UNIVERSIDAD MAYOR DE SAN SIMON

FACULTAD DE CIENCIAS ECONOMICAS

CARRERA DE ECONOMIA

ECONOMETRIA II

MODELOS DE REGRESION
CON DATOS EN PANEL

Hernán Delgadillo Dorado Dennis Andrew

Rossel Aquino

22/04/2022 Econometria I 1
 TIPOS DE DATOS

Series de Tiempo Corte Transversal

Datos en Panel

22/04/2022 Econometria I 2
 OTRAS DENOMINACIONES

Datos Agrupados
Datos en Micropanel
Datos Longitudinales
Análisis de Historia de
Sucesos
Panel Data ó Data Panel

22/04/2022 Econometria I 3
 ALGUNOS EJEMPLOS

Estudio del PIB de 1980 a 2011 de los

Países del Mercosur
Estudio de Salarios y Empleo Trimestral
(INE)
Estudio de Encuestas de Salud y
Demografía ENDSA

22/04/2022 Econometria I 4
 REFERENCIAS
Chamberlain, G. (1984) “Panel Data”
Hsiao, C. (1986) “Analysis of Panel Data”
Greene, W. (1998) “Análisis Econométrico”
Johnston & Dinardo (1998) “Econometric Methods”
Badi Baltagi (1985) “Econometric Analysis of Panel Data”
Wooldridge (1999) “Econometric Analysis of Cross Section
and Panel Data”
Dielman (1989) “Pooled Cross-Sectional and time Series Data
Analysis”
Sayrs (1989) “Pooled Time Series Analysis”

22/04/2022 Econometria I 5
 IMPORTANCIA DE LOS
DATOS EN PANEL (Baltagi)
1. Relación de Indivíduos a lo largo del tiempo (Empresas, Países,
Municipios, ciudades, departamentos, otbs, etc.)
2. Proporcionan mayor cantidad de datos, más variabilidad, menos
colinealidad, más grados de libertad y mayor eficiencia.
3. Detecta y mide mejor los efectos que no se detectan en S.T. y en C.T.
4. Se observa mejor la dinámica del cambio en la información
(Precios, empleo, etc.)
5. Estudian modelos más complejos.
(Fenómenos de la economía de escala y cambio tecnológico)
6. Minimizan el sesgo por la gran cantidad de datos.

22/04/2022 Econometria I 6
 EJEMPLO DE DATOS EN PANEL
Teoría de las Inversiones
Grunfeld, Y. (1958) “Determinantes de la Inversión
Coorporativa”
Y inversión, X2 Valor real de la Empresa, X3 Capital Social Real
Empresas: General Electric (GE)
General Motors (GM) 4 Unid. Transversales
U.S. Steel (US)
Westinghouse (WE)
Período: 1935-1954 (20 períodos)
Total observaciones: 80
Se espera que Y esté relacionada en forma positiva con X2 y X3

22/04/2022 Econometria I 7
 EJ. Cont….
Unidades Transversales(N)
Se puede:
Períodos (T)
1. Hacer 4 regresiones de Series de Tiempo (1 por compañía)
2. Hacer 20 regresiones de Corte Transversal (1 por año)
3. Agrupando o combinando las 80 observaciones; el modelo es:

Yit  1   2 X 2it   3 X 3it  U it i=1,2, N

t=1,2, ,T

Xs son no estocásticos y Uit cumplen supuestos clásicos

Tenemos un PANEL BALANCEADO: Cada unidad transversal tiene el mismo nº
de observaciones. Cada compañía tiene 20 observaciones.
En cambio un PANEL DESBALANCEADO, es cuando:
el nº de observaciones difiere entre los mismos miembros del Panel

22/04/2022 Econometria I 8
 ESTIMACIÓN DE LOS
MODELOS EN PANEL

a) Método de Efectos Fijos (fixed effects)

b) Método de Efectos Aleatorios (random effects)

22/04/2022 Econometria I 9
 a) Método de Efectos Fijos
Supuesto 1: Todos los coeficientes son constantes respecto a individuos y tiempo
Con todos los datos. (Se agrupan las 80 observaciones)

Yˆit  63,3  0,11 X 2it  0,303 X 3it

t  _ 2.14 ____ 8,02 _____ 6.15

R 2  0,76 d  0,219

n  80 g .l.  77

Supone que el INTERCEPTO es igual para cada empresa, así como los coeficientes

Puede distorcionar la relación de Y y las Xs para las 4 empresas.

22/04/2022 Econometria I 10
 a) Método de Efectos Fijos
Supuesto 2: Los coeficientes son constantes excepto la intersección (varía para cada indivíduo)
Se denomina: Modelo de Efectos Fijos o de Min. Cuadrados con variables dicotómicas.

Yit  1i   2 X 2it   3 X 3it  U it

Variación en las empresas (Efecto Individual)

También, con variables dicotómicas:

Yit  1   2 D2i   3 D3i   4 D4i   2 X 2it   3 X 3it  U it

Efecto tiempo, base 1954:

Yit  0  1 A35  2 A36  ...  19 A53   2 X 2it   3 X 3it  U it

22/04/2022 Econometria I 11
 a) Método de Efectos Fijos
Supuesto 3: Coeficientes constantes pero intercepto varía con individuos y tiempo

Yit  1   2 D2i   3 D3i   4 D4i

 0  1 A35  2 A36  ...  19 A53   2 X 2it   3 X 3it  U it

Si son estadísticamente significativos para individuos y no para tiempo,

Las funciones de inversión para las empresas son las mismas, excepto sus interceptos.

