Академический Документы
Профессиональный Документы
Культура Документы
Econometra II
09:21:17
Contenidos
Contenidos
Introduccion
Introduccion
Efectos de grupo
Efectos de grupo
Modelo de efectos fijos
Modelo de efectos
aleatorios
de modelos
Seleccion
Ejemplo
Econometra II
09:21:17
Contenidos
Introduccion
Introduccion
El modelo
Efectos de grupo
Modelo de efectos fijos
Modelo de efectos
aleatorios
de modelos
Seleccion
Introduccion
Ejemplo
Econometra II
09:21:17
Introduccion
Contenidos
Introduccion
Introduccion
El modelo
Efectos de grupo
Modelo de efectos fijos
Modelo de efectos
aleatorios
de modelos
Seleccion
anos
de informacion
(realizada en la sociedad del conocimiento). Ademas,
de recopilacion
muestral es esperable que se mejore el analisis
al aumentar la informacion
realizado.
Los paneles pueden ser:
Ejemplo
de
perodos, T (y largo o macro cuando, T , es mayor que, N ).
Ventajas:
de observaciones.
Permite capturar la heterogeneidad entre los individuos o en el tiempo.
Se reduce la colinealidad entre las variables explicativas.
Inconvenientes:
Econometra II
de la informacion,
ya que se requiere
El principal inconveniente es la obtencion
de los mismos individuos en momentos sucesivos del tiempo.
informacion
Modelos de datos de panel 4 / 26
09:21:17
Ejemplo
Contenidos
Introduccion
informacion:
Introduccion
El modelo
Efectos de grupo
Comunidad Autonoma
Andaluca
Andaluca
Andaluca
...
Aragon
Aragon
Aragon
...
Ano
2010
2011
2012
...
2010
2011
2012
...
PIB
139397
141348
140757
...
35023
32232
33234
...
consecutivos.
espanolas
en tres anos
Econometra II
09:21:17
El modelo
Contenidos
Introduccion
Introduccion
El modelo
Efectos de grupo
Modelo de efectos fijos
Modelo de efectos
aleatorios
de modelos
Seleccion
Ejemplo
Econometra II
Consideremos el modelo
yit = it + xit + uit ,
2
uit N (0, u
),
(1)
k parametros,
i representa a los individuos (i = 1, ..., N ), t representa el tiempo
(t = 1, ..., T ) y it recoge la heterogeneidad provocada por los efectos de los
individuos y/o tiempo provocada por variables no observables.
09:21:17
Contenidos
Introduccion
Efectos de grupo
Modelo agrupado
Modelo de efectos fijos
Modelo de efectos
aleatorios
de modelos
Seleccion
Efectos de grupo
Ejemplo
Econometra II
09:21:17
Modelo agrupado
Contenidos
Introduccion
Efectos de grupo
Modelo agrupado
Modelo de efectos fijos
Modelo de efectos
aleatorios
de modelos
Seleccion
2
uit N (0, u
),
Ademas,
podramos estar interesados en determinar si estimamos un modelo
agregado o T modelos de series temporales. Si las perturbaciones cumplen las
hipotesis
basicas,
podemos aplicar un test de Chow:
Ejemplo
F =
donde ~er son los residuos del modelo agrupado y ~e son los residuos de estimar los
modelos por separado.
Este test es similar a realizar un contraste mediante una F usando variables ficticias
para la constante y la pendiente.
Econometra II
09:21:17
Contenidos
Introduccion
Efectos de grupo
Modelo de efectos fijos
Modelo de efectos fijos
Estimacion
Modelo de efectos
aleatorios
de modelos
Seleccion
Ejemplo
Econometra II
09:21:17
Introduccion
Efectos de grupo
Modelo de efectos fijos
Modelo de efectos fijos
Estimacion
Modelo de efectos
aleatorios
de modelos
Seleccion
Ejemplo
2
uit N (0, u
).
2
uit N (0, u
).
