Anlisis de datos de panel

Fijos y de efectos aleatorios

( Utilizando Stata 10.x )
(Ver. 4.1 )
Oscar Torres - Reyna
Consultor Informacin
otorres@princeton.edu

http://dss.princeton.edu/training/
1

Introduccin

Los datos de panel (tambin

conocido como longitudinal o de la
seccin transversal datos de series
temporales ) es un conjunto de
datos en la que el comportamiento
de las entidades son observado a
travs del tiempo .
Estas entidades podran ser estados
,empresas , individuos , pases, etc.
Los datos de panel tiene este aspecto

Pas

ao

X1

X2

X3

2000

7.8

5.8

1.3

2001

4.6

0.6

7.9

7.8

2002

9.4

2.1

5.4

1.1

2000

9.1

1.3

6.7

4.1

2001

8.3

0.9

6.6

5.0

2002

0.6

9.8

0.4

7.2

2000

9.1

0.2

2.6

6.4

2001

4.8

5.9

3.2

6.4

2002

9.1

5.2

6.9

2.1

Introduccin

Los datos de panel permite controlar las variables que no se puede

observar o medir como factores culturales o diferencia en prcticas de
negocio a travs de las empresas; o variables que cambiar con el tiempo,
pero no en todas las entidades ( es decir, nacional polticas, regulaciones
federales , acuerdos internacionales, etc.) . Esto es , se da cuenta de la
heterogeneidad individual
Con datos de panel se pueden incluir variables en los diferentes niveles
de anlisis (es decir, estudiantes , escuelas , distritos, estados) adecuado
para el modelado multinivel o jerrquica .
Algunos inconvenientes son cuestiones de recogida de datos ( es decir, el
muestreo el diseo , la cobertura ) , la falta de respuesta en el caso de las
micro paneles o cross-country dependencia en el caso de macro paneles
( es decir, la correlacin entre los pases )
Nota : Para una lista completa de las ventajas y desventajas de los datos de panel ver Baltagi ,
Economtrica El anlisis de datos de panel ( captulo 1 ) .
3

Introduccin

En este documento nos centramos en dos

tcnicas a utilizar para analizar datos de :

Los efectos fijos

Los efectos aleatorios

Configuracin de datos de panel:

xtset

El comando de Stata para ejecucin fijo / efectos aleatorios es xtset .

Antes de utilizar xtset necesita establecer Stata para manejar datos de panel mediante
el comando xtset tipo:
xtset country year
xtset country year
Panel variable:
Time variable:
Delta:

Country (strongly balanced)

year, 1990 to 1999
1 unit

En este caso, country" representa las entidades o paneles (i) y year" representa el
tiempo variable ( t).
La nota " (strongly balanced) " se refiere al hecho de que todos los pases tienen
datos de todos aos. Si, por ejemplo , un pas no tiene datos por un ao luego los
datos se desequilibraron. Lo ideal es que se quiere tener un equilibrado conjunto de
datos , pero esto no es siempre el caso, sin embargo todava se puede ejecutar el
modelo .
5

NOTA : Si se obtiene el siguiente error despus de usar xtset :

varlist: country: string variable not allowed
Es necesario para convertir ' contry ' a numrico , escriba:
encode country, gen(country1)
Use contry1 en lugar de contry " en el comando xtset

La exploracin de datos de panel

use http://dss.princeton.edu/training/Panel101.dta
xtset country year
xtline y

La exploracin de datos de panel

xtline y, overlay

MODELO DE EFECTOS FIJOS

(Covariance Model, Within Estimator,

Individual Dummy Variable Model, Least

Squares Dummy Variable Model)

