Universidad Torcuato Di Tella
Maestrı́a en Economı́a y Econometrı́a
2022
Datos de Panel
Problem Set 2
Modelos de Datos de Panel Lineales
1. Utilice nuevamente la base de datos “[Link]” provista para el Problem Set 1. Considere el siguiente
modelo de regresión:
ln crmrteit =β0 + β1 ln prbarrit + β2 ln prbconvit + β3 ln prbprisit + β4 ln avgsenit
87
X
+ β5 ln polpcit + βτ · I{t = τ } + µi + εit
τ =82
a) Utilizando el comando egen de STATA, construya las medias individuales de las variables del modelo.
b) Aplique la transformación within al modelo. Luego, estime el modelo transformado por POLS.
c) Comente sobre la validez de los errores estándar del inciso previo.
d ) Utilice el comando xtreg para estimar nuevamente el modelo usando efectos fijos.
e) Estime el modelo usando diferencias finitas de primer orden.
2. Utilice la base de datos provista “[Link]”. La base de datos es una muestra longitudinal de estados
de [Link]., para los años 1987, 1990 y 1993.
a) Estime por OLS el efecto de las ejecuciones (x) sobre la tasa de homicidios (murder rates, m) con-
trolando por desempleo (u) y año:
mi,t = α + βx xi,t + βu ui,t + β90 d90,t + β93 d93,t + νi,t
Note que se omitió la dummy temporal para el año 1987. Interprete los resultados.
b) ¿Por qué podrı́a ser importante tener en consideración los efectos temporales agregados en el modelo?
c) Ahora, considere la siguiente modificación en el modelo:
mi,t = α + βx xi,t + βu ui,t + β90 d90,t + β93 d93,t + ci + ei,t
donde ci es un efecto individual por estado. Estime la ecuación usando efectos fijos.
d ) Repita la estimación del inciso previo usando diferencias finitas de primer orden.
e) Brinde un ejemplo bajo el cual la variable de ejecuciones no serı́a estrictamente exógena (condicio-
nal en ci ). Observación. Para obtener estimaciones consistentes, el modelo de efectos fijos asume
exogeneidad estricta de las variables explicativas condicionadas en ci .
f ) Repita la estimación del inciso c) usando el estimador de GLS para diferencias finitas de primer
orden. Compruebe que los coeficientes estimados son iguales a los obtenidos por FE.
g) Reestimar el modelo del inciso c) usando efectos aleatorios. Implementar el test de Hausman. ¿Cuál
es el mejor estimador?
3. Considere el siguiente modelo:
yit = xit β + µi + νit , i = 1, 2, . . . , N, t = 1, 2, . . . , T
iid iid iid
donde xit ∼ .N (0, 1), ui ∼ N 0, σµ2 , νit ∼ N 0, σν2 y µi ⊥ νit para todo i, t. Suponga que β = σµ2 =
σν2 = 1 y T = 10. La idea es realizar experimentos de Monte Carlo para evaluar la eficiencia de distintos
estimadores de β.
a) Caso 1: N = 5. Realice un experimento de Monte Carlo con 1000 simulaciones. Reporte media, desvı́o
estándar y RMSE de la estimación de β usando: POLS, RE y FE.
b) Repita el punto anterior con N = 10, 30, 50, 100 y 500.
c) Comente los resultados obtenidos y su conclusión de qué estimador debiera utilizarse en la práctica.
4. Basado en el Ejercicio 10.18 de Wooldridge (2010). Utilice la base de datos [Link] para responder
las preguntas a continuación.
a) Utilizando lwage como variable dependiente, estimar un modelo que contenga un intercepto y las
variables dummy de año d81 a d87. Estime el modelo por POLS, RE, FE y FD. ¿Qué puede concluir
acerca de los coeficientes de las variables dummy?
b) Añada las variables constantes en el tiempo educ, black e hisp al modelo, y estı́melo por POLS y
RE. ¿Cómo se comparan los coeficientes? ¿Qué ocurre si se estima la ecuación por FE?
c) ¿Son iguales los errores estándar de POLS y RE del inciso b)? ¿Cuáles son probablemente más fiables?
d ) Obtenga los errores estándar robustos para POLS. ¿Prefiere estos o los errores estándar habituales
de RE?
e) Obtenga los errores estándar robustos de RE. ¿Cómo se comparan con los errores estándar robustos
de POLS, y por qué?
Page ii