Maestría Académica en Estadística
Examinar
Examinando Maestría Académica en Estadística por Materia "MUESTREO (ESTADISTICA)"
Mostrando 1 - 1 de 1
Resultados por página
Opciones de ordenación
Ítem Efectos del desbalance en la estimación de modelos dinámicos de panel(2015) Pignataro López, AdriánLa investigación examina si el desbalance de un panel de datos, definido como la desigualdad en el número de mediciones en el tiempo por unidad espacial, genera sesgo e ineficiencia en la estimación de modelos de regresión. Se inicia destacando las fortalezas de los datos de panel así como las adecuadas especificaciones en los modelos para poder contemplar la heterogeneidad y el carácter temporal o dinámico. La teoría indica que el modelo clásico de intercepto constante es inadecuado para estos datos y que los modelos de efectos fijos y efectos aleatorios deben utilizarse únicamente en los modelos estáticos. Para los casos dinámicos se han desarrollado estimadores basados en el método de los momentos generalizados y que recurren a las variables instrumentales, como lo es el estimador Arellano-Bond. Sin embargo, los estudios previos no brindan mayor atención al desbalance y la evidencia sobre sus efectos es inconclusa. Para analizar el desbalance se proponen 40 experimentos Monte Cario diseñados con diferentes tamaños de muestra (100, 48, 24 y 12) y grados de desbalance (incluyendo uno completamente balanceado). Se compararon los coeficientes de regresión y sus respectivos errores estándar según cuatro modelos: de intercepto constante, de efectos fijos, de efectos aleatorios y del estimador Arellano-Bond. Además se ejemplificó el contraste entre modelos con un pand de participación electoral. Las simulaciones no detectaron sesgos en las estimaciones que sean producidas por el desbalance, mientras que la eficiencia sí se vio afectada. En los paneles más desbalanceados - y de menor tamaño - se observaron mayores errores estándar. Existe además gran variabilidad entre modelos: el de intercepto constante y el Arellano-Bond constituyen las opciones más ineficientes. Cuando se estiman modelos omitiendo la variable dependiente rezagada como predictora, los sesgos y los errores aumentan bajo todos los escenarios. En el caso...