Los efectos fijos

Utilizar efectos fijos (FE) cada vez que slo estn interesados en el anlisis del impacto de variables que
varan en el tiempo.
FE explora la relacin entre las variables predictivas y de resultados dentro de una entidad (pas,
persona, empresa, etc.). Cada entidad tiene su propio individuo caractersticas que pueden o no
pueden influir en las variables de prediccin (por ejemplo de ello es un hombre o mujer podra influir
en la opinin hacia cierta emisin o el sistema poltico de un pas en particular podra tener algn
efecto sobre el comercio o el PIB o las prcticas de negocio de una empresa pueden influir en sus
acciones precio).
Al usar FE suponemos que algo dentro del individuo puede afectar o el sesgo de las variables de
prediccin o de resultado y tenemos que controlar esto. Esto es el motivo de la asuncin de la
correlacin entre el error de entidad, las variables plazo y prediccin. FE elimina el efecto de los
invariantes en el tiempo caractersticas de las variables predictivas para que podamos evaluar los
efectos predictores netos.
Otro supuesto importante del modelo FE es que aquellos invariante en el tiempo caractersticas son
nicos para el individuo y no deben ser correlacionadas con otras caractersticas individuales. Cada
entidad es diferente, por lo tanto la entidad de trmino de error y la constante (que capta las
caractersticas individuales) debe no correlacionacionarse con los otros. Si se correlacionan los
trminos de error a continuacin, hay FE inferencias adecuadas, ya que pueden no ser correctos y que
necesita para modelar que relacin (probablemente el uso de efectos aleatorios), esta es la principal
razn para la prueba de Hausman (presentada ms adelante en este documento).
10

La ecuacin para el modelo de efectos fijos se convierte en:

Yit = 1Xit + i + uit

Los efectos fijos

[eq.1]

donde
i (i=1.n) es la interseccin desconocida para cada entidad ( n entidad intercepta
especficos )
Yit es la variable dependiente (DV) donde i = entidad y t = tiempo.
Xit representa una variable independiente (IV),
1 es el coeficiente para el IV,
uit es el termino de error
" La idea clave es que si la variable no observada no cambia con el tiempo , entonces cualquier cambio en
la variable dependiente debe ser debido a influencias distintas a estas caractersticas fijas . " ( Stock y
Watson, 2003 , p.289-290 ) .
"En el caso de los datos de tiempo de la serie de la seccin transversal de la interpretacin de los
coeficientes beta sera " ... Para un pas determinado , como X vara a travs del tiempo en una unidad,
aumenta o disminuye Y por unidades " ( Bartels , Brandom , " ms all" fijos versus efectos aleatorios " :
Un marco para la mejora sustancial y El anlisis estadstico de los paneles, las series de tiempo de la
seccin transversal , y los datos de niveles mltiples " , Universidad de Stony Brook , trabajando papel,
2008) .
los efectos fijos no funcionan bien con los datos de que dentro de la agrupacin su variacin es mnima o
es lento el cambio de las variables con el tiempo.
11

Los efectos fijos

Otra manera de ver el modelo de efectos fijos es mediante el uso de variables binarias.
As la ecuacin para el modelo de efectos fijos se convierte en:
Yit = 0 + 1X1,it ++ kXk,it + 2E2 ++ nEn + uit

[eq.2]

donde
Yit es la variable dependiente (DV) donde i = entidad y t = tiempo.
xk,it representa las variables independientes ( IV )
k es el coeficiente para las vas intravenosas ,
uit
es el trmino de error Es la entidad
En
es la entidad n. Puesto que son binarios ( dummies ) tiene n - 1 entidades
incluidas en el modelo
2
es el coeficiente para los represores binarios ( entidades )
Tanto eq.1 y la ecuacin 2 son equivalentes :
"El coeficiente de la pendiente en la que X es el mismo [ entidad ] a la siguiente. [La
entidad ] intercepto especfico en [ Ecuacin 1 ] y los regresores binarios en [ ecuacin 2
] tienen el mismo origen : lo no observado Zi variables que vara entre estados, pero no
en el tiempo. " ( Stock y Watson , 2003 , p.280 )
12

Los efectos fijos

Se podra aadir efectos en el tiempo con el modelo de efectos entidad para tener un tiempo y
efectos fijos, entidad modelo de regresin :

Yit = 0 + 1X1,it ++ kXk,it + 2E2 ++ nEn + 2T2 ++ tTt + uit

[eq.3]

donde
Yit Es la variable dependiente (DV) donde i = entidad y t = tiempo.
Xk,it representa las variables independientes ( IV )
k es el coeficiente para IV
uit es el trmino de error
En es la entidad n . Puesto que son binarios ( dummies ) tiene n - 1 entidades incluidas
en el modelo
2 es el coeficiente para los represores binarios ( entidades )
Tt
es el tiempo como variable binaria ( ficticio) , por lo que tenemos t - 1 perodos de
tiempo .
t
es el coeficiente para los regresores binarios de tiempo .
El control de los efectos del tiempo cada vez que la variacin inesperada o eventos
especiales afectan a la variable de resultado.
13

