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
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)