Datos de Panel

Consideraciones
Para obtener un panel balanceado lo ptimo sera obtener todos los datos.
Los paneles cortos pueden ser los pases, pocos aos pero hay mucho que
observar.
Los paneles largos muchos aos poco que observar.
Los errores estarn probablemente correlacionados en el tiempo para un
individuo y/u individuos
Se pueden tener regresoras invariantes en el tiempo que varan con los
individuos
Los datos de panel permiten la estimacin de modelos dinmicos, a este
modelo se le puede introducir elementos que lo alteren.
Los paneles ms cortos seran de 2 aos.
Cuando los paneles estn desbalanceados se acostumbra a sacar los datos que
no estn completos, pero si se puede hacer el panel de datos de igual manera.
Las variables no deben estar correlacionadas, es decir no deben guardar
relacin entre ellas.
Para los paneles balanceados, describir el nmero de observaciones implica:

Nmero de individuos distintos N

Total de periodos cubierto por el panel T
El nmero total de observaciones es simplemente NT

Para paneles no balanceados, adems debemos considerar

Periodos concretos en que se observa a cada individuo T, ( o su media)

Tambin se puede observar un patrn de observaciones

Notad que no tiene por qu haber individuos observados todos los periodos y
que individuos con el mismo T, pueden ser observados en periodos diferentes.
DESCOMPOSICN WHITING Y BETWEEN
Las variables pueden tener variaciones tant en ele tiempo como entre
individuos
Variabilidad withing , variacin en el tiempo para un individuo, dado.
Variabilidad between : VARIACIN ENTRE INDIVIDUOS

N= individuos T= tiempo NT= nmero de observaciones

Varianza total:
MTODOS SIMPLES
Corte transversal + series de tiempo
Encuestas o relevamientos a los mismos individuos en varios perodos.
Datos de unidades (empresas, pases, en varios perodos.
Muestras de corte transversal independientes (distintos individuos)
Se incrementa el tamao muestral
EJEMPLOS
FERTILIDAD DE LAS MUJERES EN EL TIEMPO

Encuesta de aos pares entre 1972 y 1984

Cambiaron los ndices de fecundidad en el tiempo? (Ceteris Paribus)
Controles: educacin, edad, raza, religin, etc.
Ao base 72

MANEJO DE DATOS CON STATA

DECLARAR EL PANEL DE DATOS CON STATICTIS

MODELO LINEAL REGRESION

Lo que no se puede entender se llama efectos variables, por lo tanto se aplica

una ayuda a al error de perturbacin, por ello el alfa reemplaza a todas
aquellas cosas que pueden estar afectando.
1+U1

Los individuos explican el 92.94% de la variabilidad y ese individuo comparado con otros
representa 99.28% de la variabilidad; estos datos representan mi R cuadrado y todos estos
datos explican la variabilidad en un 91.12%.

Existen 6 grupos con 90 observaciones. Tenemos una F si la probabilidad de F est bien debe
ser menor al 5%.
La probabilidad de F debe ser menor al 5%
Con los datos de panel podemos ver la realidad en su conjunto
Es alfa el criterio no observado.
Individualmente no abandonamos nuestro anlisis debido a que las variables son
significativas.
Bajo efectos fijos los coeficientes Q es lo que ms incide en el costo
Un incremento de 1 dlar del combustible incide en 77% en el incremento del costo.
Mientras ms carga se aproveche menos costos operativos.
Las decisiones de poltica nacional, se entiende que las desiciones son invariables a travs
del tiempo.
Los datos de panel, cogen los datos y las comparan entre s. Es un sistema nivel Multinivel o
jerrquico.
No es el mismo coeficiente para todos.
Los dficits fiscales no deben ser muy grande, porque les quitan campo de accin.
La inteligencia no funciona en supervit funciona en dficit.

