Taller Practico 3: Datos de Panel

A continuación vamos a analizar el efecto de los incentivos a la productividad del trabajador mediante becas de capacitación (Wooldridge, 2010). 54 empresas reportan sus niveles de desechos (scrap) durante 3 años: 1987,1988 y 1999. Algunas firmas reciben estos incentivos durante un año, otras durante varios años. Nos interesa conocer cuáles son los efectos de los incentivos de capacitación en la generación de desechos de las compañías, en otras palabras, afecta la capacitación al personal en los niveles de eficiencia del proceso productivo (generación de menos desechos)?En base a su conocimiento econométrico, y utilizando la base “JTRAIN1.dta” (Wooldridge, 2010) analice el problema cubriendo los siguientes ítems:

1) Observe los datos y determine cuantas observaciones hay disponibles por cada año. ¿Se trata de un panel balanceado?

El panel está compuesto por i=fcode y t=year donde i=54 y t=3 ,un total de 471 observaciones en el panel.

El panel se encuentra balanceado como se puede observar en los siguientes cuadros.

Cuadro 1 – Estadística del Panel de datos

Cuadro 1 – Estadística del Panel de datos

Cuadro 2– Comprobación de que el panel de datos es balanceado

2) Ordene las observaciones y establezca en el programa que se trata de datos de panel.

Cuadro 3– Indicación de que se trabajara con datos de panel

Se usa el comando xset para indicar que se trabajara con datos de panel, además se puede averiguar si el panel que se va a trabajar se encuentra balanceado o no, en este caso el panel si se encuentra balanceado.

3) Si hay compañías que han recibido grants en varios años, existirán efectos dinámicos en la productividad. Genere la variable rezagada de los grants recibidos por cada empresa (asuma que el año 1987 es cero).

Se usó el comando bysort para generar la variable rezagada grantl1, ya que por cada firma se debía generar una variable.

reg lscrap d88 d89 union grant grantl1

Cuadro 4– Regresión POLS

Se puede observar que con un nivel de error de 5% la variable Unión es significativa, mientras que el resto de variables a ese nivel no son significativas. La variable grant a un nivel de error del 10% es significativa.

En promedio las empresas que tiene unión sindical generan 53,91657% de desechos.

Problemas al estimar por POLS

a) Uno de los problemas que se pueden presentar es la correlación serial.b) Problema de sesgo de variable omitida.

reg d.lscrap d89 d.grant d.grantl1

Cuadro 5– Regresión en Primeras Diferencias

El modelo en Primeras diferencias es una de las 3 formas de corregir datos de panel,

Yit=β 0+β1 Xit+Ci+Uit

Yit−1=β0+β 1 Xit−1+Ci+Uit−1

∆Yit=β 1∆ Xit+∆Uit

Donde Ci son factores constantes que elimino en primeras diferencias.

A nivel de 5% los coeficientes no son significativos.

Grant D1

Ho: β=0

A 5%: 0.091 > 0.05 No se rechaza la hipótesis nula

A 10%: 0.091 < 0.10 Se rechaza la hipótesis nula

Si existen factores constantes en el tiempo que afectan los coeficientes.

Para probar la existencia de correlación serial se realiza el test ya conocido de Raíz unitaria.

∆ U ¿ ρ∆ U−1+E¿

Test robusto

Predict res, resid

Reg res l.res

Cuadro 6– Correlación Serial

H 0 : ρ=1

A 5%: 0.084 > 0.05 No se rechaza la hipótesis nula, existe correlación serial.

A 10%: 0.084 < 0.10 Se rechaza la hipótesis nula, no existe correlación serial.

Los modelos de Efectos Aleatorios son la segunda forma de corregir los datos de panel, en este modelo de efectos aleatorios se puede suponer lo siguiente Corr(Ci,Xit)=0.

El modelo de efectos aleatorios es una estimación de mínimos cuadrados generalizados (GLS).

Uno de los problemas existentes es que Vit si tiene correlación serial

Yit=β 0+β1 Xit+Vit

Donde Vit tiene exogeneidad estricta.

xtreg lscrap d88 d89 union grant grantl1 , re

Cuadro 7– Modelo de Efectos Aleatorios.

La dummy para el año de 1989 (d89) es significativa a nivel de 5 %, lo que nos indica que en promedio el nivel de desecho decrece un 26,98% en el año de 1989

La variable grant no es significativa por lo que podemos decir que efectos contemporáneos no existen.

La variable grantl1 es significativa a un nivel de 10%, voy a medir el efecto en un periodo posterior.

Un Rho=0.8863 es muy alto y se asemeja a un modelo de efectos fijos.