UNIVERSIDAD NACIONAL DE PIURA
UNIVERSIDAD NACIONAL DE PIURA
FACULTAD DE ECONOMÍA
FACULTAD DE ECONOMÍA
PROGRAMA DE ACTUALIZACIÓN PARA LA TITULACIÓN PROGRAMA DE ACTUALIZACIÓN PARA LA TITULACIÓN
PROFESIONAL PROFESIONAL
PAPTPRO XXII PAPTPRO XXII
TÉCNICAS
TÉCNICAS DE
DE MEDICIÓN
MEDICIÓN ECONÓMICA
ECONÓMICA
PARTE II: TÓPICOS DE ECONOMETRÍA PARTE II: TÓPICOS DE ECONOMETRÍA
MODELOS DE “PANEL DATA” MODELOS DE “PANEL DATA”
Econ. SEGUNDO A. CALLE RUIZ Econ. SEGUNDO A. CALLE RUIZ
MODELOS DE PANEL DATA MODELOS DE PANEL DATA
OBJETIVO
OBJETIVO:: DescribirDescribir loslos fundamentosfundamentos básicosbásicos yy aplicacionesaplicaciones dede
modelos
modelos econométricoseconométricos concon informacióninformación dede panelpanel datadata..
CONTENIDO CONTENIDO:: Introducción Introducción Modelos de regresión Modelos de regresión
Fuentes de Información para el Análisis Econométrico Fuentes de Información para el Análisis Econométrico Estimación y evaluación de un modelo de regresión Estimación y evaluación de un modelo de regresión Modelo econométrico de panel data
Modelo econométrico de panel data Modelos de efectos fijos
Modelos de efectos fijos Modelos de efectos fijos Modelos de efectos fijos
Modelos de efectos aleatorios Modelos de efectos aleatorios
BIBLIOGRAFÍA BIBLIOGRAFÍA::
GUJARATI,
GUJARATI, DamodarDamodar.. “Econometría”“Econometría”.. CuartaCuarta EdiciónEdición.. McGrawMcGraw--HillHill Internacional
INTRODUCCIÓN INTRODUCCIÓN
ECONOMETRÍA ECONOMETRÍA
Ciencia
Ciencia SocialSocial enen lala queque sese aplicanaplican loslos instrumentosinstrumentos dede lala teoríateoría económica,
económica, lala matemáticamatemática yy lala estadísticaestadística alal análisisanálisis dede loslos fenómenos
fenómenos económicoseconómicos (Goldberger(Goldberger..19701970))
Disciplina
Disciplina científicacientífica queque tienetiene porpor objetoobjeto lala explicaciónexplicación yy lala predicciónpredicción de
de loslos fenómenosfenómenos económicos,económicos, mediantemediante elel usouso dede modelosmodelos expresados
expresados enen formaforma matemáticamatemática yy lala utilizaciónutilización dede métodosmétodos estadísticos
INTRODUCCIÓN INTRODUCCIÓN
Teoría Económica: Teoría Económica:
A través del planteamiento de la hipótesis a A través del planteamiento de la hipótesis a testear
testear
Matemática: Matemática:
Al expresar a través de ecuaciones las Al expresar a través de ecuaciones las Al expresar a través de ecuaciones las Al expresar a través de ecuaciones las
hipótesis planteadas por la teoría económica hipótesis planteadas por la teoría económica
Estadística: Estadística:
En la recolección y sistematización de los En la recolección y sistematización de los
INTRODUCCIÓN INTRODUCCIÓN ) (Y f C= TEORÍA ECONÓMICA E C O N O
“Los gastos de consumo
dependen del nivel de ingreso”
) ( Y f C = C =α +α Y ) , (Y µ f C= MATEMÁTICA ESTADÍSTICA O M E T R Í A ) ( Y f C = C =α0 +α1Y ) , (Y µ f C = C =α0 +α1Y +µ i i Y C) = α)0 + α)1 DESCRIPTIVA INFERENCIAL Prueba de Hipótesis Prueba de significancia
INTRODUCCIÓN INTRODUCCIÓN
La
La Econometría
Econometría ha
ha experimentado
experimentado un
un gran
gran
desarrollo
desarrollo en
en las
las últimas
últimas décadas,
décadas, tanto
tanto en
en su
su
metodología,
metodología, sino
sino también
también en
en sus
sus aplicaciones,
aplicaciones,
debido
debido a
a algunos
algunos factores
factores como
como::
ii..
Incremento
Incremento de
de la
la disponibilidad
disponibilidad de
de datos
datos
estadísticos
estadísticos..
estadísticos
estadísticos..
ii.
MODELOS DE REGRESIÓN MODELOS DE REGRESIÓN
El
El AnálisisAnálisis dede RegresiónRegresión eses unauna dede laslas herramientas
herramientas dede usosusos masmas frecuentefrecuente enen elel trabajotrabajo econométrico
econométrico.. ¿Qué
¿Qué eses análisisanálisis dede regresión?regresión?
