Máxima verosimilitud para modelos de panel cruzado con efectos fijos

Los datos de panel permiten tanto controlar los confundidores no observados como permitir la causalidad recíproca con retraso. Sin embargo, intentar hacer ambas cosas al mismo tiempo conlleva serias dificultades de estimación. En la literatura econométrica, estos problemas se han solucionado usando variables instrumentales rezagadas junto con el método generalizado de momentos (GMM). Aquí demostramos que los mismos problemas pueden resolverse mediante la estimación de máxima verosimilitud (ML) implementada con paquetes de software estándar para modelado de ecuaciones estructurales (SEM). Simulaciones de Monte Carlo muestran que el método ML-SEM es menos sesgado y más eficiente que el método GMM bajo una amplia gama de condiciones. ML-SEM también permite probar y relajar muchas de las restricciones que típicamente se incorporan en modelos de panel dinámico.