VENTAJAS

Nos interesa la heterogeneidad de modo entre ms paneles mayor variabilidad, y

menor multicolinealidad.
Al combinar las series de tiempo de las observaciones de corte transversal, los datos
de panel proporcionan una mayor cantidad de datos informativos, ms variabilidad,
menos colinealidad entre variables, ms grados de libertad y una mayor eficiencia.
Los datos de panel detectan y miden mejor los efectos que sencillamente ni siquiera se
observan en datos puramente de corte transversal o de series de tiempo. Por ejemplo, los
efectos de las leyes concernientes al salario mnimo sobre el empleo y los salarios se

estudian mejor si incluimos oleadas sucesivas de incrementos a los salarios mnimos

en los salarios mnimos estatales y/o federales.

ALGUNAS CONSIDERACIONES

Se pueden encontrar datos de panel balanceados y no balanceados,

Si cada entidad tiene un nmero de diferentes observaciones, se tiene un panel

desbalanceado.
En datos de panel tambin mencionan los trminos panel corto y panel largo, En un
panel corto, el nmero de sujetos de corte transversal, N, es mayor que el nmero de
periodos, T.
En un panel largo, T es mayor que N.
Las tcnicas de estimacin dependen de que se cuente con un panel corto o uno
largo.

TCNICAS DE ESTIMACIN

MCO agrupados
MCO con variables dictomas de efectos fijos
Modelos de efectos fijos, modelo que asigna un intercepto a cada uno de los grupos.
Modelo de efectos aleatorios.
Efecto no observado o de heterogeneidad.

La variable adicional M filosofa, de la administracin o calidad de la administracin o calidad

de la administracin.
Aunque es invariante en el tiempo.

TRABAJO CON VARIABLES DICTOMA S

Cada aerolnea tiene un intercepto, para lograr compararse entre s.

El coeficiente viene a ser el costo, por lo tanto, el modelo dictomo muestra la diferencia entre
las aerolneas.
El coeficiente es de efectos fijos
Para ver cul es mejor podemos sacar una de las variables, deberan hacer 5 variables.
MODELO RESTRINGIDO
MODELO DE EFECTOS FIJOS UNIDIRECCIONALES.

Advertencia sobre el modelo de MCVD de efectos fi jos

Como indica el anlisis precedente, el modelo MCVD presenta algunos problemas que
es necesario
tener en cuenta:
Primero, si se introducen demasiadas variables dictomas, puede presentarse el
problema de
los grados de libertad. Es decir, no habr observaciones sufi cientes para un anlisis
estadstico
signifi cativo. Segundo, con tantas variables dictomas en el modelo, tanto individuales
como
interactivas o multiplicativas, siempre est presente la posibilidad de la
multicolinealidad, que
puede difi cultar la estimacin precisa de uno o ms parmetros.
Tercero, en algunas situaciones, es posible que el modelo de MCVD no identifi que el
efecto de
las variables que no cambian con el tiempo. Suponga que deseamos estimar la funcin
de salario

de un grupo de trabajadores con datos de panel. Adems del salario, una funcin de
salario incluye
edad, experiencia y nivel de escolaridad como variables explicativas. Suponga tambin
que
decidimos incluir gnero, color y origen tnico como variables adicionales del modelo.
Como
estas variables no cambian con el tiempo para cada individuo, el modelo MCVD quiz
no identifi
que el impacto sobre los salarios de estas variables que no cambian con el tiempo. En
otras
palabras, los interceptos especfi cos de cada sujeto absorben toda la heterogeneidad
que exista en
las variables dependiente y explicativas. Por cierto, las variables que no cambian con el
tiempo a
veces se llaman variables incmodas o variables ocultas.

Modelos de efectos aleatorios

El alfa recoge los aspectos no observados de los individuos y la variable dictoma revela una
falta conocimiento respecto del modelo real.

Vit para efectos fijos

Wit para efectos aleatorios.
Asumimos internamente que u y t son una caractersticas que no es tan declaradas pero que
responden.
El modelo de componentes del error (MCE) debe su nombre

Cuando el estimador es bueno es eficiente y consistente.