Show simple item record

dc.creatorCubillos-Rocha, Juan Sebastian
dc.creatorMelo-Velandia, Luis Fernando
dc.date.created2018-11-09
dc.date.issued2018-11-09
dc.identifier.urihttp://repositorio.banrep.gov.co/handle/20.500.12134/9531
dc.descriptionLos estimadores de los parámetros de un modelo panel dinámico de efectos fijos son sesgados debido al problema de parámetros incidentales. Al respecto, Hahn y Kuersteiner (2002) proponen un estimador para corregir este problema. Sin embargo, ellos consideran únicamente un modelo panel VAR con un sólo un rezago. En este documento analizamos las propiedades asintóticas y de muestra pequeña del estimador corregido por sesgo para un caso más general, un modelo PVAR con p rezagos. Los resultados de las simulaciones indican que el estimador corregido por sesgo tiene un mejor desempeño con respecto al estimador panel VAR MCO cuando la dimensión temporal de la muestra (T) es pequeña, y cuando la persistencia del modelo es baja. En estos casos, el estimador propuesto presenta una disminución significativa en términos de sesgo, y de error cuadrático medio.
dc.description.abstractPanel dynamic estimators with fixed effects are biased due to the incidental parameters problem. At this regard, Hahn and Kuersteiner (2002) proposed an estimator to correct this issue. However, they only consider a panel VAR (PVAR) model with one lag. In this paper we extend this bias correction, its asymptotic and small sample properties for a more general case, a PVAR model with p lags. The simulation results indicate that the bias corrected estimator outperforms the OLS panel VAR estimator when sample size in time dimension is small, and when the persistence of the model is low. In these cases, the proposed estimator improves significantly in terms of both, the reduction of bias and mean square error.
dc.format.extent30 páginas : gráficas, tablas
dc.format.mimetypePDF
dc.language.isoeng
dc.publisherBanco de la República de Colombia
dc.relation.ispartofDocumentos de Trabajo
dc.relation.ispartofseriesBorradores de Economía
dc.relation.isversionofBorradores de Economía; No. 1059
dc.rights.accessRightsOpen Access
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectModelos Panel VAR
dc.subjectMCO restringido
dc.subjectCorrección de sesgo
dc.titleAsymptotically unbiased inference for a panel VAR model with p lags
dc.title.alternativeInferencia asintótica insesgada para un modelo panel VAR con p rezagos
dc.typeWorking Paper
dc.subject.jelC33 - Multiple/Simultaneous Equation Models; Multiple Variables: Panel Data Models; Spatio-temporal Models
dc.subject.jelC51 - Model Construction and Estimation
dc.subject.jelC13 - Estimation: General
dc.audiencePolicymakers
dc.audienceResearchers
dc.audienceStudents
dc.audienceTeachers
dc.subject.keywordPanel VAR models
dc.subject.keywordBias correction
dc.subject.keywordRestricted OLS
dc.subject.lembModelos VAR
dc.subject.lembModelos econométricos
dc.type.spaDocumentos de trabajo
dc.rights.spaAcceso abierto
dc.rights.ccAtribucion-NoComercial-CompartirIgual CC BY-NC-SA 4.0
dc.subject.jelspaC33 - Modelos de ecuaciones múltiples/simultáneas; Variables múltiples: Modelos con datos de panel; Modelos espacio-temporales
dc.subject.jelspaC51 - Construcción de modelos y estimación
dc.subject.jelspaC13 - Estimación: generalidades
dc.type.hasversionPublished Version
dc.coverage.sucursalBogotá
