Académique Documents
Professionnel Documents
Culture Documents
Sendo Djt uma variável dummy, que mostra valores 1 ou 0 para retratar cada unidade do
corte seccional estudado, yit corresponde a variável dependente de cada unidade do corte
seccional i no tempo t, os β’s são coeficientes estimados, Xkit são K-1 variáveis
explicativas para cada setor i no tempo t, e eit é o erro aleatório ou erro variante no tempo,
que reflete os fatores não percebidos que variam no tempo e afetam yit.
Ao comparar os efeitos fixos com os efeitos aleatórios, observa-se que cada
modelo trata o intercepto de modo diferente. Para Duarte, Lamounier e Takamatsu (2007,
p. 9) explicam esse diferencial:
O modelo de efeitos fixos trata os interceptos como parâmetros fixos. Já o
modelo de efeitos variáveis trata os interceptos como variáveis aleatórias. Isto
é, este modelo considera que os indivíduos sobre os quais dispõe-se de dados
são amostras aleatórias de uma população maior de indivíduos.
Portanto, o modelo de efeitos aleatórios admite que cada βit é uma variável
aleatória e, segundo Silva e Cruz Junior (2004) a formulação é descrita da seguinte forma:
yit configura a variável dependente de cada unidade de corte seccional i no tempo t, é
uma variável desconhecida que retrata o intercepto populacional médio, os β’s são os
coeficientes estimados, Xkit são K-1 variáveis explicativa para cada setor i no tempo t e
1
Este teste é denominado teste de Chow, que conforme Wooldridge (2010), possui as seguintes hipóteses:
Ho: modelo pooled e H1: modelo de efeitos fixos (irrestrito). Se confirmar a hipótese alternativa (rejeição
de Ho) conclui-se que o modelo de efeitos fixos é a opção mais adequada.
Se não acontecerem efeitos fixos no entanto os erros apresentarem relação dentro
do painel, logo os efeitos aleatórios terá um estimador consistente contudo ineficiente e,
assim, deverá ser obtida uma estimação com erros-padrão robustos clusterizados. À vista
disso, um painel curto, onde tem-se T < N, os erros-padrão robustos clusterizados
estimados podem ser obtidos acatando a premissa de que os erros não são dependentes
entre indivíduos e que N→∞, ou melhor, que (it, js) = 0 para i ≠ j, que E (it, is) seja
A estimação dos parâmetros desse modelo é por meio de OLS (ordinary least
squares), porém infere-se que haja controle da relação within do erro it para um certo
indivíduo, a ser formulado usando os erros-padrão robustos com grupamento no nível do
indivíduo.
Depois da exposição dos modelos em painel, evidencia-se que este estudo aplicará
seis tipos distintos de modelagens, com intenção em proporcionar um melhor
conhecimento dos vários tipos de estimadores e das suas circunstâncias de utilização,
assim como mostrar modelos para o estudo dos principais fatores que reduzem a
desigualdade de renda. O quadro 1 com base em Cameron e Trivedi (2009) e em Fávero
(2013) exibe esses seis tipos diferentes de modelos.
Efeitos Fixos com Erros-Padrão Robustos Os parâmetros βlj podem ser relacionados com as
Clusterizados variáveis explicativas Xkit, permitindo uma
maneira limitada de endogeneidade. Admite-se
que os erros não sejam dependentes entre
indivíduos e que eit não seja homocedástico.
Efeitos Aleatórios
Os parâmetros βlj e os termos de erro aleatório vit
são independentes e igualmente distribuídos
(i.i.d.).