Maestrı́as en Economı́a y Econometrı́a

Econometrı́a de Datos de Panel

Primer Trimestre de 2025

Profesor: Martı́n González Rozada (mrozada@[Link])

Lunes 19:15 a 22 horas, Aula A104
Link Zoom a Clases Hı́bridas: [Link]

Ayudante: Iara Lening (iaralening@[Link])

Sábados 11 a 13 horas, Aula A102

El curso está organizado para cubrir los métodos más frecuentemente utilizados en la práctica
para estimar modelos microeconométricos cuando se dispone de datos de panel.
La primera parte del curso está dedicada al análisis tradicional de datos de panel desde una
perspectiva moderna. En el enfoque tradicional, los datos de panel se caracterizan porque la
dimensión de corte transversal (N) de los datos es mayor a la dimensión temporal (T) y por lo
tanto el análisis asintótico se realiza con T fijo y N −→ ∞. Comenzaremos nuestro análisis con
el modelo de regresión lineal y su estimación utilizando datos de panel. Luego motivaremos el
estudio de los denominados modelos de efectos fijos y aleatorios a través del problema de las
variables omitidas.
La segunda parte del curso cubre el análisis de datos de panel cuando hay variables endógenas
dentro de las variables explicativas del modelo. Un caso particular de este análisis son los usual-
mente denominados modelos de panel dinámicos donde algún rezago de la variable dependiente
aparece como variable explicativa de la ecuación.
La tercera parte del curso incluye el análisis de modelos de panel cuando los datos son incomple-
tos. En este caso de paneles desbalanceados introduciremos los problemas de sesgo de selección
muestral y attrition.
Finalmente la última parte del curso está dedicada al análisis de modelos de variables discretas
en datos de panel.

1
El curso está pensado en forma ambiciosa y no es seguro que se cubran todos los tópicos
desarrollados en el programa. Sin embargo, haremos el intento de cubrir la mayorı́a de los
mismos. Una descripción más detallada de estos temas y de la bibliografı́a sugerida se presenta
a continuación. El curso requiere la utilización del software Stata o similar.

PROGRAMA Y BIBLIOGRAFIA

Primera Parte
ˆ Módulo 1

Modelo de Regresión Lineal. Estimación por Mı́nimos cuadrados clásicos, Mı́nimos

cuadrados generalizados y Mı́nimos cuadrados generalizados estimados. Modelo conjunto
(pooled) de datos de panel. Propiedades de los distintos estimadores e Inferencia es-
tadı́stica. Heterocedasticidad y correlación serial.
Greene, capı́tulos 14, 15 y 16. Wooldridge, capı́tulo 7.

ˆ Módulo 2

Modelos de Panel Básicos. Modelo de efectos fijos versus modelo de efectos aleatorios.
Estimación, propiedades de los estimadores e inferencia estadı́stica.
Greene, Capı́tulo 14. Baltagi, Capı́tulos 2, 3 y 4. Hsiao, Capı́tulo 3. Wooldridge, capı́tulo
10

Segunda Parte
ˆ Módulo 1

Modelos de Panel Dinámicos I. Estimación por el método de variables instrumentales

y método de momentos generalizados. Procedimientos de Anderson y Hsiao, Arellano y
Bond, Blundell y Bond, Ahn y Schmidt y Kiviet. Propiedades de los estimadores e
inferencia estadı́stica.

2
 Baltagi, Capı́tulo 8. Hsiao, Capı́tulo 4. Wooldridge, capı́tulo 11.

Tercera Parte
ˆ Módulo 1

Modelos Lineales en Paneles Desbalanceados. El problema del sesgo de selección

muestral y el problema de la attrition. Corrección de estos problemas. Método de Heck-
man y de Wooldridge.
Varios papers.

Cuarta Parte
ˆ Módulo 1

Modelos de variable dependiente discreta en datos de panel. Modelos Probit y

Logit. Variables truncadas. El modelo Tobit. Método de la función de Verosimilitud.
Estimación e inferencia estadı́stica.

Hsiao, Capı́tulo 7. Baltagi, Capı́tulo 10. Wooldridge, capı́tulo 15, 16 y 17.

Evaluación Los alumnos serán evaluados en base a un trabajo domiciliario individual. La nota
final de la materia será una letra de acuerdo a la escala oficial de la UTDT.

Modalidad de Cursada Las clases se dictan en forma hı́brida con el profesor en el aula para
aquellos alumnos presentes y se transmite en forma sincrónica via Zoom por el link mencionado
arriba.

BIBLIOGRAFIA SUGERIDA
Ahn, S. and Peter Schmidt (1995), “Efficient Estimation of Models for Dynamic Panel Data,”
Journal of Econometrics 68, 5-27.

