Descargar la presentación
La descarga está en progreso. Por favor, espere
Publicada porCrescencia Mano Modificado hace 10 años
1
TOPICOS DE ECONOMETRIA APLICADA Datos de Panel Introducción
2
Métodos Simples Para Datos de Panel
Corte transversal + serie de tiempo Encuestas o relevamientos a los mismos individuos en varios períodos Datos de unidades (empresas, países) en varios períodos. Muestras de corte transversal independientes (distintos individuos) Se incrementa el tamaño muestral: estimadores mas precisos
3
Ejemplo 1: fertilidad de las mujeres en el tiempo
Encuesta de años pares entre Pregunta: cambiaron los índices de fecundidad en el tiempo? (ceteris paribus) Controles: educación, edad, raza, religión, etc. Año base 72
6
Una mujer en 1982 tiene en promedio 0
Una mujer en 1982 tiene en promedio 0.52 hijos menos que en 1972 todo lo demás constante Refleja la caída de fecundidad por razones que no están contempladas por las otras variables explicativas (educ, edad, etc) Se supone que el efecto de cada variable explicativa ha permanecido constante en el tiempo. Pueden usarse interacciones para analizar cambio de coeficientes. Problema potencial de heteroscedasticidad:test y estimadores robustos (White).
7
Ejemplo 2: Salarios educación y género
Estimación de salarios en función de educacion, experiencia, sindicato, genero. Variable dependiente: log salarios años 78 y 85 Con la incorporación de una dummy para 1985 controlamos el cambio temporal
10
El efecto estimado de edu en 1978 es 7.5%
En puntos más alto El término de interacción es significativo al 5%. La diferencia en el rendimiento de la educación es significativa entre años. Una mujer ganaba aprox. 31% menos en 1978. En 1985 la diferencia es =-0.232 Es decir que la diferencia disminuye unos 8.5 puntos porcentuales.
11
Que pasa si interactuamos y85 con todas las variables?
Es equivalente a estimar dos regresiones Se puede hacer un Chow test Alternativamente se puede incluir la dummy y la interacción con todas las variables y realizar un test de restricciones
12
Ejemplo 3: Análisis de cambios de políticas
Efecto de la instalación de un incinerador de basura sobre el precio de viviendas Precio contra cercanía de la casa al incinerador. En corte transversal podemos encontrar que el precio de las casas es menor después y también antes de la instalación. El incinerador se construye en una zona donde ya los precios eran relativamente más bajos
15
La diferencia entre coeficientes estimados es
Se conoce como el estimador de la diferencia en las diferencias d1 = (rprice81Cer – rprice81Lej) – (rprice78Cer – rprice78Lej) Para la var rprice en el promedio Mide el cambio en la diferencia media del precio entre ambas localizaciones
16
Es necesario realizar un test para saber la significación del delta
El delta puede obtenerse de la regresión del precio contra una dummy temporal, la variable de interés y la interacción entre ambas. Es el coeficiente estimado para la interacción con la dummy.
18
El error std. es alto. No es significativa la interacción. Debería controlarse el efecto de la localización por otras variables Antigüedad, distancia a rutas, superficie, número de habitaciones, etc.
21
Cambios en el tiempo debidos a un tratamiento
Un cambio que afecta a un grupo: grupo de tratamiento Otro grupo no es afectado por el cambio: grupo de control Podemos dividir la muestra en cuatro grupos: el grupo de control antes del cambio El grupo de control después del cambio El grupo de tratamiento antes del cambio El grupo de tratamiento después del cambio Llamamos A al grupo de control y B al de tratamiento dB una dummy = 1 si B (cero en caso contrario) d2 una dummy = 1 si es el momento 2 (cero en caso contrario)
22
donde y es la variable de interés
El d1 es el estimador de diferencias en diferencias En el caso de regresion simple la interpretación es d1 = (y2,B – y2A) – (y1,B – y1A)
23
Ejemplo 4: Efectos de las leyes de indemnización por lesiones sobre la duración de la baja laboral
En 1980 en Kentucky se elevó el tope de indemnización. Esto no afectaba a los trabajadores de ingresos bajos ya que no llegaban al tope El grupo de control son los trabajadores de ingresos bajos El de tratamiento el de ingresos altos Variable dependiente: log de la duración de los beneficios por lesiones
24
Obs: 7150 1. durat duration of benefits 2. afchnge =1 if after change in benefits 3. highearn =1 if high earner 4. male =1 if male 5. married =1 if married 6. ky =1 for Kentucky 7. mi =1 for Michigan 8. ldurat log(durat) 9. afhigh afchnge*highearn
26
Datos de Panel Para Dos Períodos
Dos períodos para el mismo individuo Ejemplo: tasa de desempleo y delincuencia para ciudades en 1982 y 1987 Que ocurre si usamos cross section?
