Econometría de Datos de Panel

Enero 2015

0.1. Modelos de Panel

Primera Diferencia
Esta es una estimación OLS de los cambios de un período de la variable dependiente, en los
cambios de un período en los regresores, con el objetivo de eliminar la heterogeneidad no
observada. El número de observaciones es N (T − 1). Se pierde la primera observación para
cada individuo debido a la diferenciación por lo que los efectos individuales especícos se
eliminan. Una limitación del modelo de las primeras diferencias o PD es que las variables
invariantes en el tiempo se eliminan del modelo y sus coecientes no se identican.

(yit − yi,t−1 ) = (xit − xi,t−1 )0 B + (εit − εi,t−1 )(1)

4(yi ) = 4(xi )0 B + 4εi (2)

El modelo es consistente en OLS siempre que se cumpla exogeneidad estricta: E [4(yi ) 4 (xi )] =
0

0.2. Modelo Efectos Aleatorios

El modelo de Efectos Aleatorios (RE), propone un tratamiento diferente sobre la heteroge-

neidad inobservada, en contraposición al modelo de Efectos Aleatorios, RE propone que el
efectos de la heterogeneidad es aleatoria:

yit = xit B + ui + εi
| {z }
(3)

1
Para la consistencia de EA se requiere los supuestos de exogeneidad estricta, ortogonalidad
entre la heterogeneidad inobservada y los regresores, mientras que para la eciencia de los
estimadores se necesita: exogeneidad escricta en términos de medias condicionales.

En resumen se puede suponer que cada componente del error cumple los supuestos clásicos
y son ortogonales entre sí:

V ar[ui ] = σu2 y V ar[εit ] = σε2

E[ui .uj = 0 si i 6= j : no correlación entre individuos
E[εit .εjs ] = 0 si i 6= j y t 6= s : no correlación entre individuos ni en el tiempo
E[ui .εit ] = 0 los dos componentes son ortogonales

Se puede mostrar que el error compuesto µi = ui + εit es homocedastico: V ar[uit ] = σu2 + σε2
pero adolece de autocorrelación E[uit .ujs ] = 0 para todo t 6= s.Si bien Pooled OLS es
consistente no es eciente, es por ello que el estimador RE debe ser computado a través de
Mínimos Cuadrados Generalizados (GLS) o Mínimos Cuadrados Generalizados Factibles
(FGLS).

1. Determinantes del Ingresos (Ecuación de Mincer)

Una herramienta para estudiar empíricamente la relación entre los salarios de los trabaja-
dores y sus características son las llamadas ecuaciones de ingresos o ecuaciones de Mincer.
Considere el siguiente modelo:
lnsalarioit = B0 + B1 educi + B2 experit + B3 casadoit + B4 sindicadoit
(4)
+ B5 af roi + B6 hispanoi + εij

Donde lnsalario es el logaritmo de los salarios por hora; educ son los años de educación
formal; exper son los años de experiencia laboral; casado es una dummy que indica si el
trabajador es casado; sindicato es una dummy que indica si el trabajador pertenece a un
sindicato; af ro e hispano son dummies que indican si el individuo es de origen afroame-
ricano o hispano, respectivamente (la categoría base es blanco no hispano); y εij es un
término aleatorio que varía entre individuos y en el tiempo.

La base de datos para realizar las estimaciones de la ecuación de Mincer fueron obtenidas
de la National Longitudinal Survey (Youth Sample) para el periodo 1980-1987. La muestra
comprende 545 hombres jóvenes (17 a 30 años de edad) que trabajan a tiempo completo

2
 Cuadro 1: Estadística Descriptiva
Variable Panel Mean sd min max Observations
salario Overall 5.919175 3.202225 .0279014 57.50431 N = 4360
Between 2.455819 1.503564 28.35696 n = 545
Within 2.057397 -16.42349 35.06652 T=8
educ Overall 11.76697 1.746181 3 16 N = 4360
Between 1.747585 3 16 n = 545
Within 0 11.76697 11.76697 T=8
exper Overall 6.514679 2.825874 0 18 N = 4360
Between 1.654918 3.5 14.5 n = 545
Within 2.291551 3.014679 10.01468 T=8
casado Overall .4389908 .4963208 0 1 N = 4360
Between .3766116 0 1 n = 545
Within .3236137 -.4360092 1.313991 T=8
sindicato Overall .2440367 .4295639 0 1 N = 4360
Between .3294467 0 1 n = 545
Within .2759787 -.6309633 1.119037 T=8
afro Overall .1155963 .3197769 0 1 N = 4360
Between .320034 0 1 n = 545
Within 0 .1155963 .1155963 T=8
hispano Overall .1559633 .3628622 0 1 N = 4360
Between .3631539 0 1 n = 545
Within 0 .1559633 .1559633 T=8

y que para 1980 ya habían nalizado su escolaridad. En la la siguiente tabla se resume

estadísticas descriptivas respecto a las variables usadas en la modelización en panel.