Los efectos fijos : La heterogeneidad entre los pases ( o entidades )

bysort country: egen y_mean=mean(y)

twoway scatter y country, msymbol(circle_hollow) || connected y_mean country,
msymbol(diamond) || , xlabel(1 "A" 2 "B" 3 "C" 4 "D" 5 "E" 6 "F" 7 "G")

Heterogeneidad: variables no observadas que no cambian con el tiempo

14

Los efectos fijos : la heterogeneidad entre los aos

bysort year: egen y_mean1=mean(y)
twoway scatter y year, msymbol(circle_hollow) || connected y_mean1 year,
msymbol(diamond) || , xlabel(1990(1)1999)

Heterogeneidad: variables no observadas que no cambian con el tiempo

15

. regress y x1

twoway scatter y x1,

mlabel(country) || lfit y x1,
clstyle(p2)

16

xi: regress y x1 i.country

i.country

_Icountry_1-7

(naturally coded; _Icountry_1 omitted)

Efectos fijos utilizando

mnimos cuadrados,
modelo variable dummy
( LSDV )

xi: regress y x1 i.country

predict yhat
separate y, by(country)
separate yhat, by(country)
twoway connected yhat1-yhat7
x1, msymbol(none
diamond_hollow
triangle_hollow
square_hollow + circle_hollow
x) msize(medium) mcolor(black
black black black black black
black) || lfit y x1,
clwidth(thick) clcolor(black)

NOTA : En Stata 11 que no es

necesario " Xi : " al agregar
variables dummy

17

efectos fijos
El modelo de variable dummy de mnimos cuadrados ( VENB ) proporciona una buena manera de entender fijo
efectos .
El efecto de x1 est mediada por las diferencias entre los pases .
Mediante la adicin de la variable dummy para cada pas estamos estimando el efecto puro de x1 ( por de controlar
por la heterogeneidad no observada ) .
Cada dummy est absorbiendo los efectos particulares de cada pas .

regress y x1
estimates store ols
xi: regress y x1 i.country
estimates store ols_dum
estimates table ols ols_dum, star stats(N)

18

Los efectos fijos : n intercepta especficos de la entidad utilizando xtreg

La comparacin de los efectos fijos utilizando maniques con xtreg se obtienen los mismos resultados

. xtreg y x1, fe

usando xtreg

. xi: regress y x1 i.country

i.country

_Icountry_1-7

OLS regression

(naturally coded; _Icountry_1 omitted)

19

Los efectos fijos : n intercepta especficos de la entidad (utilizando xtreg )

NOTA : Aadir la opcin ' robust ' para controlar
la heterosedasticidad
Resultado

variable

Prediccin
variable

Nmero total de casos-filas

opcin de efectos fijos

los errores "ui " se

correlacionan con
las regresoras en
el modelo de
efectos fijos

Si este nmero es < 0,05

continuacin, su modelo es
aceptable . Esto es prueba ( F) para
ver si todos los coeficientes en el
modelo son diferente de cero

Los coeficientes de las

regresoras . indicar
cuanto cambia Y cuando
X aumenta en una unidad.

los valores de p de dos colas

prueba la hiptesis de que cada
coeficiente es diferente de 0 . Para
rechazar esto, el valor de p tiene a
ser menor que 0,05 ( 95 % ,
Tambin se puede elegir una alfa
de 0,10 ) , si este es el caso,
entonces se puede decir que la
variable tiene un significativo
influencia en su dependiente
variable ( y)

29,7 % de la varianza es
debido a las diferencias
paneles de ancho. ' Rho
' se conoce como el de
correlacin intraclase

sigma_u = sd de los residuos dentro de los grupos ui

sigma_e = sd de los residuales ( trmino de error
global ) ei

Nmero total de grupos (

entidades)

los valores de la prueba t de la hiptesis de que cada

coeficiente es diferente de 0. Para rechazar esto, el
valor t tiene que ser superior a 1,96 (para una confianza
del 95 %). Si esto es el caso, entonces se puede decir
que la variable tiene una influencia significativa en la
variable dependiente (Y). Cuanto mayor sea el valor t
mayor ser la relevancia de la variable

Mas informacion en
Hamilton, Lawrence,
Statistics with STATA.

