estimadores-estadística estadística inferencial-.

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

)

∀

)

;

,

,

(

)

;

,

,

(

)

;

,

,

(

µ

µ

µ

Y

X

X

h

Y

Y

X

X

g

Y

Y

X

X

f

Y

=

=

=

X

f

Y

=

(

;

µ

)

∀

MODELOS DE REGRESIÓN MODELOS DE REGRESIÓN

Los

Los modelosmodelos econométricoseconométricos puedenpueden clasificarseclasificarse dede acuerdo

acuerdo aa variosvarios criterios,criterios, talestales comocomo

::

a. Según el número de ecuacionesSegún el número de ecuaciones: :

Uniecuacionales Uniecuacionales

µ

α

α

α

α

+

+

+

+

+

=

X

X

X

Y

L

µ

α

α

α

α

+

+

+

+

+

=

X

X

X

Y

L

µ

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

Atemporales (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

MODELOS 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

:

:

Dinámicos

Dinámicos

:

:

exógenas con y/o sin rezagos

Rezagos distribuidos Rezagos distribuidos Autorregresivos Autorregresivos t k t k t t t

X

X

X

Y

=

α

+

α

+

α

+

L

+

α

+

µ

Y

Y

=

β

+

µ

Y

=

α

+

β

X

+

β

Y

+

µ

FUENTES

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

::

va ha realizar la investigación econométrica y sobre el cual se econométrica y sobre el cual se tiene información.

tiene información.



La periodicidadLa periodicidad

:

:

ESTRUCTURA 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



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

+

X

X

X

Y

=

β

+

β

+

β

+

L

+

β

+

µ

Donde 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:

y_it = αααα_i + X_it ββββ + µµµµ_it ∀ ∀∀ ∀t = 1, 2, 3, ..., T momentos de tiempo ∀ ∀∀ ∀∀i = 1, 2, 3, ..., M elementos transversales ∀∀ ∀ Y_it = αααα₁ + αααα₂ +...+ αααα_M + ββββ₁ X1_it + ββββ₂ X2_it + …………..+ ββββ_k Xk_it + µµµµ_it

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)

.

.

.

.

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