En este caso tenemos T interceptos que recogen los efectos fijos temporales que
provienen de las variables omitidas que varan en el tiempo, pero no entre los
individuos.
Modelo de efectos fijos individuales y temporales: Si las variables omitidas son
constantes en el tiempo pero varan entre los individuos, mientras que otras son
constantes para los individuos pero varan en el tiempo, entonces se habla de
efectos fijos individuales y temporales:
yit = it + xit + uit ,
Econometra II
2
uit N (0, u
).
09:21:17
Introduccion
Efectos de grupo
Modelo de efectos fijos
del termino
independiente, podemos recoger mediante variables ficticias la variacion
entre los individuos y supondremos que las pendientes permanecen constantes. En
tal caso se estimara el siguiente modelo:
Estimacion
yit = 1 +
Modelo de efectos
aleatorios
de modelos
Seleccion
Ejemplo
N
X
j dj + xit + uit ,
j=2
donde:
j son los coeficientes de las variables ficticias y representan el grado en que los
valores de los interceptos del resto de individuos difieren respecto del intercepto
base 1 (por ejemplo, 1 + 2 representa el efecto individual del individuo 2).
N
X
j dj + 1 +
j=2
T
X
l dl + xit + uit .
l=2
Econometra II
09:21:17
Introduccion
Efectos de grupo
Modelo de efectos fijos
Modelo de efectos fijos
Estimacion
Modelo de efectos
aleatorios
Perdida
de grados de libertad.
Aumento del problema de la multicolinealidad.
Las perturbaciones pueden presentar heteroscedasticidad entre las unidades.
Las perturbaciones pueden estar autocorrelacionadas en el tiempo.
Si N (y/o T ) es muy grande, habra un numero
de modelos
Seleccion
Ejemplo
de una regresion
sobre las variables
Una alternativa consiste en la utilizacion
obtenidas como desviaciones respecto a las medias individuales. De esta forma,
se evitan los efectos individuales.
Partiendo del modelo (1) escrito con respecto a las medias (de cada individuo):
y .t = t + x.t + u.t ,
donde y .t =
1
N
N
P
yit , y restandoselo
al modelo (1), se obtiene el modelo en
i=1
(2)
se denomina
Este ultimo
09:21:17
Introduccion
Efectos de grupo
Modelo de efectos fijos
Modelo de efectos fijos
Estimacion
Modelo de efectos
aleatorios
de modelos
Seleccion
Ejemplo
En la practica,
se utilizan poco porque los modelos con efectos aleatorios son
temporal existente dentro
superiores (el estimador between ignora la informacion
de los individuos).
Las estimaciones obtenidas intra y entre grupos en desviaciones a las medias
con la estimacion
realizada mediante variables
son iguales y coinciden tambien
si las perturbaciones son normales se pueden utilizar los metodos
binarias. Ademas,
usuales para realizar la inferencia.
Econometra II
09:21:17
Contenidos
Introduccion
Efectos de grupo
Modelo de efectos fijos
Modelo de efectos
aleatorios
Modelo de efectos
aleatorios
de modelos
Seleccion
Ejemplo
Econometra II
09:21:17
Introduccion
Efectos de grupo
Modelo de efectos fijos
Modelo de efectos
aleatorios
Modelo de efectos
aleatorios
de perturbacion),
por lo que se hace necesario una alternativa para poder estimar.
Si se supone que it se puede descomponer en una parte constante, , y
pero que es
otra aleatoria, i , la cual suponemos que depende del individuo i-esimo
constante en el tiempo, esto es:
de modelos
Seleccion
it = + i ,
Ejemplo
=
=
las
perturbaciones aleatorias del modelo suponemos que cumplen las hipotesis basicas:
i N (0, 2 ),
2
uit N (0, u
),
donde i representa las perturbaciones para los datos de corte transversal y uit son
de los datos temporales y de corte transversal.
las perturbaciones de la combinacion
2 ) = 2 + 2 .