DescripciónDescripción yy evaluaciónevaluación dede lala relaciónrelación entreentre unauna (s)
(s) variablevariable (s)(s) determinadadeterminada (s)(s):: ((explicadaexplicada // dependiente/
dependiente/ endógenaendógena));; yy
unauna oo másmás variablesvariables adicionalesadicionales:: ((explicativasexplicativas // independientes
MODELOS DE REGRESIÓN MODELOS DE REGRESIÓN
REGRESIÓN
REGRESIÓN:: FrancisFrancis GaltonGalton ((18221822--19111911)) Inglaterra,
Inglaterra, quienquien estudioestudio lala relaciónrelación entreentre lala estatura
estatura dede loslos hijoshijos yy dede loslos padrespadres..
El
El AnálisisAnálisis dede RegresiónRegresión nono sese debedebe confundirconfundir concon el
el AnálisisAnálisis dede CorrelaciónCorrelación,, elel cualcual consisteconsiste enen medir
medir elel gradogrado dede relaciónrelación lineallineal entreentre laslas variables,
MODELOS DE REGRESIÓN MODELOS DE REGRESIÓN
Los
Los ModelosModelos EconométricosEconométricos tratantratan dede explicarexplicar elel comportamiento
comportamiento dede unauna oo dede másmás variablesvariables enen funciónfunción de
de otrasotras variablesvariables queque sese consideranconsideran explicativas,explicativas, incluyendo
incluyendo tambiéntambién variablevariable (s)(s) nono observableobservable (s)(s) oo aleatoria aleatoria (s)(s)..
X
f
Y
=
(
;
µ
)
∀
)
;
,
,
(
)
;
,
,
(
)
;
,
,
(
3 2 3 1 3 2 1 3 2 2 1 2 2 1 1µ
µ
µ
Y
X
X
h
Y
Y
X
X
g
Y
Y
X
X
f
Y
=
=
=
k i iX
f
Y
=
(
;
µ
)
∀
=1KMODELOS DE REGRESIÓN MODELOS DE REGRESIÓN
Los
Los modelosmodelos econométricoseconométricos puedenpueden clasificarseclasificarse dede acuerdo
acuerdo aa variosvarios criterios,criterios, talestales comocomo
::
a.a. Según el número de ecuacionesSegún el número de ecuaciones: :
Uniecuacionales Uniecuacionales
µ
α
α
α
α
+
+
+
+
+
=
X
X
X
Y
L
Multiecuacionales Multiecuacionalesµ
α
α
α
α
+
+
+
+
+
=
X
X
kX
kY
L
2 2 1 1 0µ
γ
α
α
+
+
+
=
MODELOS DE REGRESIÓN MODELOS DE REGRESIÓN b.
b. Según la forma funcionalSegún la forma funcional::
Lineales Lineales µ α α α α + + + + + = X X kXk Y L 2 2 1 1 0 ,∀ j=1 j k α No lineal No lineal µ β α X e AX Y = 1 2 µ β α + = AX1 X2 Y Linealizable No Linealizable
MODELOS DE REGRESIÓN MODELOS DE REGRESIÓN c.
c. Según la naturaleza de los datosSegún la naturaleza de los datos::
Temporales (Time series) Temporales (Time series)
Atemporales (cross section) Atemporales (cross section)
t kt k t t t
X
X
X
Y
=
α
+
α
+
α
+
L
+
α
+
µ
2 2 1 1 0Atemporales (cross section) Atemporales (cross section)
Mixtos o “Panel Data” Mixtos o “Panel Data”
i ki k i i i
X
X
X
Y
=
α
+
α
+
α
+
L
+
α
+
µ
2 2 1 1 0MODELOS DE REGRESIÓN MODELOS DE REGRESIÓN
d.
d. Según las características dinámicasSegún las características dinámicas
:
:
Estáticos
Estáticos:: TTodasodas lala variablesvariables estánestán referidasreferidas alal mismomismo periodo
periodo dede tiempotiempo .. LosLos modelosmodelos concon datosdatos atemporales
atemporales sonson estáticosestáticos porpor definicióndefinición..
Dinámicos
Dinámicos
:
:
La variable (es) endógena depende (n) de variables La variable (es) endógena depende (n) de variablesDinámicos
Dinámicos
:
:
La variable (es) endógena depende (n) de variables La variable (es) endógena depende (n) de variables exógenas con y/o sin rezagosexógenas con y/o sin rezagos
Rezagos distribuidos Rezagos distribuidos Autorregresivos Autorregresivos t k t k t t t
X
X
X
Y
=
α
0+
α
1+
α
2 −1+
L
+
α
− −1+
µ
t t tY
Y
=
β
−1+
µ
Y
t=
α
+
β
0X
t+
β
1Y
t−1+
µ
tFUENTES
FUENTES DEDE INFORMACIÓNINFORMACIÓN PARAPARA ELEL ANÁLISISANÁLISIS ECONOMÉTRICO
ECONOMÉTRICO
La fuente de información se refiere al lugar, la
institución, las personas o elementos donde están
los datos que se necesitan para cada una de las variables del modelo econométrico.
