Diploma de Econometrı́a

Sesión 22

Juan Carlos Abanto Orihuela

j.abanto@giddea.com

CIDDEA CT ASESORES

Febrero - 2016
 Parte I

Análisis Multinivel

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Análisis Multinivel

Caracterizado por contener tanto efectos fijos como efectos aleatorios.

Los efectos fijos son analogos a la regresión estandar y son estimados
correctamente.
Los efectos aleatorios no son directamente estimados pero son
resumidos acorde con sus estimaciones de varianzas y covarianzas.
Aunque los efectos aleatorios no son directamente estimados, se
pueden formar las mejores predicciones lineales insesgadas de estos
errores estandar con las predicciones luego de la estimación.
Los efectos aleatorios pueden tomar la forma de interceptos o
coeficientes aleatorios y la estructura de agrupamiento de la data
consiste en multiples niveles de anidamiento. En tal sentido, los
modelos son conocidos como modelos multinivel o modelos lineales
jerarquicos.
La distribuciòn del error del modelo multinivel es asumido como un
proceso gaussiano, heterocedastico y con baja correlación entre los
grupos modelados.

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Análisis Multinivel

Los modelos multinivel son una generalización de los modelos lineales,

permitiendo la inclusión de desviaciones aleatorias.

y = Xβ + Zµ + 

   
µ G 0
var =
 0 σ2 R
Los efectos aleatorios µ no son directamente estimados, y son
caracterizados por los elementos de G, conocidos como los
componentes de varianza, que son estimados con los residuos totales
cuya varianza σ2 y los parámetros de la varianza residual que esta
contenida en R.

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Análisis Multinivel

La forma general del diseño de matrices X y Z permite estimar modelos

con diseños en bloque, curvas de crecimiento, diseños jerarquicos o
multinivel, etc.
También permite flexibilidad en la modelación de la correlación entre
clusters. Los individuos del mismo cluster pueden estar correlacionado
como resultado de compartir la misma pendiente o el mismo intercepto.
En general la especificación de G provee una flexibilidad adicional, los
interceptos y pendientes aleatorias podrian ser modeladas de manera
independiente o estar correlacionadas o ser independientes con la
misma varianza, etc. En general la estructura de R también permite
para los errores del residuo, un comportamiento heterocedasticio y
correlacionado.

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Análisis Multinivel

En el presente ejemplo se intenta evaluar el rendimiento de los alumnos

en el examen de matemáticas

Nivel1 : MathAchij = β0j + rij

Nivel2 : β0j = γ00 + µ0j

Combinando las dos ecuaciones y sustituyendo el nivel 2 en el nivel 1,
se tiene la siguiente ecuación con efectos aleatorios:

MathAchij = γ00 + [µ0j + rij ]

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Análisis Multinivel

Un segundo ejemplo muestra el impacto del promedio del sistema de

evaluación en la estimación del parámetro del primer nivel

Nivel1 : MathAchij = β0j + rij

Nivel2 : β0j = γ00 + γ01 (MeanSES) + µ0j

Combinando las dos ecuaciones y sustituyendo el nivel 2 en el nivel 1,
se tiene la siguiente ecuación con efectos aleatorios:

MathAchij = γ00 + γ01 (MeanSES) + [µ0j + rij ]

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Análisis Multinivel

De especificar el modleo en multiples ecuaciones:

Nivel1 : MathAchij = β0j + β1j (cses) + rij

Nivel2 : β0j = γ00 + µ0j

Nivel2 : β1j = γ10 + µ1j
Combinando las dos ecuaciones y sustituyendo el nivel 2 en el nivel 1,
se tiene la siguiente ecuación con efectos aleatorios:

MathAchij = γ00 + γ10 (cses) + [µ1j (cses) + µ0j + rij ]

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Análisis Multinivel

De especificar el modelo en multiples ecuaciones:

Nivel1 : MathAchij = β0j + β1j (cses) + rij

Nivel2 : β0j = γ00 + γ01 (MeanSES) + γ02 (Sector ) + µ0j

Nivel2 : β1j = γ10 + γ11 (MeanSES) + γ12 (Sector ) + µ1j
Combinando las dos ecuaciones y sustituyendo el nivel 2 en el nivel 1,
se tiene la siguiente ecuación con efectos aleatorios:

MathAchij = γ00 + γ10 (MeanSES) + γ02 (Sector ) + γ10 (cses)+

+γ11 (MeanSES ∗ cses) + γ12 (Sector ∗ cses) + [µ1j (cses) + µ0j + rij ]

Juan Carlos Abanto Orihuela Diploma de Econometrı́a

Análisis Multinivel

La estimación:
y = Xβ + Zµ + 

   
µ G 0
var =
 0 σ2 R
Considerando la combinación de errores ortogonales Z µ +  se observa
que y es una normal multivariante con media xβ y matriz de varianza y
covarianzas V = ZGZ 0 + σ2 In . Definiendo a θ como el vector de
elementos únicos de los resultados de G en el log-likelihood:

1
L(β, θ, σ2 ) = − [nlog (2π) + log |V | + (y − xβ)0 V −1 (y − xβ)]
2

Juan Carlos Abanto Orihuela Diploma de Econometrı́a