Práctica de Datos Panel Con Eviews

Práctica de datos panel con eviews.

1. Existen varias propuestas de modelos panel, aquí se presentan los más utilizados: utilizados: 

Modelos de coeficientes constantes.



Modelos de efectos fijos (fixed (fixed effects models o también variable intercept models).



Modelos de efectos aleatorios (random effects models). Proc-Structure/Resize Current page-Worfile structure ---dated panel En este ejemplo vamos a medir la producción de energía de seis empresas en millones millones de kilowatios /hora (Y) en función de su (Coste) e n millones de dólares (combustible, trabajo, y coste de capital) durante cuatro años.

Cross

Empresa

section ID series Date series

T

ok Como los datos del ejemplo corresponden a 6 empresas (por (por eso se escribe en la sección cruzada empresa) y la parte longitudinal es el tiempo (por e so se escribe en date series, t) que corresponden a los años. El modelo será el siguiente.        ; i=1,2,…..6; t=1955 ,1960,1965,1970. 

Análisis gráfico.

Quick-Graph (Log(coste))--Graph (ok). Si se elige

Stack cross section

data,

obtenemos el gráfico del logaritmo del coste en todo el panel. Después lo hacemos con el log(Y). En la parte donde dice Panel Option, explore las diversas opciones. No olvide analizar las gráficas. 

Análisis descriptivo.

Para realizar contraste de igualdad de medias o en varianzas varianzas para el caso de log(y) en las diferentes secciones cruzadas View--Tests for Descriptive Stats--Equality Tst by Classification(Se elige la variable para cuya igualdad de medias , medianas, varianzas varianzas en las distintas secciones cruzadas del del

panel se debe contrastar. Se rechaza la igualdad de medias y la igualdad de varianzas (pvalue menores de 0.05) tanto para log(y), como para log(coste).

Otra forma alternativa es: es generar serie por ejemplo s=log(y). Se despliega los valores de s de una vez y ejecuta los comandos View--Tests for Descriptive Stats--Equality Tst by Classification(le el nombre de la variable y el test de igualdad que quiere evaluar, ya sea media, mediana, varianza).

Test for Equality of Means of S Categorized by values of S Date: 06/03/12 Time: 09:30 Sample: 1 24 Included observations: 24 Method

df

Value

Probability

(5, 18)

111.1511

0.0000

Source of Variation

df

Sum of Sq.

Mean Sq.

Between Within

5 18

41.29592 1.337506

8.259184 0.074306

Total

23

42.63342

1.853627

Mean 5.365976 6.518133 7.614447 8.582856 9.273719 10.27601 8.309352

Std. Dev. NA 0.337451 0.299807 0.290895 0.227011 0.091042 1.361480

Std. Err. of Mean NA 0.150913 0.211996 0.118758 0.080261 0.064376 0.277911

Anova F-test Analysis of Variance

Category Statistics

S [5, 6) [6, 7) [7, 8) [8, 9) [9, 10) [10, 11) All

Count 1 5 2 6 8 2 24

Test for Equality of Variances of S Categorized by values of S Date: 06/03/12 Time: 09:32 Sample: 1 24 Included observations: 24 Method Bartlett Levene Brown-Forsythe

df

Value

Probability

5 (5, 18) (5, 18)

1.887770 0.771703 0.527899

0.8644 0.5824 0.7523

Std. Dev. NA 0.337451 0.299807 0.290895 0.227011 0.091042 1.361480

Mean Abs. Mean Diff. 0.000000 0.248667 0.211996 0.205798 0.182884 0.064376 0.187247

Mean Abs. Median Diff. 0.000000 0.243224 0.211996 0.185886 0.172137 0.064376 0.177553

Category Statistics

S [5, 6) [6, 7) [7, 8) [8, 9) [9, 10) [10, 11) All

Count 1 5 2 6 8 2 24

Bartlett weighted standard deviation: 0.272591

Realizado el análisis gráfico y descriptivo nos disponemos a la estimación. 1.1. Estimación del panel con coeficientes constantes.

