ESCUELA MILITAR DE INGENIERIA “MCAL.

ANTONIO JOSÉ DE SUCRE” BOLIVIA

INTEGRANTES: Aguilera Sthefanny Aquino Diego A. Murillo Andrea Vargas Rodrigo S2387-6 S2248-9 S2028-1 A10133-8

CARRERA:

Ing. Comercial

SEMESTRE:

6to SEMESTRE

TEMA: DOCENTE:

Modelos de regresión con Datos en Panel Lic. Vidal Aparicio

Santa Cruz,

11 / 10 / 2011

Puesto que los datos relacionan individuos. empresas. Existen otros nombres para los datos en panel. los datos en panel proporcionan una mayor cantidad de datos informativos. 4. . Datos longitudinales (un estudio a lo largo del tiempo de una variable de una variable o grupo de temas). Los datos de panel permiten estudiar modelos de comportamiento más complejos. etc. - Los datos en panel ahora se utilizan cada vez más en la investigación económica.) durante varios períodos de tiempo. Los datos en panel resultan más adecuados para estudiar la dinámica del cambio. empresas. etc a lo largo del tiempo. 5. hogares. al permitir la existencia de variables específicas individuales. Al combinar las series de tiempo de las observaciones transversales. Análisis de compañeros (es decir. El Estudio del ingreso y participación del programa(EIPP). VENTAJAS DE LOS DATOS EN PANEL RESPECTO A LOS DATOS TRANSVERSALES O DE SERIES DE TIEMPO 1. El estudio de panel de la dinámica de ingreso (EPDI) llevando a cabo por el Instituto de Investigación Social de la Universidad de Michigan. Los datos de panel pueden detectar y medir mejor los efectos que sencillamente no pueden ni si quiera observarse en datos puramente transversales o series de tiempo. 2. Algunos conjuntos de datos en panel bien conocidos son: 1. no existe límite alguno para heterogeneidad en estas unidades. Datos en micropanel.CAPITULO 16 MODELOS DE REGRESIÓN EN DATOS DE PANEL CONCEPTO Los datos de panel combinan series temporales con unidades de sección cruzada o de corte transversal (países. 3. Combinación de datos en series de tiempo y transversales. Análisis de historia de sucesos (por ejemplo. regiones. 2. países. Se presentan en la dimensión de espacio y la del tiempo. el examen del movimiento de sujetos a lo largo del tiempo y a través de sucesivos estados o condiciones). dar seguimiento a la trayectoria profesional de los egresados en una escuela de un año determinado). estados. como: Datos agrupados (agrupamiento de observaciones de series de tiempo y transversales).

6. En resumen se enriquece el análisis empírico de maneras que no serían posibles si solo se utilizarían los datos transversales o de series de tiempo. . Se pueden minimizar el sesgo pudiera resultar si se agregan individuos o empresas en amplios conjuntos añadidos. ESTIMACIÓN DE LOS MODELOS DE REGRESIÓN CON DATOS EN PANEL: El método de efectos fijos I = identificador transversal T = Identificador de tiempo El término “efectos físicos” se debe al hecho de que a pesar de que la intersección pueda variar para cada individuo (en este caso para cada empresa). cada intersección en sí no varía con el tiempo. es invariante respecto al tiempo. es decir.

Es una variable no observable o latente Donde es la serie de tiempo combinada y el componente de error transversal.El Método de Efectos Aleatorios La idea básica es comenzar con (16. o específico para la unidad transversal.4. Donde es la sección transversal o el componente del error especifico individual.4.3. se supone que es una variable aleatoria con medio igual a (en este caso. Es decir que significa que los componentes de error individuales no están correlacionados entre sí y no están autocorrelacionadas en las unidades de series de tiempo ni en las transversales EL MODELO ALEATORIOS DE EFECTOS FIJOS Vs EL MODELO DE EFECTOS La disyuntiva que enfrenta un investigador es: ¿Cuál modelo es mejor.1) En vez de considerar a como fija. y las regresoras X. Además.2) Donde es un término de error aleatorio con un valor medio igual a cero y una varianza de . Lo que en esencia se está diciendo es que las cuatro empresas incluidas en la muestra se tomaron de un universo mucho más grande de ese tipo de compañías que tienen una media común para la intersección y que las diferencias individuales en los valores de la intersección de cada empresa se reflejan en el término de error . . el valor de la intersección para una empresa individual se expresa como: (16.2): (16. sin subíndice i). el Método de Efectos Fijos (MEF) o el Método de Componentes de Error (MCE)? La respuesta a esta pregunta gira en torno a la suposición que se hace respecto a la probable correlación entre el componente de error individual. .

