 6 empresas
– 90 observações
• Variável dependente: Custo Total (CT)
• Variáveis independentes: Produção (Q), Preço
Combustível (PF), Fator de Carga (LF)
 POLS - Pooled Ordinary Least Square

• É a técnica de painel mais simples e ingênua

• Desconsidera as dimensões de tempo e espaço

• Empilha-se as observações e obtém-se a regressão

• O principal problema é camuflar a Heterogeneidade que

possa existir entre as variáveis. Os coeficientes
estimados na equação, podem ser tendenciosos e
inconsistentes
Sugere que existe autocorrelação
nos dados
 Efeitos Fixos
• Combina-se todas as observações, deixando
que cada unidade de corte transversal tenha
sua própria variável dummy (intercepto)

• O termo “efeitos fixos” deve-se ao fato de que,

embora o intercepto possa diferir entre os
indivíduos (no caso, seis empresas aéreas), o
intercepto de cada indivíduo não varia com o
tempo; ele é invariante no tempo
 Assume valor 1 para Assume valor 1 para
todas as observações todas as observações
sobre a 1ª empresa e 0 sobre a 2ª empresa e 0
caso contrário caso contrário
Modelo de efeitos fixos dentro de um grupo
(fixed effects within-group model)
Combinamos todas as observações, mas para
cada empresa expressamos cada variável
como um desvio de seu valor médio e,
então, estimamos uma regressão de MQO
contra esses valores corrigidos para a
média.

(Gujarati, 2011, p. 590)

Corrigidos para a média
Se as variáveis dummies representam de
fato a falta de conhecimento sobre o
(verdadeiro) modelo, por que não
expressar isso por meio do termo de
erro?
 Efeitos Aleatórios
• Propõe diferentes termos de intercepto para
cada observação, contudo, interceptos fixos
ao longo do tempo

• Assume-se que os interceptos surgem a partir

da intersecção comum α, além de uma
variável aleatória 𝜖 que varia na seção
transversal
 erro combinado da série temporal e corte
transversal e às vezes chamado de termo
idiossincrático, porque varia com o corte
transversal (isto é, o indivíduo) e também com
o tempo
Mínimos Quadrados Generalizados (MQG ou GLS)
 Pooled: CT = 1.158.559 + 2.026114 Q + 1,225348 – 306.753
LF

Fixo: CT = -131.236 + 3319023 Q + 0,773071 PF – 3797368 +

601733,2 D2+ 1337180 D3 + 1777592 D4 + 1828252 D5 + 1706474
D6

Aleatório: CT = 107429,3 + 2288588 C + 1,123591 PF – 3084994 LF

Considerar o efeito do slide anterior

QUAL MODELO USAR?
 Costuma-se dizer que o modelo de efeitos
aleatórios é mais apropriado quando as
entidades da amostra podem ser consideradas
como tendo sido selecionadas aleatoriamente
da população, mas um modelo de efeito fixo é
mais plausível quando as entidades incluídas
na amostra constituem efetivamente toda a
população
 Teste de Chow
• Teste de Chow
– Teste para escolher entre efeito fixo e pooled
– H0: Utilizar pooled

A hipótese nula sugere que há igualdade de

interceptos e inclinações para todas as
companhias (POLS)
 Teste de Hausman
• Teste de Hausman
– Para escolher entre efeito fixo e efeito aleatório
– H0: Utilizar efeito aleatório

Se a hipótese nula for rejeitada, a conclusão é que o

MCE não é adequado, porque os efeitos aleatórios
provavelmente estão correlacionados com um ou
mais regressores. Nesse caso, o modelo de efeitos
fixos é preferível aos de efeitos
aleatórios/componentes
dos erros.
 Teste de Breusch-Pagan
• Teste BP (Breusch-Pagan)
– Teste para escolher entre efeito aleatório e pooled
– H0: Utilizar pooled

Não apresentaremos a fórmula que fundamenta o teste,

pois é bastante complicada (GUJARATI, 2011, p. 602)
• Se os resultados dos testes não sugerem
diferenças entre os modelos qualquer um
deles pode explicar adequadamente os
resultados

A argumentação teórica
pode ser mais convincente
que os próprios testes!
 Resumindo...
BP Hausman

Pooled Aleatório Aleatório Fixo

Chow

Pooled Fixo
 Conclusão do exemplo
modelo de efeitos aleatórios não é adequado
neste exemplo

teste BP reforça o teste de Hausman

Bibliografia
GUJARATI, Damodar N.; PORTER, Dawn C.
Econometria Básica – Quinta Edição
Dúvidas adicionais?

Terça-feira das 16h às 18h Sala 39 C2

mbotelho@usp.br
 Obrigado

jprlima@fearp.usp.br