Endogeneity in panel data regressions: methodological guidance for corporate finance researchers
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Outros Autores: | , , |
Tipo de documento: | Artigo |
Idioma: | eng por |
Título da fonte: | Revista Brasileira de Gestão de Negócios (Online) |
Texto Completo: | https://rbgn.fecap.br/RBGN/article/view/4059 |
Resumo: | Purpose –To describe the use of specific lags (and/or temporal differences) of the original regressors as instrumental variables in a succinct and practical way, showing, by means of a theoretical discussion illustrated by an original simulation exercise, how combining these with adequate modeling of firm and time fixed effects can address not only the dynamic endogeneity problem, but also those derived from the presence of omitted variables, measurement errors, and simultaneity between dependent and independent variables. Design/methodology/approach – Monte Carlo simulation Findings – The traditional OLS, RE, and FE estimators may be inconsistent in the presence of endogeneity problems that are quite plausible in the context of corporate finance. On the other hand, the estimation methods for panel data based on GMM that use assumptions of sequential exogeneity of the regressors present alternatives that are capable of effectively overcoming all the problems listed (provided these assumptions are valid) even if the researcher does not have good instrumental variables that are external to the model Originality/value –The paper discusses and illustrates a greater number of endogeneity problems, showing how they are addressed by different estimators for panel data, using less technical and more accessible language for researchers not yet initiated in the intricacies of estimating dynamic models for panel data. |
id |
FECAP-3_4ef75686accf734e8dadc69114e0e05d |
---|---|
oai_identifier_str |
oai:ojs.emnuvens.com.br:article/4059 |
network_acronym_str |
FECAP-3 |
network_name_str |
Revista Brasileira de Gestão de Negócios (Online) |
repository_id_str |
|
spelling |
Endogeneity in panel data regressions: methodological guidance for corporate finance researchersEndogeneidade em regressões com dados em painel: Um guia metodológico para pesquisa em finanças corporativasEndogeneidade em regressões com dados em painel: Um guia metodológico para pesquisa em finanças corporativasCorporate FinanceEconometricsPanel DataGMMFinanças corporativaseconometriadados em painelGMM.Finanças corporativaseconometriadados em painelGMM.Purpose –To describe the use of specific lags (and/or temporal differences) of the original regressors as instrumental variables in a succinct and practical way, showing, by means of a theoretical discussion illustrated by an original simulation exercise, how combining these with adequate modeling of firm and time fixed effects can address not only the dynamic endogeneity problem, but also those derived from the presence of omitted variables, measurement errors, and simultaneity between dependent and independent variables. Design/methodology/approach – Monte Carlo simulation Findings – The traditional OLS, RE, and FE estimators may be inconsistent in the presence of endogeneity problems that are quite plausible in the context of corporate finance. On the other hand, the estimation methods for panel data based on GMM that use assumptions of sequential exogeneity of the regressors present alternatives that are capable of effectively overcoming all the problems listed (provided these assumptions are valid) even if the researcher does not have good instrumental variables that are external to the model Originality/value –The paper discusses and illustrates a greater number of endogeneity problems, showing how they are addressed by different estimators for panel data, using less technical and more accessible language for researchers not yet initiated in the intricacies of estimating dynamic models for panel data. Objetivo – Descrever de forma sucinta e prática o uso de defasagens (e/ou diferenças temporais) dos regressores como variáveis instrumentais, mostrando, por meio da discussão teórica ilustrada por um exercício original de simulação, como sua combinação com a adequada modelagem dos efeitos fixos da empresa e do tempo pode endereçar não apenas o problema da endogeneidade dinâmica mas também aqueles decorrentes da presença de variáveis omitidas, erros de mensuração e simultaneidade entre variáveis dependentes e independentes. Metodologia – Simulação de Monte Carlo. Resultados – Os tradicionais métodos de MQO, EA e EF podem ser inconsistentes na presença de problemas de endogeneidade bastante plausíveis no contexto de finanças corporativas. Por outro lado, os métodos de estimação para dados em painel baseados no GMM que se utilizam de suposições de exogeneidade sequencial dos regressores apresentam-se como alternativas capazes de contornar eficazmente todos os problemas elencados (desde que as premissas adotadas sejam válidas), mesmo que o pesquisador não disponha de bons instrumentos externos ao modelo. Contribuições – Discutir e ilustrar via simulações de Monte Carlo um número maior de problemas de endogeneidade, mostrando como eles são endereçados por diferentes estimadores para dados em painel, utilizando uma linguagem menos técnica e mais acessível para pesquisadores ainda não iniciados nos meandros da estimação de modelos dinâmicos para dados em painel.Objetivo – Descrever de forma sucinta e prática o uso de defasagens (e/ou diferenças temporais) dos regressores como variáveis instrumentais, mostrando, por meio da discussão teórica ilustrada por um exercício original de simulação, como sua combinação com a adequada modelagem dos efeitos fixos da empresa e do tempo pode endereçar não apenas o problema da endogeneidade dinâmica mas também aqueles decorrentes da presença de variáveis omitidas, erros de mensuração e simultaneidade entre variáveis dependentes e independentes. Metodologia – Simulação de Monte Carlo. Resultados – Os tradicionais métodos de MQO, EA e EF podem ser inconsistentes na presença de problemas de endogeneidade bastante plausíveis no contexto de finanças corporativas. Por outro lado, os métodos de estimação para dados em painel baseados no GMM que se utilizam de suposições de exogeneidade sequencial dos regressores apresentam-se como alternativas capazes de contornar eficazmente todos os problemas elencados (desde que as premissas adotadas sejam válidas), mesmo que o pesquisador não disponha de bons instrumentos externos ao modelo. Contribuições – Discutir e ilustrar via simulações de Monte Carlo um número maior de problemas de endogeneidade, mostrando como eles são endereçados por diferentes estimadores para dados em painel, utilizando uma linguagem menos técnica e mais acessível para pesquisadores ainda não iniciados nos meandros da estimação de modelos dinâmicos para dados em painelFECAP2020-05-15info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionAvaliado por paresapplication/pdfapplication/pdfhttps://rbgn.fecap.br/RBGN/article/view/405910.7819/rbgn.v22i0.4059Review of Business Management; Vol. 22 (2020): Special Issue - Corporate Finance; 437-461RBGN Revista Brasileira de Gestão de Negócios; Vol. 22 (2020): Special Issue - Corporate Finance; 437-461RBGN - Revista Brasileira de Gestão de Negócios; v. 22 (2020): Special Issue - Corporate Finance; 437-4611983-08071806-4892reponame:Revista Brasileira de Gestão de Negócios (Online)instname:Fundação Escola de Comércio Álvares Penteado (FECAP)instacron:FECAPengporhttps://rbgn.fecap.br/RBGN/article/view/4059/pdfhttps://rbgn.fecap.br/RBGN/article/view/4059/pdf_1Copyright (c) 2020 Review of Business Managementinfo:eu-repo/semantics/openAccessBarros, Lucas A. B. C.Castro, F. HenriqueSilveira, Alexandre Di Miceli daBergmann, Daniel Reed2021-07-20T19:24:01Zoai:ojs.emnuvens.com.br:article/4059Revistahttp://rbgn.fecap.br/RBGN/indexhttps://rbgn.fecap.br/RBGN/oai||jmauricio@fecap.br1983-08071806-4892opendoar:2021-07-20T19:24:01Revista Brasileira de Gestão de Negócios (Online) - Fundação Escola de Comércio Álvares Penteado (FECAP)false |
dc.title.none.fl_str_mv |
Endogeneity in panel data regressions: methodological guidance for corporate finance researchers Endogeneidade em regressões com dados em painel: Um guia metodológico para pesquisa em finanças corporativas Endogeneidade em regressões com dados em painel: Um guia metodológico para pesquisa em finanças corporativas |
title |
Endogeneity in panel data regressions: methodological guidance for corporate finance researchers |
spellingShingle |
Endogeneity in panel data regressions: methodological guidance for corporate finance researchers Barros, Lucas A. B. C. Corporate Finance Econometrics Panel Data GMM Finanças corporativas econometria dados em painel GMM. Finanças corporativas econometria dados em painel GMM. |
title_short |
Endogeneity in panel data regressions: methodological guidance for corporate finance researchers |
