Muchas gracias licenciada, su video no tiene idea como me ha ayudado para hacer mi tesis, ningun asesor pudo explicarme lo que este video pudo, gracias infinitas.
Excelente explicaciones. Desde Inglaterra, tienes una nueva susbcritora. Estoy haciendo un master en Finanzas e Inversiones y tus videos me estan ayudando mucho.
Buenos días, muchas gracias por el vídeo, es realmente útil. Sin embargo, tengo un problema con xtset. Me pone que la variable es weakly balanced. Buscando en internet, me sale que "weakly balanced if each panel contains the same number of observations but not the same time points". Sin embargo, sí que tienen el mismo nº de observaciones. ¿Cómo podría solucionarlo? Gracias
Estimada Lic. Lourdes, Mil gracias por tu explicación, muy buena. Quisiera formularte una pregunta: Si tengo datos de panel ¿los puedo combinar (hacer una regresión) utilizando un modelo Logit? Gracias por tu atención.
Una pregunta, el test de hussman para seleccionar efectos fijos o efectos aleatorios se hace siempre antes de las pruebas de autocorrelación, heterocedasticidad y colinealidad? o se hace despues
Muy buena explicación Lourdes, te felicito. Puedes compartir un video para el caso de MCO, mediante la prueba Breusch y Pagan y Pesaran en mi caso descarta el uso de panel datos.
Hola, si me salen que tengo que hacer efectos fijos después de hacer el test de Hausman, ¿sigo los mismo pasos de autocorrelación y heterocedasticidad? Gracias
Hola buenos días Licencia Lourdes, me puede explicar por favor cómo pudo instalar stata en su MacBook? Yo en la mía no puedo me pide una aplicación para instalar el programa
Gracias por su clase licenciada, en mi caso al aplicar la prueba de Breusch and Pagan mediante el xttest0, siempre me resulta una probabilidad de 1.0000 por lo que debo trabajar con MCO, pero será que existe alguna forma para elegir entre MCO y Efectos fijos?, ya que al estimar por MCO siento que saldrían un poco inconsistente y me gustaría trabajar con EF. Que me recomendaría en ese caso por favor. O en todo caso que podría aplicar para cambiar esa probabilidad alta y poder usar el test de Hausman.
Si haces uso del comando xtreg, fe te das cuenta que hay una prueba F que testea si la heterogeneidad inobservable es significativa. Si el test rechaza la hipotesis nula indica que la transformación de efectos fijos es preferible a la de mínimos cuadrados agrupados (Pooled OLS). En caso de que lo hagas de manera "manual" por ejemplo usando variables dummy para cada país sería así: reg y x i.id testparm i.id debería darte el mismo estadístico F al final de los resultados de la regresión por efectos fijos: xtreg y x, fe Recuerda que al final la elección entre una transformación u otra también depende de tus objetivos de investigación. Hay veces que te interesa incluir dummies por regiones y por lo tanto aunque sea más ventajoso controlar por la heterogeneidad inobservable mediante usar efectos fijos, quizás efectos aleatorios sea más provechoso para tu estrategia empírica. Saludos.
La única duda que me quedó fue por qué no se hicieron pruebas de estacionariedad (tal vez la Levin Lin Chu), y comprobar que todas las variables son estacionarias (en nivel o en primera diferencia).
