Prctica de datos panel con eviews.

1.

Existen varias propuestas de modelos panel, aqu se presentan los ms utilizados:

Modelos de coeficientes constantes.
Modelos de efectos fijos (fixed effects models o tambin 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 produccin de energa de seis empresas en millones de
kilowatios /hora (Y) en funcin de su (Coste) en millones de dlares (combustible, trabajo,
y coste de capital) durante cuatro aos.

Cross
section
ID series
Date series

Empresa

ok
Como los datos del ejemplo corresponden a 6 empresas (por eso se escribe en la seccin cruzada
empresa) y la parte longitudinal es el tiempo (por eso se escribe en date series, t) que
corresponden a los aos.
El modelo ser el siguiente.
; i=1,2,..6; t=1955,1960,1965,1970.

Anlisis grfico.
Quick-Graph (Log(coste))--Graph (ok). Si se elige Stack cross section data,
obtenemos el grfico del logaritmo del coste en todo el panel. Despus lo hacemos con el
log(Y). En la parte donde dice Panel Option, explore las diversas opciones. No olvide
analizar las grficas.

Anlisis descriptivo.
Para realizar contraste de igualdad de medias o en 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 en las distintas secciones cruzadas 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 anlisis grfico y descriptivo nos disponemos a la estimacin.

1.1. Estimacin del panel con coeficientes constantes.
Quick-Estimate equation
Specification

Panel option

option

log(coste) c log(y)
se elige el mtodo de mnimos 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

Prob.

C
LOG(Y)

-4.174783
0.887987

0.276868
0.032900

-15.07858
26.99084

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 autocorrelacin. 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

ecuacin.
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

Prob.

C
LOG(Y)
AR(1)

-5.011706
0.973382
0.547739

0.661471
0.070411
0.154881

-7.576603
13.82430
3.536516

0.0000
0.0000
0.0030

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.988390
0.986842
0.139612
0.292371
11.54002
638.4849
0.000000

Inverted AR Roots

.55

Mean dependent var

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

3.338441
1.217092
-0.948892
-0.800496
-0.928430
2.168351

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

Statistic

Cross-section F
Cross-section Chi-square

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

Prob.

C
LOG(Y)

-4.174783
0.887987

0.276868
0.032900

-15.07858
26.99084

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
0.588688

La ecuacin de modelo de efectos fijos ajustado queda:

Log(coste) =-2.39+0.67log(y)-0.29d1-0.51d2-0.04d3+0.26d4+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

Prob.

C
LOG(Y)

-4.289425
0.901784

0.296144
0.035228

-14.48424
25.59854

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

Prob.

C
LOG(Y)

-4.174783
0.887987

0.276868
0.032900

-15.07858
26.99084

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
0.588688

Como vemos que la probabilidad del test es muy alta, es decir mayores que 0.05 entonces
precindimos de esta estimacin.

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

Prob.

C
LOG(Y)

-3.413094
0.796320

0.361486
0.042555

-9.441837
18.71252

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.

Prob.

7.733220

0.0054

Random

Var(Diff.)

Prob.

0.796320

0.001926

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

Total panel (balanced) observations: 24

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
LOG(Y)

-2.399009
0.674279

0.508593
0.061131

-4.716953
11.03012

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)-0.29d1-0.51d2-0.04d3+0.26d4+0.08d5+0.49d6+et

(di=1 para observaciones de la empresa i y di=0 en caso contrario).