dc.description.notesInferencia asintótica insesgada para un modelo panel VAR con p rezagos Resumen no técnico Enfoque En este documento se propone un estimador de mínimos cuadrados ordinarios de efectos fijos, corregido por sesgo para un vector autoregresivo panel con p rezagos. Un panel es una colección de datos para más de un individuo, en más de un periodo. Por ejemplo, los datos de ingreso tributario, el índice de apertura y el flujo de migración desde el 2000 para todos los países de Latinoamérica constituirían un panel, donde los individuos serían cada uno de los países de Latinoamérica y la unidad de tiempo todos los meses desde el 2000. Por otro lado, un vector autoregresivo permite analizar la interdependencia temporal entre varias variables. Esto es, supongamos que tenemos un vector compuesto por las variables descritas en el anterior ejemplo para Argentina desde el 2000. Un vector autoregresivo explica el comportamiento de cada una de estas variables en función de sus propios rezagos y el de las otras variables en el caso argentino. Ahora, un vector autoregresivo panel permite estudiar esta interdependencia para varios individuos, es decir, en lugar de contemplar únicamente el caso argentino este tipo de modelos nos permite estudiar la dinámica de estas variables para todos los países de la región. Contribución Es importante notar que el estimador de mínimos cuadrados ordinarios, sin efectuar ninguna corrección, es sesgado en este caso. La metodología propuesta corresponde a una extensión de la sugerida por Hahn y Kuersteiner (2002) quienes la desarrollaron para un modelo con un único rezago. En nuestro trabajo se encuentra la distribución del estimador corregido por sesgo para muestras grandes y también evaluamos sus propiedades de muestra pequeña mediante experimentos Monte Carlo en el caso más general con p rezagos. Texto destacado: El estimador desarrollado en este documento tiene un mejor rendimiento que el tradicional. Resultados Los resultados de las simulaciones indican que, en comparación con el estimador de mínimos cuadrados, el estimador propuesto presenta un menor sesgo y un menor error cuadrático medio. Esto quiere decir que el estimador desarrollado en este documento tiene un mejor rendimiento que el tradicional.
dc.rights.disclaimerLas opiniones contenidas en el presente documento son responsabilidad exclusiva de los autores y no comprometen al Banco de la República ni a su Junta Directiva.
dc.rights.disclaimerThe opinions contained in this document are the sole responsibility of the author and do not commit Banco de la República or its Board of Directors.
dc.relation.infohttp://repositorio.banrep.gov.co/sitios/1059/
dc.rights.ObjetoObjeto de publicación: La obra de mí (nuestra) autoría tiene por objeto ser publicada en el Portal de Investigaciones del Banco de la República e incluirla en el repositorio institucional de esa misma entidad. La obra podrá consistir en documento escrito, audiovisual, audio, gráfico, fotográfico, infográfico, podcasts, etc., y podrá estar en cualquier formato conocido o por conocerse.
dc.rights.HabeasDatos personales: El(los) autor(es) ha(n) incluido sus datos personales (nombres, correo electrónico, filiación académica, perfil académico, entre otros) en el Portal de Investigaciones o la obra remitida para publicación, y por consiguiente, manifiesta(n) que mediante el diligenciamiento y registro de sus datos personales autoriza(n) al Banco de la República el tratamiento (recolección, almacenamiento, uso, circulación o supresión) de todos los datos suministrados con la finalidad de adelantar la publicación de la obra en el Portal de Investigaciones, dar a conocer su perfil académico y medios de contacto para fines académicos y divulgativos, así como para la construcción de indicadores y estadísticas para el seguimiento y control de las actividades de divulgación del Portal de Investigaciones. Para tal fin, se informa que el tratamiento de los datos personales se realizará de acuerdo con las políticas o lineamientos generales disponibles en http://www.banrep.gov.co/proteccion-datos-personales, en la sección “Protección de Datos Personales - Habeas Data”.
dc.relation.repechttps://ideas.repec.org/p/bdr/borrec/1059.html
dc.identifier.handlehttp://hdl.handle.net/20.500.12134/9531


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

This work is licensed under a Creative Commons Reconocimiento-NoComercial 4.0.This document has been deposited by the author (s) under the following certificate of deposit