En la tabla anterior se puede observar información respecto a la media global,la desviación

estándar, valores mínimos, máximos, número de individuos y el número de años observados.
A diferencia de series de corte transversal, las estadísticas descriptivas para datos de panel
descomponen las variación de las variables en la forma between (x̄i ) y within (x¯it -x̄i +x̄).

El valor de los regresores en su forma Global y Within de cada variable fueron calculados
sobre 4.360 observaciones que corresponden a los individuos observados en 8 años, mientras
que en la forma Between únicamente sobre 545 individuos (promedio de hombres en la
muestra. 1
1
se calculó de la siguiente P
forma:
Varianza Global: s2o = N T1−1 i t (xit − x̄)2 .
P

3
El salario promedio de los 8 años para los hombres entre 17 y 30 años fue de USD 5.91 por
hora, con un máximo de USD 57.50 y mínimo de USD 0.027. En promedio la educación de
los trabajadores, en el periodo de análisis, fue de 11 años, siendo 3 el mínimo y 16 años de
escolaridad el valor máximo. La experiencia Global fue de 6.51 años; con trabajadores que
dentro del panel no tuvieron experiencia laboral previa y un máximo de 18 años de servicio
laboral.

En lo que respecta a las variables cualitativas, se puede mencionar que en promedio del
periodo el 43 % de los hombres que conforman la muestra se encontraban casados, el 24.4 %
pertenecían a un sindicato, 11.5 % eran afroamericanos y 15.5 % eran hispanoamericanos.

En las estadísticas se puede observar que las variables: educación, afroamericano e hispano
no poseen variación Within, esto ocurre porque dichas características de los individuos no
varían en el tiempo. La educación promedio de la muestra permanece constante en el tiempo
(habían concluido su educación en 1980), al igual que la raza de las personas no cambian
con el pasar de los años. Los valores de estas variables únicamente cambian respecto a
otros individuos, como por ejemplo, la educación del individuo i a pesar de permanecer
constante en el tiempo, diere de los años de escolaridad de un individuo j (esto ocurre
para las variables afroamericano e hispanoamericano).

Para la variable salario, las desviaciones estándar Between y Within son diferentes, esto nos
dice que los cambios en los salarios entre los hombres son diferentes a las observadas en el
tiempo, es decir, si se extrajera dos hombres al azar de los datos, se espera que la diferencia
en los salarios entre hombres diste respecto a la misma persona en dos años seleccionados
al azar. En adición se puede mencionar que el salario varia mucho mas entre individuos en
comparación a la variación entre años.

En el caso de experiencia se puede argumentar que la desviación estándar Within es mayor

que Between. Con respecto a las variables casado y sindicato, se puede denotar que existen
en promedio pequeñas desviaciones Within, lo que puede estar explicado en que personas
a lo largo del panel pasaron del estado civil: soltero a casados, o que antes no eran parte de
un sindicato y posteriormente se inscribieron en alguno.

Algunas técnicas, como los modelos de efectos jos, funcionan mucho mejor cuando hay mu-
cha variabilidad Within (o, por el contrario, no funcionan bien cuando los sujetos cambian
poco a lo largo del tiempo). Con esta descripción cuantitativa de los datos se podrá entender
algunos de los resultados de los modelos de datos de panel para estimar los determinantes
de los salarios dentro de la muestra seleccionada, y algunas especicaciones de los diferentes
tratamientos. El primer modelo estimado fue el de Pooled OlS, los resultados se presentan
Varianza Within: s2w = N T1−1 i t (xit − x¯i + x̄)2 .
P P

Varianza Between: s2b = N 1−1 i (x¯i − x̄)2 .

