trabajos
DE VIVIENDAS DE UNA CIUDAD?
APLICACIÓN 1: MODELO ESTATICO CON DATOS DE PANEL.
Log(rentit )=β0+β1 log(popit )+β2 log(avginc)it+β3 log(pctstuit)+eit
i=1,2,...64 ciudades
t=1,2, años
Los Datos que se utilizan en este tema son de panel, es decir, consiste en seguir las mismas unidades transversales a lo largo del tiempo.Estimación del MODELO PLANO
MODELO PLANO:
Todas las unidades transversales se ajusten a un único modelo (mismo coeficiente de la constante “α” y mismas pendiente “β”). Se estima un único modelo: MODELO PLANO o modelo Agrupado (MA)
Log(rentit )=β0+β1 log(popit )+β2 log(avginc)it+β3 log(pctstuit)+eit
i=1,2,...64 ciudades
t=1,2, años
Dependent Variable: LOG(RENT)
Method: Panel LeastSquares
Date: 01/23/13 Time: 12:39
Sample: 1980 1981
Periods included: 2
Cross-sections included: 64
Total panel (balanced) observations: 128
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-3.368308
0.463944
-7.260165
0.0000
LOG(POP)
0.031346
0.027079
1.157577
0.2493
LOG(AVGINC)
0.877139
0.041325
21.225530.0000
PCTSTU
0.006585
0.001203
5.475178
0.0000
R-squared
0.797110
Mean dependent var
5.746195
Adjusted R-squared
0.792201
S.D. dependent var
0.332707
S.E. of regression
0.151664
Akaike info criterion
-0.903543
Sum squared resid
2.852256
Schwarz criterion
-0.814417
Log likelihood
61.82675
Hannan-Quinn criter.
-0.867331
F-statistic162.3895
Durbin-Watson stat
1.267088
Prob(F-statistic)
0.000000
INTERPRETACIÓN DE PARÁMETROS:
Log(rentit )=β0+β1 log(popit )+β2 log(avginc)it+β3 log(pctstu)+eit
β0=-3.368308 -> log(pop )= log(avginc)=log(pctstu)=0 entonces log(rent)= -3.368308. El logaritmo del índice precios de alquiler de la ciudad =-3.368308, por tanto, el índice precios de alquiler de la ciudad =℮-3.368308 =0.0344478
Se estima que el índice de precios de alquileres de las viviendas, en las 64 ciudades, será de 0.0344478 unidades con independencia del resto de variables, es decir, con independencia de la población de la ciudad, de la renta media, y del porcentaje de la población estudiantil con respecto a la población total de la ciudad.
β1= 0.031346 = elasticidad.
Si aumenta lapoblación de la ciudad en 1%, aumentará el índice de precios de alquileres de las viviendas en 0.031346%, manteniendo constante el resto de variables.
β2= 0.877139= elasticidad
Si aumenta la renta media en 1%, aumentará el índice de precios de alquileres de las viviendas en 0.877139%, manteniendo constante el resto de variables.
β3= 0.006585 =semielasticidad
Si aumenta el porcentaje de poblaciónestudiantil sobre la población total de la ciudad (durante el curso escolar) en un 1%, aumentará el índice de precios de alquileres de las viviendas en 0.006585, manteniendo constante el resto de variables.
Estimación de MODELO DE EFECTOS FIJOS
MODELO EFECTOS FIJOS:
Todas las unidades tengan las mismas pendientes pero distinto coeficiente de la constante: MODELO DE EFECTOS FIJOS (MEF)Log(rentit )=β0+β1 log(popit )+β2 log(avginc)it+β3 log(pctstu)+eit
i=1,2,...64 ciudades
t=1,2, años
Se ha añadido un componente atemporal FIJO “a” al término de error, Vit= a i + eit
Dependent Variable: LOG(RENT)
Method: Panel Least Squares
Date: 01/23/13 Time: 12:39
Sample: 1980 1981
Periods included: 2
Cross-sections included: 64
Total panel (balanced)observations: 128
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-7.274618
1.369340
-5.312498
0.0000
LOG(POP)
0.297371
0.142876
2.081324
0.0416
LOG(AVGINC)
0.940180
0.047028
19.99195
0.0000
PCTSTU
0.018715
0.006785
2.758257
0.0077
Effects Specification
Cross-section fixed...
Regístrate para leer el documento completo.