20

Otra manera de estimar los efectos

fijos : intercepta n entidad
especficos (Usando areg )

Resultado

variable

Prediccin
variable

Ocultar las variables binarias para cada entidad

. areg y x1, absorb(country)

Linear regression, absorbing indicators

Si este nmero es < 0,05

continuacin, su modelo es
aceptable . Esto es un de prueba
( F) para ver si todos los
coeficientes en el modelo son
diferente de cero.

R - cuadrado muestra la
cantidad de la varianza de
Y explicadas por x

Los coeficientes de las

regresoras . indicar cmo
cambios mucho y cuando x
aumenta en una unidad.

Adj R - cuadrado muestra el

mismo que R - SQR pero
ajustados por el nmero de casos
y nmero de variables. Cuando el
nmero de variables es pequea
y el nmero de casos es muy
grande, entonces Adj R cuadrado est ms cerca de R cuadrado

NOTA : Aadir la opcin ' robusta ' para controlar heterosedasticidad

" A pesar de que su produccin es menos informativo que

la regresin con variables ficticias explcitas , areg tiene dos
ventajas . Se acelera el trabajo exploratorio ,
proporcionando una rpida retroalimentacin acerca de si
una variable ficticia enfoque es que vale la pena . En
segundo lugar, cuando la variable de inters que tiene
muchos valores , la creacin de maniques para cada una
de ellos podran dar lugar a demasiadas variables o
demasiado grande modelo ... " . ( Hamilton , 2006 , p.180 )

los valores de la prueba t de la hiptesis de que

cada coeficiente es diferente de 0. Para rechazar
esto, el valor t tiene que ser superior a 1,96 (para
una confianza del 95 %). Si esto es el caso,
entonces se puede decir que la variable tiene una
influencia significativa en la variable dependiente
(Y). Cuanto mayor sea el valor t mayor ser la
relevancia de la variable .

los valores de p de dos colas

prueba la hiptesis de que cada
coeficiente es diferente de 0 .
Para rechazar, el valor de p tiene
que ser menor que 0,05 ( 95 %)
Tambin se puede elegir una alfa
de 0,10 ) , si este es el caso,
entonces se puede decir que la
variable tiene un significativo
influencia en su dependiente
variable ( y)

21

Observe el " XI "

(Expansin de interaccin
) para automticamente
generar maniqu las
variables

Otra forma de estimar los efectos fijos : intercepto comn y n-1

regresores binarios ( utilizando maniques y retroceso )
Resultado

variable

Prediccin
variable

Ntese la " i ". Antes de la variable de indicador para las entidades

. xi: regress y x1 i.country

i.country _Icountry_1-7 (naturally coded; _Icountry_1 omitted)

Los
coeficientes de
los regresores
indicar cmo Y
mucho ms
cambios
cuando X
aumenta una
unidad.

R - cuadrado muestra la
cantidad de la varianza
de Y explicada por x

NOTA : Aadir la opcin ' robusta ' para controlar la heterosedasticidad

NOTA : En Stata 11 no es necesario

" Xi " al agregar variables dummy

Si este nmero es < 0,05

continuacin, su modelo es
aceptable . Esto es un de
prueba ( F) para ver si todos
los coeficientes en el modelo
son diferente de cero

los valores de la prueba t de la hiptesis de que cada

coeficiente es diferente de 0. Para rechazar esto, el valor t
tiene que ser superior a 1,96 (para una confianza del 95
%). Si esto es el caso, entonces se puede decir que la
variable tiene una influencia significativa en la variable
dependiente (Y). Cuanto mayor sea el valor t mayor ser
la relevancia de la variable .

los valores de p de dos colas

prueba la hiptesis de que cada
coeficiente es diferente de 0 . Para
rechazar esto, el valor de p tiene a
ser menor que 0,05 ( 95 % ,
Tambin se puede elegir una alfa
de 0,10 ) , si este es el caso,
entonces se puede decir que la
variable tiene un significativo
influencia en su dependiente
variable ( y)

22

efectos fijos : compararar xtreg (with fe), regress (OLS with dummies) y areg
Para comparar la " estimates store [name]" de tipo mtodos anteriores despus de ejecutar cada
regresin , por lo Al final utilice el comando estimates table... " ( vase ms adelante ) :
xtreg y x1 x2 x3, fe
estimates store fixed
xi: regress y x1 x2 x3 i.country
estimates store ols
areg y x1 x2 x3, absorb(country)
estimates store areg
estimates table fixed ols areg, star stats(N r2 r2_a)

. estimates table fixed ols areg, star stats(N r2 r2_a)

los tres comandos
proporcionan el mismo
resultados

Consejo: Al informar sobre el

uso de R- cuadrado el
proporcionado por cualquiera
de regress o areg .
23

Una nota sobre los efectos fijos ...