22/04/2022 Econometria I 12
 a) Método de Efectos Fijos
Supuesto 4: Todos los coeficientes cambian respecto a los individuos.

Yit  1   2 D2i   3 D3i   4 D4i   2 X 2it   3 X 3it

  1 ( D2i X 2it )   2 ( D2i X 3it )   3 ( D3i X 2it )   4 ( D3i X 3it )
  5 ( D4i X 2it )   6 ( D4i X 3it )  U it
Fi, son coeficientes de pendientes diferenciales
Alfa, son coeficientes de intersecciones diferenciales.

Si uno o más coeficientes Fi son estadísticamente significativos, indica que

Las pendientes son diferentes del grupo base.

Ej: Si ß2 y Fi1, son estadísticamente significativos GM es diferente de GE

Ej: Si todos son estad. Sig. Las funciones de inversión son diferentes de la base GE
Por tanto, No tiene sentido calcular la regresión agrupada.
O los datos de las 4 Empresas NO son agrupables.

22/04/2022 Econometria I 13
 a) Método de Efectos Fijos
Algunas recomendaciones

1. Muchas variables dicotómicas hacen perder grados de libertad

2. Está siempre latente el problema de multicolinealidad
3. Si al modelo del supuesto 1 se incorporan variables dicotómicas, como
sexo, color, origen étnico y no son variantes en el tiempo, entonces: No
permite identificar el impacto de dichas variables.
4. Los supuestos de Uit, podrían modificarse:
1. Suponer que la varianza es la misma para i, o todo lo contrario
2. Para cada i NO existe autocorrelación respecto al tiempo ó AR(1)
3. En el tiempo, la varianza de U en GE (i) no está correlacionado con GM(i)
u otro; o que no existe tal correlación.
4. Pensar en perturbaciones o combinaciones del término error, es más
complicado. Ver (Dielman, Kmenta)

22/04/2022 Econometria I 14
 b) Método de Efectos Aleatorios
MODELO DE COMPONENTES DE ERROR
O MODELO DE EFECTOS ALEATORIOS
RANDOM EFFECTS

Yit  1i   2 X 2it   3 X 3it  U it Donde: 1i  1  

Es ruido blanco
Yit  1   2 X 2it   3 X 3it   i  U it

Yit  1   2 X 2it   3 X 3it  wit wit   i  U it

Por ello modelo de componentes de error
Pero:
E ( wit )  0 Bajo los supuestos:
2 Es variable no observable,
2 2  i  N (0,  )  Es una variable latente
V ( wit )      u
U i  N (0,  u2 )
Estan correlacionadas
wit  wis ; t  s E ( iU it )  0; E ( i j )  0; i  j
 2
corr ( wit , wis )  2
    u2
E (U itU is )  E (U itU jt )  E (U itU js )  0; i  j; t  s
22/04/2022 Econometria I 15
 b) Método de Efectos Aleatorios
1. Para cualquier unidad transversal, el valor
de la correlación entre los términos de error,
para dos intervalos de tiempo distintos, sigue
siendo el mismo, sin importar que tan
distantes estén dos intervalos. En S.T. la
correlación entre los intervalos decrece
respecto al tiempo.
2. La estructura de la correlación dada, sigue
siendo la misma para todas las unidades
transversales; es decir, es idéntica para todos
los individuos.
22/04/2022 Econometria I 16
 b) Método de Efectos Aleatorios
Recomendaciones

 Hay que considerar la estructura de la

correlación, y
 No aplicar MCO, por que los estimadores
serán INEFICIENTES.
 El método más apropiado es MCG.

22/04/2022 Econometria I 17
 b) Método de Efectos Aleatorios
Resultados
Variable Coef Error t p

Intercepto -73.03 83.95 -0.87 0.387

X2 0.1076 0.0168 6.40 0.000
X3 0.3457 0.0168 13.02 0.000

Efectos Aleatorios

GE -169.93
R2=0.93
GM -9.51
USS 165.56
West 13.87

22/04/2022 Econometria I 18
 b) Método de Efectos Aleatorios
Interpretaciones

1. La suma de los valores del efecto aleatorio, es cero.

2. El valor medio del componente ( epsilón) error aleatorio,
es el valor del intercepto común (-73,03). El valor -
169,93 , es el efecto aleatorio de GE que difiere del valor
del intercepto común.
3. R cuadrado se obtiene a partir de MCG transformado.
4. Estos resultados no difieren mucho respecto al MEF, solo
difieren en los coeficientes de las dos variables para
unidades transversales.

22/04/2022 Econometria I 19
 ¿Efectos Fijos o Aleatorios?

1. Test de Haussman, para inferir cuál modelo usar

2. Test de Poolability, Modelo Pooled preferible a modelo
de efectos aleatorios? Aplicar Test de Breusch y Pagan
(Test de heteroscedasticidad aplicado a datos de panel)
3. Test de Igualdad de efectos fijos, si un modelo de efectos
fijos es preferible a un modelo pooled. (Aplicar test de
Chow.

22/04/2022 Econometria I 20
 Otros aspectos

1. Pruebas de Hipótesis con Panel Data

2. Heteroscedasticidad
3. Datos desequilibrados o desbalanceados
4. Modelos Dinámicos
1. Estimador de Anderson y Hsiao (1981)
2. Estimador de Arrellano (1989)
3. Método de momentos
5. Con ecuaciones simultáneas
6. Variables cualitativas con datos de panel

22/04/2022 Econometria I 21
 Algunos tests

1. Test de Wald
2. Test de Poolability (Breusch y Pagan)
3. Test de igualdad de efectos fijos
4. Test de Chow

¡Muchas Gracias!
22/04/2022 Econometria I 22