DATOS PANEL

DATOS PANEL

1. Combinación entre series temporales y datos transversales, estos modelos constan de información muy amplia.

   • PROBLEMA
     • especificaciones incorrectas u omision de variables
     • los modelos de datos panel pueden presentar heteroscedasticidad y autocorrelacion
   • el analisis de datos panel , es el objeto de estudio de una de las ramas de la literatura econometrica mas activa y creativa.
     • esto ocurre por que los datos panel ofrecen un entorno muy rico para el desarrollo de las tecnicas de estimacion y resultados teoricos
   • VENTAJAS
     • se suponen rendimientos constantes a escala para poder resaltar el cambio tecnico
     • Permite al investigador mucha mas flexibilidad para modelizar las diferencias de comportamiento.
     • nos permite mirar el impacto de los regresores sobre las variables dependientes.

2. MODELO

   • Yit= Ci + B´Xit + Eit, en donde hay K regresores en Xit, sin incluir el termino constante; el efecto individual es Ci, que se considera constante a lo largo del tiempo t
     • EFECTOS FIJOS
       • Considera Ci como un termino constante especifico de un grupo en el modelo de regresion, cada Ci es un parametro desconocido que debe ser estimado.
       • constraste de significancia de los efectos de grupo
         • Ho: Ci=0; no es util en el contexto de la regresion
         • si se esta interesado en las diferencias entre grupos, Ho: Ci son todas iguales, mediante n contraste F.
           • "formula del contraste F"
       • 1. estimador intra grupos: .... 2. estimador entre grupos: ....
       • efectos fijos de grupo y de tiempo
         • el efecto se obtiene incluyendo T-1 variables artificiales adicionales. uno de los efectos temporales debe dejarse fuera para evitar colinealidad perfecta.
       • paneles incompletos y efectos fijos
         • 1. el tamaño de la muestra completo es [i:1,n Ti. 2. las medias de los grupos deben basarse en TI, que varia entre los grupos. 3. crear el conjunto integro de T variables ficticias utilizando como T la union de las fechas representadas en el conjunto total de datos. 4. aplicar MCVF
     • EFECTOS ALEATORIOS
       • Especifica que Ci es un error especifico de grupo, similar a Eit, excepto que para cada grupo hay una unica extraccion muestral, que aarece en la regresion de forma identica en cada periodo.
         • SUPUESTOS:
         • Es necesario construir una matriz "n", que contenga todos los O2e + O2u en la diagonal principal, y O2u por fuera de esta, y posteriormente una matriz V que contenga todos los "ni"
       • MCG
         • cuando "n" es conocida
         • se calcula regresando las desviaciones parciales de Yit sobre las mismas transformaciones de Xit
       • MCGF
         • cuando "n" es desconocida
         • el estimador sera consistente pero insesgado, pero no hay problema, pues el unico requisito es que el estimador sea consistente
       • contraste de efectos aleatorios
         • Breusch y Pagan (1980)
           • contraste del multiplicador de lagrange para el modelo de efectos aleatorios basado en los residucos de MCO
             • MCVF se apoya en que T tiende a infinito para la consistencia.
       • paneles incompletos y efectos aleatorios
         • la matriz V ya no es I*"n", por que los bloques diagonales de V son de tamaño diferente. ademas, hay heteroscedasticidad entre grupos.
           • Ô2u= Ô2** - Ô2t Qn; y seguimos con MCGF
     • contraste de Hausman para efectos fijos y aleatorios
       • Ho: No correlacion
         • MCO en el modelo de MCVF y MCG, son consistentes, pero MCO es ineficiente, mientras que bajo la alternativa, MCO es consistente pero MCG no lo es
           • diferencias entre la matriz de varianzas y covarianzas de b-^B

3. HETEROSCEDASTICIDAD

   • PODEMOS CALCULAR LOS ESTIMADORES DE mcg O mcgf Y OBTENER UN ESTIMADOR ROBUSTO APROPIADO DE LA MATRIZ DE VARIANZAS Y COVARIANZAS, O PODEMOS IMPONER ALGUNA ESTRUCTURA EN LA VARIANZA DE LOS ERRORES Y UTILIZAR mcg
     • EFECTOS FIJOS
       • la matriz de covariansas de White, es consistete frente a heteroscedasticidad para MCO. es decir, para el estimador de efectos fijos.
     • EFECTOS ALEATORIOS
       • para MCVF, se hace una transformacion de MCG para buscar el estimador consistente de MCVF. y posteriormente se aplica MCVF.
         • el metodo tiene una complicacion, y es que nada evita que la varianza del estimador sea negativa.

4. AUTOCORRELACION

   • EFECTOS FIJOS
     • Con el estimador de MCVF disponible, la estimacion de los parametros del proceso de los errores, y las transformaciones de los datos que permiten calcular el MCGF, porceden de igual manera
   • EFECTOS ALEATORIOS
     • 1. obtener un estimador de P, tratar las estimaciones parcialmente diferenciadas en cada grupo. 2. para cada grupo Pi, utilizando los datos de las desviaciones con respecto a la madia de grupo

5. MODELOS DINAMICOS

   • EL PROBLEMA DE ESTOS MODELOS, ES QUE LA VARIABLE DEPENDIENTE DESFASADA ESTA CORRELACIONADA CON LOS ERRORES
     • ECTOS FIJOS
       • regresion ordinaria con una variable desfasada.
     • EFECTOS ALEATORIOS
       • la variable desfasada esta correlacionada con el error compuesto del modelo.
     • el modelo se puede apoyar en el estimador de variables instrumentales y en el de MGM