3
Alvarez J. and Manuel Arellano (2002), “The Time Series and Cross Section Asymptotics of
Dynamic Panel Data Estimators,” mimeo.

Anderson, T.W: and Cheng Hsiao (1982), “Formulation and Estimation of Dynamic Models
Using Panel Data,” Journal of Econometrics 18, 47-82.

Anderson, T.W: and Cheng Hsiao (1981), “Estimation of Dynamic Models with Error Com-
ponents,” Journal of the American Statistical Association 76, 598-606.

Arellano M. and Stephen Bond (1991), “Some Tests of Specification for Panel Data: Monte
Carlo Evidence and an Application to Employment Equations,” The Review of Economic
Studies 58, 277-297.

Arellano, M. and Olympia Bover (1995), “Another Look at the Instrumental Variable Esti-
mation of Error-Component Models,” Journal of Econometrics 68, 29-51.

Arellano, M. and Bo Honoré (2000), “Panel Data Models: Some Recent Developments,”
mimeo.

Baltagi, Badi, Econometric Analysis of Panel Data. John Wiley & Sons, USA, 1995 (ó la
última versión de 2002).

Blanchard O. and Lawrence Katz (1997), “What We Know and Do Not Know About the
Natural Rate of Unemployment,” Journal of Economic Perspectives 11, 51-72.

Blundell, R. and Stephen Bond (1998), “Initial Conditions and Moment Restrictions in Dy-
namic Panel Data Models,” Journal of Econometrics 87, 115-143.

Blundell, R. and Stephen Bond (1999), “GMM Estimation with Persistent Panel Data: An
application to Production Functions,” Working paper IFS W99/4.

Bover Olympia (1991), “Relaxing Intertemporal Separability: A Rational Habits Model of

Labor Supply Estimated from Panel Data,” Journal of Labor Economics 9, 85-100.

Breusch, Mizon, and Schmidt (1989), “Efficient Estimation Using Panel Data,” Econometrica
57, 695-700.

4
Chamberlain, Gary, “Panel Data,” Handbook of Econometrics Volume II, Chapter 22.

Chang, Yoosoon (2002), “Bootstrap Unit Root Tests in Panels with Cross-Sectional Depen-
dency,” mimeo.

Galiani S. and Martı́n Rozada (2002), “Inference and Estimation in Small Sample Dynamic
Panel Data Models,” mimeo.

Greene, William, Econometric Analysis. MacMillan, Third Edition, 1998.

Griliches Z. and Jerry Hausman (1986), “Errors in Variables in Panel Data,” Journal of Econo-
metrics 31, 93-118.

Hahn, Jinyong (1999), “How Informative is the Initial Condition in the Dynamic Panel Data
Model with Fixed Effects¿” Journal of Econometrics 93, 309-326.

Hausman, J. and William Taylor (1981), “Panel Data and Unobservable Individual Effects,”
Econometrica 49, 1377-1398.

Holtz-Eakin, Newey, and Rosen (1988), “Estimating Vector Autoregressions with Panel Data,”
Econometrica 56, 1371-1395.

Hsiao, Cheng, Analysis of Panel Data. Cambridge University Press, 1986.

Judson Ruth and Ann Owen (1999), “Estimating Dynamic Panel Data Models: a Guide for
Macroeconomists,” Economic Letters 65, 9-15.

Keane, M. and David Runkle (1992), “On the Estimation of Panel Data Models with Se-
rial Correlation when Instruments are Not Strictly Exogenous,” Journal of Business and
Economic Statistics 10, 1-9.

Kiviet Jan (1995), “On Bias, Inconsistency, and Efficiency of Various Estimators in Dynamic
Panel Data Models,” Journal of Econometrics 68, 53-78.

Levin, Andrew and Chien-Fu Lin (1992) “Unit Root Tests in Panel Data: Asymptotic and
Finite Sample Properties” Mimeo, UCSD, June, 1992.

5
Pesaran, H. and Ron Smith (1995), “Estimating Long-Run Relationships from Dynamic Het-
erogeneous Panels,” Journal of Econometrics 68, 79-113.

Phillips, P. and Hyungsik Moon (1999), “Linear Regression Limit Theory for Nonstationary
Panel Data,” mimeo.

Phillips, P. and Hyungsik Moon (1999), “Nonstationary Panel Data Analysis: An Overview
of some Recent Developments,” mimeo.

Wooldridge, Jeffrey, Econometric Analysis of Cross-Section and Panel Data. MIT Press, Mas-
sachusetts, 2002.

Wooldridge, Jeffrey (1995), ”Selection Corrections for Panel Data Models Under Conditional
Mean Independence Assumptions,” Journal of Econometrics 68, 115-132.