Estas
Estas puedenpueden serser::
Las Oficinas de Estadística: Boletines físicos y/o Las Oficinas de Estadística: Boletines físicos y/o virtuales.
virtuales.
ESTRUCTURA
ESTRUCTURA DEDE LOSLOS DATOSDATOS ECONÓMICOSECONÓMICOS
La
La informacióninformación económicaeconómica suelesuele presentarsepresentarse enen diversas
diversas formasformas::
DatosDatos dede seriesseries dede tiempotiempo (Time(Time Series)Series)
DatosDatos dede cortecorte transversaltransversal (Cross(Cross section)section)
ESTRUCTURA
ESTRUCTURA DEDE LOSLOS DATOSDATOS ECONÓMICOSECONÓMICOS
DATOS
DATOS DE
DE SERIES
SERIES DE
DE TIEMPO
TIEMPO (Time
(Time Series)
Series)
El
El conjuntoconjunto dede datosdatos dede seriesseries dede tiempotiempo (( oo datosdatos dede series
series temporales)temporales) constaconsta dede observacionesobservaciones dede unauna oo mas
mas variablesvariables aa travéstravés deldel tiempo,tiempo, dondedonde lala disposición
disposición cronológicacronológica dede laslas observacionesobservaciones enen unauna serie
serie temporaltemporal proporcionaproporciona informacióninformación serie
serie temporaltemporal proporcionaproporciona informacióninformación potencialmente
ESTRUCTURA
ESTRUCTURA DEDE LOSLOS DATOSDATOS ECONÓMICOSECONÓMICOS
En Modelos econométricos de series de tiempo interesa En Modelos econométricos de series de tiempo interesa
:
:
El periodo de análisisEl periodo de análisis
::
El periodo de tiempo en el El periodo de tiempo en el cual se cual se va ha realizar la investigaciónva ha realizar la investigación econométrica y sobre el cual se econométrica y sobre el cual se tiene información.
tiene información.
La periodicidadLa periodicidad
:
:
Es la frecuencia de los datosEs la frecuencia de los datos D Diariaiaria S Semanalemanal M Mensualensual T Trimestralrimestral S Semestralemestral A AnualnualESTRUCTURA DE LOS DATOS ECONÓMICOS ESTRUCTURA DE LOS DATOS ECONÓMICOS
obs
obs ATACOCHAI1ATACOCHAI1 1/02/1995 1/02/1995 0.5541570.554157 1/03/1995 1/03/1995 0.5462870.546287 1/04/1995 1/04/1995 0.5306150.530615 1/05/1995 1/05/1995 0.5227490.522749 1/06/1995 1/06/1995 0.5070840.507084 1/09/1995 0.4601110.460111 1/10/1995 1/10/1995 0.4132700.413270
Datos diarios que pertenecen a semanas de 5 días
1/10/1995 1/10/1995 0.4132700.413270 1/11/1995 1/11/1995 0.4677970.467797 1/12/1995 1/12/1995 0.5067190.506719 1/13/1995 1/13/1995 0.4910690.491069 1/16/1995 1/16/1995 0.4831010.483101 1/17/1995 1/17/1995 0.4830430.483043 1/18/1995 1/18/1995 0.4751950.475195 1/19/1995 1/19/1995 0.4673490.467349 1/20/1995 1/20/1995 0.4672930.467293
ESTRUCTURA DE LOS DATOS ECONÓMICOS ESTRUCTURA DE LOS DATOS ECONÓMICOS
obs obs TCNTCN 1/02/1995 1/02/1995 2.8560002.856000 1/03/1995 1/03/1995 2.8650002.865000 1/04/1995 1/04/1995 2.9480002.948000 1/05/1995 1/05/1995 2.9560002.956000 1/06/1995 1/06/1995 2.9570002.957000 1/07/1995 1/07/1995 2.9820002.982000 1/08/1995 1/08/1995 2.9850002.985000
Datos diarios que pertenecen a semanas de 7días
1/08/1995 1/08/1995 2.9850002.985000 1/09/1995 1/09/1995 2.9965002.996500 1/10/1995 1/10/1995 2.9970002.997000 1/11/1995 1/11/1995 2.9940002.994000 1/12/1995 1/12/1995 2.9980002.998000 1/13/1995 1/13/1995 2.9870002.987000 1/14/1995 1/14/1995 2.9890002.989000 1/15/1995 1/15/1995 3.1000003.100000 1/16/1995 1/16/1995 3.1100003.110000 1/17/1995 1/17/1995 2.9900002.990000 1/18/1995 1/18/1995 2.9700002.970000 1/19/1995 1/19/1995 2.9980002.998000 1/20/1995 1/20/1995 2.9999002.999900
ESTRUCTURA DE LOS DATOS ECONÓMICOS ESTRUCTURA DE LOS DATOS ECONÓMICOS
