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