" ... El modelo de efectos fijos controla por todo el tiempo invariante
las diferencias entre los individuos , por lo que la estimada
coeficientes de los modelos de efectos fijos no pueden estar
sesgados debido a las caractersticas invariables en el tiempo
omitidas ... [como la cultura , la religin , el sexo , la raza , etc. ]
Un efecto secundario de las caractersticas de los modelos de efectos fijos es
que que no se pueden utilizar para investigar las causas invariantes en el tiempo
de la variables dependientes. Tcnicamente , las caractersticas invariables en el
tiempo de los individuos estn perfectamente colineal con la persona [ o
Entidad] dummies .
En cuanto al fondo , modelos de efectos fijos son diseado para estudiar las
causas de los cambios dentro de una persona [ o entidad]. Una caracterstica
invariable en el tiempo no puede causar tal cambiar , porque es constante para
cada persona . " ( Subrayado es mo) Kohler , Ulrich , Frauke Kreuter , Anlisis de
datos utilizando Stata , 2 ed . , P.245

24

Modelo de efectos aleatorios

(Intercepcin aleatoria , Modelo de
agrupamiento parcial)

25

efectos aleatorios
La razn de ser de modelo de efectos aleatorios es que , a diferencia del modelo
de efectos fijos , la variacin entre entidades se supone que es aleatorio y no
correlacionado con el predictor o variables independientes incluidas en el modelo
" ... La distincin fundamental entre los efectos fijos y aleatorios es si lo no observado efecto individual
encarna los elementos que estn correlacionados con los regresores en la modelo , no si estos efectos
son estocsticos o no " [ Green, 2008 , p.183 ]

Si usted tiene razones para creer que las diferencias entre las entidades tienen
alguna influencia en su variable dependiente , entonces debera usar efectos
aleatorios .
Una ventaja de efectos aleatorios es que se puede incluir variables invariantes en
el tiempo ( es decir, gnero). En el modelo de efectos fijos estas variables son
absorbidos por la interseccin .
El modelo de efectos aleatorios es :

Yit = Xit + + uit + it

[eq.4]
Dentro de entidad de error

Entre entidad de error

26

efectos aleatorios

Los efectos aleatorios asumen que trminos de error de la entidad

no se correlaciona con las predictivas que permite para las variables
invariantes en el tiempo para jugar un papel como se explican las
variables.

En efectos aleatorios es necesario especificar las caractersticas

individuales que pueden o no puede influir en las variables de
prediccin . El problema con esto es que algunos las variables
pueden no estar disponibles por lo tanto, dando lugar a sesgo de
variables omitidas en el modelo.
RE permite generalizar las inferencias ms all de la muestra
utilizada en el modelo.
27

efectos aleatorios
Se puede estimar un modelo de efectos aleatorios utilizando xtreg y la opcin de re.
NOTA : Aadir la opcin ' robusta ' para controlar heterosedasticidad

Resultado

variable

Prediccin
variables

opcin de efectos
aleatorios

. xtreg y x1, re

Si este nmero es < 0,05

a continuacin, el modelo
est bien . Esta es una
prueba (F) para ver si
todo el coeficientes de la
modelo son diferentes
que cero.

diferencias en
todas las
unidades son no
correlacionado
con el regresores

la hiptesis de que cada

coeficiente es diferente
desde 0. Para rechazar
esto, el p - valor tiene que
ser menor de 0,05 ( 95 % ,
se podra elegir tambin
una alfa de 0,10 ) , si esto
es el caso , entonces se
puede decir que la variable
tiene una influencia
significativa en su variable
dependiente (Y)
Interpretacin de los coeficientes es complicado , ya que incluyen tanto los efectos dentro de - entidad
y entre entidades. En el caso de datos TSCS representa el efecto promedio de X sobre Y cuando X
cambia en el tiempo y entre los pases en una unidad