obs obs TCPSTCPS 1/07/2008 1/07/2008 2.9900002.990000 1/14/2008 1/14/2008 2.9950002.995000 Datos semanales 1/14/2008 1/14/2008 2.9950002.995000 1/21/2008 1/21/2008 2.9990002.999000 1/28/2008 1/28/2008 2.9999002.999900 2/04/2008 2/04/2008 3.0100003.010000 2/11/2008 2/11/2008 3.0220003.022000 2/18/2008 2/18/2008 3.1100003.110000 2/25/2008 2/25/2008 3.1550003.155000
ESTRUCTURA DE LOS DATOS ECONÓMICOS ESTRUCTURA DE LOS DATOS ECONÓMICOS
obs
obs INFINF 2007M02 2007M02 2.1000002.100000 2007M03 2007M03 2.1300002.130000 2007M04 2007M04 2.2300002.230000 Datos mensuales 2007M04 2007M04 2.2300002.230000 2007M05 2007M05 2.4500002.450000 2007M06 2007M06 3.1200003.120000 2007M07 2007M07 2.9800002.980000 2007M08 2007M08 2.2300002.230000 2007M09 2007M09 3.1200003.120000 2007M10 2007M10 3.1200003.120000 2007M11 2007M11 3.2500003.250000
ESTRUCTURA DE LOS DATOS ECONÓMICOS ESTRUCTURA DE LOS DATOS ECONÓMICOS
obs
obs PBIPBI 2006Q2 2006Q2 22560.1422560.14 Datos Trimestrales 2006Q2 2006Q2 22560.1422560.14 2006Q3 2006Q3 28451.1028451.10 2006Q4 2006Q4 26548.3026548.30 2007Q1 2007Q1 25489.5625489.56 2007Q2 2007Q2 22365.4122365.41 2007Q3 2007Q3 22356.2522356.25 2007Q4 2007Q4 24985.2124985.21
ESTRUCTURA DE LOS DATOS ECONÓMICOS ESTRUCTURA DE LOS DATOS ECONÓMICOS
obs
obs IMPIMP 2005S1
2005S1 1255.5601255.560
Datos Semestrales EViews 5.lnk
2005S1 2005S1 1255.5601255.560 2005S2 2005S2 1356.2301356.230 2006S1 2006S1 1458.2101458.210 2006S2 2006S2 1489.2501489.250 2007S1 2007S1 14265.2614265.26 2007S2 2007S2 1547.9501547.950
ESTRUCTURA DE LOS DATOS ECONÓMICOS
obs
obs YPDYPD
1990 1990 4468.7004468.700 1991 1991 4486.5004486.500 1992 1992 4613.7004613.700 Datos Anuales 1992 1992 4613.7004613.700 1993 1993 4666.2004666.200 1994 1994 4775.6004775.600 1995 1995 4825.5004825.500 1996 1996 4866.0004866.000 1997 1997 4872.1004872.100 1998 1998 4897.4004897.400
ESTRUCTURA
ESTRUCTURA DEDE LOSLOS DATOSDATOS ECONÓMICOSECONÓMICOS
DATOS
DATOS DE
DE CORTE
CORTE TRANSVERSAL
TRANSVERSAL (Cross
(Cross
Section)
Section)
Un conjunto de datos de corte transversal consta de una muestra de individuos, hogares, empresas, ciudades u otras diversas unidades, tomada en un momento determinado.
momento determinado.
Una particularidad de los datos de corte transversal, es que a menudo se da por hecho que se obtuvieron mediante muestreo aleatorio.
El análisis de estos datos esta muy cercano al campo de la MICROECONOMETRÍA
ESTRUCTURA DE LOS DATOS ECONÓMICOS ESTRUCTURA DE LOS DATOS ECONÓMICOS
obs
obs EDADEDAD EDUEDU 1 1 32.0000032.00000 12.0000012.00000 2 2 30.0000030.00000 12.0000012.00000 3 3 35.0000035.00000 12.0000012.00000 4 4 34.0000034.00000 12.0000012.00000 5 5 31.0000031.00000 14.0000014.00000 6 6 54.0000054.00000 12.0000012.00000
Datos de Corte Transversal
7 7 37.0000037.00000 16.0000016.00000 8 8 54.0000054.00000 12.0000012.00000 9 9 48.0000048.00000 12.0000012.00000 10 10 39.0000039.00000 12.0000012.00000 11 11 33.0000033.00000 12.0000012.00000 12 12 42.0000042.00000 11.0000011.00000
ESTRUCTURA DE LOS DATOS ECONÓMICOS ESTRUCTURA DE LOS DATOS ECONÓMICOS
Algunos
Algunos conjuntosconjuntos dede datosdatos tienetiene característicascaracterísticas tanto
tanto dede cortecorte transversaltransversal comocomo dede seriesseries temporalestemporales..
Si
Si sese aplicaaplica aa nivelnivel nacionalnacional dosdos encuestasencuestas dede hogareshogares una
una enen 19931993 yy lala otraotra enen 19951995..
COMBINACIONES DE CORTES TRANSVERSALES
EnEn 19931993 sese aplicóaplicó unauna encuestaencuesta aa unauna muestramuestra aleatoria
aleatoria dede hogareshogares sobresobre variablesvariables comocomo:: ingreso,ingreso, consumo,
consumo, ahorro,ahorro, tamañotamaño dede lala familiafamilia..