Quick-Estimate equation Specification

Panel option

option

log(coste) c log(y) se elige el método de mínimos cuadrados ordinarios se rellena en la solapa panel options

Dependent Variable: LOG(COSTE) Method: Least Squares Date: 06/03/12 Time: 10:26 Sample: 1 24 Included observations: 24 Variable

Coefficient

Std. Error

t-Statistic

C LOG(Y)

-4.174783 0.887987

0.276868 0.032900

-15.07858 26.99084

Prob. 0.0000 0.0000

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.970686 0.969354 0.214815 1.015204 3.901050 728.5053 0.000000

Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

3.203811 1.227095 -0.158421 -0.060250 -0.132376 0.681053

LOG(COSTE) = -4.17478313474 +0.887986818173*LOG(Y)+Ut;

No olvide hacer las pruebas de autocorrelación. Note que el Dwrbin Watson es muy bajo Pero si realiza el siguiente modelo el DW , mejora substancialmente Log(coste) c log(y) ar(1) 

Prueba del residuo sobre heterocedasticidad. Se despliga el rediduo resultante de la ecuación. View---Test for descriptive statsEquality Tests by classification. Se escribe resid y se elige la varianza

Se acepta la igualdad de varianzas en las distintas secciones cruzadas(p-valor mayor que 0.05). No existe entonces heterocedasticidad entre secciones cruzadas.

Test for Equality of Variances of RESID Categorized by values of RESID Date: 06/03/12 Time: 10:20 Sample: 1 24 Included observations: 24 Method Bartlett Levene Brown-Forsythe

df

Value

Probability

4 (4, 19) (4, 19)

3.882667 2.023565 0.981291

0.4221 0.1318 0.4411

Std. Dev. 0.068152 0.035423 0.059908 0.012179 NA 0.210094

Mean Abs. Mean Diff. 0.051128 0.028669 0.049688 0.008612 0.000000 0.038364

Mean Abs. Median Diff. 0.049908 0.026763 0.045678 0.008612 0.000000 0.036050

Category Statistics

RESID [-0.4, -0.2) [-0.2, 0) [0, 0.2) [0.2, 0.4) [0.4, 0.6) All

Count 5 7 9 2 1 24

Bartlett weighted standard deviation: 0.053787

Dependent Variable: LOG(COSTE) Method: Panel Least Squares Date: 06/03/12 Time: 14:07 Sample (adjusted): 1960 1970 Periods included: 3 Cross-sections included: 6 Total panel (balanced) observations: 18 Convergence achieved after 11 iterations Variable

Coefficient

Std. Error

t-Statistic

C LOG(Y) AR(1)

-5.011706 0.973382 0.547739

0.661471 0.070411 0.154881

-7.576603 13.82430 3.536516

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Inverted AR Roots

0.988390 0.986842 0.139612 0.292371 11.54002 638.4849 0.000000


Prob. 0.0000 0.0000 0.0030 3.338441 1.217092 -0.948892 -0.800496 -0.928430 2.168351

.55

Se nota que mejora el DW. 1.2. Estimar datos panel con efectos fijos de secciones cruzadas.

Quick-Estimate equation Specification

Panel option

Option

Cross section--fixed none Log(coste ) c log(y). 

Para ver las estimaciones de efectos fijos.

View-Fixed /random effects- cross secction effects EMPRESA EMPRESA1 EMPRESA2 EMPRESA3 EMPRESA4 EMPRESA5 EMPRESA6

Effect -0.294518 -0.512722 -0.040948 0.264521 0.088170 0.495497



Para probar si los efectos fijos de las empresas son iguales.

View--Fixed/Random Effects Testing---Redundant Fixed Effect-likelihood Ratio Para valores de( p- value menores que 0.05%) se afirma que los efectos fijos de las empresas son diferentes con un 95% de confianza.

Redundant Fixed Effects Tests Equation: Untitled Test cross-section fixed effects Effects Test Cross-section F Cross-section Chi-square

Statistic

d.f.

Prob.

9.671526 32.319860

(5,17) 5

0.0002 0.0000

Cross-section fixed effects test equation: Dependent Variable: LOG(COSTE) Method: Panel Least Squares Date: 06/03/12 Time: 14:51 Sample (adjusted): 1955 1970 Periods included: 4 Cross-sections included: 6 Total panel (balanced) observations: 24 Variable

Coefficient

Std. Error

t-Statistic

C LOG(Y)

-4.174783 0.887987

0.276868 0.032900

-15.07858 26.99084


0.970686 0.969354 0.214815 1.015204 3.901050 728.5053 0.000000


Prob. 0.0000 0.0000 3.203811 1.227095 -0.158421 -0.060250 -0.132376 0.588688

La ecuación de modelo de efectos fijos ajustado queda: Log(coste) =-2.39+0.67log(y)-0.29d 1-0.51d 2-0.04d3+0.26d 4+0.08d5+0.49d6+et

(di=1 para observaciones de la empresa i y di=0 en caso contrario).

1.3.

Estimar datos panel con efectos fijos de tiempo.