29
El resultado es contraintuitivo: mas desempleo genera menor delincuencia
Problema potencial: omisión de variables Factores no observados pueden estar afectando la variable dependiente Algunos pueden ser constantes y otros variar en el tiempo
33
Esta estimación no resuelve el problema de la variable no observable omitida
Los estimadores son sesgados e inconsistentes. En general usamos datos de panel porque queremos permitir que los efectos no observados (a) estén correlacionados con las variables explicativas.
34
Dado que a no depende del tiempo es posible diferenciar los datos en los dos años
Entonces, en diferencias en t desaparece el efecto no observable
35
El efecto no observable desaparece porque se anula al ser constante en el tiempo
La ordenada ahora es el cambio en el termino constante de t= 1 a t=2 Esta es una ecuación en primeras diferencias Si el cambio en u no esta correlacionado con el cambio en x, entonces podemos usar OLS Los estimadores se conocen como los estimadores en primeras diferencias
36
Las x deben variar en el tiempo
Es decir, no pueden incluirse variables como por ej. Dummy por género porque no varian en t Además debemos suponer homoscedasticidad
38
Ahora la relación es positiva y significativa
El termino constante implica que aun cuando el desempleo no cambie, el índice de delincuencia aumentaría 15.4 Es un aumento tendencial
39
Ejemplo: Dormir o trabajar?
Estimación de horas de sueño en función de horas de trabajo Se trata de medir sustitución Años 75 y 81
42
Una hora adicional de trabajo lleva a 0. 22x(60)=13
Una hora adicional de trabajo lleva a 0.22x(60)=13.62 minutos menos de sueño Educ no es significativo: hay poca variabilidad
43
Análisis de Políticas con Datos de Panel
Efecto de las leyes de tránsito sobre la conducción en estado de embriaguez Datos de 1985 y 1990 50 estados + DC Var dep: muertes por accidente/100 millones de millas recorridas en auto Ley de “recipientes abiertos” en 1985 en 19 estados En 1990 en 22 estados Leyes administrativas que permiten retirar el permiso: de 21 estados a 29
46
La ley de recipientes reduce la muerte por accidentes en 0
La ley de recipientes reduce la muerte por accidentes en 0.42 (la media era 2.7 y el desvío std 0.6 en 1985) La ley administrativa tiene un efecto menor y es menos significativa El termino constante muestra la disminución entre períodos independientemente del cambio de leyes
47
Más de dos Períodos El procedimento es similar
Se diferencia entre períodos consecutivos Se incluyen variables dummy para cada período para controlar cambios de tendencia Se estima la ecuación en diferencias con una constante y se elimina una dummy.
48
Ejemplo Indices de delincuencia por condado en Carolina del Norte entre 1981 y 1987 Se diferencian los datos El efecto no observado puede incluir localización, actitud frente a la delincuencia, nivel pasado de delincuencia,número de condenas, etc.
51
Un aumento en la probabilidad de ser detenido en un 1% implica una disminución del índice de delincuencia en un 0.33% Un aumento de un 1% del no. de policías aumenta el índice en un 0.4% Resultado contraintuitivo Puede que esta variable no sea exógena
Presentaciones similares
© 2024 SlidePlayer.es Inc.
All rights reserved.