EnEn 19951995 sese aplicóaplicó lala mismamisma encuestaencuesta aa unauna muestramuestra aleatoria
aleatoria dede hogareshogares sobresobre variablesvariables comocomo:: ingreso,ingreso, consumo,
ESTRUCTURA DE LOS DATOS ECONÓMICOS ESTRUCTURA DE LOS DATOS ECONÓMICOS
Con el objeto de aumentar el tamaño de la muestra, Con el objeto de aumentar el tamaño de la muestra, se puede formar una combinación de cortes
se puede formar una combinación de cortes transversales para los dos años.
transversales para los dos años.
Una combinación de cortes transversales suele ser Una combinación de cortes transversales suele ser un medio eficaz para analizar los efectos de una
un medio eficaz para analizar los efectos de una
COMBINACIONES DE CORTES TRANSVERSALES
Una combinación de cortes transversales suele ser Una combinación de cortes transversales suele ser un medio eficaz para analizar los efectos de una
un medio eficaz para analizar los efectos de una nueva política gubernamental.
nueva política gubernamental.
ESTRUCTURA DE LOS DATOS ECONÓMICOS ESTRUCTURA DE LOS DATOS ECONÓMICOS
COMBINACIONES DE CORTES TRANSVERSALES
Obs.
Obs. AñoAño YY CC SS TFTF 1 1 19931993 20002000 19001900 100100 33 .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 250 250 19931993 24002400 23502350 5050 55 251 251 19951995 30003000 29002900 100100 44 .. .. .. .. .. .. .. .. .. .. .. .. 500 500 19951995 29872987 24002400 587587 44
ESTRUCTURA DE LOS DATOS ECONÓMICOS ESTRUCTURA DE LOS DATOS ECONÓMICOS
UnUn conjuntoconjunto dede datosdatos dede panelpanel (( oo longitudinales)longitudinales) consta
consta dede unauna serieserie temporaltemporal parapara unidadunidad dede cortecorte transversal
transversal enen elel conjuntoconjunto dede datosdatos..
LaLa característicacaracterística fundamentalfundamental dede loslos datosdatos dede
DATOSDATOS DEDE PANELPANEL (( PANELPANEL DATA)DATA)
LaLa característicacaracterística fundamentalfundamental dede loslos datosdatos dede panel,
panel, queque loslos distinguedistingue dede laslas combinacionescombinaciones dede cortes
cortes transversales,transversales, eses elel hechohecho dede queque sese dada
seguimiento
seguimiento aa laslas mismasmismas unidadesunidades transversalestransversales (( hogares,
ESTRUCTURA DE LOS DATOS ECONÓMICOS ESTRUCTURA DE LOS DATOS ECONÓMICOS
DATOS DE PANEL ( PANEL DATA) DATOS DE PANEL ( PANEL DATA)
Obs. 2001 2002 2003 Y C S Y C S Y C S 01 02 03 03 04 05 … … 99 100
ESTRUCTURA DE LOS DATOS ECONÓMICOS ESTRUCTURA DE LOS DATOS ECONÓMICOS
DATOS DE PANEL ( PANEL DATA) DATOS DE PANEL ( PANEL DATA)
ESTRUCTURA DE LOS DATOS ECONÓMICOS ESTRUCTURA DE LOS DATOS ECONÓMICOS
ESTRUCTURA DE LOS DATOS ECONÓMICOS ESTRUCTURA DE LOS DATOS ECONÓMICOS
ESTRUCTURA DE LOS DATOS ECONÓMICOS ESTRUCTURA DE LOS DATOS ECONÓMICOS
ESTRUCTURA DE LOS DATOS ECONÓMICOS ESTRUCTURA DE LOS DATOS ECONÓMICOS
ESTRUCTURA DE LOS DATOS ECONÓMICOS ESTRUCTURA DE LOS DATOS ECONÓMICOS
ESTRUCTURA DE LOS DATOS ECONÓMICOS ESTRUCTURA DE LOS DATOS ECONÓMICOS
ESTRUCTURA DE LOS DATOS ECONÓMICOS ESTRUCTURA DE LOS DATOS ECONÓMICOS
ESTRUCTURA DE LOS DATOS ECONÓMICOS ESTRUCTURA DE LOS DATOS ECONÓMICOS
ESTRUCTURA DE LOS DATOS ECONÓMICOS ESTRUCTURA DE LOS DATOS ECONÓMICOS
Workfile tiene las subWorkfile tiene las sub--muestras cronológicas y la muestras cronológicas y la marca del Panel
ESTRUCTURA DE LOS DATOS ECONÓMICOS ESTRUCTURA DE LOS DATOS ECONÓMICOS
MODELOS
MODELOS CONCON DATOSDATOS DEDE PANELPANEL ¿QUÉ ES UN PANEL DATA?
¿QUÉ ES UN PANEL DATA?
Es una matriz de datos que cuenta con
información a través del tiempo y a lo largo del “espacio”.
