09:21:17
Modelos con Datos de Panel
Econometra II
Grado en Economa
Universidad de Granada
Econometra II Modelos de datos de panel 1 / 26
09:21:17
Contenidos
Contenidos Introduccion
Introduccion
Efectos de grupo
Efectos de grupo
Modelo de efectos fijos
Modelo de efectos fijos
Modelo de efectos Modelo de efectos aleatorios
aleatorios
Seleccion de modelos
Seleccion de modelos
Ejemplo Ejemplo
Econometra II Modelos de datos de panel 2 / 26
09:21:17
Contenidos
Introduccion
Introduccion
El modelo
Efectos de grupo
Modelo de efectos fijos
Modelo de efectos
aleatorios
Seleccion de modelos
Introduccion
Ejemplo
Econometra II Modelos de datos de panel 3 / 26
09:21:17
Introduccion
Contenidos Hasta el momento se han aplicado tecnicas de regresion para datos de seccion
Introduccion cruzada o de serie temporal, por lo que faltara abordar el caso en el que se dispone
Introduccion de la combinacion de ambos: los datos de panel (o datos longitudinales). Esto es,
El modelo datos de distintos individuos (hogares, empresas, regiones, etc.) en distintos
Efectos de grupo momentos del tiempo.
Modelo de efectos fijos
Este tipo de datos han tenido mucho auge en los ultimos anos debido al aumento
de recopilacion de informacion (realizada en la sociedad del conocimiento). Ademas,
Modelo de efectos
aleatorios al aumentar la informacion muestral es esperable que se mejore el analisis realizado.
Seleccion de modelos
Los paneles pueden ser:
Ejemplo
Balanceados: cuando el numero de perodos es igual para todos los individuos
(y no balanceados cuando es diferente).
Corto o micro: cuando el numero de sujetos, N , es mayor que el numero de
perodos, T (y largo o macro cuando, T , es mayor que, N ).
Ventajas:
Permite trabajar con un mayor numero de observaciones.
Permite capturar la heterogeneidad entre los individuos o en el tiempo.
Se reduce la colinealidad entre las variables explicativas.
Inconvenientes:
El principal inconveniente es la obtencion de la informacion, ya que se requiere
informacion de los mismos individuos en momentos sucesivos del tiempo.
Econometra II Modelos de datos de panel 4 / 26
09:21:17
Ejemplo
Contenidos Un ejemplo de datos de panel es aquel en el que se dispone de la siguiente
Introduccion informacion:
Introduccion
El modelo
Efectos de grupo
Comunidad Autonoma Ano PIB
Modelo de efectos fijos Andaluca 2010 139397
Modelo de efectos Andaluca 2011 141348
aleatorios Andaluca 2012 140757
Seleccion de modelos ... ... ...
Ejemplo Aragon 2010 35023
Aragon 2011 32232
Aragon 2012 33234
... ... ...
En la tabla anterior se recoge el PIB de cada una de las comunidades autonomas
espanolas en tres anos consecutivos.
Econometra II Modelos de datos de panel 5 / 26
09:21:17
El modelo
Contenidos Consideremos el modelo
Introduccion 2
Introduccion
yit = it + xit + uit , uit N (0, u ), (1)
El modelo
donde xit es un vector que contiene k variables predeterminadas, es un vector de
Efectos de grupo k parametros, i representa a los individuos (i = 1, ..., N ), t representa el tiempo
Modelo de efectos fijos (t = 1, ..., T ) y it recoge la heterogeneidad provocada por los efectos de los
Modelo de efectos
individuos y/o tiempo provocada por variables no observables.
aleatorios Dependiendo de la consideracion que se le de al termino independiente se
Seleccion de modelos
distinguen tres enfoques:
Ejemplo Modelo agrupado: es constante para todos los individuos y en los perodos (es
decir, it = ).
Efectos fijos: el termino independiente puede ser distinto para cada individuo (es
decir, it = i ), cada perodo (es decir, it = t ) o ambos.
Efectos variables o aleatorios: el termino independiente, it , es una variable
aleatoria.
Econometra II Modelos de datos de panel 6 / 26
09:21:17
Contenidos
Introduccion
Efectos de grupo
Modelo agrupado
Modelo de efectos fijos
Modelo de efectos
aleatorios
Seleccion de modelos
Ejemplo Efectos de grupo
Econometra II Modelos de datos de panel 7 / 26
09:21:17
Modelo agrupado
Contenidos Cuando it = tenemos el modelo agrupado (o pooled):
Introduccion 2
yit = + xit + uit , uit N (0, u ),
Efectos de grupo
Modelo agrupado que sera estimado por MCO.
