UNIVERSIDAD NACIONAL FEDERICO VILLARREAL

Facultad de Ciencias Económicas

EAP de Economía

CURSO: ECONOMETRÍA II Nota

SEMESTRE: 2021 – I
SECCIÓN: F
PROFESOR: Mg. Pedro Chávez V.
Alumno(a): daniel alberto delgado donayre
Fecha: 12/11/2012Duración: 90 minutos
4TA PRÁCTICA CALIFICADA
1. ¿Cuándo resultan inapropiados los modelos de regresión con datos de panel? Proporcione
01 ejemplo. (4 puntos)
Consiste en realizar una regresión tradicional sobre el total de datos, sin discriminar por sujetos ni tiempo.
𝑌𝑖𝑡=𝛽0+𝛽1𝑋1𝑖𝑡+𝛽2𝑋2𝑖𝑡+𝛽3𝑋3𝑖𝑡+𝜀𝑖𝑡
Puede realizarse análisis tradicional, pero el modelo no tiene en cuenta la heterogeneidad entre individuos (el
cual no es un supuesto muy razonable)
Tampoco percibe las respuestas Inter temporales de las diferentes variables.
Podrían atribuirse las diferencias entre individuos al término de perturbación. Esto podría llevar a correlación
con los regresores (sesgo e inconsistencia).
Consiste en suponer que la varianza del error es constante para cada individuo. Así, la varianza del error puede
ser diferente en distintos periodos de tiempo: 𝑐𝑜𝑣(𝜀𝑖𝑡, 𝜀𝑖𝑠)=𝜑𝑡,𝑠. Esto relaja el supuesto de homocedasticidad.
Esto permite que los estimadores sean insesgados y consistentes. Aun así, cualquier estadístico construido
sobre la varianza del error ya no es legible estadísticamente. Se realiza una regresión MCO robusta a errores
estándar de los distintos grupos o aglomerados.
Y esto se da cuando los datos de papel plantean diversos problemas de estimación y de inferencia. Como
esos datos implican dimensiones de corte transversal y temporales, necesitan abordarse los problemas que
plagan los datos de corte transversal (por ejemplo, la heteroscedasticidad) y los datos de series de tiempo
(por ejemplo, la autocorrelación). Además, hay otras proclamas como la correlación cruzada en unidades
individuales en el mismo punto en el tiempo.

2. ¿En qué difieren el Modelo de Efectos Fijos y el Modelo de Efectos Aleatorios? (4 puntos)

MODELO D EFECTOS FIJOS

Amplía el modelo MCO agrupado para permitir que cada individuo tenga su propio término de intercepto (el
cual no varía en el tiempo). Tener en cuenta que los coeficientes de pendiente son los mismos para cada
individuo y tiempo.
𝑌𝑖𝑡=𝛽0𝑖+𝛽1𝑋1𝑖𝑡+𝛽2𝑋2𝑖𝑡+𝛽3𝑋3𝑖𝑡+𝜀𝑖𝑡; i: 1….N
Consiste en transformar el modelo e incluir variables dicotómicas que recojan la característica diferencial de
cada individuo. Habrá una por cada individuo.
•Se estima el modelo ampliado que incluye las variables dicotómicas.
•Se puede estimar el modelo de efectos fijos conjunto.
Cuestiones:
•Introducir variables dicotómicas reduce los grados de libertad y algunos estadísticos pueden no volverse
significativos. Además, hay riesgo de multicolinealidad (no estimación precisa).
•Si las variables no cambian en el tiempo, no identifica sus impactos sobre el modelo (Variables Incómodas).
•Se asume previamente que el término de perturbación es homocedástico . Si no lo es realmente, las
estimaciones suelen ser erróneas. Corregir por errores robustos.
MODELOS DE EFECTOS ALEATORIOS
Consiste en tratar la heterogeneidad de los individuos como un componente aleatorio de la regresión.
𝑌𝑖𝑡=ҧ 𝛽0+𝑢𝑖+𝛽1𝑋1𝑖𝑡+𝛽2𝑋2𝑖𝑡+𝛽3𝑋3𝑖𝑡+𝜀𝑖𝑡
𝑌𝑖𝑡=ҧ 𝛽0+𝛽1𝑋1𝑖𝑡+𝛽2𝑋2𝑖𝑡+𝛽3𝑋3𝑖𝑡+𝑣𝑖𝑡
𝑣𝑖𝑡=𝑢𝑖+𝜀𝑖𝑡
𝜀𝑖~𝑖𝑖𝑑0,𝜎𝜀2;𝑢𝑖~iid0,𝜎𝑢2
El término de perturbación individual (de corte transversal) 𝑢𝑖 recoge las diferencias individuales respecto al
intercepto. Las 𝜎𝜀2y 𝜎𝑢2son homocedásticas . Al término 𝜀𝑖𝑡también se le llama término idiosincrático.
•La correlación entre los errores para cada individuo entre un periodo de tiempo y otro es constante. La
correlación entre individuos es cero.
•Se estima un modelo por medio de mínimos cuadrados generalizados factibles.
•Se debe tener cuidado que el termino de error de corte transversal no esté correlacionado con las variables
explicativas. Se presupone que el término de error idiosincrático no lo está. Puede
comprobarse por la prueba de Hausman. También es factible la prueba de Breusch Pagan