El estadístico de prueba desarrollado por Hausman presenta una distribución asintótica . en este caso la elección se basa en la conveniencia de cálculo. 2. ya que aquí la inferencia estadística es incondicional. Hausman la desarrolló en 1978. donde es el componente aleatorio transversal. pero si y las X están correlacionadas. o transversales. se considera que las unidades transversales de la muestra se extrajeron de modo aleatorio. ¿qué más se puede decir respecto a la elección entre el MEF y MCE? Las observaciones hechas por Judge et al. En ese caso el MEF es apropiado. . ¿Existe una prueba formal que ayude a elegir entre el MEF y el MCE? Si. Recuérdese que en MCE. Bajo esta perspectiva. Si T (el número de datos de series de tiempo) es grande y N (el número de unidades transversales) es pequeño. la conclusión es que el MCE no resulta adecuado y que convendría más emplear el MEF. Si se rechaza la hipótesis nula. entonces el MCE es adecuado. 3. la inferencia estadística es condicional respecto a las unidades transversales observadas en la muestra. entonces es probable que haya muy poca diferencia entre los valores de los parámetros estimados mediante el MEF y el MCE.Si se supone que y las X no están correlacionadas. el Método de Componentes de Error (MCE) puede resultar apropiado. las estimaciones obtenidas mediante los dos métodos pueden variar de manera significativa. en tanto que en MEF se considera a como fijo y no aleatorio. Lo anterior resulta adecuado si se tiene una firme creencia en que las unidades individuales.. entonces los estimadores MCE están sesgados. Cuando N es grande y T pequeño. Si se tiene en cuenta esa diferencia fundamental en los dos métodos. . entonces los estimadores MCE son más eficientes que los estimadores MEF. entonces el Método de Efectos Fijos (MEF) puede ser adecuado. en cuyo caso las inferencias estadísticas estarán condicionadas a las de la muestra. Sin embargo. Si N es grande y T es pequeña. En el último caso. en tanto que los obtenidos a partir del MEF son insesgados. Si el componente de error individual y una o más de las regresoras están correlacionados. parece que MEF es preferible. las cuales pueden resultar de utilidad: 1. y si las suposiciones subyacentes en el MCE siguen siendo válidas. La hipótesis nula subyacente en la prueba de Hausman es que los estimadores MEF y MCE no difieren sustancialmente. 4. Por tanto. No se examinarán los detalles de esta prueba ya que están más allá del alcance de este libro. en la muestra no se extrajeron de manera aleatoria de una muestra mayor.

a lo largo de varios intervalos de tiempo. Segunda.Independientemente de la prueba de Hausman. pueda tener algunas características especiales por sí mismas. El Modelo de Efectos Fijos (MEF) que utiliza esas variables se conoce como modelo de mínimos cuadrados con variable dicótoma (MCVD). al estudiar observaciones transversales repetidas. 2. 3. o transversal. los cuales consisten en observaciones sobre las mismas unidades transversales. en cuyo caso se tendrán que introducir N variables dicótomas (pero habrá que suprimir el término de intersección común). argumentan que “…no hay una prueba sencilla que ayude al investigador a navegar entre el Escila de los efectos y el Caribdis del error de medición y la selección dinámica. a manera de reconocimiento del hecho de que cada unidad individual. aunque representan una mejora respecto a los datos transversales. A fin de tomar en cuenta las distintas intersecciones. es muy grande. se pueden utilizar variables dicótomas. Una desventaja del modelo MCVD es que consume muchos grados de libertad cuando el número de unidades transversales. Al tener que decidir entre el modelo de efectos fijos y el de efectos aleatorios. El Modelo de Efectos Fijos (MEF) resulta apropiado en situaciones donde la intersección específica individual podría estar correlacionada con una o más regresoras. 5. pueda tener algunas características especiales por sí mismas. En el Modelo de Efectos Fijos (MEF) se permite que la intersección en el modelo de regresión difiera entre individuos. los datos en panel resultan más adecuados para estudiar las dinámicas de cambio. Hay varias técnicas de estimación para abordar uno o más de tales problemas. a manera de reconocimiento del hecho de que cada unidad individual. En el Modelo de Efectos Fijos (MEF) se permite que la intersección en el modelo de regresión difiera entre individuos. los datos en panel no son una cura milagrosa para todas las aflicciones de los econometristas. es importante tener en cuenta la advertencia hecha por Jonhston y DiNardo. A fin de tomar en cuenta las distintas intersecciones. Existen diversas ventajas en la utilización de los datos de panel. El Modelo . los datos en panel permiten estudiar modelos de comportamientos más complejos. N. o transversal. o individuales.” RESUMEN Y CONCLUSIONES 1. se pueden utilizar variables dicótomas. Sin embargo. Primera. Tercera. Los modelos de regresión de panel se basan en los datos de panel. Los dos más importantes son: 1) El modelo de efectos fijos (MEF) y 2) El modelo de efectos aleatorios (MEA) o también llamado Modelo de Componentes de Error (MCE). incrementan de modo considerable el tamaño de muestra. 4.

El Método de Componentes de Error (MCE) es adecuado para situaciones en las que la intersección (aleatoria) de cada unidad transversal no está correlacionada con las regresoras.de Efectos Fijos (MEF) que utiliza esas variables se conoce como modelo de mínimos cuadrados con variable dicótoma (MCVD). la intersección individual se expresa como una desviación respecto a este valor medio constante. Una desventaja del modelo MCVD es que consume muchos grados de libertad cuando el número de unidades transversales. Así pues. en vista de que no se tiene que calcular N intersecciones transversales. El Modelo de Efectos Fijos (MEF) resulta apropiado en situaciones donde la intersección específica individual podría estar correlacionada con una o más regresoras. Sólo se requiere estimar el valor medio de la intersección y su varianza. también conocido como Modelo de Efectos Aleatorios (MEA). se supone que la intersección de la unidad individual se extrae de manera aleatoria de una población mucho más grande que tiene un valor medio constante. 6. Una ventaja del Método de Componentes de Error (MCE) respecto al Método de Efectos Fijos (MEF) consiste en la economía de los grados de libertad. La prueba de Hausman se emplea para decidir entre el Método de Efectos Fijos (MEF) y el Método de Componentes de Error (MCE). es muy grande. En este último. Una alternativa al Método de Efectos Fijos (MEF) es el Método de Componentes de Error (MCE). . 7. en cuyo caso se tendrán que introducir N variables dicótomas (pero habrá que suprimir el término de intersección común). N.

Sign up to vote on this title
UsefulNot useful