Datos de panel en tu TFM: efectos fijos, efectos aleatorios y el test de Hausman (guía 2026)

Tu base de datos tiene 120 empresas observadas durante siete años, o 3.400 hogares seguidos durante cuatro. No es un corte transversal y no es una serie temporal: es un panel. Y en cuanto lo abres, aparece la pregunta que bloquea la mitad de los TFM de Economía y ADE: ¿efectos fijos o efectos aleatorios?

Esta guía responde esa pregunta con lo que hay detrás —qué elimina cada modelo y qué precio pagas por ello—, explica cómo se lee el test de Hausman sin repetir la frase de manual que nadie entiende, y termina con los paneles a los que un estudiante puede acceder de verdad.

Qué tienes exactamente cuando tienes un panel

Un panel combina dos dimensiones: N unidades (personas, hogares, empresas, municipios, países) observadas en T momentos. Esa doble dimensión es lo que te permite hacer algo que un corte transversal no permite: comparar a cada unidad consigo misma.

Ahí está todo el valor del método. En un corte transversal, cuando comparas empresas rentables con empresas poco rentables, arrastras todo lo que las diferencia y no has medido: la cultura de gestión, la calidad del equipo directivo, la posición histórica en el mercado. En un panel puedes preguntarte, en cambio, qué pasó en la misma empresa cuando cambió la variable que te interesa. Todo lo que en esa empresa se mantuvo constante deja de contaminar la comparación.

Conviene distinguir dos casos, porque cambian el análisis:

• Panel equilibrado: todas las unidades tienen observación en todos los periodos.
• Panel desequilibrado: hay huecos, porque unas unidades entran más tarde o abandonan. Es lo normal con datos reales y no invalida nada, pero conviene preguntarse si las salidas están relacionadas con la variable de interés (atrición selectiva). Si lo están, tienes un problema de sesgo que hay que declarar.

Efectos fijos: qué elimina y qué pierdes

El modelo de efectos fijos (también llamado estimador intra o within) permite que cada unidad tenga su propio término constante. Al hacerlo, absorbe por completo toda característica de la unidad que no cambia en el tiempo, la hayas medido o no.

Esa es su gran ventaja: te protege del sesgo por variables omitidas invariantes en el tiempo, que es la principal amenaza en cualquier estudio con datos observacionales, y una amenaza que las técnicas de control de variables confusoras solo pueden abordar variable a variable y siempre que las hayas medido.

Y esa es también su limitación: si una variable no cambia dentro de la unidad, no tendrá coeficiente. El sexo de una persona, su país de nacimiento, el sector de actividad de una empresa que no se reconvierte: todo eso queda absorbido. Si tu hipótesis principal es sobre una variable constante en el tiempo, el modelo de efectos fijos, sencillamente, no puede responderla.

Efectos aleatorios: qué gana y qué exige

El modelo de efectos aleatorios trata la heterogeneidad individual como una perturbación aleatoria en lugar de como un parámetro por unidad. Usa a la vez la variación dentro de cada unidad y la variación entre unidades, lo que le da más eficiencia —errores estándar menores— y le permite estimar coeficientes de variables invariantes en el tiempo.

El precio es un supuesto fuerte: que esa heterogeneidad no esté correlacionada con las variables explicativas. Si las empresas mejor gestionadas —una característica que no observas— son también las que más invierten en la variable que estudias, el supuesto se rompe y los coeficientes salen sesgados.

El test de Hausman: qué contrasta de verdad

El contraste que resuelve la disyuntiva lo formalizó Jerry A. Hausman en 1978 en Econometrica (vol. 46, p. 1251). Su lógica es de comparación entre estimadores: bajo la hipótesis nula, ambos son consistentes y deberían dar coeficientes parecidos; bajo la alternativa, solo efectos fijos lo es. Si los coeficientes difieren más de lo que cabría esperar por azar, la nula se rechaza.

