Regressão com Dados em Painel ou variáveis cross-sections ao longo do tempo (Capítulo 9 Favero)

Modelos de dados em Painel (p. 224)

Introdução

Aplicação

Considerações Finais

Modelos para Dados em Painel Curto

Modelos para Dados em Painel Longo

Vantagens

utilização de modelos de dados em painel refere-se ao controle da heterogeneidade individual, ou seja, à possibilidade de se medirem separadamente os efeitos gerados por conta de diferenças existentes entre cada observação em cada cross-section

avaliar a evolução, para um dado indivíduo, das variáveis em estudo ao longo do tempo

providenciam maior quantidade de informação, maior variabilidade dos dados

menor colinearidade entre as variáveis

maior número de graus de liberdade e maior eficiência na estimação

Difrença entre os diversos modelos

é a existência de efeitos fixos ou.

a existência de efeitos aleatórios.

apresentam a complicação adicional de que os regressores sejam correlacionados com os efeitos do nível do indivíduo e, portanto, uma estimação consistente dos parâmetros do modelo requer uma eliminação ou controle dos efeitos fixos

REGRESSÃO

Um modelo que leva em conta os efeitos específicos do indivíduo i para uma variável dependente yit especifica que: em que x’it são regressores, b0i são os efeitos aleatórios específicos de indivíduo e εit representa o erro idiossincrático

A vantagem do modelo de efeitos fixos é que pode ser obtido um estimador consistente do efeito marginal do j-ésimo regressor de E(yit|b0i, xit), dado que xj,it varia no tempo

No modelo de efeitos aleatórios, por outro lado, pressupõe-se que b0i é puramente aleatório, ou seja, que não é correlacionado com os regressores

A vantagem do modelo de efeitos aleatórios é que este estima todos os coeficientes, mesmo dos regressores invariantes no tempo, e, portanto, os efeitos marginais. Ademais, E(yit|xit) pode ser estimado

desvantagem é que estes estimadores são inconsistentes se o
modelo de efeitos fixos for mais apropriado.

Regressão Linear (Capítulo 4 Favero)

Coneito

A regressão linear é a técnica que busca estimar o valor esperado para uma variável, denominada dependente, a partir da variação de outra(s) variável(is), denominada(s) explicativa(s), considerando a variável dependente como uma função linear da(s) explicativa(s) (p.99)