TEMA 6. Modelos para Datos de Panel - RUA - Universidad de ...
TEMA 6. Modelos para Datos de Panel - RUA - Universidad de ...
TEMA 6. Modelos para Datos de Panel - RUA - Universidad de ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Introducción <strong>Mo<strong>de</strong>los</strong> estáticos Estimación. Predicción <strong>Panel</strong>es largos Variables instrumentales <strong>Mo<strong>de</strong>los</strong> Dinámicos<br />
Estimador <strong>de</strong> Efectos Aleatorios<br />
El estimador <strong>de</strong> efectos aleatorios (MCGF) se obtiene estimando por<br />
MCO el mo<strong>de</strong>lo transformado<br />
<br />
yit − <br />
θiy i = α 1 − <br />
θi + Xit − ′ <br />
θiX i β+αi 1 − <br />
θi + εit − <br />
θi εi<br />
θi es un estimador consistente <strong>de</strong><br />
<br />
θi = 1 − σ2 ε/(Ti σ2 α+σ2 ε)<br />
El estimador <strong>de</strong> Efectos Aleatorios usa tanto variación “within” como<br />
“between”<br />
Otros estimadores se pue<strong>de</strong>n obtener como casos especiales <strong>de</strong>l<br />
estimador <strong>de</strong> efectos aleatorios<br />
cuando θi → 0, se tiene el estimador agrupado por MCO<br />
cuando θi → 1 (porque Ti o σ2 α/σ 2 ε son gran<strong>de</strong>s), se tiene el<br />
estimador “within”