Sesin 01 curso microeconometra

Datos panel:
Problemas:
-Perdida de individuos observados. Las inferencias que se realicen ya no pueden ser imputadas a la
poblacin, porque la muestra ya no es representativa.

Encontrar un artculo relevante de mi tema. Objetivo: presentar ese artculo, PUBLICADO.

Que no sea un working paper.
Para el siguiente lunes 21,

Mandar para el lunes por mail:

Tema
Motivacin
Contribucin (datos o metodologa o a veces los resultados)
Metodologa
Tipos de datos.
Los resultados que encuentran
*ste mismo esquema es el que voy a usar para presentarlo. Presentacin en powerpoint, 15 mins.
Objetivo: puntos de enfoque sobre los que se debe centrar el debate de la informacin.

A. Estimacin por mnimos cuadrados ordinarios. Reduce la distancia de los errores al cuadrado.

B. Es la diferencia entre los errores al cuadrado. Derivamos con respecto a beta, se iguala a cero, se
resuelve para B, y obtenemos el coeficiente de la beta.

Supuestos:
Datos son independientes, no distribuidos idnticamente sobre i, el modelo esta especificado
correctamente.
Los errores tienen media cero, dado el vector de variables independientes.
Errores son heterocedasticos.
Matriz existe y es definida positiva.

B. Estimacin de mnimos cuadrados ponderados. (se usa cuando la varianza no es constante)

Ajusta el problema de que la varianza no es constante en los errores para que el estimador (el beta)
no est sesgado.
Si no es constante, quiere decir que nuestra muestra y las variables en nuestra regresin nos
estocsticas y no son aleatorias. Si existe ese problema se usa esa forma de estimacin.

C. Regresiones cuantlica.

Regresin que arroja informacin (no de la media, que es la que arroja una regresin comn, por
ejemplo, el ingreso promedio con la educacin promedio) arroja esa misma relacin en distintos
niveles del ingreso.
Hace esa regresin por los distintos niveles de ingreso.
Anlisis de desglose por cuantiles, arroja mayor informacin que cuando se hace por la media,
puede ser en que en distintos niveles de ingreso la relacin sea muy dismil.
Se hace una regresin en los promedios de los cuantiles con cierta probabilidad. Y cada cuantil tiene
ciertas caractersticas especficas conforme a la base de datos.

D. Errores en la especificacin de modelos. (siempre es importante tenerlos en cuenta)

Para tenerlos en cuenta en la explicacin del modelo. por qu uso esas variables y no otras? Estoy
consciente que mis resultados son sesgados, porque no dispongo de informacin a esa variable
que dice la literatura, etc.

a. Los supuestos en la generacin de datos no son los correctos. Por ejemplo, que no tomamos en
cuenta el tipo de encuesta, puede que no sea aleatoria o representativa.

b. el estimador de mnimos cuadrados es inconsistentes, o sea que no es igual al estimador

poblacional, que beta no convergen probabilidad al parmetro poblacional, esto es que si aumento
el tamao de la muestra el estimador no se acerca ms al parmetro poblacional.

c. forma funcional ms especificada. Que especifico un modelo que no se corresponde con la forma
en que se relacionan las variables. Por ejemplo, que la experiencia se relaciona de forma lineal con
el ingreso cuando en realidad es una relacin cuadrada.

d. de endogeneidad. Una de las variables independientes est relacionada con el error. Se resuelve
por medio de una variable instrumental. Puede ser que la variable dependiente tambin explique a
la independiente, la relacin va en los dos sentidos. Por ejemplo, el nivel educativo y el nivel de
ingreso. Instrumental: usan algunos el ao de nacimiento, que est vinculada con la variable
dependiente pero no con la independiente.

e. sesgo de variable omitida. Anlisis de literatura para ver cules proponen y tambin hacer cosas
descriptivas de los datos. Siempre debe haber una justificacin basada en la literatura y la teora.

f. heterogeneidad de los parmetros. No consideramos que existe un componente en los individuos

que afecte a la variable dependiente, caractersticas que pertenecen a la unidad de anlisis que vara
por s misma. Por ejemplo, regresin por pas, ingreso vs educacin, pero resulta que existen
sistemas educativos diferentes, las reformas que ocurrieron, se lo estaramos adjudicando
directamente a esas variables y se ira a la constante. Se estara sobreestimando la beta.

E. Variables binarias: logit.

Los parmetros son estimados por mxima verosimilitud.

El efecto marginal es el que se usa para saber los efectos de las variables independientes sobre la
dependiente.