Econometra II
09:21:17
Introduccion
de un individuo
Sin embargo, se puede demostrar que los terminos
de perturbacion
correlacionados:
en dos momentos diferentes del tiempo estan
Efectos de grupo
corr(wit , wis ) =
2
6= 0,
2
2 + u
t 6= s,
donde = 1
(vit v i ),
1
1+T
2
2
u
estimacion
Wooldrige 2006). Cuando
= 1 coincide con el modelo de efectos fijos. De esta
modelo agrupado y cuando
Econometra II
09:21:17
Contenidos
Introduccion
Efectos de grupo
Modelo de efectos fijos
Modelo de efectos
aleatorios
de modelos
Seleccion
Prueba de
Breusch-Pagan y test de
Hausman
de modelos
Seleccion
Ejemplo
Econometra II
09:21:17
Introduccion
Efectos de grupo
Modelo de efectos fijos
Modelo de efectos
aleatorios
LM =
de modelos
Seleccion
Prueba de
Breusch-Pagan y test de
Hausman
Ejemplo
NT
2(T 1)
PN PT
( t=1 eit )2
i=1
PN PT 2
i=1
e
t=1 it
!2
21 .
1
(EF EA ) 2k .
Econometra II
09:21:17
Contenidos
Introduccion
Efectos de grupo
Modelo de efectos fijos
Modelo de efectos
aleatorios
de modelos
Seleccion
Ejemplo
Datos
MCO agrupados
Efectos fijos
Efectos aleatorios
Conclusiones
Econometra II
09:21:17
Introduccion
Efectos de grupo
Modelo de efectos fijos
Modelo de efectos
aleatorios
de modelos
Seleccion
Ejemplo
Datos
MCO agrupados
Efectos fijos
Efectos aleatorios
Conclusiones
educ: numero
de anos
Adviertase
que las variables educ, black e hisp desaparecen al emplear la estimacion
de efectos fijos al no presentar variabilidad en el tiempo (al hacer las diferencias se
anulan).
adecuado, la interpretacion
de los
Una vez decidido que modelo es el mas
individual y
resultados obtenidos (como pueden ser los contrastes de significacion
conjunta) se realiza como hasta el momento.
Econometra II
09:21:17
MCO agrupados
Contenidos
Introduccion
Efectos de grupo
Modelo de efectos fijos
Modelo de efectos
aleatorios
de modelos
Seleccion
Ejemplo
Datos
MCO agrupados
Efectos fijos
Efectos aleatorios
Conclusiones
const
educ
black
hisp
exper
expersq
married
union
Coeficiente
Desv. Tpica
Estadstico t
Valor p
0,0347056
0,0993878
0,143842
0,0156980
0,0891791
0,00284866
0,107666
0,180073
0,0645690
0,00467760
0,0235595
0,0208112
0,0101110
0,000707362
0,0156965
0,0171205
0,5375
21,2476
6,1055
0,7543
8,8200
4,0272
6,8592
10,5179
0,5910
0,0000
0,0000
0,4507
0,0000
0,0001
0,0000
0,0000
1,649147
1005,810
0,186587
142,6132
2989,212
6045,465
0,553854
D.T. de la regresion
R2 corregido
Valor p (de F )
Criterio de Akaike
HannanQuinn
DurbinWatson
Econometra II
0,532609
0,480744
0,185278
6,9e190
5994,424
6012,438
0,755406
09:21:17
Efectos fijos
Contenidos
Introduccion
Efectos de grupo
Modelo de efectos fijos
Modelo de efectos
aleatorios
de modelos
Seleccion
Ejemplo
Datos
MCO agrupados
Efectos fijos
Efectos aleatorios
Conclusiones
const
exper
expersq
married
union
Coeficiente
Desv. Tpica
Estadstico t
Valor p
1,06488
0,116847
0,00430089
0,0453033
0,0820871
0,0266607
0,00841968
0,000605274
0,0183097
0,0192907
39,9420
13,8778
7,1057
2,4743
4,2553
0,0000
0,0000
0,0000
0,0134
0,0000
1,649147
470,2024
0,619740
11,33412
1331,572
7263,889
0,045445