Dependent Variable: LOG(COSTE) Method: Panel Least Squares Date: 06/03/12 Time: 15:17 Sample (adjusted): 1955 1970 Periods included: 4 Cross-sections included: 6 Total panel (balanced) observations: 24 Variable

Coefficient

Std. Error

t-Statistic

C LOG(Y)

-4.289425 0.901784

0.296144 0.035228

-14.48424 25.59854

Prob. 0.0000 0.0000

Effects Specification Period fixed (dummy variables) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)



0.973459 0.967872 0.219949 0.919177 5.093437 174.2193 0.000000


3.203811 1.227095 -0.007786 0.237641 0.057326 0.573034

Para ver las estimaciones de efectos fijos.

View-Fixed /random effects- period effects

1 2 3 4

DATEID 1955-01-01 1960-01-01 1965-01-01 1970-01-01

Effect 0.070394 0.059078 -0.048455 -0.081016



Para probar si los efectos fijos de las empresas son iguales.

View--Fixed/Random Effects Testing---Redundant Fixed Effect-likelihood Ratio Para valores de( p- value menores que 0.05%) se afirma que los efectos fijos de las empresas son diferentes con un 95% de confianza.

Redundant Fixed Effects Tests

Equation: Untitled Test period fixed effects Effects Test

Statistic

d.f.

Prob.

Period F Period Chi-square

0.661643 2.384774

(3,19) 3

0.5858 0.4965

Period fixed effects test equation: Dependent Variable: LOG(COSTE) Method: Panel Least Squares Date: 06/03/12 Time: 15:25 Sample (adjusted): 1955 1970 Periods included: 4 Cross-sections included: 6 Total panel (balanced) observations: 24 Variable

Coefficient

Std. Error

t-Statistic

C LOG(Y)

-4.174783 0.887987

0.276868 0.032900

-15.07858 26.99084


0.970686 0.969354 0.214815 1.015204 3.901050 728.5053 0.000000


Prob. 0.0000 0.0000 3.203811 1.227095 -0.158421 -0.060250 -0.132376 0.588688

Como vemos que la probabilidad del test es muy alta, es decir mayores que 0.05 entonces precindimos de esta estimación.

1.4. Estimar datos panel con efectos aleatorios.

Cross section random

Dependent Variable: LOG(COSTE) Method: Panel EGLS (Cross-section random effects) Date: 06/03/12 Time: 15:35 Sample (adjusted): 1955 1970 Periods included: 4 Cross-sections included: 6 Total panel (balanced) observations: 24 Swamy and Arora estimator of component variances Variable

Coefficient

Std. Error

t-Statistic

C LOG(Y)

-3.413094 0.796320

0.361486 0.042555

-9.441837 18.71252

Prob. 0.0000 0.0000

Effects Specification S.D. Cross-section random Idiosyncratic random

Rho

0.172964 0.124632

0.6582 0.3418

Weighted Statistics R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)

0.924165 0.920718 0.142433 268.1037 0.000000

Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat

1.085946 0.505850 0.446315 1.032323

Unweighted Statistics R-squared Sum squared resid



0.960342 1.373441

Mean dependent var Durbin-Watson stat

3.203811 0.335465

Para probar si los efectos aleatorios es adecuado, se usa el test de Hausman

View--Fixed/Random Effects Testing-correlated random Effects Hausman-Test

Correlated Random Effects - Hausman Test Equation: Untitled Test cross-section random effects

Test Summary Cross-section random

Chi-Sq. Statistic

Chi-Sq. d.f.

7.733220

1

Prob. 0.0054

Cross-section random effects test comparisons: Variable LOG(Y)

Fixed 0.674279

Cross-section random effects test equation: Dependent Variable: LOG(COSTE) Method: Panel Least Squares Date: 06/03/12 Time: 15:42 Sample (adjusted): 1955 1970 Periods included: 4 Cross-sections included: 6

Random

Var(Diff.)

Prob.

0.796320

0.001926

0.0054

Total panel (balanced) observations: 24 Variable

Coefficient

Std. Error

t-Statistic

C LOG(Y)

-2.399009 0.674279

0.508593 0.061131

-4.716953 11.03012

Prob. 0.0002 0.0000

Effects Specification Cross-section fixed (dummy variables) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.992375 0.989684 0.124632 0.264062 20.06098 368.7671 0.000000


3.203811 1.227095 -1.088415 -0.744816 -0.997258 1.402167

En la prueba se observa un valor menor que 0.05 Prueba de normalidad de los residuos.

View----R esiual Diagnostic-Histograma de normalidad. Jackes Bera>0.05 indica residuos normales con un95% de probabilidad. Conclusiones. Modelo adecuado, es el de efectos fijos ajustado queda: Log(coste) =-2.39+0.67log(y)-0.29d 1-0.51d 2-0.04d3+0.26d 4+0.08d5+0.49d6+et

(di=1 para observaciones de la empresa i y di=0 en caso contrario).

Práctica de Datos Panel Con Eviews

Recommend Documents