Para correr xtpcse y que arroje buenos resultados es bueno que se cumpla la siguiente condición: Que el número de observaciones N sea menor que los períodos de tiempo T (NT, en presencia de autocorrelación, correlación contemporánea y heterocedasticidad agrupada es mejor usar la transformación semi-paramétrica de Driscoll y Kraay (1998) (D&K) y se puede usar el comando xtscc (debes de descargarlo dependiendo de tu versión de Stata) aunque esta transformación de D&K basa en la de Newey West, corrige parte de sus malas propiedades en muestras pequeñas, por lo que en la medida en la que T -> infinito (igual que xtpcse) podrá corregir mejor esas perturbaciones en los errores estándares. Otro asunto es que Beck y Katz (1995), quienes crearon la estimación de PCSE evalúan las propiedades del estimador de Parks (1967) y Dmenta (que refiere al comando xtgls en el vídeo) y tiende a arrojar errores estándares sumamente anti-conservadores, para que funcione T debe ser muy alto, a diferencia de xtpcse que con T>=15 puede corregir formas generales de heterocedasticidad y correlación contemporánea y también el ratio entre N/T debe de ser de 1:3, cosa que no se cumple en la gran mayoría de paneles de micro econometría ( siempre N>T salvo puntuales excepciones) ni de ciencias políticas salvo quizás en paneles de econometría financiera en donde se trabaja con data de frecuencia mensual o trimestral. En caso de que haya heterocedasticidad y autocorrelación pero no correlación contemporánea si N > o = 40 (ver Mostly Harmless Econometrics de J. Angrist y J. Pischke), puedes aplicar errores estándares agrupados (clustered robust standard errors). Si hay pocos clusters (unidades de observación) es muy probable que, como dicen los autores, que este estimador de la varianza no pueda corregir por autocorrelación ni corregir los errores estándares dado el nivel de correlación intra clase en la estructura de los datos (ver Factor de Moulton). Una forma sencilla para ver la bondad de ajuste es usar predict xb, y ver la correlación entre los valores ajustados y los valores reales de la variable dependiente. Espero haber ayudado un poco. Saludos,
Ah, otra cosa que se me pasó es que no puedes generar los residuos automáticamente usando el comando predict con xtpcse, lo que puedes hacer es lo siguiente: xtpcse y x predict double xb, xb *Luego de que el Y_it sombrero puedes generar los residuos así: gen residuos= y- xb * Si usaste PCSE para ajustar por correlación contemporánea puedes usar este comando para estimar la correlación contemporánea media absoluta (que se simboliza por Rho). No es bueno usar la prueba de Pesaran porque aplica para cuando N>T pero si puedes estimar la correlación contemporánea con ambas. Valores por encima de 0.40 indican que hay correlación contemporánea. xtcdf residuos Si tu modelo tiene que N
no sé por qué me sale este mensaje al final, cuando quiero corregir la heterocedasticidad "incapaz de asignar matriz; Ha intentado crear una matriz con demasiadas filas o columnas o ha intentado ajustar un modelo con demasiadas variables. Está utilizando Stata/MP que admite matrices con hasta 65534 filas o columnas. Este es el tamaño máximo de matriz. Si está utilizando variables de factor e incluyó una interacción a la que le faltan muchas celdas, intente establecer la caída de celdas vacías en reducir el tamaño de matriz requerido; ver ayuda establecer celdas vacías. Si está utilizando variables factoriales, es posible que haya tratado accidentalmente una variable continua como categórica, lo que resulta en muchas categorías. Usa la c. operador sobre dichas variables."
Muchas gracias licenciada, su video no tiene idea como me ha ayudado para hacer mi tesis, ningun asesor pudo explicarme lo que este video pudo, gracias infinitas.
Estimada, muy didáctico el video, la verdad es que con estos comandos basta para correr muchos modelos. Muchas gracias!!
Gracias Licenciada Lourdes, saludos desde Perú.
Señora, la amo mucho, no deje de subir videos nunca, gracias por todo❤❤❤❤❤❤💌
Simplemente excelente explicación Lic. Felicitaciones
Hola me gusto mucho tu video sobre panel de datos, Espero puedas hacer un video sobre modelos de ecuaciones simultaneas. Saludos!👏👏👏
¡Excelente vídeo!
Licenciada enseña muy bien vuelva a hacer vídeos gracias a usted aprobé materias 🥲
Ya lo voy a retomar es que mi doctorado me ha mantenido muy ocupada … peor pronto regresaré a hacer videos!! Saludos
WAO WAO WAO, ETERNAMENTE AGRADECIDO CON USTED ; MUCHAS GRACIAS
Excelente explicaciones. Desde Inglaterra, tienes una nueva susbcritora. Estoy haciendo un master en Finanzas e Inversiones y tus videos me estan ayudando mucho.
