Director: Julio Pindado Profesorado: Dr. Julio Pindado Curso: TRATAMIENTO DE LA INFORMACIÓN Y MODELOS DE DATOS DE PANEL Salamanca, Junio 2007 Director: Julio Pindado Catedrático de Universidad Dpto de Administración y Economía de la Empresa Universidad de Salamanca Profesorado: Dr. Julio Pindado Dra. Chabela de la Torre

Objetivo del curso: Tratamiento de la información y modelos de datos de panel Proporcionar habilidades a los investigadores para que puedan manejar la información de una manera eficiente y aplicar la metodología de datos de panel para obtener resultados más consistentes de sus investigadores. Modelos de datos de panel conocer los procedimientos de estimación y elegir en cada momento el modelo más adecuado la ejecución del procedimiento de estimación se presentará con los comandos más adecuados disponibles en Stata

Objetivos de la Parte I. Modelos econométricos para datos de panel Explicar porqué en determinados contextos es necesario aplicar la metodología de datos de panel Presentar los modelos econométricos para que el investigador pueda decidir en cada momento cuál es el modelo adecuado Conocer los supuestos de partida del estimador que se considera más adecuado Conocer la formulación analítica del estimador que se utiliza en cada momento

Objetivos del Tema 1. Introducción a los modelos econométricos para datos de panel Presentar las diferentes estructuras de datos que pueden darse en el análisis econométrico Caracterizar la metodología de datos de panel Explicar las ventajas que la metodología tiene sobre otras alternativas Indicar qué limitaciones se deben tener presentes Explicar que la metodología de datos de panel surge por la necesidad de resolver ciertos problemas

Objetivos del Apéndice A Objetivos del Apéndice A. Nuevos enfoques en el moderno análisis econométrico Introducir al alumno en nuevos enfoques del análisis econométrico que facilitan el desarrollo de la metodología de datos de panel Explicar cómo la función de esperanza condicional equivale a un modelo tradicional de regresión Explicar la obtención del estimador de variables instrumentales utilizando la función de esperanza condicional Explicar cómo la generalización del modelo de variables instrumentales nos lleva al método generalizado de los momentos, que se aplicará a la estimación de modelos lineales dinámicos para datos de panel. La comprensión de este método es un requisito necesario para que el investigador pueda tomar algunas decisiones

Objetivos del Tema 2. Modelos lineales estáticos para datos de panel Explicar el modelo lineal estático y sus supuestos de partida, haciendo especial hincapié en el concepto de exogeneidad estricta. Explicar el modelo de efectos fijos, sus supuestos de partida y la expresión analítica del estimador Explicar el modelo de efectos aleatorios, sus supuestos de partida y la expresión analítica del estimador Poner de manifiesto las limitaciones de los modelos lineales estáticos, especialmente la dificultad de encontrar modelos en microeconomía con variables estrictamente exógenas. Aclarar la confusión terminológica sobre la naturaleza del efecto individual: fijo versus aleatorio

Objetivos del Tema 3. Modelos lineales dinámicos para datos de panel Exponer los supuestos y expresiones analíticas de los modelos lineales dinámicos, partiendo del modelo más sencillo (el modelo autoregresivo puro) Extender el modelo autoregresivo puro para los casos que existan variables explicativas predeterminadas y/o variables explicativas estrictamente exógenas Explicar en qué casos y cómo es posible extender el análisis utilizando el system MGM Explicar cuales son los instrumentos válidos en cada momento, pues esta decisión la tiene que tomar el investigador en el momento de estimar el modelo. Explicar qué contrastes de especificación se requiere cuando se utiliza el MGM para estimar modelos derivados de la teoría económica