P

4
en la siguiente cuadro: Del cuadro anterior se puede observar que las variables educación,

Cuadro 2: Regresión Pooled OLS

POOLS
educacion 0.104∗∗∗
(22.72)

experiencia 0.0502∗∗∗
(17.31)

=1 si es casado 0.113∗∗∗
(7.19)

=1 si pertenece a un sindicato 0.184∗∗∗

(10.72)

=1 si es afroamericano -0.142∗∗∗
(-6.04)

=1 si es hispano 0.0128
(0.61)

Constant 0.0225
(0.36)
Observations 4360
r2 0.184
t statistics in parentheses
∗
p < 0,05, ∗∗ p < 0,01, ∗∗∗ p < 0,001

experiencia, estar casado, pertenecer a un sindicado, ser afroamericano son variables que
explican los salarios para la muestra, ya que los valores de la prueba t indican el rechazo
de la hipótesis nula 2 . Para el caso de la variable binaria de ser hispano, se acepta en este
modelo que su coeciente B es igual a cero por lo cual, no es signicativo para explicar las
variaciones de los salarios.

Interpretando los coecientes, se puede establecer que un año adicional de educación aporta
en promedio un 10 % al salario por hora de los trabajadores. Igualmente un incremento de
un año de experiencia incrementa en promedio un 5 % el sueldo de un persona por hora.

Adicional a lo mencionado, se puede concluir que, dado el modelo OLS, estar casado aporta
2
que los coecientes son iguales a 0

5
un 11 % más de salario que las personas solteras con los mismo atributos promedios de
experiencia, educación, etc. Algo similar ocurre con pertenecer a un sindicato (18.4 %),
pero el efectos de ser afroamericano disminuye el salario en 14 % respecto a las personas
(que no son afroamericanos)con los mismo atributos .

Si bien el modelo econométrico parece explicar las variaciones de los salarios, y los signos
de los estimadores concuerdan con lo planteado en la teoría económica, existe la posibilidad
que modelizar la ecuación de Mincer mediante el modelo Pooled, puede generar insesgadez
e inconsistencia en los estimadores. Como se mencionó en la sección teórica, los datos
en panel pueden presentar heterogeneidad inobservada (variables omitidas o inobservables
conocidas como efectos jos), en esencia, realizar estimación con variables omitidas generan
sesgo sobre los coecientes de los regresores provocando una sobre o una sub estimación del
efectos parcial que estos generan sobre la variable dependiente.

Casado: En todas la regresiones estar casado reporta tener mayores salarios que los hombres
que no lo están (manteniendo en promedio los mismos atributos promedios de educación,
experiencia y otras características). Esto podría estar explicado en el hecho que los emplea-
dores preeren y pagan porque asocian a este estado civil con personas que buscan mayor
estabilidad laboral, lo que representan menor rotación de puestos de trabajo y menores cos-
tos de selección. Si se evalúa las modelizaciones: en el caso de Pooled el coeciente es mayor
que los estimadores en FE y RE entre 80-90 %, y cerca de tres veces menor al modelo de
Diferencias. Por lo cual, el coeciente OLS podría estar sobre estimando el efecto positivo
de estar casado en los salario por hora. Esto podría estar asociado alguna variable inobser-
vada del modelo y que pueden estar correlacionadas con estar casado. Uno de estos efectos
podría ser la productividad productividad individuo, se podría establecer que personas más
productivas están casadas ya que al depender de su trabajo para aportar con recursos a su
familia, tienen a mejorar sus resultados laborales para evitar ser despedidos.

Sindicato: Pertenecer a un sindicato tiene una relación positiva con los salarios. Esto puede
estar explicado ya que los gremios de trabajadores negocian mejores condiciones con empre-
sas o instituciones respecto a las personas que no pertenecen. Al igual que el caso anterior,
Pooled tiene un coeciente mayor al de FE, RE.

Afroamericano: Ser afroamericano en todos los modelos reportan valores similares, sin em-
bargo, el error estándar en BE y RE es menor que en Pooled. El coeciente negativo se
puede interpretar de la siguiente manera: ser afroamericano obtiene cerca de un 14 % menos
de salario que las personas que no lo son y que mantienen los mismos atributos como edu-
cación, experiencia, casado o sindicato. Esto puede estar explicado por la discriminación
racial por parte de los empleadores.

Por otra parte, es necesario reportar que en los modelos de Efectos Fijos y Primera Dife-

6
rencia se omiten las variables educación, afroamericano e hispano porque son datos que no
varían en el tiempo, permanecen constantes a los largo del panel, y las transformaciones
eliminan toda variable que es constante en el tiempo. Es por ello que este tipo de modelos
carecen de capacidad de evaluar el efectos de regresores (constantes en T) en la variable
dependiente.