Econometria

Nota de Clase 8
Introducción a modelos de Data Panel: Aplicación

Se dispone de la base de datos “ejemplo_panel.dta” que contiene data sobre el logaritmo del ingreso mínimo subjetivo: IMS (¿cuál es el ingreso mínimo que ud. considera necesario para satisfacer sus necesidades?). Se presume que el IMS aumenta en la medida que aumenta el ingreso observado. La hipótesis detrás es que personas quetienen más ingreso consideran que para satisfacer sus necesidades es necesario contar con mas recursos. Es decir, las necesidades del ser humano (o su valor) aumentan en la medida en que los ingresos (o riqueza) aumenta. Asimismo, se presume que el IMS aumenta con el tamaño de la familia. Es decir, a mayor número de miembros las presiones económicas aumentan por lo que es necesario contar conmayores ingresos para satisfacerlas. Sin embargo, en este tipo de aplicaciones existe la influencia de efectos no observables. Por ejemplo, hay gente que por naturaleza (o efectos sicológicos no observables) sentirá que necesita mas dinero para satisfacer sus necesidades. Tales efectos pueden no existir (lo que justifica una aplicación MCOC), pueden ser variables transversalmente y fijos en el tiempo(modelo MEF) o pueden ser aleatorios (MEA).

El objetivo del estudio es verificar estas dos hipótesis en un modelo de panel data para el periodo 2001 al 2006 para los hogares peruanos bajo los diferentes supuestos de los efectos no observables. Se disponen de 2,205 datos transversales para 6 años, lo que significa que en total la aplicación contiene 2,205x6=13,230 datos. Se estimará un panelcorto (T>N), lineal (la variable dependiente es continua) y balanceado (no existen missing). Para empezar el análisis calculamos algunas variables descriptivas de las variables


. sum ly_s ly ln d_01 d_02 d_03 d_04 d_05 d_06

Variable | Obs Mean Std. Dev. Min Max
-------------+--------------------------------------------------------
ly_s | 132306.53944 .7369081 2.302585 9.615806
ly | 13230 8.715806 1.084943 4.465908 12.87422
ln | 13230 1.383731 .5673864 0 2.772589
d_01 | 13230 .1666667 .3726921 0 1
d_02 | 13230 .1666667 .3726921 0 1-------------+--------------------------------------------------------
d_03 | 13230 .1666667 .3726921 0 1
d_04 | 13230 .1666667 .3726921 0 1
d_05 | 13230 .1666667 .3726921 0 1
d_06 | 13230 .1666667 .3726921 0 1


Ahora procedemos a testear las hipótesis bajo diferentes supuestos sobre los efectos no observables.A. MCO combinado

Se estima el modelo

[pic]

donde las [pic] corresponde a dicotómicas para cada uno de los años bajo análisis. Se propone estimar este modelo mediante MCOC. Para ello, utilice el siguiente comando

reg ly_s ly ln d_02 d_03 d_04 d_05 d_06


Source | SS df MS Number of obs = 13230
-------------+------------------------------F( 7, 13222) = 926.06
Model | 2363.3372 7 337.619599 Prob > F = 0.0000
Residual | 4820.45432 13222 .364578303 R-squared = 0.3290
-------------+------------------------------ Adj R-squared = 0.3286
Total | 7183.79151 13229 .543033601 Root MSE = .6038------------------------------------------------------------------------------
ly_s | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
ly | .4987152 .0068869 72.41 0.000 .4852159 .5122146
ln | .0409898 .0099222 4.13 0.000 .0215409 .0604386
d_02 | .2397933 .0181863...