DATOS DE PANEL O DATOS LONGITUDINALES DATOS DE PANEL Incluye una
muestra de agentes econmicos o de inters (individuos, empresas,
bancos, ciudades, pases, etc) para un perodo determinado de tiempo,
esto es, combina ambos tipos de datos (corte transversal y series
de tiempo). OBJETIVO: capturar la heterogeneidad no observable, ya
sea entre agentes econmicos o de estudio as como tambin en el
tiempo. los efectos individuales especficos y los efectos
temporales. DATOS DE PANEL Efectos individuales especficos:
aquellos que afectan de manera desigual a cada uno de los agentes
de estudio contenidos en lamuestra (individuos, empresas, bancos)
los cuales son invariables en el tiempo y que afectan de manera
directa las decisiones que tomen dichas unidades.Usualmente se
identifica este tipo de efectos con cuestiones de capacidad
empresarial, eficiencia operativa, capitalizacin de la experiencia,
acceso a la tecnologa, etc. Efectos temporales: aquellos que
afectan por igual a todas las unidades individuales del estudio
pero que no varan en el tiempo.Este tipo de efectos pueden
asociarse, por ejemplo, a los choques macroeconmicos que pueden
afectar por igual a todas las empresas o unidades de estudio. DATOS
DE PANEL Ventajas: Mayor nmero de observaciones incrementando los
grados de libertadyreduciendolacolinealidadentrelasvariables
explicativasy,enltimainstancia,mejorandolaeficienciade las
estimaciones economtricas
Permiteestudiardeunamejormaneraladinmicadelos procesos de ajuste
Desventajas: Procesosparalaobtencinyelprocesamientodela informacin
estadstica DATOS DE PANEL PANELBALANCEADO:sinobservaciones perdidas
PANEL DESBALANCEADO: algunas unidades (individuales) no se observan
en algunos perodos de tiempo (aos, meses, etc..) DATOS FUSIONADOS
(CORTE TRANSVERSAL REPETIDO) DATOS FUSUIONADOS it it k itu X Y + +
= | |0EJEMPLO WOOLDRIDGE CASO 1: DATOS FUSIONADOS. TASA DE
CRIMINALIDAD COMO FUNCIONDE TASA DE DESEMPLEO o Relacin negativa y
poco significativa. o Problema de omisin de variables. o Solucin 1:
incorporar mas regresores. Lmite o Solucin 2: diferenciar factores
no observables en aquellos que no varan con el tiempo y aquellos
que s.EFECTOS FIJOS EFECTOS FIJOS it i it k itu a X t d Y + + + + =
| o | 20 0 ai captura los factores no observables constantes en el
tiempo que afectan yit
uit es el error idiosincrtico d2t es una dummy igual a cero en
t=1 e igual a 1 en t=2. Intercepto en t=1 es 0 y en t=2 es 0 +0
POTENCIAL PROBLEMA: SUPUESTO DE NO CORRELACION ENTRE ai y xit PARA
TENER ESTIMADORES CONSISTENTES METODO DE PRIMERAS DIFERENCIAS (2
PERIODOS) SOLUCION: DIFERENCIAR AOS Y UTILIZAR MCO METODO DE
PRIMERAS DIFERENCIAS (2 PERIODOS) RETOMANDO EL EJEMPLO DEL
WOOLDRIDGE Y UTILIZANDO PRIMERAS DIFERENCIAS METODO DE PRIMERAS
DIFERENCIAS SUPUESTOS: Muestreo aleatorio en corte transversal Cada
regresor varia en el tiempo (al menos para algunos i) y no relacin
lineal perfecta entre regresores. Para cada t el valor esperado del
error idiosincrtico dada las variables explicativas en todos los
periodos y el efecto no observado es cero: E(uit|Xi, ai)=0 La
varianza de la diferencia de errores, condicional a todas las
variables explicativas es constante: Var(Auit|Xi)=o2, t=1,2,3,,T
Para todo t=s, no hay correlacion entre los errores idiosincraticos
diferenciados (condicionado a las var. explicativas): cov(Auit,Auis
|Xi)=0, t=s Auit son variables independientes e identicamente
distribuidas normales (cond. en Xi) METODO INTRAGRUPOS METODO
INTRAGRUPOS SUPUESTOS: MUESTREO ALEATORIO TRANSVERSALMENTE
VARIABLES EXPLICATIVAS VARIAN CON EL TIEMPO Y NO EXISTE
COLINEALIDAD PERFECTA Exogeneidad EstrictaE(uit|Xi, ai)=0
Var(uit|Xi)=o2 cov(uit,uis |Xi)=0, t=s uit son variables
independientes e identicamente distribuidas normales (cond. en Xi)
