Regresiones usando Panel Data Fixed Effects y Random Effects

Regresiones usando Panel Data
Fixed Effects y Random Effects
Antes de poder realizar una regresión de este tipo hay que transformar la base de datos:
Usando la ventana de Command
Comando en Stata: reshape long nombrevar1 … , i (identificador) j (year)
Ejemplo:
Si tenemos las variables ingreso2001 ingreso2002 con 100 observaciones cada una,
hacemos lo siguiente:
Ingreso 2001 Ingreso 2002
obs 1
obs 1
obs 2
obs 2
…
…
obs 100
obs 100
Paso 1: Generamos una variable identificador para poder diferenciar cada observación
generate id=_n (lo que hace es ponerle un numero a cada una de las 100 observaciones)
Ingreso 2001 Ingreso 2002
obs 1
obs 1
obs 2
obs 2
…
…
obs 100
obs 100
id
1
2
…
100
Paso 2: Transformamos los datos a un panel
reshape long ingreso, i (id) j (year)
Year
2001
2002
2001
2002
…
2001
2002
Ingreso
obs1
obs 1
obs 2
obs 2
…
obs 100
obs 100
id
1
1
2
2
…
100
100
Una vez transformada la base de datos se puede realizar la regresion:
a) Usando la ventana de Command
Comando en Stata: xtreg vardep varindep, i(identificador) re ó fe
b) Usando la barra de Herramientas
Statistics>Cross-sectional time series>Linear models>Linear regresion
Al aparecer la ventana se escoge la variable dependiente y la(s) variable(s)
independiente(s). También se determina si se quiere Random Effects o Fixed Effects.
Además de esto se tiene que especificar en donde dice Panel Settings la variable
identificador.
Para saber si utilizar Random Effects o Fixed Effects se puede realizar la prueba de
hausman.
Paso 1: Se realiza xtreg con fe
Se guardan los coeficientes con el comando est sto fixedeffects
Paso 2: Se realiza xtreg con re
Se guardan los coeficientes con el comando est sto randomeffects
Paso 3:Se realiza la prueba de hausman con el comando
hausman fixedeffects randomeffects
Si el valor P es grande no rechazamos Ho por lo que conviene utilizar Random
Effects ya que es mas eficiente al tener un error estándar mas pequeño.
First Differences
La única diferencia al utilizar este modelo es el tener que sacar diferencias entre los
periodos:
generate difingreso2002=ingreso2002-ingreso2001
generate difingreso2003=ingreso2003-ingreso2002
generate id=_n
Después se sigue el mismo procedimiento que antes:
reshape long difingreso, i(id) j(year)
Si se quiere hacer un pooled regression se utiliza una regresion ols:
reg vardep varindep