Saludos
adoro su canal. quizá podría hacer un video explicando diferencias en diferencias en stata, me ayudaría mucho.
Muy buena explicación, tal vez puedes hacer un video referente a la estimación GMM en datos de panel.
Gran video.
tqm me salvaste la tesis
Muy buena explicación
excelente explicación
Gracias por el video lecienciada :D
Hola! Si podrías explicar sobre el analisis de ls series de tiempo con metodo arima te lo agradecería millón ❤️❤️❤️
Exelente, muchas gracias 🛍
Saludos
Muy bueno
Gracias licenciada, quiza pueda subir la base de datos y el DO, gracias
Talvez puede hacer de regresiones cuantílicas por datos de panel?
Buenos días, muchas gracias por el vídeo, es realmente útil. Sin embargo, tengo un problema con xtset. Me pone que la variable es weakly balanced. Buscando en internet, me sale que "weakly balanced if each panel contains
the same number of observations
but not the same time points". Sin embargo, sí que tienen el mismo nº de observaciones. ¿Cómo podría solucionarlo? Gracias
Estimada Lic. Lourdes,
Mil gracias por tu explicación, muy buena.
Quisiera formularte una pregunta: Si tengo datos de panel ¿los puedo combinar (hacer una regresión) utilizando un modelo Logit?
Gracias por tu atención.
Una pregunta, el test de hussman para seleccionar efectos fijos o efectos aleatorios se hace siempre antes de las pruebas de autocorrelación, heterocedasticidad y colinealidad? o se hace despues
Muy buena explicación Lourdes, te felicito. Puedes compartir un video para el caso de MCO, mediante la prueba Breusch y Pagan y Pesaran en mi caso descarta el uso de panel datos.
Saludos
Hola, si me salen que tengo que hacer efectos fijos después de hacer el test de Hausman, ¿sigo los mismo pasos de autocorrelación y heterocedasticidad?
Gracias
Hola buenos días Licencia Lourdes, me puede explicar por favor cómo pudo instalar stata en su MacBook? Yo en la mía no puedo me pide una aplicación para instalar el programa
Quisiera saber si me puede ayudar tengo un modelo y quisiera saber las opciones que puedo tener para estimarlo. Gracias.
mi modelo es con efectos aleatorios, como puedo probar la eteroestastisidad?
Lic. en este video usted uso modelo de Panel de Datos - MCO con FE y RE, es lo mismo, o como seria con un modelo xtlogit tanto con fe y re?, gracias.
Gracias por su clase licenciada, en mi caso al aplicar la prueba de Breusch and Pagan mediante el xttest0, siempre me resulta una probabilidad de 1.0000 por lo que debo trabajar con MCO, pero será que existe alguna forma para elegir entre MCO y Efectos fijos?, ya que al estimar por MCO siento que saldrían un poco inconsistente y me gustaría trabajar con EF. Que me recomendaría en ese caso por favor. O en todo caso que podría aplicar para cambiar esa probabilidad alta y poder usar el test de Hausman.
Si haces uso del comando xtreg, fe te das cuenta que hay una prueba F que testea si la heterogeneidad inobservable es significativa. Si el test rechaza la hipotesis nula indica que la transformación de efectos fijos es preferible a la de mínimos cuadrados agrupados (Pooled OLS).
En caso de que lo hagas de manera "manual" por ejemplo usando variables dummy para cada país sería así:
reg y x i.id
testparm i.id
debería darte el mismo estadístico F al final de los resultados de la regresión por efectos fijos:
xtreg y x, fe
Recuerda que al final la elección entre una transformación u otra también depende de tus objetivos de investigación. Hay veces que te interesa incluir dummies por regiones y por lo tanto aunque sea más ventajoso controlar por la heterogeneidad inobservable mediante usar efectos fijos, quizás efectos aleatorios sea más provechoso para tu estrategia empírica.
Saludos.
Tendrá información sobre Datos de panel, para poder estudiarlos.
muchas gracias profesora, no me aparece el archivo do ni la base, por favor la puede compartir
Es verdda !! Se me pasó subirla hoy mismo lo hago !!!