Modelo Dummy TEST DE EFECTOS FIJOS ) () 1 () 1 () () , 1 (22 2K n
nTRnR RK n nT n FEFDF EF = INTRAGRUPOS (IG) vs PRIMERAS DIFERENCIAS
(PD) Si T=2 ambos son iguales Si T > 3: Ambos son insesgados
Ambos son consistentes bajo los supuestos indicados Diferencia
recae en eficiencia, lo cual tiene que ver con la correlacin serial
de los errores idiosincrticos uit. Si uit no est serialmente
correlacionado EF Sisigue un random walkPD Si existe corelacion
positiva? EFECTOS ALEATORIOS EFECTOS ALEATORIOS | | | || || || ||
|| || || || | 0 | ,| ,|0 | ,0 | ,, , 0 | ,||0 | |22 2 22 22 2== =+
== == = = ==== =X Es t X EX Ej i si X a a Ej i o s t si X u u Ej t
i X a u EX a EX u EX a E X u Ejs ita is ita u itj ijs itj ita iu
iti itq qo q qo o qoo ELEMENTOS CONSTANTES ESPECIFICOS SE
DISTRIBUYEN ALEATORIAMENTE ENTRE UNIDADES. EFECTOS ALEATORIOS | |T
T a T ua u a a aa a a u aa a a a ui ii i IX E'............| '2 22 2
2 2 22 2 2 2 22 2 2 2 2o oo o o o oo o o o oo o o o o q q+
=((((((
+++= E= EMINIMOS CUADRADOS GENERALIZADOS PRUEBA DE EFECTOS
ALEATORIOS | |0 :0 , 0 :2120== =ait it aHCorr Hoq q o| |21 121221
121211) 1 ( 21) 1 ( 2(((((
=((((((
((
= = === == =niTtitniiniTtitniTtitee TTnTeeTnTLMEFECTOS FIJOS vs
EFECTOS ALEATORIOS | | | | ( )) 1 ( ~) (22= KVar VarWEA EFEA EF_|
|| |Datos de Panel Casos Prcticos EJEMPLO 1 EJEMPLO 1 EJEMPLO 1
EJEMPLO 1 EJEMPLO 2 6 LINEAS AEREAS 15 AOS airline = airline (six
airlines) year = year (fifteen years) output0 = output in revenue
passenger miles, index number cost0 = total cost in $1,000 fuel0 =
fuel price load = load factor, the average capacity utilization of
the fleet Ejemplo 2: Pasos Previos Ejemplo 2: Pasos Previos1) MCO
DATOS FUSIONADOS (POOLED OLS) MCO de Datos Fusionados cost = 9.5169
+ .8827*output +.4540*fuel -1.6275*load 2) EFECTOS FIJOS Modelo de
Variables Ficticias Tipo 1 Una dummy se deja de lado para eliminar
multicolinealidad Fcil de Estimar e interpretar Problema cuandoN es
my grande y NT tiende a infinito. Coeficientes de
regresoresconsistentes pero no los de las dummie. Modelo de
Variables Ficticias Tipo 1 Airline 1: cost = 9.7059 + .9193*output
+.4175*fuel -1.0704*load Airline 2: cost = 9.6647 + .9193*output
+.4175*fuel -1.0704*load Airline 3: cost = 9.4970 + .9193*output
+.4175*fuel -1.0704*load Airline 4: cost = 9.8905 + .9193*output
+.4175*fuel -1.0704*load Airline 5: cost = 9.7300 + .9193*output
+.4175*fuel -1.0704*load Airline 6: cost = 9.7930 + .9193*output
+.4175*fuel -1.0704*load Modelo de Variables Ficticias Tipo 1 Si
elegimos otra dummy? Modelo de Variables Ficticias Tipo 2 Se
trabaja con todas la dummies y se deja de lado el intercepto Fcil
de Estimar e interpretar Problema cuandoN es my grande y NT tiende
a infinito. Coeficientes de regresoresconsistentes pero no los de
las dummies. F y R2 incorrecto SSE correcto Modelo de Variables
Ficticias Tipo 3 Se trabaja con todas la dummies e intercepto Fcil
de Estimar e interpretar Problema cuandoN es my grande y NT tiende
a infinito. Coeficientes de regresoresconsistentes pero no los de
las dummies. Solo muestra test F Modelo INTRAGRUPOS No tiene
problema con N grande pero Al no utilizar dummy tiene mayor grados
de libertad, menor MSE ymenor error estndar de beta que estimacin
por variables ficticias R2 incorrecto. F incorrecto No reporta
estimadores de dummies. Se deben calcular Modelo INTRAGRUPOS Modelo
INTRAGRUPOS (2) No tiene problema con N grande pero R2 incorrecto
porque se elimina el intercepto F incorrecto pero Test de Efectos
Fijos correcto No reporta tabla Modelo INTRAGRUPOS (3) Modelo
Inter-grupos Modelo Inter-grupos Probando Efectos Fijos Comparacin
Modelos E.F. Resumen 3) Efectos Aleatorios EFECTOS ALEATORIOS
PROBANDO EFECTOS ALEATORIOS ) 1 ( ~8496 . 334 13354 . 10665 . 0 *
15) 1 15 ( 215 * 6222_ LMLM =((
=Efecto Fijo vs Efecto Aleatorio