Dos advertencias que evitan la corrección típica del tutor:

• Un test no significativo no «demuestra» que los efectos aleatorios sean correctos. Solo indica que no has encontrado evidencia en contra, y con paneles pequeños la potencia del contraste es baja. Redacta con esa cautela.
• El test no es el único criterio. Si tu pregunta de investigación exige estimar el efecto de una variable invariante en el tiempo, ningún resultado de Hausman va a hacer que efectos fijos te sirva. Y si tu identificación depende de comparar cada unidad consigo misma, muchos autores estiman efectos fijos aunque el test no lo obligue. Declara el criterio antes de estimar.

Lo que hay que comprobar además

Elegir el modelo es el primer paso, no el último. Tres comprobaciones que un tribunal técnico espera:

1. Errores estándar robustos y agrupados por unidad. Las observaciones de una misma unidad están correlacionadas entre sí; ignorarlo produce errores estándar demasiado pequeños y significaciones falsas. Es prácticamente obligatorio en cualquier panel.
2. Efectos temporales. Añadir variables ficticias de año absorbe los choques comunes a todas las unidades —una crisis, un cambio normativo— y evita atribuir a tu variable lo que fue el contexto. Se llama modelo de efectos fijos en dos vías.
3. Multicolinealidad y transformaciones. Las reglas generales de la multicolinealidad y el VIF siguen aplicando, y en efectos fijos hay que vigilar además las variables con muy poca variación intra-unidad: técnicamente estimables, prácticamente inútiles.

Si lo que tienes no es un panel sino una estructura anidada sin dimensión temporal —alumnos dentro de aulas, pacientes dentro de centros—, el modelo que buscas es otro y está explicado en la guía de modelos multinivel para datos anidados.

De dónde saca un estudiante un panel de verdad

Esta es la parte que decide si el TFM sale adelante. Construir un panel propio está fuera del alcance de un trabajo de máster; hay que usar datos secundarios.

• EU-SILC longitudinal (Eurostat). Es la fuente europea de referencia sobre renta, pobreza y condiciones de vida. Su componente longitudinal sigue a los individuos durante un periodo de cuatro años, y los ficheros de uso científico son microdatos parcialmente anonimizados a los que se accede presentando una propuesta de proyecto de investigación. Ojo a un detalle técnico que Eurostat documenta expresamente: los identificadores de hogar de los ficheros transversales se asignan aleatoriamente para impedir seguir a los encuestados en el tiempo o enlazarlos con los datos longitudinales. Es decir, no puedes construir tu propio panel a partir de los ficheros transversales: hay que pedir el longitudinal.
• La Muestra Continua de Vidas Laborales es la mejor fuente española de historia laboral individual, y su acceso es un procedimiento reglado que está explicado paso a paso en la guía de solicitud de la MCVL.
• Paneles agregados: los datos por provincia, comunidad autónoma o país publicados por los institutos estadísticos y por Eurostat forman paneles perfectamente utilizables sin trámite alguno de acceso. Un panel de 17 comunidades × 12 años es un TFM viable y con datos descargables hoy mismo; el flujo de trabajo está en la guía de TFG con datos secundarios del INE.
• Paneles de empresas: los estados financieros anuales de empresas cotizadas son públicos y descargables, y varias bases comerciales están suscritas por las bibliotecas universitarias.

Un consejo de calendario: si vas a pedir microdatos con solicitud —EU-SILC o MCVL—, hazlo el primer mes. Los plazos de resolución son de semanas y han hundido más de un TFM que se dejó ese trámite para después de escribir el marco teórico.

Con qué software se estima

• Stata es el estándar de facto. Se declara la estructura con xtset id año y se estima con xtreg y x1 x2, fe o , re. El test de Hausman se ejecuta guardando ambas estimaciones y comparándolas. Los errores agrupados se piden con la opción de clúster por identificador.
• R lo resuelve con el paquete plm: la función de estimación admite el argumento del modelo (within o random) y el paquete incluye el contraste de Hausman. Para los errores robustos agrupados se combina con sandwich y lmtest.
• SPSS no tiene un módulo de datos de panel. Puedes aproximar efectos fijos con modelos mixtos, pero si tu TFM es de econometría, aprender lo mínimo de Stata o R te va a salir más barato que forzar SPSS.