Modelo de efectos fijos
El inconveniente de este modelo es que ignora la estructura de panel de los
datos e incumple la hipotesis de no autocorrelacion entre las perturbaciones.
Modelo de efectos
aleatorios Ademas, podramos estar interesados en determinar si estimamos un modelo
Seleccion de modelos
agregado o T modelos de series temporales. Si las perturbaciones cumplen las
hipotesis basicas, podemos aplicar un test de Chow:
Ejemplo
(~er ~er ~e~e)/(N 1)k
F = F(N 1)k,N (T k) ,
~
e ~e/N (T k)
donde ~er son los residuos del modelo agrupado y ~e son los residuos de estimar los
modelos por separado.
Este test es similar a realizar un contraste mediante una F usando variables ficticias
para la constante y la pendiente.
Econometra II Modelos de datos de panel 8 / 26
09:21:17
Contenidos
Introduccion
Efectos de grupo
Modelo de efectos fijos
Modelo de efectos fijos
Estimacion
Modelo de efectos
aleatorios
Seleccion de modelos
Modelo de efectos fijos
Ejemplo
Econometra II Modelos de datos de panel 9 / 26
09:21:17
Modelo de efectos fijos
Contenidos Modelo de efectos fijos individuales: Sea el modelo
Introduccion 2
yit = i + xit + uit , uit N (0, u ).
Efectos de grupo
Modelo de efectos fijos
En este modelo tenemos N terminos independientes que recogen las diferencias
Modelo de efectos fijos
entre los distintos individuos y que se conocen como efectos fijos individuales. La
Estimacion variacion de los efectos fijos individuales proviene de las variables omitidas que
Modelo de efectos
varan entre los distintos individuos pero no en el tiempo.
aleatorios Modelo de efectos fijos temporales: Un modelo con efectos fijos temporales es
Seleccion de modelos aquel que permite tener en cuenta las variables que son constantes entre
individuos, pero evolucionan en el tiempo:
Ejemplo
2
yit = t + xit + uit , uit N (0, u ).
En este caso tenemos T interceptos que recogen los efectos fijos temporales que
provienen de las variables omitidas que varan en el tiempo, pero no entre los
individuos.
Modelo de efectos fijos individuales y temporales: Si las variables omitidas son
constantes en el tiempo pero varan entre los individuos, mientras que otras son
constantes para los individuos pero varan en el tiempo, entonces se habla de
efectos fijos individuales y temporales:
2
yit = it + xit + uit , uit N (0, u ).
Econometra II Modelos de datos de panel 10 / 26
09:21:17
Estimacion intra grupos o within con dummies
Contenidos Consideremos el caso del modelo de efectos fijos individuales. En este, ademas
Introduccion del termino independiente, podemos recoger mediante variables ficticias la variacion
Efectos de grupo entre los individuos y supondremos que las pendientes permanecen constantes. En
tal caso se estimara el siguiente modelo:
Modelo de efectos fijos
Modelo de efectos fijos
Estimacion
X
N
yit = 1 + j dj + xit + uit ,
Modelo de efectos
aleatorios j=2
Seleccion de modelos
donde:
Ejemplo
1 es el efecto del primer individuo, el cual se utiliza como categoria base.
dj son variables binarias que toman el valor 1 si el dato corresponde al individuo
j y cero en otro caso.
j son los coeficientes de las variables ficticias y representan el grado en que los
valores de los interceptos del resto de individuos difieren respecto del intercepto
base 1 (por ejemplo, 1 + 2 representa el efecto individual del individuo 2).
En el caso de efectos fijos temporales la variable binaria dj tomara el valor 1 si el dato
corresponte al tiempo j y cero en otro caso. Mientras que bajo ambos supuestos se
tendra:
X
N
X
T
yit = 1 + j dj + 1 + l dl + xit + uit .
j=2 l=2
Econometra II Modelos de datos de panel 11 / 26
09:21:17
Estimacion intra grupos o within corregida por la media
Contenidos En el planteamiento anterior pueden surgir ciertos inconvenientes:
Introduccion
Perdida de grados de libertad.
Efectos de grupo
Aumento del problema de la multicolinealidad.
