Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Cunha 1
CAPÍTULO 11
Modelo para Dados em Painel
11.1 Introdução
11.8 Endogeneidade
11.1 INTRODUÇÃO
Estudos recentes:
1) National Longitudinal Survey of Labor Market Experience
4. Parâmetros aleatórios:
yit = xit’(β + hi) + (α + ui) + εit
vetor aleatório com a variação nos
parâmetros para cada indivíduo
11.2.3 Extensões
var[wi|Xi] = σε2ITi + Σi = Ω
o componente omitido
Considerando o estimador de MQO:
n ' n '
b = (X’X) X’y = ∑ X i X i ∑ X i y i
–1
i =1 i =1
podemos obter uma estimativa da Matriz de Covariância, seguinte o
estimador de White,
−1 −1
1 1 n 1 n 1 n
Est. Ass. Var [b]= ∑ X´i X i ∑ i i i i ∑ i i (11-3)
X´ ˆ
w ˆ
w ´ X X´ X
n n i =1 n i =1 n i =1
Exemplo 11.2 Estimativa da matriz de var por MQO 2ª coluna da Tabela 11.1
É o melhor por (11.3) 3ª coluna da Tabela 11.1
Pelo estimador de White (8-27) 4ª coluna da Tabela 11.1
Notas aula de Econometria I, profa. Marina S. Cunha 8
G é o número de grupos
ng componentes em cada grupo
g = 1, ..., G observações
1
Multiplique cada grupo por i ' vetor coluna de uns.
T
yi = Xiβ + wi
(1/T)i’yi = (1/T)i’Xiβ + (1/T)i’wi
ou yi = xiβ + wi
média condicional zero
variância heterocedástica
σi2 = (1/T2) i’Ωi
pode ser utilizado o
estimador White
Caso base
yit = ci + xit’β + εit
A equação nas primeiras diferenças
∆yit = ∆ci + (∆xit)’β + ∆εit
ou
∆yit = (∆xit)’β + εit – εi,t – 1
= (∆xit)’β + अit
Vantagem remove a heterogeneidade latente ci
Educação
Desvantagem remove variáveis que não mudam no tempo Sexo
Raça
yi* = α + x i* β + εi (11-5b)
S Dentro
xx = ∑ in=1 ∑Tt=1 (x it − x i )(x it − x i )'
S Dentro
xy = ∑ in=1 ∑Tt=1 (x it − x i )( yit − yi )
S Entre
xx = ∑ in=1T ( x i − x)(x i − x)'
S Entre
xy = ∑ in=1T ( x i − x)( yi − y )
STotal
xx = S Dentro
xx + S Entre
xx
STotal
xy = S Dentro
xy + S Dentro
xy
1) O estimador de MQO é
[
bTotal = STotal
xx S xy ]
−1 Total
(11-7)
[
= S Dentro
xx + S Entre
xx ]−1[S Dentro
xy xy ]
+ S Entre
Considerando,
de (11-7) S Dentro
xy = S Dentro
xx b Dentro
de (11-8) S Entre
xy = S Entre
xx b
Entre
Substituindo em (11-6)
[
bTotal = S Dentro
xx + S Entre
xx ]−1S Dentro
xx b Dentro + S Entre
xx b
Entre
em que,
[
F Dentro = S Dentro
xx + S xx S xx ]
Entre −1 Dentro
= I − F Entre
(11-10) o modelo de efeito fixo não significa que as variáveis são ‘fixas’
ao invés de aleatórias.
Seja
yi = Vetor com T observações para a i-ésima unidade
Xi = Matriz com T observações para a i-ésima unidade
i = Vetor com T observações para a (T × 1) de uns.
εi = Vetor com T observações para a (T × 1)
Assim,
yi = Xiβ + iαi + εi
Colecionando esses termos, temos
y1 X1 i 0 L 0 α1 ε1
y X 0 i L 0 α ε
= + . 2 + 2
ββββ
2 2
M M M M O M M M
y n X n 0 0 L i αn ε n
ou
ββββ αααα
y = [X d1 d 2 L d n ]. + ε (11-13)
Assim,
y = Xβ + Dα + ε
Least Square Dummy Variable (LSDV) model
Modelo de mínimos quadrados com variáveis binárias
σ ε2
Asy.Var[b] = [T Sxx, i ]−1 é consistente (11-20)
n
σ ε2
Mas Asy.Var[ aii ] = + xi' { Asy. Var[b]}xi não é consistente (11-21)
T
Limite
inferior
Notas aula de Econometria I, profa. Marina S. Cunha 16
2
( RLSDV − RPooled
2
) (n − 1)
F( n −1, nT − n − K ) = (11-21)
(1 − RLSDV
2
) (nT − n − K )
2
RLSDV R2 da regressão incluindo as binárias
2
RPooled R2 da regressão com apenas a constante
[(11-23) – (11-26)]
= σε2IT +σu2iTiT’
M M O M
σ u2 σ u2 σ u2 L σε + σ u2
2
(11-30)
Para nT observações, a matriz de covariâncias dos distúrbios
Notas aula de Econometria I, profa. Marina S. Cunha 18
Σ 0 0 L 0
0 Σ 0 L 0
Ω= = In ⊗ Σ (11-31)
M M M O M
0 0 0 L Σ
[ ]
2
n T 2
nT ∑i =1 ∑t =1 eit
a estatística de teste é LM = − 1
2(T − 1) ∑ n ∑T e 2
i =1 t =1 it
2
n (Te ) 2
nT ∑i =1 i *
= − 1 ~ χ (21) (11-42)
2(T − 1) ∑ n ∑T e 2
i =1 t =1 it
Exemplo 11.6 Teste para Efeito Aleatório
LM = 3.881,34 χ(1)2 = 3,84 Rejeitamos H0 (Modelo de EA é melhor)
Estimativa utilizando FGLS [ver 11.5.1]
[ ]
−1
ββββ
ββββ
ββββ
ββββ
ββββ
ββββ
H ' = ( ˆLSDV − ˆMEANS ) ' Asy.Var[ ˆLSDV ] + Asy.Var[ ˆMEANS ] ( ˆLSDV − ˆMEANS )
(11-45)
Exemplo 11.8 Teste de Hausman para efeito fixo contra efeito aleatório
H = 2.636,08 χ2 = 14,07
H0: é rejeitada
11.5.6 Estendendo o modelo de efeito não-observável: Abordagem de
Mundlak
yit = x it' β + ε it + ui ,
E[ y t | X t ] = X t
Var[y t | X t ] = (I n − λW) −1[σ υ2 ii ' ](I n − λW) −1 + σ u2 I n
11.8 ENDOGENEIDADE