Objetivos del Tema 4. Modelos de elección discreta para datos de panel Explicar porqué son necesarios los modelos de elección discreta para datos de panel Poner de manifiesto las ventajas y diferencias sobre los modelos de sección cruzada Explicar el modelo de efectos fijos, sus supuestos de partida y la expresión analítica del estimador Explicar el modelo de efectos aleatorios, sus supuestos de partida y la expresión analítica del estimador Explicar en qué consiste el problema de censura y cómo se resuelve con la metodología de datos de panel

Objetivos de la Parte II. Modelos para datos de panel con Stata Desarrollar las habilidades necesarias para que el investigador pueda formular y estimar modelos económicos utilizando la metodología de datos de panel y Stata Conocimiento de ciertos conceptos básicos y método de trabajo con Stata Conocimiento de los comandos para estimar los diferentes modelos de datos de panel, así como la sintaxis de estos comandos Familiarizar al investigador con la oportunidad que ofrecen la metodología de datos de panel y Stata para formular nuevos modelos económicos Familiarizar al investigador con el proceso de investigación eficiente utilizando la metodología de datos de panel y Stata

Objetivos del Tema 5 . Introducción a Stata y gestión de ficheros Describir el entorno de trabajo en Stata y conocer sus principales funcionalidades Familiarizar con la sintaxis de las órdenes/comandos Describir el contenido de los ficheros de datos y el formato que presenta un panel Explicar comandos básicos y sintaxis para el tratamiento de la información de un fichero de datos Explicar comandos y sintaxis para la combinación de datos Describir el método de trabajo batch mediante la creación de ficheros de instrucciones (do) y resultados (log)

Objetivos del Tema 6 . Gestión de variables para la investigación Conocer los tipos de variables con los que trabaja Stata así como su precisión de almacenamiento y formato de visualización Explicar comandos y sintaxis para la manipulación de variables Explicar comandos y sintaxis para el examen y análisis descriptivo de los datos Explicar comandos y sintaxis para la generación de variables: creación de variables, variables dummy y categóricas, retardos y diferencias

Objetivos del Tema 7. Operaciones avanzadas con stata Aprender a crear vectores y matrices en Stata, así como acceder a matrices ya creadas y cómo operar con ellas Explicar comandos y sintaxis de contenido más avanzado que el contemplado en los temas anteriores Analizar los diferentes mensajes de error y aprender a manejarlos y solucionarlos Aprende a trabajar “on your own” a través de las distintas fuentes de ayuda on line que ofrece Stata

Objetivos del Tema 8 . Estimación de modelos con Stata Explicar las características generales para la estimación con Stata Explicar comandos y sintaxis para estimar modelos lineales estáticos para datos de panel Explicar comandos y sintaxis para estimar modelos lineales dinámicos para datos de panel Explicar comandos y sintaxis para estimar modelos de elección discreta para datos de panel

Objetivos del Tema 9 . Formulación de modelos económicos combinando datos de panel y Stata: Análisis de casos Dotar al investigador de habilidades para formular modelos económicos combinando la metodología de datos de panel con la facilidad que para el manejo de datos ofrece Stata Explicar cómo se pueden revisar y mejorar modelos tradicionales en la investigación Explicar cómo la metodología de datos de panel permite formular nuevas estrategias de investigación Explicar cómo se puede obtener el valor óptimo de los parámetros Explicar cómo se puede extender la metodología de datos de panel a problemas para los cuales aún no se han desarrollado estimadores Explicar cómo se puede utilizar la metodología de datos de panel para el análisis simultaneo de decisiones

Objetivos del Tema 10 . Proceso de investigación eficiente usando la metodología de datos de panel y Stata: Análisis de casos Dotar al investigador de habilidades para una ejecución eficiente del proceso de investigación usando la metodología de datos de panel y Stata Explicar cómo obtener y ensamblar la información Explicar cómo construir las variables Explicar cómo utilizar procesos de estimación para construir variables para el modelo a estimar Explicar la estructura de un panel de datos y análisis previo de las variables Explicar la estrategia de estimación Explicar el proceso de incorporación de nuevas sugerencias