La única duda que me quedó fue por qué no se hicieron pruebas de estacionariedad (tal vez la Levin Lin Chu), y comprobar que todas las variables son estacionarias (en nivel o en primera diferencia).
Hola, excelente video, una vez que corres el modelo robusto xtpcse, ¿Cuáles son las pruebas estadísticas para confirmar que se corrigió? Saludos
Para correr xtpcse y que arroje buenos resultados es bueno que se cumpla la siguiente condición:
Que el número de observaciones N sea menor que los períodos de tiempo T (NT, en presencia de autocorrelación, correlación contemporánea y heterocedasticidad agrupada es mejor usar la transformación semi-paramétrica de Driscoll y Kraay (1998) (D&K) y se puede usar el comando xtscc (debes de descargarlo dependiendo de tu versión de Stata) aunque esta transformación de D&K basa en la de Newey West, corrige parte de sus malas propiedades en muestras pequeñas, por lo que en la medida en la que T -> infinito (igual que xtpcse) podrá corregir mejor esas perturbaciones en los errores estándares. Otro asunto es que Beck y Katz (1995), quienes crearon la estimación de PCSE evalúan las propiedades del estimador de Parks (1967) y Dmenta (que refiere al comando xtgls en el vídeo) y tiende a arrojar errores estándares sumamente anti-conservadores, para que funcione T debe ser muy alto, a diferencia de xtpcse que con T>=15 puede corregir formas generales de heterocedasticidad y correlación contemporánea y también el ratio entre N/T debe de ser de 1:3, cosa que no se cumple en la gran mayoría de paneles de micro econometría ( siempre N>T salvo puntuales excepciones) ni de ciencias políticas salvo quizás en paneles de econometría financiera en donde se trabaja con data de frecuencia mensual o trimestral.
En caso de que haya heterocedasticidad y autocorrelación pero no correlación contemporánea si N > o = 40 (ver Mostly Harmless Econometrics de J. Angrist y J. Pischke), puedes aplicar errores estándares agrupados (clustered robust standard errors). Si hay pocos clusters (unidades de observación) es muy probable que, como dicen los autores, que este estimador de la varianza no pueda corregir por autocorrelación ni corregir los errores estándares dado el nivel de correlación intra clase en la estructura de los datos (ver Factor de Moulton).
Una forma sencilla para ver la bondad de ajuste es usar predict xb, y ver la correlación entre los valores ajustados y los valores reales de la variable dependiente.
Espero haber ayudado un poco.
Saludos,
Ah, otra cosa que se me pasó es que no puedes generar los residuos automáticamente usando el comando predict con xtpcse, lo que puedes hacer es lo siguiente:
xtpcse y x
predict double xb, xb
*Luego de que el Y_it sombrero puedes generar los residuos así:
gen residuos= y- xb
* Si usaste PCSE para ajustar por correlación contemporánea puedes usar este comando para estimar la correlación contemporánea media absoluta (que se simboliza por Rho). No es bueno usar la prueba de Pesaran porque aplica para cuando N>T pero si puedes estimar la correlación contemporánea con ambas. Valores por encima de 0.40 indican que hay correlación contemporánea.
xtcdf residuos
Si tu modelo tiene que N
no sé por qué me sale este mensaje al final, cuando quiero corregir la heterocedasticidad "incapaz de asignar matriz;
Ha intentado crear una matriz con demasiadas filas o columnas o ha intentado ajustar un modelo con demasiadas variables.
Está utilizando Stata/MP que admite matrices con hasta 65534 filas o columnas. Este es el tamaño máximo de matriz.
Si está utilizando variables de factor e incluyó una interacción a la que le faltan muchas celdas, intente establecer la caída de celdas vacías en
reducir el tamaño de matriz requerido; ver ayuda establecer celdas vacías.
Si está utilizando variables factoriales, es posible que haya tratado accidentalmente una variable continua como categórica, lo que resulta
en muchas categorías. Usa la c. operador sobre dichas variables."