title_full |
Endogeneity in panel data regressions: methodological guidance for corporate finance researchers |
title_fullStr |
Endogeneity in panel data regressions: methodological guidance for corporate finance researchers |
title_full_unstemmed |
Endogeneity in panel data regressions: methodological guidance for corporate finance researchers |
title_sort |
Endogeneity in panel data regressions: methodological guidance for corporate finance researchers |
author |
Barros, Lucas A. B. C. |
author_facet |
Barros, Lucas A. B. C. Castro, F. Henrique Silveira, Alexandre Di Miceli da Bergmann, Daniel Reed |
author_role |
author |
author2 |
Castro, F. Henrique Silveira, Alexandre Di Miceli da Bergmann, Daniel Reed |
author2_role |
author author author |
dc.contributor.author.fl_str_mv |
Barros, Lucas A. B. C. Castro, F. Henrique Silveira, Alexandre Di Miceli da Bergmann, Daniel Reed |
dc.subject.por.fl_str_mv |
Corporate Finance Econometrics Panel Data GMM Finanças corporativas econometria dados em painel GMM. Finanças corporativas econometria dados em painel GMM. |
topic |
Corporate Finance Econometrics Panel Data GMM Finanças corporativas econometria dados em painel GMM. Finanças corporativas econometria dados em painel GMM. |
description |
Purpose –To describe the use of specific lags (and/or temporal differences) of the original regressors as instrumental variables in a succinct and practical way, showing, by means of a theoretical discussion illustrated by an original simulation exercise, how combining these with adequate modeling of firm and time fixed effects can address not only the dynamic endogeneity problem, but also those derived from the presence of omitted variables, measurement errors, and simultaneity between dependent and independent variables. Design/methodology/approach – Monte Carlo simulation Findings – The traditional OLS, RE, and FE estimators may be inconsistent in the presence of endogeneity problems that are quite plausible in the context of corporate finance. On the other hand, the estimation methods for panel data based on GMM that use assumptions of sequential exogeneity of the regressors present alternatives that are capable of effectively overcoming all the problems listed (provided these assumptions are valid) even if the researcher does not have good instrumental variables that are external to the model Originality/value –The paper discusses and illustrates a greater number of endogeneity problems, showing how they are addressed by different estimators for panel data, using less technical and more accessible language for researchers not yet initiated in the intricacies of estimating dynamic models for panel data. |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020-05-15 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Avaliado por pares |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://rbgn.fecap.br/RBGN/article/view/4059 10.7819/rbgn.v22i0.4059 |
url |
https://rbgn.fecap.br/RBGN/article/view/4059 |
identifier_str_mv |
10.7819/rbgn.v22i0.4059 |
dc.language.iso.fl_str_mv |
eng por |
language |
eng por |
dc.relation.none.fl_str_mv |
https://rbgn.fecap.br/RBGN/article/view/4059/pdf https://rbgn.fecap.br/RBGN/article/view/4059/pdf_1 |
dc.rights.driver.fl_str_mv |
Copyright (c) 2020 Review of Business Management info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Copyright (c) 2020 Review of Business Management |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
FECAP |
publisher.none.fl_str_mv |
FECAP |
dc.source.none.fl_str_mv |
Review of Business Management; Vol. 22 (2020): Special Issue - Corporate Finance; 437-461 RBGN Revista Brasileira de Gestão de Negócios; Vol. 22 (2020): Special Issue - Corporate Finance; 437-461 RBGN - Revista Brasileira de Gestão de Negócios; v. 22 (2020): Special Issue - Corporate Finance; 437-461 1983-0807 1806-4892 reponame:Revista Brasileira de Gestão de Negócios (Online) instname:Fundação Escola de Comércio Álvares Penteado (FECAP) instacron:FECAP |
instname_str |
Fundação Escola de Comércio Álvares Penteado (FECAP) |
instacron_str |
FECAP |
institution |
FECAP |
reponame_str |
Revista Brasileira de Gestão de Negócios (Online) |
collection |
Revista Brasileira de Gestão de Negócios (Online) |
repository.name.fl_str_mv |
Revista Brasileira de Gestão de Negócios (Online) - Fundação Escola de Comércio Álvares Penteado (FECAP) |
repository.mail.fl_str_mv |
||jmauricio@fecap.br |
_version_ |
1798942370317729792 |