Un Modelo Panel Data es aquel que trabaja con los
datos en ambas dimensiones y que cuenta con un número de observaciones que equivale al número número de observaciones que equivale al número de momentos de tiempo por el número de clases o identificadores transversales.
Un modelo Panel Data ofrece al que lo trabaja una
serie de ventajas en cuanto al proceso de los datos y a la consideración de algunos aspectos que no son directamente observables aunque forman parte del problema
MODELOS
MODELOS CONCON DATOSDATOS DEDE PANELPANEL
Ejemplos
Modelo Panel Data obtenido a partir de la Encuesta
Nacional Longitudinal de Experiencia del Mercado Laboral. Trabaja con 15.000 individuos, y haciendo un seguimiento de los mismos desde 1978 hasta la actualidad.
Análisis de la influencia de algunas variables,
como la renta, el tamaño familiar, etc, en el como la renta, el tamaño familiar, etc, en el consumo de alimentos en diferentes momentos de tiempo.
MODELOS
MODELOS CONCON DATOSDATOS DEDE PANELPANEL
Tipos de Panel Data
Los paneles de datos se distinguen por su amplitud transversal y su profundidad temporal. Pueden ser:Paneles Microeconómicos: De gran amplitud en la
parte transversal. Ejm. Un estudio del consumo de 3,000 familias desarrollado para 10 años.
3,000 familias desarrollado para 10 años.
Paneles Macroeconómicos: De gran profundidad en
en la parte cronológica. Ejm. Un modelo para la
explicación del precio de las acciones de unas 20 empresas cotizadas en la Bolsa de Comercio, con información diaria para los últimos 10 años.
Random Field: Paneles con abundantes datos
MODELOS
MODELOS CONCON DATOSDATOS DEDE PANELPANEL
¿Qué justifica hacer un Modelo Panel Data?
¿Por qué un Panel Data y no un Modelo solo de Series de Tiempo?:
Puede que las variables participantes tengan poca
variabilidad en el tiempo y gran variación transversal.
Ejm. En el marco del turismo, puede encontrase muy atractivo el flujo de turistas de una zona a otra, así como considerar los diversos tipos de turismo que ofrece un país, como el turismo de playas, el turismo histórico, el
MODELOS
MODELOS CONCON DATOSDATOS DEDE PANELPANEL
¿Qué justifica hacer un Modelo Panel Data?
¿Por qué un Panel Data y no un Modelo solo de Sección Transversal?:
Para aprovechar toda la variabilidad cronológica
que puede aportar buena información.
Ejm. En un país en donde existe gran variación en los indicadores económicos a lo largo del tiempo, una indicadores económicos a lo largo del tiempo, una muestra panel sobre variables que están vinculadas a la Bolsa de Comercio, aportará mucha información relevante, que una exclusiva de tipo sección transversal, donde es probable que las acciones de diversas compañías no presenten variaciones significativas. Aunque ello no es razón para prescindir de la dimensión transversal
MODELOS
MODELOS CONCON DATOSDATOS DEDE PANELPANEL
Especificación de un Modelo Panel Data Sea la siguiente ecuación lineal general:
El modelo se explicita en las siguientes dimensiones:
Donde los subíndices señalan:
U
X
Y
=
β
+
it kit k it it itX
X
X
Y
=
β
+
β
+
β
+
L
+
β
+
µ
2 2 1 1 0Donde los subíndices señalan:
momentos de tiempo elementos transversales T t =1 , 2 ,3 ,L , ∀ M i=1,2 ,3,L , ∀
MODELOS CON DATOS DE PANEL MODELOS CON DATOS DE PANEL
Especificación de un Modelo Panel Data
Una extensión del modelo es la siguiente:
Yit = ααααit + ββββ1 X1it + ββββ2 X2it + …………..+ ββββk Xkit + µµµµit
En donde hay un componente variable ααααit que representa la heterogeneidad transversal y cronológica inobservable. Pero en la práctica se aplican algunas restricciones
Pero en la práctica se aplican algunas restricciones que conducen a la versión más utilizada:
Yit = ααααi + ββββ1 X1it + ββββ2 X2it + …………..+ ββββk Xkit + µµµµit
En donde solo se tiene en cuenta al elemento transversal de la heterogeneidad inobservable, que es el que produce
MODELO DE EFECTOS FIJOS (FIXED EFFECTS MODELO DE EFECTOS FIJOS (FIXED EFFECTS))
Se refiere a un modelo en el cual existe un término independiente
para cada uno de los elementos de corte transversal. La forma general de dicho modelo es la siguiente:
yit = ααααi + Xit ββββ + µµµµit ∀ ∀∀ ∀t = 1, 2, 3, ..., T momentos de tiempo ∀ ∀∀ ∀∀i = 1, 2, 3, ..., M elementos transversales ∀∀ ∀ Yit = αααα1 + αααα2 +...+ ααααM + ββββ1 X1it + ββββ2 X2it + …………..+ ββββk Xkit + µµµµit
El modelo supone la existencia de heterogeneidad transversal inobservable no aleatoria, la cual es una constante en el
MODELO DE EFECTOS FIJOS (FIXED EFFECTS MODELO DE EFECTOS FIJOS (FIXED EFFECTS))
Puede darse que
Puede darse que Cov (Xit Cov (Xit ααi ) i ) ≠≠ 00. Es decir, puede haber . Es decir, puede haber correlación importante entre las variables del modelo y correlación importante entre las variables del modelo y los elementos variables asociados al término
los elementos variables asociados al término independiente
independiente
..
