Datos de Panel

Mario Vera Delgado

3 de marzo de 2023
Agenda
Introducción a los Datos de Panel y sus Características.
• Repaso Conceptos Básicos de Estimaciones de Panel

2
Comandos para datos de Panel

▪ xtdescribe permite ver una descripción si el panel está desbalanceado

▪ xtsum separa en variaciones within (en el tiempo) y between (sobre individuos)
▪ xttab tabulado para variables categóricas (discretas)
▪ xttrans permite ver probabilidades de transición
▪ xtline gráfico de líneas para cada individuo
 Ejemplo de xttab
• Utilizando Encuesta de Protección Social de Chile, filtrando historias
laborales para el año 2008 (los 12 meses).
. xttab b2
Un 62,74% de los encuestados estuvo
Overall Between Within trabajando al menos 1 mes durante el año.
b2 Freq. Percent Freq. Percent Percent
Un 33,68% de los afiliados estuvo cesante
trabajan 103400 59.58 9074 62.74 94.96
cesante 13603 7.84 1566 10.83 72.39 durante al menos 1 mes durante 2008.
buscando 194 0.11 19 0.13 85.09
inactivo 56349 32.47 4871 33.68 96.41
De las 9.074 personas que al menos trabajaron
Total 173546 100.00 15530 107.38 93.13 un mes durante 2008, estuvieron trabajando un
(n = 14463)
94,96% del tiempo (en el que estuvieron en la
encuesta, hay personas que no están los 12
meses).
 Ejemplo de xtsum
• Utilizando la base General Social Survey
. xtsum realinc

Variable Mean Std. dev. Min Max Observations

realinc overall 33897.67 35159.14 236.5 155140 N = 12309

between 27186.2 236.5 155140 n = 6728
within 23836.13 -60510.14 134281.7 T-bar = 1.82952
Fórmulas para las
varianzas
Estimación utilizando Datos de Panel
• Una base de datos en panel contiene información para varios individuos (empresas, países, etc.)
en el tiempo.
• Con N individuos y T periodos podríamos estimar N modelos de series de tiempo y T modelos de
corte transversal.
• Las ventajas de disponer de un panel tiene que ver con la posibilidad de agregar esta información
de alguna manera.
• Se puede controlar la heterogeneidad no observable
Limitaciones
• Potencialmente problemas de selectividad: autoselección, no
respuesta, “attrition”.
• Dimensión temporal corta
Especificación
• El modelo básico es
𝑦𝑖𝑡 = 𝑥𝑖𝑡 + 𝑢𝑖𝑡
𝑢𝑖𝑡 = 𝛼𝑖 + 𝜖𝑖𝑡
• 𝑖 = 1, … , 𝑁; 𝑡 = 1, … , 𝑇
• El término de error incluye dos componentes, uno específico del
individuo (𝛼𝑖 ) y otro de la observación
Estimados de Efectos Fijos
′
𝑦𝑖𝑡 = 𝑥𝑖𝑡 𝛽 + 𝑢𝑖𝑡
𝑢𝑖𝑡 = 𝛼𝑖 + 𝜖𝑖𝑡
𝐸 𝜖𝑖𝑡 𝑥𝑖𝑡 , 𝛼𝑖 = 0, 𝑡 = 1, … , 𝑇
• Se puede estimar por 𝛼𝑖
• LSDV (Least Squares Dummy Variables)
• Estimador Intragrupo (Within Group, WG)
• Primera Diferencia (FD)
Estimadores de efectos fijos
Estimados de Efectos Aleatorios
𝑦𝑖𝑡 = 𝑥𝑖𝑡 + 𝑢𝑖𝑡
𝑢𝑖𝑡 = 𝛼𝑖 + 𝜖𝑖𝑡
𝐸 𝜖𝑖𝑡 𝑥𝑖𝑡 , 𝛼𝑖 = 0, 𝑡 = 1, … , 𝑇
𝐸 𝛼𝑖 𝑥𝑖𝑡 = 0
En este modelo hay autocorrelación entre cada individuo, se puede
estimar por mínimos cuadrados factibles (Estimador de Balestra-
Nerlove).
Resumen
Análisis de Errores
• Autocorrelación Serial
• Heterocedasticidad
• Correlacción contemporánea
Resumen Artículo de Aparicio (2005)