28

FIJO O
ALEATORIO?
29

Fijos o aleatorios: test de Hausman

Para decidir entre efectos fijos o aleatorios se puede realizar una prueba de Hausman donde el
hiptesis nula es que el modelo preferido es el de efectos aleatorios frente a la alternativa de la
efectos fijos ( ver Green, 2008 , captulo 9 ) . Bsicamente se pone a prueba si el nico errores (UI)
estn correlacionados con los regresores , la hiptesis nula es que no lo son.
Ejecutar un modelo de efectos fijos y guardar las estimaciones , a continuacin, ejecutar un
modelo aleatorio y salvar a las estimaciones , a continuacin, realizar la prueba . Vea abajo.

xtreg y x1, fe
estimates store fixed
xtreg y x1, re
estimates store random
hausman fixed random
. hausman fixed random

Si esto es < 0,05 (es decir significativa ) el uso de efectos fijos .

30

OTRAS PRUEBAS /
DIAGNSTICO
31

Las pruebas para los efectos fijos de tiempo

Para ver si los efectos de
tiempo fijo son necesarios
cuando se ejecuta una
modelo FE utilice el comando
testparm . Es una prueba
conjunta para ver si los
maniques para todos aos
son iguales a 0 , si son
entonces no hay efectos de
tiempo fijo Se necesitan

. xi: xtreg y x1 i.year, fe

i.year
_Iyear_1990-1999
(naturally coded; _Iyear_1990 omitted)
Fixed-effects (within) regression
Number of obs = 70
Group variable: country

Number of groups = 7

F(10,53) = 1.60

corr(u_i, Xb) = -0.2014

Prob > F = 0.1311

testparm _Iyear*
In Stata 11 type:
tesparm i.year

No fue posible rechazar la hiptesis

nula de que todos coeficientes aos
son iguales en forma conjunta a cero
por lo tanto, no hay tiempo fixedeffects
Se necesitan

F test that all u_i=0:

. testparm _Iyear*
( 9) _Iyear_1999 = 0
( 8) _Iyear_1998 = 0
( 7) _Iyear_1997 = 0
( 6) _Iyear_1996 = 0
( 5) _Iyear_1995 = 0
( 4) _Iyear_1994 = 0
( 3) _Iyear_1993 = 0
( 2) _Iyear_1992 = 0
( 1) _Iyear_1991 = 0
F( 9,
53) =
Prob > F =

F(6, 53) = 2.45 Prob > F = 0.0362

1.21
0.3094

32

Las pruebas de efectos aleatorios : multiplicador Breusch- Pagan Lagrange ( LM )

La prueba LM le ayuda a decidir entre una regresin de efectos aleatorios y un simple
regresin por mnimos cuadrados .
La hiptesis nula en la prueba LM es que las diferencias entre las distintas entidades es
cero . Esto es, no hubo diferencias significativas entre las unidades ( es decir, ningn efecto
panel) . El comando en Stata es xttset0 escribirla inmediatamente despus de la
ejecucin del modelo de efectos aleatorios .
xtreg y x1, re
xttest0
. xttest0

Breusch- y Pagan prueba de Lagrange multiplicador de efectos aleatorios

y[country,t] = Xb + u[country] + e[country,t]

Resultados Estimados:
Test: Var(u) = 0
chi2(1) = 2.67
Prob > chi2 = 0.1023
Aqu no pudimos rechazar la hiptesis nula y concluir que los efectos
aleatorios no es apropiado. Esto no es evidencia de diferencias
significativas entre los pases , por lo tanto, se puede ejecutar un
simple MCO regresin
33

Las pruebas para la dependencia de correlacin transversal / contempornea : el

uso de Breusch -Pagan LM prueba de independencia
Segn Baltagi , la dependencia de la seccin transversal es un problema en los paneles de macro con
largo tiempo de serie (ms de 20-30 aos ) . Esto no es un gran problema en los paneles de micro (
pocos aos y grandes numero de casos).
La hiptesis nula de prueba B-P /LM de la independencia es que los residuos a travs de entidades
no son correlacionado. El comando para ejecutar esta prueba es xttest2 ( ejecutarlo despus
xtreg, Fe)
xtreg y x1, fe
xttest2

