Dados Em Paines

UNIVERSIDADE FEDERAL DO CEARÁ - UFC

FACULDADE DE ECONOMIA, ADMINNISTRAÇÃO, ATUARIAIS E CONTABILIDADE.

DISCIPLINA: ECONOMETRIA II

DADOS EM PAINEL

EQUIPE:

PROFESSOR:

Fortaleza – Ce

Julho / 2013

ÍNDICE

1. Introdução.......................................................................................................................... 03

2. Objetivo.............................................................................................................................. 04

3. Procedimento......................................................................................................................05

4. Conclusão...........................................................................................................................11

Referências........................................................................................................................ 12

1. INTRODUÇÃO

Dados em painel também chamados de dados combinados, pois combinam informações de unidades de corte transversal com as informações de dimensão temporal.

O modelo por painel se mostra mais eficiente, em relação aos dados em cortes transversais ou às series temporais, pelo fado da combinação apresentar um maior grau de informações, maior variabilidade, a possibilidade de considerar o efeito da homocedasticidade não observada e é capaz de minimizar o viés de agregação.

Temos um modelo geral que representará um painel:

Em que representa os efeitos específicos, ou características, das unidades que não variam ao longo do tempo e o termo de erro.

Na utilização de dados em painel temos três modos de estimar:

POOLED: esse método de regressão supõe que o intercepto possui apenas m termo constante, ou seja, todas as unidades cross-sections possuem o mesmo intercepto.

O método de estimação é o usual, ou seja, os mínimos quadrados ordinários (MQO).

EFEITO FIXO: esse método leva em consideração as diferenças entre as unidades cross-section ao longo do tempo, nesse caso o é não observável, onde temos que , e é uma constante especifica de cada grupo em um modelo de regressão.

O método de estimação pode ser dado de duas formas, a primeira é a estimação chamada de mínimos quadrados com variáveis dummy (MQVD). Esse método tem como função principal a criação de uma variável dicotômica, que irá apresentar o valor 0 (zero) ou 1 (um).

O outro método de estimação é o de média temporal intra-grupo. Esse modelo considera o desvio em torno da média, após fazer essa média é aplicado os mínimos quadrados ordinários e tem-se os mesmos resultados obtido pelo método de variáveis dummy.

EFEITO ALEATÓRIO: o modelo de efeito aleatório considera que os são distintos e a heterogeneidade é não correlacionada com os regressores e considera o intercepto como sendo uma constante da média de heterogeneidade não observada, .

O termo capta a a heterogeneidade aleatória especifica da i-esima unidade e é constante no tempo.

Como os erros de cada unidade são correlacionados o método de estimação mais adequado é os mínimos quadrados generalizados (MQG).

Dos três métodos de estimação, para determinar qual é o melhor tem-se de fazer alguns testes que irão indicar qual o modelo mais adequado para a estimação em questão. Esses testes são três que irão cruzar os modelos dois a dois. São denominados como Teste F, Teste Breusch e Pagan e o Teste de Hausman.

TESTE HAUSMAN: é um teste que cruza o efeito fixo com o efeito variável. A sua hipótese é a correlação dos erros com os regressores, ou seja:

é não correlacionado com os regressores x. (EFEITO ALEATÓRIO)

é correlacionado com os regressores x. (EFEITO FIXO)

A estatística de teste de Hausman segue uma qui-quadrada com k – 1 graus de liberdade ( .

2. OBJETIVO

• Utilizar o programa Stata para fazer as regressões por Pooled, Efeitos Fixo e Efeitos Aleatórios;

• Fazer os teste para definir o melhor modelo de estimação;

3. PROCEDIMENTOS

O modelo á ser estimado nesse procedimento será a estimação do logaritmo de salário com dados captados entre os anos de 1980 a 1987 com 545 indivíduos.

Lwage = 0,0708046 + 0,1007479 educ +0,0981492 exper – 0,0032994 expersq – 0,0000738 hours – 0,1427501 black + 0,0205635 hisp + 0,1193949 married + 0,1736339 union

LWAGE: Representa o logaritmo dos salários;

EDUC: Representa o nível de educação do indivíduo, considerando seus anos de estudo;

EXPER: Representa o nível de experiência do indivíduo, medido em anos de trabalho;

EXPERSQ: Representa o nível de experiência do indivíduo ao quadrado, levando em consideração os anos trabalho em contraponto da idade.

HOURS: Representa as horas trabalhadas por um indivíduo em um ano;

BLACK: Representa uma dummy que indica se o indivíduo é negro ou não;

MARRIED: Representa uma dummy que indica se o indivíduo é casado ou não;

HISP: Representa uma dummy que indica se o indivíduo é hispânico ou não;

UNION: Representa uma dummy que indica se o indivíduo