La estrategia estimativa más apropiada para el modelo La estrategia estimativa más apropiada para el modelo es la siguiente: Utilizar el estimador MCO sobre el
es la siguiente: Utilizar el estimador MCO sobre el modelo en diferencias con respecto a las medias de modelo en diferencias con respecto a las medias de modelo en diferencias con respecto a las medias de modelo en diferencias con respecto a las medias de cada grupo:
cada grupo: yit
yit –– yi = ( Xit yi = ( Xit –– Xi ) Xi ) ββ + (+ (µµit it -- µµi )i )
Ello permitirá la estimación en un único conjunto de Ello permitirá la estimación en un único conjunto de parámetros
parámetros ββ para luego obtener los valores de los para luego obtener los valores de los ααi i a partir de:
a partir de:
MODELO DE EFECTOS FIJOS (FIXED EFFECTS MODELO DE EFECTOS FIJOS (FIXED EFFECTS))
Al estimador del modelo de efectos fijos también
Al estimador del modelo de efectos fijos también
se le llama
se le llama estimador in
estimador inttragrupos
ragrupos (IG), o
(IG), o
within estimator
within estimator ((
ββ
W) porque para aplicarlo
W) porque para aplicarlo se
se
toman
toman las desviaciones al interior de la variable
las desviaciones al interior de la variable
“y”, así como también las de cada una de las
“y”, así como también las de cada una de las
variables “X”.
variables “X”.
La forma matricial del estimador intragrupos es
La forma matricial del estimador intragrupos es
La forma matricial del estimador intragrupos es
La forma matricial del estimador intragrupos es
como sigue:
como sigue:
ββ
W = (X
W = (X´´MD X)
MD X)--1 X
1 X´´MD y
MD y
Siendo la matriz
Siendo la matriz MD = I
MD = I –
– D(D
D(D´´D)
D)--1D
1D´´
Donde
Donde D representa a la llamada
D representa a la llamada
heterogeneidad transversal inobservable, pero
heterogeneidad transversal inobservable, pero
MODELO DE EFECTOS ALEATORIOS (RANDOM MODELO DE EFECTOS ALEATORIOS (RANDOM EFFECTS)
EFFECTS)
Es un modelo que tienen un término
Es un modelo que tienen un término
independiente común, pero M elementos
independiente común, pero M elementos
específicos de carácter aleatorio que están
específicos de carácter aleatorio que están
asociados a cada uno de los individuos de la
asociados a cada uno de los individuos de la
dimensión transversal del panel y que estan
dimensión transversal del panel y que estan
integrados (inmersos) en la variable aleatoria.
integrados (inmersos) en la variable aleatoria.
La forma general del modelo de efectos
La forma general del modelo de efectos
La forma general del modelo de efectos
La forma general del modelo de efectos
aleatorios es la siguiente:
aleatorios es la siguiente:
Yit = a + Xit
Yit = a + Xit
ββ
+
+
αα
i +
i +
µµ
it
it
Donde
Donde
εε
it =
it =
αα
i +
i +
µµ
it
it
E
Este modelo trabaja bajo el supuesto de que el
ste modelo trabaja bajo el supuesto de que el
término
término
αα
i se encuentra incorrelacionado con las
i se encuentra incorrelacionado con las
variables incluidas en Xit
variables incluidas en Xit ,lo cual se conoce
,lo cual se conoce
como
MODELO DE EFECTOS ALEATORIOS (RANDOM MODELO DE EFECTOS ALEATORIOS (RANDOM EFFECTS)
EFFECTS)
Adicionalmente, debe cumplirse lo siguiente: Adicionalmente, debe cumplirse lo siguiente: E( E(µµ) = 0) = 0 E( E(µµµµ´´) = ) = σσ22µµInIn E( E(ααiiααj) = 0 j) = 0 ∀∀∀∀∀∀∀∀ii≠≠jj E( E(ααiiααj) = j) = σσ22αα ∀∀∀∀∀∀∀∀i=ji=j E( E(ααiiµµjt) = 0 jt) = 0 E( E(ααi) = 0 i) = 0 E( E(ααi) = 0 i) = 0 No
No debe haber debe haber HeteroscedasticidadHeteroscedasticidad ni tampoconi tampoco A
Autocorrelación en las observaciones procedentes de un utocorrelación en las observaciones procedentes de un mismo individuo
mismo individuo. Tampoco debe haber. Tampoco debe haber correlaciones correlaciones contemporáneas entre los términos de error
contemporáneas entre los términos de error correspondientes a individuos diferentes. correspondientes a individuos diferentes.