Cómo redactar los resultados

Se estimaron modelos de datos de panel con la muestra de 120 empresas observadas entre 2016 y 2024 (panel desequilibrado, 934 observaciones). El test de Hausman rechazó la hipótesis nula, χ²(5) = 21,47, p < ,001, por lo que se optó por el estimador de efectos fijos. Todos los modelos incluyen efectos fijos de año y errores estándar robustos agrupados por empresa. El coeficiente de la variable de interés fue positivo y significativo, b = 0,043 (EE = 0,015), p = ,004, lo que implica que un aumento de un punto se asocia con un incremento medio de 4,3 puntos porcentuales dentro de la misma empresa.

La última frase es la que separa un TFM notable de uno correcto: en efectos fijos, el coeficiente se interpreta dentro de la unidad, no entre unidades. Decirlo explícitamente demuestra que entiendes el modelo. Y cierra con un análisis de sensibilidad: reestima con efectos aleatorios, con y sin efectos de año, y muestra que la conclusión aguanta.

Preguntas frecuentes

¿Cuántas unidades y cuántos periodos necesito?

No hay un mínimo formal, pero con menos de tres periodos la dimensión temporal aporta poco y con menos de treinta unidades los errores estándar agrupados se vuelven poco fiables. Un panel de 100 unidades × 5 periodos es un tamaño cómodo para un TFM.

¿Qué es el estimador pooled y por qué no debo usarlo sin más?

Es una regresión que ignora la estructura de panel y trata todas las observaciones como independientes. Sirve como punto de comparación, pero sus errores estándar están subestimados y no controla la heterogeneidad individual. Repórtalo, si acaso, como primera columna de la tabla.

¿Puedo mezclar efectos fijos con una variable invariante en el tiempo?

No directamente. Existen alternativas —interactuar esa variable con el tiempo, o modelos híbridos que separan la variación intra y entre— pero son material avanzado. Si tu hipótesis central depende de una variable constante, replantea el modelo o el diseño.

¿Y si mi variable dependiente es dicotómica?

Entonces necesitas un modelo de panel para variable dependiente limitada, no un panel lineal. Los conceptos de regresión logística siguen aplicando, pero la versión con efectos fijos tiene particularidades que conviene discutir con tu tutor antes de empezar.

¿Diferencias en diferencias es lo mismo que efectos fijos?

Está estrechamente emparentado: el diseño de diferencias en diferencias se estima habitualmente como un modelo de efectos fijos con efectos de unidad y de tiempo más una interacción tratamiento × periodo. Si tu trabajo evalúa una política que entró en vigor en una fecha concreta, ese es el marco que buscas.

¿Qué hago con los valores perdidos en un panel?

El desequilibrio se tolera bien. Lo que hay que investigar es si las bajas son sistemáticas: compara las características de quienes abandonan con las de quienes permanecen y declara el resultado en las limitaciones.

¿Es lo mismo un panel que un estudio longitudinal?

«Longitudinal» es el término general para cualquier diseño que sigue a los mismos sujetos en el tiempo, e incluye los diseños de corte transversal frente a longitudinal. «Panel» es el término econométrico para su versión con muchas unidades y pocos periodos.

¿Necesito controlar por endogeneidad además de todo esto?

Efectos fijos resuelve la endogeneidad debida a características constantes no observadas, no la causalidad inversa ni el error de medida. Si tu variable explicativa puede estar respondiendo al resultado, decláralo como limitación; las soluciones instrumentales quedan fuera del alcance razonable de un TFM.

Del modelo estimado al TFM entregado

Tener el modelo correcto no escribe el capítulo. Hay que justificar la elección en la metodología, describir el panel y su construcción, montar la tabla de regresiones y traducir los coeficientes a frases que signifiquen algo. Tesify trabaja con tus propios resultados —no genera datos ni estimaciones— y te ayuda a convertirlos en capítulos redactados, con la bibliografía en el formato que pida tu universidad.

Empieza gratis con Tesify y avanza tu TFM desde hoy. Más de 9.000 estudiantes ya lo usan, y el 100 % del texto sigue siendo tuyo.