3. ¿Para qué sirve el test de Hausman en los modelos de datos de panel? Fundamente su
explicación en términos de la hipótesis nula y alternativa. (4 punto)

Consiste en estimar los coeficientes EF y EA y compararlos. Como ambos son consistentes, deberían
converger su valor poblacional para muestras grandes (si no hay correlación entre los términos de
perturbación y las regresoras). De no rechazarse la 𝐻0entonces es preferible elegir el modelo de efectos
aleatorios.
𝐻0:Coeficientesiguales
𝐻1:𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒𝑠𝑛𝑜𝑖𝑔𝑢𝑎𝑙𝑒𝑠
Si el modelo de efectos aleatorios no es el más adecuado (BP Hausman es posible corregirlo especificando las
variables exógenas y endógenas que varían o no en el tiempo.
𝑌𝑖𝑡=𝛽0+𝛽1𝑋𝑖𝑡,𝑒𝑥𝑜+𝛽2𝑋𝑖𝑡,𝑒𝑛𝑑𝑜+𝛽3𝑋𝑖,𝑒𝑥𝑜+𝛽4𝑋𝑖,𝑒𝑛𝑑𝑜+𝑢𝑖𝑡+𝜀𝑖𝑡
𝑋𝑖𝑡,𝑒𝑥𝑜: Variables que cambian en el tiempo y son
𝑋𝑖𝑡,𝑒𝑛𝑑𝑜: Variables que cambian en el tiempo y son
𝑋𝑖,𝑒𝑥𝑜: Variables que no cambian en el tiempo y son
𝑋𝑡,𝑒𝑛𝑑𝑜: Variables que cambian en el tiempo y son
Ya que en la hipótesis Nula es que los coeficientes son iguales entonces se utilizara un modelo de efectos
aleatorios y si se rechaza la hipótesis nula se optara por un modelo de efectos fijos.

4. Con base en el Michigan Income Dynamics Study (Estudio Michigan de dinámica del
ingreso), Hausman trató de estimar un modelo para salarios, o ganancias, con una muestra
de 629 egresados del nivel medio superior, a quienes se les dio un seguimiento durante seis
años, lo cual dio como resultado un total de 3 774 observaciones. En este estudio, la
variable dependiente fue el logaritmo del salario y las variables explicativas fueron edad
(dividida en varios grupos de edad), desempleo en el año anterior, pobreza sanitaria en el
año anterior, autoempleo, región de residencia (Sur 1; 0 en otro caso), área de residencia
(rural 1; 0 en otro caso). Hausman utilizó el Modelo de Efectos Fijos y el Modelo de
Efectos Aleatorios. Estos resultados se proporcionan en la tabla (se dan los errores estándar
entre paréntesis).

a) ¿Los resultados tienen sentido económico? Fundamente su respuesta. (2 puntos)

Si, por que se trata de determinar las posibles correlaciones de según las variables
dependientes y sus efectos sobre ellas mismas. Si los efectos son características propias del
grupo de edad o simplemente son efectos aleatorios los cuales usaremos el test de hausman
b) ¿Existe una gran diferencia en los resultados producidos por los dos modelos? Si así
fuera, ¿qué explicaría tales diferencias? (1 punto)

Los resultados no son muy diferentes en cuanto a los coeficientes de las variables X.
Las intercepciones son diferentes, cosa que es de esperar debido a las diferencias en los
supuestos de los dos modelos.

c) Con base en los datos de la tabla, ¿qué modelo, si acaso existiera uno, elegiría? (1 punto)
Se tiene que realizar el test de haufman, la hipótesis nula de los parámetros son ambos
iguales si se cumple estaríamos en un modelo de efectos aleatorios, en caso que se
cumpla la hipositis alternativa que los parámetros son diferentes estaríamos a favor del
modelo efectos fijos. Como vemos los parámetros son diferentes lo que n os lleva a obtar
por un modelo de efectos fijos.