Efeito crowding-out no Brasil
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional do FGV (FGV Repositório Digital) |
Texto Completo: | https://hdl.handle.net/10438/29522 |
Resumo: | Este trabalho buscou identificar se os investimentos públicos são importantes para explicar os investimentos privados e, a partir daí, verificar a existência dos efeitos crowding-in ou crowding-out entre o investimento público e privado no Brasil, para o período entre 2004 e 2017. Além disso, buscou-se quantificar esse impacto em âmbito nacional. Para isso, realizou uma estimação econométrica de seleção de variáveis, via técnicas de Machine Learning, utilizando o software R para as estimações. Foram selecionadas uma gama de variáveis macroeconômicas e séries cronológicas de palavras pesquisadas no Google, por meio do Google Trends, para identificar as variáveis mais importantes para explicar os investimentos privados. Após selecionadas as variáveis estimou-se um modelo de Mínimos Quadrados Ordinários (MQO), um modelo de Mínimos Quadrados Generalizados (MQG) e um modelo de Método Generalizado dos Momentos (GMM, na sigla em inglês) para verificar a condição de crowding-in ou crowding-out. Os resultados obtidos apontaram para uma relação de crowding-out (substitutibilidade) entre o investimento público e privado no Brasil entre 2004 e 2017, prevalecendo a disputa de recursos físicos e financeiros entre os setores. |
id |
FGV_539437e4d6ae9ae1b346ff5ac3d725e1 |
---|---|
oai_identifier_str |
oai:repositorio.fgv.br:10438/29522 |
network_acronym_str |
FGV |
network_name_str |
Repositório Institucional do FGV (FGV Repositório Digital) |
repository_id_str |
3974 |
spelling |
Oliveira, Rodrigo Nascente deEscolas::EESPRiella, GilSilva, Eduardo Borges daTabak, Benjamin Miranda2020-08-03T21:05:28Z2020-08-03T21:05:28Z2020-06-30https://hdl.handle.net/10438/29522Este trabalho buscou identificar se os investimentos públicos são importantes para explicar os investimentos privados e, a partir daí, verificar a existência dos efeitos crowding-in ou crowding-out entre o investimento público e privado no Brasil, para o período entre 2004 e 2017. Além disso, buscou-se quantificar esse impacto em âmbito nacional. Para isso, realizou uma estimação econométrica de seleção de variáveis, via técnicas de Machine Learning, utilizando o software R para as estimações. Foram selecionadas uma gama de variáveis macroeconômicas e séries cronológicas de palavras pesquisadas no Google, por meio do Google Trends, para identificar as variáveis mais importantes para explicar os investimentos privados. Após selecionadas as variáveis estimou-se um modelo de Mínimos Quadrados Ordinários (MQO), um modelo de Mínimos Quadrados Generalizados (MQG) e um modelo de Método Generalizado dos Momentos (GMM, na sigla em inglês) para verificar a condição de crowding-in ou crowding-out. Os resultados obtidos apontaram para uma relação de crowding-out (substitutibilidade) entre o investimento público e privado no Brasil entre 2004 e 2017, prevalecendo a disputa de recursos físicos e financeiros entre os setores.This work sought to identify whether public investments are important to explain private investments and from there on to verify the existence of crowding-in or crowding-out effects between public and private investment in Brazil for the period between 2004 and 2017. In addition, we sought to quantify this impact at the national level. For this, an econometric estimation of selection of variables was performed using Machine Learning techniques, using the software R for the estimations. A range of macroeconomic variables and time series of words searched on Google, through Google Trends, were selected to identify the most important