No dependencia de la seccin transversal

Escriba xttest2 para obtener ms informacin . Si no est disponible intente

instalarlo escribiendo SSC install xttest2

34

Las pruebas para la dependencia de correlacin transversal / contempornea :

Mediante la prueba de CD Pasaran
Como se mencion en la diapositiva anterior , la dependencia de la seccin transversal es ms de un
problema en macro paneles con series de tiempo largas ( ms de 20-30 aos) que en micro paneles .
CD Pasaran, prueba de dependencia de la seccin transversal se utiliza para probar si los residuos son
similares en las distintas entidades . la dependencia de la seccin transversal puede llevar a un sesgo
en los resultados de las pruebas (tambin llamada correlacin contempornea ) . La hiptesis nula es
que los residuos no estn correlacionados.
el comando de la prueba es xtcsd , hay que instalarlo escribiendo ssc install xtcsd
xtreg y x1, fe
xtcsd, pesaran abs

No dependencia de la
seccin transversal

. xtcsd, pesaran abs

La prueba de Pesaran de la independencia de la seccin transversal =

valor absoluto medio de los elementos fuera de la diagonal

1.155 , Pr = 0,2479
=

0,316

Tena la dependencia de la seccin transversal est presente .Hoechle sugiere

utilizar Driscoll y Kraay errores estndar utilizando el comando xtscc ( instalarlo
escribiendo SSC install xtscc ) . Escribir help xtscc para ms detalles .
35

prueba de heterocedasticidad
Una prueba de heterocedasticidad es utilizada para el modelo de efectos fijos usando el
comando xttest3 .
Este es un programa escrito por el usuario , para instalarlo tipo SSC instalar xtest3
xtreg y x1, fe
xttest3

. xttest3

presencia de heterocedasticidad

La nula homocedasticidad (o varianza constante ) . Por encima se rechaza la hiptesis nula

y la conclusin de heterocedasticidad . Escribir help xtest3 para ms detalles

NOTA : Utilice la opcin ' robusta ' para controlar

heterocedasticidad ( en tanto fijos como efectos aleatorios).
36

prueba de races unitarias / estacionariedad

Stata 11 tiene una serie de pruebas de raz unitaria utilizando el xtunitroot comando,
incluida la siguiente serie de pruebas (usar help xtunitroot por detalles cmo ejecutar las
pruebas ) :
" Xtunitroot realiza una serie de pruebas de races unitarias (o estacionariedad ) en el panel de
datos . El Levin - Lin - Chu (2002 ) , Harris - Tzavalis (1999 ) , Breitung (2000 ; Breitung y Das 2005)
, Im- Pesaran - Shin (2003 ) , y Fisher - tipo ( Choi , 2001) tienen pruebas como la hiptesis nula
de que todos los paneles contienen una raz unitaria . el Hadri (2000 ) multiplicador de Lagrange (
LM ) de prueba tiene como la hiptesis nula de que todos los paneles son ( tendencia)
estacionaria . La parte superior de la salida de cada prueba hace explcito el nulo e hiptesis
alternativas . Opciones que permiten incluir medios de pantalla especfica (efectos fijos) y
tendencias temporales en el modelo del proceso de generacin de datos.
Stata 10 no tiene este comando , pero puede ejecutar programas escritos por el usuario para
ejecutar el mismas pruebas . Usted tendr que encontrar e instalarlos en su programa Stata (
Recuerde, estos son slo para Stata 9.2 / 10 ) . Para encontrar el tipo de complementos

findit panel unit root test

Una ventana pop -up , encontrar la prueba deseada , haga clic en el enlace , a continuacin, en donde
dice (click here to install)

Para obtener ms informacin sobre las races unitarias por favor verifica:
http://dss.princeton.edu/training/TS101.pdf
37

Los errores estndar robustos

Fuente : Hoechle , Daniel , " Los errores estndar robustos para regresiones de panel con
la dependencia de Corte Transversal " , pgina 4
http://fmwww.bc.edu/repec/bocode/x/xtscc_paper.pdf

38

Resumen de modelos bsicos (FE / RE )

NOTA : En Stata 11 que no es necesario " xi : " al agregar variables ficticias utilizando
39
regress o areg