140 likes | 333 Views
DANE PANELOWE. Modelowanie handlu zagranicznego. Co będziemy robić. Panele – wprowadzenie, obróbka danych Kwestia mierzenia odległości Co było najpierw: handel czy PKB? Co jeszcze ma wpływ na handel? Waluta?. Czym się rożni wróbelek?. Jaki jest sens badań panelowych
E N D
DANE PANELOWE Modelowanie handlu zagranicznego
Co będziemy robić • Panele – wprowadzenie, obróbka danych • Kwestia mierzenia odległości • Co było najpierw: handel czy PKB? • Co jeszcze ma wpływ na handel? • 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 dist Source SS df MS Number of obs= 1074 F( 3, 1070)= 543.02 Model 196764.006 3 65588.002 Prob > F = 0.0000 Residual 129238.277 1070 120.783436 R-squared = 0.6036 Adj R-squared= 0.6025 Total 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 .0165004 pop .0528096 .0228549 2.31 0.021 .0079642 .097655 dist -.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 • Wykorzystując komendy: iis nazwa_zmiennej_grupujacej tis 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 = 1074 F( 3, 1070) = 543.02 Model 196764.006 3 65588.002 Prob > F = 0.0000 Residual 129238.277 1070 120.783436 R-squared = 0.6036 Adj R-squared = 0.6025 Total 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 .0165004 pop .0528096 .0228549 2.31 0.021 .0079642 .097655 dist -.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 randomeffects trade[ID,t] = Xb + u[ID] + e[ID,t] Estimated results: Var sd = sqrt(Var) ---------+----------------------------- trade 303.8232 17.43052 e 11.50993 3.392628 u 111.018 10.53651 Test: Var(u) = 0 chi2(1) = 4793.89 Prob > chi2 = 0.0000
Wnioski • Umiemy zadeklarować panel • Umiemy przeprowadzić najprostsze analizy • Wiemy, jak sprawdzić, czy miały sens • Umiemy poprawić, jeśli nie miały sensu • Umiemy nauczyć się więcej