DANE PANELOWE

Modelowanie handlu zagranicznego

Co będziemy robić

1. Panele – wprowadzenie, obróbka danych

2. Kwestia mierzenia odległości

3. Co było najpierw: handel czy PKB?

4. Co jeszcze ma wpływ na handel?

5. Waluta?

Czym się rożni wróbelek?

Jaki jest sens badań panelowych pooled data w ekonometrii panele w ekonometrii wzdłuż czy w poprzek efekty stałe czy zmienne?

Model grawitacyjny

W pewnym momencie w czasie badacze:– cała ta teoria jest bardzo fajna, ale nie bierze pod uwagę, że są

koszty transportu, oraz że duży kraj to duży rynek => przyciąganie i odpychanie

– Isard (1954), logarytmicznie Tinbergen (1962) [co by było gdyby nie było żadnych ograniczeń w handlu, coś jak „missing trade”], Linneman (1966) [model grawitacyjny to w rzeczywistości IS-LM-BP],

– Anderson (1979) [pierwszy model teoretyczny – na podstawie wydatków]

– Helpman-Krugman (1985) [w handlu wewnątrzgałęziowym]– Bergstrand (1985) [model równowagi ogólnej handlu światowego

przy podziale jeden kraj - jeden czynnik]– Bergstrand (1989) [model H-O z hipotezą Lindera]

Wprowadzanie danych

Strona internetowa:

http://www.wne.uw.edu.pl/~jtyrowicz -> MHM Ściągnąć plik: zajecia_1.xls Zapisać w jakimś konkretnym miejscu Otworzyć STATę Otworzyć Exploratora Windows Skopiować z górnego okienka ścieżkę do miejsca, w którym

zapisaliście plik Wpisać w STATA:

cd „cała ta ścieżka tak, jak wam się przekopiowała”

Wczytywanie danych do STATy

Najprościej:– Otworzyć STATę– Wpisać w okienku edit– Pojawi się duża „tabelka” – do niej można po prostu wkleić

skopiowane z Excela (czy skąd inąd) dane– Nacisnąć Preserve (w lewym górnym rogu)– Zapisać plik w STATa (pod dowolnie wybraną nazwą):

save alamakota, replace Nieco bardziej skomplikowana, ale też bardziej niezawodna

metoda:– Zapisać plik w Excel (albo innym programie) jako ASCII lub XML– Skorzystać z aplikacji importującej w STATA (xmluse)– Zawsze pojawi się kilka problemów, ale też dane będą poprawnie

opisane

Obejrzyjmy te dane

Obejrzenie cyferek zawsze możliwe po wpisaniu słowa edit Ale możemy chcieć obejrzeć je jakoś bardziej syntetycznie, np.:

– podstawowe informacje o zmiennych: des– podstawowe własności zmiennych: sum

Model powinien mieć logarytmy (tak wiemy z teorii)– można oczywiście opracować cały plik w Excel…– … ale Excel nie zrobi kilku przydatnych rzeczy (np. opóźnień)– STATA umie wygenerować wszystko, o co ją poprosimy gen ln(trade)=ln(zmienna_opisujaca_handel)label variable ln(trade) `”Log of trade”’save, replace …

Najprostszy model

Zmienne:– Objaśniana: wymiana handlowa– Objaśniające : PKB, populacje, odległość

reg trade gdp pop distSource SS df MS Number of obs= 1074

F( 3, 1070)= 543.02Model 196764.006 3 65588.002 Prob > F = 0.0000Residual 129238.277 1070 120.783436 R-squared = 0.6036

Adj R-squared= 0.6025Total 326002.283 1073 303.82319 Root MSE = 10.99

trade Coef. Std. Err. t P>t [95% Conf. Interval]

gdp .0141613 .0011921 11.88 0.000 .0118221 .0165004pop .0528096 .0228549 2.31 0.021 .0079642 .097655dist -.0073704 .0005152 -14.31 0.000 -.0083813 -.0063594_cons 5.762674 1.067794 5.40 0.000 3.667467 7.857882

Model panelowy

Te same dane i ten sam problem Tylko bierzemy pod uwagę, że coś jest „grupą w czasie” a całość składa

się z grup STATA uczy się czegoś takiego na różne sposoby

1. Wykorzystując komendy: iis nazwa_zmiennej_grupujacejtis nazwa_zmiennej_okreslajacej_czas

2. xtset nazwa_zmiennej_grupujacej nazwa_zmiennej_okreslajacej_czas

3. tsset nazwa_zmiennej_grupujacej nazwa_zmiennej_okreslajacej_czas(ta ostatnia metoda jest najczęściej wykorzystywana przy szeregach czasowych, ale zawsze działa także dla paneli)

Czy dane powiedzą nam o sobie coś więcej?xtsum

Regresja panelowa

Generalnie STATA ma bardzo rozbudowane menu kontekstowe

(Statistics oraz Graphics), więc nie trzeba wszystkiego pamiętać

Pamiętanie pomaga, kiedy się wie, czego się szuka (help oraz findit)

Poszukajmy możliwości zrobienia regresji panelowej: Statistics =>

Longtitudal/panel data

– Jest tam bardzo dużo opcji: xtset, sum, des, tab (spróbujcie )

– Także: linear models

Najprostszy kod xtreg trade pop gdp dist

Wyniki panelowe

Source SS df MS Number of obs = 1074F( 3, 1070) = 543.02

Model 196764.006 3 65588.002 Prob > F = 0.0000Residual 129238.277 1070 120.783436 R-squared = 0.6036

Adj R-squared = 0.6025Total 326002.283 1073 303.82319 Root MSE = 10.99

trade Coef. Std. Err. t P>t [95% Conf. Interval]

gdp .0141613 .0011921 11.88 0.000 .0118221 .0165004pop .0528096 .0228549 2.31 0.021 .0079642 .097655dist -.007370 .0005152 -14.31 0.000 -.0083813-.0063594_cons 5.762674 1.067794 5.40 0.000 3.667467 7.857882

Skąd wiadomo, czy to sensowne wyniki i co dostaliśmy?

Zawsze można zrobić cudo: help xtreg Poza tym, trochę wiadomo z literatury, a trochę z

doświadczenia– Warto sprawdzić, jaki dokładnie model wyestymowaliśmy

(fixed czy random effects?)– Jaki chcielibyśmy wyestymować?– Jak sprawdzić, czy poszło nam dobrze?

xttest0

Breusch and Pagan Lagrangian multiplier test for random effects

trade[ID,t] = Xb + u[ID] + e[ID,t]

Estimated results:Var sd = sqrt(Var)---------+-----------------------------trade 303.8232 17.43052e 11.50993 3.392628u 111.018 10.53651

Test: Var(u) = 0 chi2(1) = 4793.89Prob > chi2 = 0.0000

Wnioski

1. Umiemy zadeklarować panel

2. Umiemy przeprowadzić najprostsze analizy

3. Wiemy, jak sprawdzić, czy miały sens

4. Umiemy poprawić, jeśli nie miały sensu

5. Umiemy nauczyć się więcej