Professional Documents
Culture Documents
(SW Ch. 8)
Un conjunto de datos de panel contiene observaciones
de mltiples unidades individuales (individuos), en el que
cada unidad se observa en dos ms momentos del
tiempo.
Ejemplos:
Datos de los 420 distritos escolares de California
en 1999 y de nuevo en el ao 2000, es decir 840
observaciones en total.
8-1
8-5
8-6
8-10
8-13
La idea clave:
Cualquier cambio en la tasa de muertos desde 1982 a
1988 no puede venir causado por Zi, porque Zi (por
hiptesis) no cambia entre 1982 y 1988.
La matemtica: consideremos las tasas de muertos en
1988 y 1982:
TasadeMuertosi1988 = 0 + 1Imp.Cervi1988 + 2Zi + ui1988
TasadeMuertosi1982 = 0 + 1Imp.Cervi1982 + 2Zi + ui1982
Supongamos que E(uit|ImpuestoCervezait, Zi) = 0.
8-15
8-17
(.15) (.13)
Datos de 1988:
= 1.86 + 0.44Imp.Cerv (n = 48)
TasadeMuertos
(.11) (.13)
Regresin de la diferencia (n = 48)
TM
1988 TM 1982 = .072 1.04(Imp.Cerv1988Imp.Cerv1982)
(.065) (.36)
8-18
8-19
8-20
8-22
Para TX:
YTX,t = 0 + 1XTX,t + 2ZTX + uTX,t
= (0 + 2ZTX) + 1XTX,t + uTX,t
Y
CA
Y = TX + 1X
CA
Y = MA+ 1X
TX
TX
MA
MA
X
8-24
Y
CA
Y = TX + 1X
CA
Y = MA+ 1X
TX
TX
MA
MA
X
8-27
8-29
donde
(1)
etc.
T t =1
T t =1
T t =1
8-31
Yit = 1 X it + uit
T
T
1
1
donde Yit = Yit Yit y X it = Xit X it
T t =1
T t =1
Para i =1 y t = 1982, Y es la diferencia entre la tasa de
it
(2)
T
1
donde Yit = Yit Yit , etc.
T t =1
8-34
Number of obs
F( 1,
287)
Prob > F
R-squared
Adj R-squared
Root MSE
=
=
=
=
=
=
336
10.41
0.0014
0.9050
0.8891
.18986
-----------------------------------------------------------------------------|
Robust
vfrall |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------beertax | -.6558736
.2032797
-3.23
0.001
-1.055982
-.2557655
_cons |
2.377075
.1051515
22.61
0.000
2.170109
2.584041
-------------+---------------------------------------------------------------state |
absorbed
(48 categories)
Ejemplo, ctd.
Para n = 48, T = 7:
= .66Imp.Cerv + Efectos Fijos de Estado
TasadeMuertos
(.20)
Debera presentarse la constante?
Cuntos regresores binarios debera incluir para
estimar esto usando el mtodo de regresor binario?
Compare la pendiente, el error estndar con la
estimacin de la especificacin de cambios de 1988
vs. 1982 (T = 2, n = 48):
TM
1988 TM 1982 = .072 1.04(Imp.Cer1988Imp.Cer1982)
(.065) (.36)
8-36
1982 = 0 + 3S1982
De forma similar,
Yi,1983 = 1983 + 1Xi,1983 + ui,1983,
etc.
1983 = 0 + 3S1983
8-38
etc.
8-40
8-41
gen y83=(year==1983);
gen y84=(year==1984);
gen y85=(year==1985);
gen y86=(year==1986);
gen y87=(year==1987);
gen y88=(year==1988);
areg vfrall beertax y83 y84 y85 y86 y87 y88, absorb(state) r;
8-44
Number of obs =
336
F( 7,
281) =
3.70
Prob > F
= 0.0008
R-squared
= 0.9089
Adj R-squared = 0.8914
Root MSE
= .18788
-----------------------------------------------------------------------------|
Robust
vfrall |
Coef.
Std. Err.
t
P>|t|
[95% Conf. Interval]
-------------+---------------------------------------------------------------beertax | -.6399799
.2547149
-2.51
0.013
-1.141371
-.1385884
y83 | -.0799029
.0502708
-1.59
0.113
-.1788579
.0190522
y84 | -.0724206
.0452466
-1.60
0.111
-.161486
.0166448
y85 | -.1239763
.0460017
-2.70
0.007
-.214528
-.0334246
y86 | -.0378645
.0486527
-0.78
0.437
-.1336344
.0579055
y87 | -.0509021
.0516113
-0.99
0.325
-.1524958
.0506917
y88 | -.0518038
.05387
-0.96
0.337
-.1578438
.0542361
_cons |
2.42847
.1468565
16.54
0.000
2.139392
2.717549
-------------+---------------------------------------------------------------state |
absorbed
(48 categories)
8-45
8-48
8-50
8-51
8-52
8-53
8-55
8-57
8-59
8-60
8-63
8-64
8-65
Limitaciones/desafos
Necesita variacin en X en el tiempo dentro de las
unidades individuales
Efectos temporales retardados pueden ser importantes
Los errores estndar pueden ser muy reducidos (los
errores pueden estar correlacionados en el tiempo)
8-66