Métodos Quantitativos

Aplicados

Aula 11
http://www.iseg.utl.pt/~vescaria/mqa/

Tópicos apresentação

• Análise Regressão com dados de painel:

– Observação de várias unidades estatísticas ao longo
do tempo

1
 Regressão com dados painel

yit , xit i = 1,K , N , t = 1,K T

⇒Observamos a mesma unidade estatística mais do que uma vez –

temos dados longitudinais

⇒ Não podemos assumir que as observações são

independentes ao longo do tempo

⇒ Permite incorporar na análise heterogeneidade não

observada
⇒ Dados de painel são distintos dados seccionais independentes pooled

Pooled cross sections independentes

• Por vezes temos amostras independentes de uma mesma população
relativas a diferentes momentos no tempo
• A junção da amostras só faz sentido se a relação entre a variável
dependente e as independentes se mantiver ao longo do tempo
• O problema que temos que acautelar é que podem existir alterações
da distribuição da variável ao longo do tempo

⇒Para obviar esta questão por vezes basta introduzir dummies

anuais – captam o efeito da alterações de nível da variável

⇒Os coeficientes associados às dummies anuais podem ter

interesse na análise

⇒Podemos interagir variáveis com dummies anuais para captar

alterações

2
 Pooled cross sections independentes

Pooled cross sections independentes

lo g ( w a g e ) = β 0 + δ 0 y 85 + β 1edu c + δ 1 y 85edu c +

β 2 te n u r e + β 3 fe m a le + δ 3 y 8 5 fe m a le

• Utilização das pooled cross sections para medir efeitos acontecimentos-

de medidas de política

p r ic e = β 0 + δ 0 y1995 +

β 1n earpn acoes + δ 1 y 95 n earpn acoes

3
 Regressão com dados painel

yit = αi + β xit + ε it
y 1

⇒ Os termos independentes, αi variam de indivíduo para indivíduo - A

heterogeneidade individual não observada – captam o efeito de todas as
variáveis que não mudam ao longo do tempo – efeito fixo

Regressão com dados painel

⇒ Para estimar o modelo: uma regressão mínimos quadrados nas
variáveis transformadas – a regression within – modelo de efeitos
fixos

( yit − yi ) = β ( xit − xi ) + (ε it − ε i )

⇒ Os efeitos individuais obtêm-se:

αˆ i = yi − βˆ xi
⇒ Problemas se as x não variam ao longo do tempo – estimativas pouco
precisas para β

⇒ O problema do painel equilibrado – relevante se houver razões para o

não equilibrado

4
 Regressão com dados painel
⇒ Modelo efeitos fixos:

⇒Calcular as médias

⇒Calcular as diferenças relativamente às médias

⇒ Regressão das diferenças face às médias do y sobre x, sem

termo independente – obtém-se os β

⇒Estimar os efeitos individuais se for necessário

Regressão com dados painel

⇒ O modelo de efeitos aleatórios – se COV(xitj,αi)=0

⇒Independência dos efeitos individuais relativamente aos

regressores

⇒Temos que utilizar Método Generalizado Mínimos Quadrados

yit = μ + β xit + (αi − μ ) + ε it

⇒Tem vantagem de permitir análise de efeitos de variáveis que não

variam no tempo

5
 Regressão com dados painel
⇒ Efeitos fixos vs efeitos aleatórios. Tem que se testar:

⇒O teste de CHOW para testar o modelo pooled contra o modelo

efeitos fixos

⇒O teste de Hausman para testar efeitos fixos contra efeitos

aleatórios – estimar a equação auxiliar de efeitos aleatórios com
regressores within como variáveis explicativas e testar se
parâmetros são nulos
yit∗ = μ ∗ + β xit∗ + γ ( xit − xi ) + wit

⇒O teste LM de The BREUSCH-PAGAN para testar modelo efeitos

aleatórios contra modelo pooled – modelo efeitos aleatórios
converte-se no modelo pooled se variância dos efeitos individuais
for nula

Bibliografia
Bibliografia

• Woldridge (cap 13 e cap 14) , Pestana e Gageiro, Cap. 10