Datos de panel. Cálculo

TEMA 3: DATOS DE PANEL

Son los datos deseados. Atenúan el sesgo de variable omitida. Son modelos bastante robustos (sin tener demasiadas variables reducen el sesgo porque tienen aspectos no solo de carácter longitudinal sino también temporal).

3.1. Descripción de los datos.

Se tratan de las mismas variables (mismos individuos) pero en diferentes momentos temporales.

Las regresiones con datos de panel son similares a los que ya hemos hecho. Lo que cambia es la manera de estimarlos.

Existen dos tipos de estimación: modelos de efectos fijos y modelos de efectos aleatorios. Utilizaremos uno u otro dependiendo de cómo sean mis datos.

Clasificación de paneles: Panel balanceado: tengo datos de todos los individuos en todos los años. Los paneles no balanceados es cuando algún caso desaparece → consecuencia: no tengo los mismos casos todos los años.

Situación deseable: muchos individuos en muchos años (poco frecuente). O tenemos muchos individuos en un espacio temporal más limitado (short panel) o pocos individuos en un espacio temporal más amplio (long panel).

Inferencia asintótica: n x t → infinito (nº de casos x periodos temporales).

Caso práctico: panel no balanceado y corto (el nº de individuos es > al nº de periodos). Si falta alguna variable de un individuo, el análisis lo quita.

Si la pérdida de datos sigue un patrón identificable (en los datos de panel no balanceado) tienes un problema → estás sesgando la muestra. Si la pérdida de datos es aleatoria, no habría problema. Hay que decir cuántos datos pierdes.

Ventajas de los datos de panel:

• Nos permite analizar si un efecto de una variable sobre otra se produce de manera sostenida en el tiempo.
• Los errores están probablemente correlacionados (en el tiempo para un individuo).
• El modelo nos permite utilizar variables independientes que varíen en el tiempo o variables que no varíen.

El modelo se construye:

[pic 1]

El modelo genera varias ecuaciones para los diferentes periodos.

El error se distribuye en dos partes:

• El efecto que tiene una variable independiente sobre la variable dependiente está representado por alfa: nos indica si hay un efecto sostenido en el tiempo. Si alfa = 0 significa que no hay efecto en el tiempo (si no lo hubiera, no necesitaríamos datos de panel). En virtud de cómo sea alfa, tendremos que utilizar uno u otro modelo.
• Nos permite controlar variables inobservables a través del alfa.

Eviews (tenemos que poner date en año y character en los individuos):

[pic 2]

En EW ponemos la fórmula: y c x1 x2 x3 x4

La regresión la haremos según cómo sea mi variable dependiente. En este caso es contínua y, por eso, utilizaremos un OLS.

Si hacemos directamente el OLS, nos sacará la función sin tener en cuenta el tiempo.         Para ello tenemos que elegir (si el modelo es de efectos fijos o aleatorios):

[pic 3]

Por si acaso hay heterocedasticidad, seleccionamos White para corregirla.        

...