Modelo de efectos fijos Las perturbaciones pueden presentar heteroscedasticidad entre las unidades.
Modelo de efectos fijos Las perturbaciones pueden estar autocorrelacionadas en el tiempo.
Estimacion Si N (y/o T ) es muy grande, habra un numero elevado de regresores: por
Modelo de efectos ejemplo, 100 observaciones implica 99 dummies. Lo cual puede incluso llegar
aleatorios
a hacer inviable la estimacion.
Seleccion de modelos
Una alternativa consiste en la utilizacion de una regresion sobre las variables
Ejemplo
obtenidas como desviaciones respecto a las medias individuales. De esta forma,
se evitan los efectos individuales.
Partiendo del modelo (1) escrito con respecto a las medias (de cada individuo):
y .t = t + x.t + u.t ,
1
P
N
donde y .t = N
yit , y restandoselo al modelo (1), se obtiene el modelo en
i=1
desviaciones respecto de la media:
yit y .t = (xit x.t ) + (uit u.t ). (2)
Este ultimo modelo sera el modelo a estimar por MCO (tambien se denomina
intragrupos con efectos fijos o fixed effect FE).
Para estimar los efectos de los individuos podemos usar t = y .t x.t .
Econometra II Modelos de datos de panel 12 / 26
09:21:17
Estimacion entre grupos o between
Contenidos Los modelos entre grupos o between analiza la variabilidad entre unidades de
Introduccion seccion cruzada, por tanto, usan las medias de los datos temporales de cada
Efectos de grupo individuo. Por tanto, se llegara a un modelo analogo al (2) en el cual las
medias se obtienen para cada periodo temporal (en lugar de para cada individuo).
Modelo de efectos fijos
Modelo de efectos fijos
En la practica, se utilizan poco porque los modelos con efectos aleatorios son
Estimacion
superiores (el estimador between ignora la informacion temporal existente dentro
Modelo de efectos
de los individuos).
aleatorios Las estimaciones obtenidas intra y entre grupos en desviaciones a las medias
Seleccion de modelos
son iguales y coinciden tambien con la estimacion realizada mediante variables
binarias. Ademas, si las perturbaciones son normales se pueden utilizar los metodos
Ejemplo
usuales para realizar la inferencia.
Econometra II Modelos de datos de panel 13 / 26
09:21:17
Contenidos
Introduccion
Efectos de grupo
Modelo de efectos fijos
Modelo de efectos
aleatorios
Modelo de efectos
aleatorios
Seleccion de modelos
Ejemplo
Modelo de efectos aleatorios
Econometra II Modelos de datos de panel 14 / 26
09:21:17
Modelo de efectos aleatorios
Contenidos En el modelo de efectos aleatorios se considera que la ordenada en el origen,
Introduccion it , es una variable aleatoria. Si suponemos que esta correlacionada con las
Efectos de grupo variables explicativas, se incumple una de las hipotesis basicas del modelo lineal
general (las variables explicativas no pueden estar correlacionadas con el termino
Modelo de efectos fijos
de perturbacion), por lo que se hace necesario una alternativa para poder estimar.
Modelo de efectos
aleatorios
Si se supone que it se puede descomponer en una parte constante, , y
Modelo de efectos otra aleatoria, i , la cual suponemos que depende del individuo i-esimo pero que es
aleatorios constante en el tiempo, esto es:
Seleccion de modelos
it = + i ,
Ejemplo
el modelo (1) tendra la siguiente forma:
yit = it + xit + uit = + i + xit + uit
= + xit + wit ,
donde se han agrupado los dos terminos no observables: wit = i +uit . Ademas, las
perturbaciones aleatorias del modelo suponemos que cumplen las hipotesis basicas:
i N (0, 2 ), 2
uit N (0, u ),
donde i representa las perturbaciones para los datos de corte transversal y uit son
las perturbaciones de la combinacion de los datos temporales y de corte transversal.
En tal caso, las perturbaciones son homoscedasticas ya que E(wit2 ) = 2 + 2 .
u
Econometra II Modelos de datos de panel 15 / 26
09:21:17
Modelo de efectos aleatorios
Contenidos Sin embargo, se puede demostrar que los terminos de perturbacion de un individuo
Introduccion en dos momentos diferentes del tiempo estan correlacionados:
Efectos de grupo
2
Modelo de efectos fijos corr(wit , wis ) = 6= 0, t 6= s,
2 + u2
Modelo de efectos
aleatorios por lo que la estimacion por MCO del modelo sera ineficiente por presentar las
Modelo de efectos
aleatorios
perturbaciones autocorrelacionadas. Para corregir este problema sera necesario
utilizar la estimacion por MCG.
