El análisis de panel (datos) es un método estadístico, ampliamente utilizado en ciencias sociales , epidemiología y econometría para analizar datos de panel bidimensionales (generalmente transversales y longitudinales) . [1] Los datos generalmente se recopilan a lo largo del tiempo y sobre los mismos individuos y luego se realiza una regresión sobre estas dos dimensiones. El análisis multidimensional es un método econométrico en el que los datos se recopilan en más de dos dimensiones (típicamente, tiempo, individuos y alguna tercera dimensión). [2]
Un modelo de regresión de datos de panel común se parece a, Donde y es la variable dependiente , x es la variable independiente , un y b son coeficientes, i y t son índices para los individuos y tiempo. El errores muy importante en este análisis. Los supuestos sobre el término de error determinan si hablamos de efectos fijos o efectos aleatorios. En un modelo de efectos fijos, se supone que varía no estocásticamente sobre o haciendo que el modelo de efectos fijos sea análogo a un modelo de variable ficticia en una dimensión. En un modelo de efectos aleatorios, se supone que varía estocásticamente sobre o requiriendo un tratamiento especial de la matriz de varianza del error. [3]
El análisis de datos de panel tiene tres enfoques más o menos independientes:
- paneles agrupados de forma independiente;
- modelos de efectos aleatorios ;
- modelos de efectos fijos o primeros modelos diferenciados.
La selección entre estos métodos depende del objetivo del análisis y de los problemas relacionados con la exogeneidad de las variables explicativas.
Paneles agrupados de forma independiente
Supuesto clave: No hay atributos únicos de individuos dentro del conjunto de medición, ni efectos universales a lo largo del tiempo.
Modelos de efectos fijos
Supuesto clave: hay atributos únicos de los individuos que no varían con el tiempo. Es decir, los atributos únicos para un individuo dado i son invariantes en el tiempo t . Estos atributos pueden o no estar correlacionados con las variables dependientes individuales y i . Para probar si se necesitan efectos fijos, en lugar de efectos aleatorios, se puede utilizar la prueba de Durbin-Wu-Hausman .
Modelos de efectos aleatorios
Supuesto clave: hay atributos únicos y constantes de tiempo de los individuos que no están correlacionados con los regresores individuales. MCO agrupado se puede utilizar para derivar estimaciones insesgadas y consistentes de parámetros incluso cuando están presentes atributos de constantes de tiempo, pero los efectos aleatorios serán más eficientes.
Los efectos fijos es una técnica de mínimos cuadrados generalizados factible que es asintóticamente más eficiente que MCO combinado cuando están presentes los atributos de constantes de tiempo. Los efectos aleatorios se ajustan a la correlación serial inducida por atributos de constantes de tiempo no observados.
Modelos de paneles dinámicos
A diferencia del modelo de datos de panel estándar, un modelo de panel dinámico también incluye valores rezagados de la variable dependiente como regresores. Por ejemplo, incluir un retraso de la variable dependiente genera:
En este contexto, se violan los supuestos de los modelos de efectos fijos y de efectos aleatorios. En cambio, los profesionales utilizan una técnica como el estimador Arellano-Bond .
Ver también
Referencias
- ^ Maddala, GS (2001). Introducción a la econometría (Tercera ed.). Nueva York: Wiley. ISBN 0-471-49728-2.
- ^ Davies, A .; Lahiri, K. (1995). "Un nuevo marco para probar la racionalidad y medir los shocks agregados utilizando datos de panel". Revista de Econometría . 68 (1): 205–227. doi : 10.1016 / 0304-4076 (94) 01649-K .
- ^ Hsiao, C .; Lahiri, K .; Lee, L .; et al., eds. (1999). Análisis de paneles y modelos de variables dependientes limitadas . Cambridge: Cambridge University Press. ISBN 0-521-63169-6.