Práctica de datos panel con Eviews.

Existen varias propuestas de modelos panel, aquí se presentan los más utilizados:

 Modelos de coeficientes constantes.

 Modelos de efectos fijos (fixed effects models o también variable intercept models).
 Modelos de efectos aleatorios (random effects models).

Proc-→Structure/Resize Current page-→Worfile structure ---→dated panel

En este ejemplo vamos a medir la producción de energía de seis empresas en millones de

kilowatios /hora (Y) en función de su (Coste) en millones de dólares (combustible, trabajo, y coste
de capital) durante cuatro años.

Cross section ID series Empresa

Date series T

Como los datos del ejemplo corresponden a 6 empresas (por eso se escribe en la sección cruzada
empresa) y la parte longitudinal es el tiempo (por eso se escribe en date series, t) que
corresponden a los años.

El modelo será el siguiente.

ln Coste it =∝0 +∝1 LnY it +U it ;

; i=1,2,…..6; t=1955,1960,1965,1970.

Análisis gráfico.

Quick-→Graph (Log(coste))-- →Graph. Si se elige Stack cross section data, obtenemos el gráfico del
logaritmo del coste en todo el panel. Después lo hacemos con el log(Y). En la parte donde dice
Panel Option, explore las diversas opciones. No olvide analizar las gráficas.

Análisis descriptivo.

Para realizar contraste de igualdad de medias o en varianzas para el caso de log(y) en las
diferentes secciones cruzadas

View--→Tests for Descriptive Stats--→Equality Tst by Classification (Se elige la variable para cuya
igualdad de medias, medianas, varianzas en las distintas secciones cruzadas del panel se debe
contrastar. Se rechaza la igualdad de medias y la igualdad de varianzas (p-value menores de 0.05)
tanto para log(y), como para log(coste).

Otra forma alternativa es: es generar serie por ejemplo s=log(y). Se despliega los valores de s de

una vez y ejecuta los comandos

View--→Tests for Descriptive Stats--→Equality Tst by Classification (el nombre de la variable y el

test de igualdad que quiere evaluar, ya sea media, mediana, varianza).
Realizado el análisis gráfico y descriptivo nos disponemos a la estimación.

1.1.Estimación del panel con coeficientes constantes

Quick-Estimate equation

Specification Panel Option

log(coste) c log(y)

se elige el método de mínimos cuadrados ordinarios se rellena en la solapa panel options

LOG(COSTE) = -4.17478313474 + 0.887986818173*LOG(Y)+Ut;

No olvide hacer las pruebas de autocorrelación. Note que el Dwrbin Watson es muy bajo

Pero si realiza el siguiente modelo el DW, mejora substancialmente

Log(coste) c log(y) ar(1)

 Prueba del residuo sobre heterocedasticidad. Se despliega el residuo resultante de la

ecuación.
View---→Test for descriptive stats→Equality Tests by classification. Se escribe resid y se
elige la varianza

Se acepta la igualdad de varianzas en las distintas secciones cruzadas(p-valor mayor que 0.05). No
existe entonces heterocedasticidad entre secciones cruzadas.
Se nota que mejora el DW.

1.2.Estimar datos panel con efectos fijos de secciones cruzadas.

Quick-Estimate equation

Specfication Panel option Option

Cross section-fixed None

Log(coste ) c log(y).

 Para ver las estimaciones de efectos fijos.

View-→Fixed /random effects-→cross secction effects

EMPRESA Effect

EMPRESA1 -0.294518

EMPRESA2 -0.512722

EMPRESA3 -0.040948

EMPRESA4 0.264521

EMPRESA5 0.088170

EMPRESA6 0.495497

 Para probar si los efectos fijos de las empresas son iguales.

View--→Fixed/Random Effects Testing---→Redundant Fixed Effect-likelihood Ratio

Para valores de( p- value menores que 0.05%) se afirma que los efectos fijos de las empresas son
diferentes con un 95% de confianza
La ecuación de modelo de efectos fijos ajustado queda:

Log(coste) =-2.39+0.67log(y)-0.29d1-0.51d2-0.04d3+0.26d4+0.08d5+0.49d6+et

(di=1 para observaciones de la empresa i y di=0 en caso contrario).

1.3.Estimar datos panel con efectos fijos de tiempo.

 Para ver las estimaciones de efectos fijos.

View-Fixed /random effects- period effects

DATEID Effect

1 1955-01-01 0.070394

2 1960-01-01 0.059078

3 1965-01-01 -0.048455
4 1970-01-01 -0.081016

 Para probar si los efectos fijos de las empresas son iguales.

View--→Fixed/Random Effects Testing---→Redundant Fixed Effect-likelihood Ratio

Para valores de (p- value menores que 0.05%) se afirma que los efectos fijos de las

empresas son diferentes con un 95% de confianza.

Redundant Fixed Effects Tests

Como vemos que la probabilidad del test es muy alta, es decir mayores que 0.05 entonces
prescindimos de esta estimación.

1.4.Estimar datos panel con efectos aleatorios.

Cross section random

Para probar si los efectos aleatorios son adecuados, se usa el test de Hausman

View--→Fixed/Random Effects Testing-→correlated random Effects Hausman-Test

En la prueba se observa un valor menor que 0.05

Prueba de normalidad de los residuos.

View----→Residual Diagnostic--→Histograma de normalidad.

Jackes Bera>0.05 indica residuos normales con un 95% de probabilidad.

Conclusiones.

Modelo adecuado, es el de efectos fijos ajustado queda:

Log(coste) =-2.39+0.67log(y)-0.29d1-0.51d2-0.04d3+0.26d4+0.08d5+0.49d6+et

(di=1 para observaciones de la empresa i y di=0 en caso contrario).