Seleccion de modelos
Las estimaciones por MCG se obtienen aplicando MCO al modelo agrupado
Ejemplo transformado (MAT):
yit y i = 1 (1 ) + 2 (x2it x2i ) + ... + k (xkit xki )
+ (vit v i ),
s
1
donde = 1 .
2
1+T 2
u
Para estimar el modelo agrupado transformado es necesario disponer de una
estimacion de (vease, Wooldrige 2006). Cuando = 0, el MAT coincide con el
modelo agrupado y cuando = 1 coincide con el modelo de efectos fijos. De esta
forma, nos proporciona una medida de cuanto nos acercamos a un caso u otro.
Econometra II Modelos de datos de panel 16 / 26
09:21:17
Contenidos
Introduccion
Efectos de grupo
Modelo de efectos fijos
Modelo de efectos
aleatorios
Seleccion de modelos
Prueba de
Breusch-Pagan y test de
Hausman Seleccion de modelos
Ejemplo
Econometra II Modelos de datos de panel 17 / 26
09:21:17
Prueba de Breusch-Pagan y test de Hausman
Contenidos Para contrastar la hipotesis de que no hay efectos aleatorios se puede usar la prueba
Introduccion de BreuschPagan, que es un test de multiplicadores de Lagrange. La hipotesis
Efectos de grupo nula es que se trata de un modelo agrupado, frente a la alternativa de efectos
aleatorios. Bajo la hipotesis de normalidad, el estadstico se define como:
Modelo de efectos fijos
PN PT !2
Modelo de efectos
aleatorios NT ( t=1 eit )2
LM = i=1
PN PT 2 1 21 .
Seleccion de modelos 2(T 1) e
Prueba de i=1 t=1 it
Breusch-Pagan y test de
Hausman
Ejemplo
El test de Hausman se utiliza para determinar si el modelo que se debe elegir es de
efectos fijos o variables. El estadstico1 de contraste es:
1
(EF EA ) V ar(EF ) V ar(EA ) (EF EA ) 2k .
Si el valor del estadstico es superior al de las tablas se rechaza la hipotesis nula
de efectos aleatorios y, por tanto, elegiramos el modelo de efectos fijos (ya
que es probable que las perturbaciones esten correlacionadas con alguna variable
explicativa).
1
Los subndices EF hace referencia a efectos fijos y EA efectos aleatorios.
Econometra II Modelos de datos de panel 18 / 26
09:21:17
Contenidos
Introduccion
Efectos de grupo
Modelo de efectos fijos
Modelo de efectos
aleatorios
Seleccion de modelos
Ejemplo
Datos Ejemplo con Gretl
MCO agrupados
Efectos fijos
Efectos aleatorios
Conclusiones
Econometra II Modelos de datos de panel 19 / 26
09:21:17
Ecuacion de salarios para los hombres
Contenidos A continuacion usaremos los datos contenidos en [Link] (ver Wooldridge,
Introduccion 2006) para estimar una ecuacion de salarios a partir de los tres metodos estudiados
Efectos de grupo en este tema: MCO agrupados, efectos fijos y efectos aleatorios.
Como variable dependiente se considera el logaritmo neperiano2 del salario,
Modelo de efectos fijos
lwage, y como independientes:
Modelo de efectos
aleatorios educ: numero de anos de escolarizacion.
Seleccion de modelos black: variable dicotomica que toma el valor 1 si el individuo es de raza negra.
Ejemplo
hisp: variable dicotomica que toma el valor 1 si el individuo es hispano.
Datos exper: anos de experiencia en el mercado laboral.
MCO agrupados expersq: el cuadrado de la variable anterior.
Efectos fijos married: variable dicotomica que toma el valor 1 si el individuo esta casado.
Efectos aleatorios union: variable dicotomica que toma el valor 1 si el individuo esta afiliado a los
Conclusiones sindicatos.
Adviertase que las variables educ, black e hisp desaparecen al emplear la estimacion
de efectos fijos al no presentar variabilidad en el tiempo (al hacer las diferencias se
anulan).