MODELO DE EFECTOS ALEATORIOS (RANDOM MODELO DE EFECTOS ALEATORIOS (RANDOM EFFECTS)
EFFECTS)
La estimación de éste modelo no es apropiada La estimación de éste modelo no es apropiada hacerla por MCO, pues si bien podrían lograrse hacerla por MCO, pues si bien podrían lograrse estimaciones consistentes de
estimaciones consistentes de ββ , no serían , no serían
eficientes, por lo que deben buscarse salidas por el eficientes, por lo que deben buscarse salidas por el lado de los estimadores de Mínimos Cuadrados
lado de los estimadores de Mínimos Cuadrados Generalizados (MCG)
Generalizados (MCG)
.
.
Generalizados (MCG) Generalizados (MCG).
.
De acuerdo a lo anterior, la solución pasa por la De acuerdo a lo anterior, la solución pasa por la obtención de una matriz de varianzas y
obtención de una matriz de varianzas y
covarianzas del término de error, para luego usarla covarianzas del término de error, para luego usarla en la expresión de
MODELOS CON DATOS DE PANEL MODELOS CON DATOS DE PANEL Estimación de un Modelo Panel Data
MODELOS CON DATOS DE PANEL MODELOS CON DATOS DE PANEL Estimación de un Modelo Panel Data
MODELOS CON DATOS DE PANEL MODELOS CON DATOS DE PANEL Estimación de un Modelo Panel Data
MODELOS CON DATOS DE PANEL MODELOS CON DATOS DE PANEL Estimación de un Modelo Panel Data
MODELOS CON DATOS DE PANEL MODELOS CON DATOS DE PANEL Estimación de un Modelo Panel Data
MODELOS CON DATOS DE PANEL MODELOS CON DATOS DE PANEL Estimación de un Modelo Panel Data
MODELOS CON DATOS DE PANEL MODELOS CON DATOS DE PANEL Estimación de un Modelo Panel Data
MODELOS CON DATOS DE PANEL MODELOS CON DATOS DE PANEL Estimación de un Modelo Panel Data
MODELOS CON DATOS DE PANEL MODELOS CON DATOS DE PANEL Estimación de un Modelo Panel Data
MODELOS CON DATOS DE PANEL MODELOS CON DATOS DE PANEL Estimación de un Modelo Panel Data
MODELOS CON DATOS DE PANEL MODELOS CON DATOS DE PANEL Estimación de un Modelo Panel Data
MODELOS CON DATOS DE PANEL MODELOS CON DATOS DE PANEL Estimación de un Modelo Panel Data
MODELOS CON DATOS DE PANEL MODELOS CON DATOS DE PANEL Estimación de un Modelo Panel Data
MODELOS CON DATOS DE PANEL MODELOS CON DATOS DE PANEL Estimación de un Modelo Panel Data
MODELOS CON DATOS DE PANEL MODELOS CON DATOS DE PANEL Estimación de un Modelo Panel Data
MODELOS CON DATOS DE PANEL MODELOS CON DATOS DE PANEL Estimación de un Modelo Panel Data
MODELOS CON DATOS DE PANEL MODELOS CON DATOS DE PANEL Estimación de un Modelo Panel Data
MODELOS CON DATOS DE PANEL MODELOS CON DATOS DE PANEL Estimación de un Modelo Panel Data
MODELOS CON DATOS DE PANEL MODELOS CON DATOS DE PANEL Estimación de un Modelo Panel Data
MODELOS CON DATOS DE PANEL MODELOS CON DATOS DE PANEL Estimación de un Modelo Panel Data
MODELOS CON DATOS DE PANEL MODELOS CON DATOS DE PANEL Estimación de un Modelo Panel Data
SELECCIÓN ENTRE EFECTOS FIJOS Y ALEATORIOS SELECCIÓN ENTRE EFECTOS FIJOS Y ALEATORIOS
Siempre
Siempre sese recomiendarecomienda tenertener buenbuen conocimiento
conocimiento sobresobre lala problemáticaproblemática deldel modelo,
modelo, puespues nono existeexiste unun testtest irrefutableirrefutable queque a
a prioripriori nosnos recomienderecomiende unauna alternativaalternativa.. Evidentemente
Evidentemente queque elel conocimientoconocimiento requeridorequerido pasa
pasa porpor sabersaber sisi existeexiste unun importanteimportante vínculo
vínculo entreentre laslas variablesvariables XX yy loslos ααααααααii puespues sisi ésta
ésta relaciónrelación nono fuesefuese importante,importante, elel vínculo
vínculo entreentre laslas variablesvariables XX yy loslos ααααααααii puespues sisi ésta
ésta relaciónrelación nono fuesefuese importante,importante, elel estimador
estimador BalestraBalestra--NerloveNerlove eses buenabuena alternativa,
alternativa, alal dede efectosefectos fijos,fijos, puespues seráserá eficiente
eficiente.. EnEn casocaso contrariocontrario eseese estimadorestimador sería
sería inconsistenteinconsistente porpor lolo queque sese recomendaría
recomendaría usarusar elel dede efectosefectos fijos,fijos, queque sería