D.T. de la regresion
2
R corregido
Valor p (de F )
Criterio de Akaike
HannanQuinn
DurbinWatson
0,532609
0,351255
0,565061
0,000000
3761,145
4997,355
1,592755
Hipotesis
nula: Los grupos tienen un intercepto comun
09:21:17
Efectos aleatorios
Contenidos
Introduccion
Efectos de grupo
Modelo de efectos fijos
Modelo de efectos
aleatorios
de modelos
Seleccion
Ejemplo
Datos
MCO agrupados
Efectos fijos
Efectos aleatorios
Conclusiones
const
educ
black
hisp
exper
expersq
married
union
Coeficiente
Desv. Tpica
Estadstico t
Valor p
0,107464
0,101225
0,144131
0,0201511
0,112119
0,00406885
0,0627951
0,107379
0,110706
0,00891329
0,0476148
0,0426011
0,00826087
0,000591826
0,0167729
0,0178300
0,9707
11,3566
3,0270
0,4730
13,5724
6,8751
3,7439
6,0224
0,3317
0,0000
0,0025
0,6362
0,0000
0,0000
0,0002
0,0000
1,649147
1012,958
3004,649
6076,341
D.T. de la regresion
Criterio de Akaike
HannanQuinn
0,532609
0,482393
6025,299
6043,313
2 = 0,123380
2 = 0,120766
u
= 0,642641
Econometra II
09:21:17
Efectos aleatorios
Contenidos
Introduccion
Efectos de grupo
Modelo de efectos fijos
Modelo de efectos
aleatorios
de modelos
Seleccion
Ejemplo
Contraste de Breusch-Pagan
Hipotesis
nula: Varianza del error especfico a la unidad = 0
Hipotesis
nula: Los estimadores de MCG son consistentes
Datos
MCO agrupados
Efectos fijos
Efectos aleatorios
Conclusiones
Econometra II
09:21:17
Conclusiones
Introduccion
de
En primer lugar usaremos los distintos contrastes disponibles para decidir cual
todos los modelos es el adecuado:
Efectos de grupo
Contenidos
Datos
MCO agrupados
Efectos fijos
Efectos aleatorios
Conclusiones
hipotesis
nula, por lo que es preferible el modelo ajustado considerando efectos
fijos.
En el ajuste realizado considerando efectos aleatorios se tienen dos contrastes
al final). En el primero de ellos, Breusch-Pagan, la hipotesis
(tambien
nula es que
no hay efectos aleatorios (es decir, el modelo adecuado es MCO agrupados).
adecuada es la segunda.
Puesto que se rechaza la hipotesis
nula, la opcion
de estimar
Resumiendo, con los dos primeros contrastes desechamos la opcion
mediante MCO agrupados, mientras que con el tercero decidimos que el modelo
adecuado (de los dos posibles) es el de efectos fijos.
Todas las variables tienen coeficientes significativamente distintos de cero, por
lo que sus variaciones realmente influyen en la variable dependiente. Y el modelo es
conjuntamente valido
ya que se rechaza la hipotesis
nula de que todos los regresores
09:21:17
Conclusiones
Contenidos
Introduccion
Efectos de grupo
Econometra II
que no lo este.
Al introducir la variable experiencia y su cuadrado lo que se esta comprobando
de esta variable con el salario es cuadratica
es si la relacion
(en lugar de lineal).
es la
El coeficiente negativo del cuadrado de la variable indica que la relacion
de una U invertida, es decir, hay un punto a partir del cual a mayor experiencia
menor porcentaje de salario.
siendo este
el valor usado para obtener el modelo agrupado transformado (MAT) que
posteriormente es estimado por MCG.