Una vez decidido que modelo es el mas adecuado, la interpretacion de los
resultados obtenidos (como pueden ser los contrastes de significacion individual y
conjunta) se realiza como hasta el momento.
2
Atencion a su incidencia en cuanto a la interpretacion de resultados.
Econometra II Modelos de datos de panel 20 / 26
09:21:17
MCO agrupados
Contenidos Modelo 1: MCO combinados, utilizando 4360 observaciones
Introduccion Se han incluido 545 unidades de seccion cruzada
Efectos de grupo Largura de la serie temporal = 8
Variable dependiente: lwage
Modelo de efectos fijos
Modelo de efectos Coeficiente Desv. Tpica Estadstico t Valor p
aleatorios
Seleccion de modelos const 0,0347056 0,0645690 0,5375 0,5910
educ 0,0993878 0,00467760 21,2476 0,0000
Ejemplo
Datos
black 0,143842 0,0235595 6,1055 0,0000
MCO agrupados
hisp 0,0156980 0,0208112 0,7543 0,4507
Efectos fijos exper 0,0891791 0,0101110 8,8200 0,0000
Efectos aleatorios expersq 0,00284866 0,000707362 4,0272 0,0001
Conclusiones married 0,107666 0,0156965 6,8592 0,0000
union 0,180073 0,0171205 10,5179 0,0000
Media de la vble. dep. 1,649147 D.T. de la vble. dep. 0,532609
Suma de cuad. residuos 1005,810 D.T. de la regresion 0,480744
R2 0,186587 R2 corregido 0,185278
F (7, 4352) 142,6132 Valor p (de F ) 6,9e190
Log-verosimilitud 2989,212 Criterio de Akaike 5994,424
Criterio de Schwarz 6045,465 HannanQuinn 6012,438
0,553854 DurbinWatson 0,755406
Econometra II Modelos de datos de panel 21 / 26
09:21:17
Efectos fijos
Contenidos Modelo 2: Efectos fijos, utilizando 4360 observaciones
Introduccion Se han incluido 545 unidades de seccion cruzada
Efectos de grupo Largura de la serie temporal = 8
Variable dependiente: lwage
Modelo de efectos fijos
Modelo de efectos Coeficiente Desv. Tpica Estadstico t Valor p
aleatorios
Seleccion de modelos const 1,06488 0,0266607 39,9420 0,0000
exper 0,116847 0,00841968 13,8778 0,0000
Ejemplo
Datos
expersq 0,00430089 0,000605274 7,1057 0,0000
MCO agrupados
married 0,0453033 0,0183097 2,4743 0,0134
Efectos fijos union 0,0820871 0,0192907 4,2553 0,0000
Efectos aleatorios
Conclusiones
Media de la vble. dep. 1,649147 D.T. de la vble. dep. 0,532609
Suma de cuad. residuos 470,2024 D.T. de la regresion 0,351255
R2 0,619740 R2 corregido 0,565061
F (548, 3811) 11,33412 Valor p (de F ) 0,000000
Log-verosimilitud 1331,572 Criterio de Akaike 3761,145
Criterio de Schwarz 7263,889 HannanQuinn 4997,355
0,045445 DurbinWatson 1,592755
Contraste de diferentes interceptos por grupos
Hipotesis nula: Los grupos tienen un intercepto comun
Estadstico de contraste: F (544, 3811) = 7,97998
con valor p = P (F (544, 3811) > 7,97998) = 0
Econometra II Modelos de datos de panel 22 / 26
09:21:17
Efectos aleatorios
Contenidos Modelo 3: Efectos aleatorios (MCG), utilizando 4360 observaciones
Introduccion Se han incluido 545 unidades de seccion cruzada
Efectos de grupo Largura de la serie temporal = 8
Variable dependiente: lwage
Modelo de efectos fijos
Modelo de efectos Coeficiente Desv. Tpica Estadstico t Valor p
aleatorios
Seleccion de modelos const 0,107464 0,110706 0,9707 0,3317
educ 0,101225 0,00891329 11,3566 0,0000
Ejemplo
Datos
black 0,144131 0,0476148 3,0270 0,0025
MCO agrupados
hisp 0,0201511 0,0426011 0,4730 0,6362
Efectos fijos exper 0,112119 0,00826087 13,5724 0,0000
Efectos aleatorios expersq 0,00406885 0,000591826 6,8751 0,0000
Conclusiones married 0,0627951 0,0167729 3,7439 0,0002
union 0,107379 0,0178300 6,0224 0,0000
Media de la vble. dep. 1,649147 D.T. de la vble. dep. 0,532609
Suma de cuad. residuos 1012,958 D.T. de la regresion 0,482393
Log-verosimilitud 3004,649 Criterio de Akaike 6025,299
Criterio de Schwarz 6076,341 HannanQuinn 6043,313
