Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Carlos Ramos
1 / 32
Introducción
2 / 32
Introducción
3 / 32
Cortes Transversales Independientes en el Tiempo.
Section 1
4 / 32
Cortes Transversales Independientes en el Tiempo.
5 / 32
Cortes Transversales Independientes en el Tiempo.
Ejemplo 13.1
library(foreign)
library(wooldridge)
rm(list=ls())
fertil1<-read.dta("fertil1.dta")
names(fertil1)
6 / 32
Cortes Transversales Independientes en el Tiempo.
Ejemplo 13.1
anova_test<-anova(s.lm.2, s.lm.1)
7 / 32
Cortes Transversales Independientes en el Tiempo.
Dependent variable:
kids
educ −0.128∗∗∗ (0.018)
age 0.532∗∗∗ (0.138)
agesq −0.006∗∗∗ (0.002)
black 1.076∗∗∗ (0.174)
east 0.217 (0.133)
northcen 0.363∗∗∗ (0.121)
west 0.198 (0.167)
farm −0.053 (0.147)
othrural −0.163 (0.175)
town 0.084 (0.125)
smcity 0.212 (0.160)
y74 0.268 (0.173)
y76 −0.097 (0.179)
y78 −0.069 (0.182)
y80 −0.071 (0.183)
y82 −0.522∗∗∗ (0.172)
y84 −0.545∗∗∗ (0.175)
Constant −7.742∗∗ (3.052)
Observations 1,129
R2 0.130
Adjusted R2 0.116
Residual Std. Error 1.555 (df = 1111)
F Statistic 9.723∗∗∗ (df = 17; 1111)
∗
Note: p<0.1; ∗∗ p<0.05; ∗∗∗ p<0.01
8 / 32
Cortes Transversales Independientes en el Tiempo.
9 / 32
Cortes Transversales Independientes en el Tiempo.
Ejemplo 13.2
10 / 32
Cortes Transversales Independientes en el Tiempo.
Ejemplo 13.2 en R
data("cps78_85")
11 / 32
Cortes Transversales Independientes en el Tiempo.
Ejemplo 13.2 en R
Dependent variable:
lwage
y85 0.118 (0.124)
educ 0.075∗∗∗ (0.007)
y85educ 0.018∗∗ (0.009)
exper 0.030∗∗∗ (0.004)
expersq −0.0004∗∗∗ (0.0001)
union 0.202∗∗∗ (0.030)
female −0.317∗∗∗ (0.037)
y85fem 0.085∗ (0.051)
Constant 0.459∗∗∗ (0.093)
Observations 1,084
R2 0.426
Adjusted R2 0.422
Residual Std. Error 0.413 (df = 1075)
∗∗∗
F Statistic 99.804 (df = 8; 1075)
∗
Note: p<0.1; ∗∗ p<0.05; ∗∗∗ p<0.01
12 / 32
Cortes Transversales Independientes en el Tiempo.
Test de Chow
El Chow test examina si una regresión multiple difiere entre dos
grupos. En un cortetransversal independiente en el tiempo, podemos
considerar período de tiempo como una muestra de un grupo
diferente. Esto nos permite utilizar el Chow test para comparar 2
períodos de tiempo.
Recordemos que para una regresión con k variables explanatorias y un
intercepto, y 2 grupos, el test de Chow no es más que un test F de
2(k + 1) restricciones dado por:
Test de Chow
14 / 32
Cortes Transversales Independientes en el Tiempo.
rprice = γ0 + γ1 nearinc + u
15 / 32
Cortes Transversales Independientes en el Tiempo.
Regresiones separadas
data("kielmc")
s.lm.1 <- lm(rprice ~ nearinc,
data = kielmc[kielmc$year==1981,])
16 / 32
Cortes Transversales Independientes en el Tiempo.
Dependent variable:
rprice
nearinc −30,688.270∗∗∗ (5,827.709)
Constant 101,307.500∗∗∗ (3,093.027)
Observations 142
R2 0.165
Adjusted R2 0.159
Residual Std. Error 31,238.040 (df = 140)
F Statistic 27.730∗∗∗ (df = 1; 140)
∗
Note: p<0.1; ∗∗ p<0.05; ∗∗∗ p<0.01
17 / 32
Cortes Transversales Independientes en el Tiempo.
Dependent variable:
rprice
nearinc −18,824.370∗∗∗ (4,744.594)
Constant 82,517.230∗∗∗ (2,653.790)
Observations 179
R2 0.082
Adjusted R2 0.076
Residual Std. Error 29,431.960 (df = 177)
F Statistic 15.741∗∗∗ (df = 1; 177)
∗
Note: p<0.1; ∗∗ p<0.05; ∗∗∗ p<0.01
18 / 32
Cortes Transversales Independientes en el Tiempo.
Estimador Diferencias-en-Diferencia
Para poder ver cual fue el cambio real en los precios de las casas
causado por el anuncio, debemos de tomar la diferencia entre el
estimado de 1981 y el de 1978.
Esta diferencia se llama el estimador de diferencias-en-diferencia. Es
fácil de ver de donde sale el nombre si tan sólo vemos la ecuación que
lo define:
= γ1981,1 − γ1978,1
Cuál es la interpretación de δ1 ?
19 / 32
Cortes Transversales Independientes en el Tiempo.
Estimador Diferencias-en-Diferencia
20 / 32
Cortes Transversales Independientes en el Tiempo.
21 / 32
Cortes Transversales Independientes en el Tiempo.
Dependent variable:
rprice
y81 18,790.290∗∗∗ (4,050.065)
nearinc −18,824.370∗∗∗ (4,875.322)
y81nrinc −11,863.900 (7,456.646)
Constant 82,517.230∗∗∗ (2,726.910)
Observations 321
R2 0.174
Adjusted R2 0.166
Residual Std. Error 30,242.900 (df = 317)
F Statistic 22.251∗∗∗ (df = 3; 317)
∗
Note: p<0.1; ∗∗ p<0.05; ∗∗∗ p<0.01
22 / 32
Cortes Transversales Independientes en el Tiempo.
Experimentos Naturales
23 / 32
Cortes Transversales Independientes en el Tiempo.
Ejemplo 13.4
24 / 32
Cortes Transversales Independientes en el Tiempo.
Ejemplo 13.4
data("injury")
25 / 32
Cortes Transversales Independientes en el Tiempo.
Ejemplo 13.4
Dependent variable:
ldurat
afchnge 0.024 (0.040)
highearn 0.215∗∗∗ (0.043)
afhigh 0.188∗∗∗ (0.063)
Constant 1.199∗∗∗ (0.027)
Observations 7,150
R2 0.016
Adjusted R2 0.015
Residual Std. Error 1.298 (df = 7146)
F Statistic 38.342∗∗∗ (df = 3; 7146)
∗
Note: p<0.1; ∗∗ p<0.05; ∗∗∗ p<0.01
26 / 32
Datos de Panel
Section 2
Datos de Panel
27 / 32
Datos de Panel
28 / 32
Datos de Panel
29 / 32
Datos de Panel
31 / 32
Datos de Panel
32 / 32