2 = 0,123380
2 = 0,120766
u
= 0,642641
Econometra II Modelos de datos de panel 23 / 26
09:21:17
Efectos aleatorios
Contenidos Contraste de Breusch-Pagan
Introduccion Hipotesis nula: Varianza del error especfico a la unidad = 0
Efectos de grupo Estadstico de contraste asintotico: 2 (1) = 3216,73
con valor p = 0
Modelo de efectos fijos
Modelo de efectos Contraste de Hausman
aleatorios Hipotesis nula: Los estimadores de MCG son consistentes
Seleccion de modelos Estadstico de contraste asintotico: 2 (4) = 27,3483
Ejemplo
con valor p = 1,69022e-005
Datos
MCO agrupados
Efectos fijos
Efectos aleatorios
Conclusiones
Econometra II Modelos de datos de panel 24 / 26
09:21:17
Conclusiones
Contenidos En primer lugar usaremos los distintos contrastes disponibles para decidir cual de
Introduccion todos los modelos es el adecuado:
Efectos de grupo
En el ajuste realizado considerando efectos fijos tenemos un contraste (al final
Modelo de efectos fijos del todo) cuya hipotesis nula es que todos los grupos tienen un intercepto comun
Modelo de efectos (es decir, el modelo adecuado es MCO agrupados). En este caso se rechaza la
aleatorios hipotesis nula, por lo que es preferible el modelo ajustado considerando efectos
Seleccion de modelos fijos.
Ejemplo
En el ajuste realizado considerando efectos aleatorios se tienen dos contrastes
Datos (tambien al final). En el primero de ellos, Breusch-Pagan, la hipotesis nula es que
MCO agrupados no hay efectos aleatorios (es decir, el modelo adecuado es MCO agrupados).
Efectos fijos Puesto que se rechaza la hipotesis nula, es preferible el modelo ajustado
Efectos aleatorios mediante efectos aleatorios.
Conclusiones En el segundo contraste, el de Hausman, la hipotesis nula es que el modelo
a considerar es el de efectos aleatorios frente a la alternativa de efectos fijos.
Puesto que se rechaza la hipotesis nula, la opcion adecuada es la segunda.
Resumiendo, con los dos primeros contrastes desechamos la opcion de estimar
mediante MCO agrupados, mientras que con el tercero decidimos que el modelo
adecuado (de los dos posibles) es el de efectos fijos.
Todas las variables tienen coeficientes significativamente distintos de cero, por
lo que sus variaciones realmente influyen en la variable dependiente. Y el modelo es
conjuntamente valido ya que se rechaza la hipotesis nula de que todos los regresores
tengan coeficiente nulo de forma simultanea, es decir, la variabilidad explicada por el
modelo no se debe al azar.
Econometra II Modelos de datos de panel 25 / 26
09:21:17
Conclusiones
Contenidos En cuanto a la interpretacion de resultados se tendra que:
Introduccion
Un individuo casado tiene un salario superior en un 453% a otro que no lo este.
Efectos de grupo
Un individuo afiliado a un sindicato tiene un salario superior en un 8208% a otro
Modelo de efectos fijos que no lo este.
Modelo de efectos Al introducir la variable experiencia y su cuadrado lo que se esta comprobando
aleatorios es si la relacion de esta variable con el salario es cuadratica (en lugar de lineal).
Seleccion de modelos El coeficiente negativo del cuadrado de la variable indica que la relacion es la
Ejemplo
de una U invertida, es decir, hay un punto a partir del cual a mayor experiencia
Datos menor porcentaje de salario.
MCO agrupados
Finalmente, destacar que en la estimacion bajo efectos aleatorios se proporcionan
Efectos fijos
las estimaciones de u 2 y 2 necesarias para estimar . En este caso, b
= 0.642641,
Efectos aleatorios
Conclusiones siendo este el valor usado para obtener el modelo agrupado transformado (MAT) que
posteriormente es estimado por MCG.
Econometra II Modelos de datos de panel 26 / 26