variables to explain private investments. After selecting the variables, an Ordinary Least Squares (MQO) model, a Generalized Least Squares model (GLM) and a Generalized Method of Moments (GMM) model were used to verify the crowding-in or crowding-out condition. The results obtained pointed to a crowding-out (substitutability) relationship between public and private investment in Brazil between 2004 and 2017, with the dispute over physical and financial resources prevailing between the sectors.porMachine learningGoogle TrendsPrivate investmentsPublic investmentsInvestimentos privadosInvestimentos públicosEconomiaInvestimentos - BrasilInvestimentos públicos - BrasilAprendizado do computadorModelos econométricosEfeito crowding-out no Brasilinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional do FGV (FGV Repositório Digital)instname:Fundação Getulio Vargas (FGV)instacron:FGVLICENSElicense.txtlicense.txttext/plain; charset=utf-84707https://repositorio.fgv.br/bitstreams/9f6a815d-c1af-4c3f-8e2e-609d30d29486/downloaddfb340242cced38a6cca06c627998fa1MD52ORIGINALDissertação_Rodrigo_Nascente_de_Oliveira.pdfDissertação_Rodrigo_Nascente_de_Oliveira.pdfPDFapplication/pdf1028975https://repositorio.fgv.br/bitstreams/042d078e-1d35-4d82-b26f-525d38ef6bc7/downloadd6f2a098ee8e99cde425a455bceeac33MD51TEXTDissertação_Rodrigo_Nascente_de_Oliveira.pdf.txtDissertação_Rodrigo_Nascente_de_Oliveira.pdf.txtExtracted texttext/plain103607https://repositorio.fgv.br/bitstreams/33891798-265c-4d15-83f9-ca5c1b912f2b/downloada05c5f163b59298bd854425d77e15022MD55THUMBNAILDissertação_Rodrigo_Nascente_de_Oliveira.pdf.jpgDissertação_Rodrigo_Nascente_de_Oliveira.pdf.jpgGenerated Thumbnailimage/jpeg2264https://repositorio.fgv.br/bitstreams/fa36b09a-7deb-42c4-a59a-c29ecffb1900/download3c2903a72bf994aa878dfb0224970ba4MD5610438/295222023-11-25 11:27:08.747open.accessoai:repositorio.fgv.br:10438/29522https://repositorio.fgv.brRepositório InstitucionalPRIhttp://bibliotecadigital.fgv.br/dspace-oai/requestopendoar:39742023-11-25T11:27:08Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV)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 |
dc.title.por.fl_str_mv |
Efeito crowding-out no Brasil |
title |
Efeito crowding-out no Brasil |
spellingShingle |
Efeito crowding-out no Brasil Oliveira, Rodrigo Nascente de Machine learning Google Trends Private investments Public investments Investimentos privados Investimentos públicos Economia Investimentos - Brasil Investimentos públicos - Brasil Aprendizado do computador Modelos econométricos |
title_short |
Efeito crowding-out no Brasil |
title_full |
Efeito crowding-out no Brasil |
title_fullStr |
Efeito crowding-out no Brasil |
title_full_unstemmed |
Efeito crowding-out no Brasil |
title_sort |
Efeito crowding-out no Brasil |
author |
Oliveira, Rodrigo Nascente de |
author_facet |
Oliveira, Rodrigo Nascente de |
author_role |
author |
dc.contributor.unidadefgv.por.fl_str_mv |
Escolas::EESP |
dc.contributor.member.none.fl_str_mv |
Riella, Gil Silva, Eduardo Borges da |
dc.contributor.author.fl_str_mv |
Oliveira, Rodrigo Nascente de |
dc.contributor.advisor1.fl_str_mv |
Tabak, Benjamin Miranda |
contributor_str_mv |
Tabak, Benjamin Miranda |
dc.subject.eng.fl_str_mv |
Machine learning Google Trends Private investments Public investments |
topic |
Machine learning Google Trends Private investments Public investments Investimentos privados Investimentos públicos Economia Investimentos - Brasil Investimentos públicos - Brasil Aprendizado do computador Modelos econométricos |
dc.subject.por.fl_str_mv |
Investimentos privados Investimentos públicos |
dc.subject.area.por.fl_str_mv |
Economia |
dc.subject.bibliodata.por.fl_str_mv |
Investimentos - Brasil Investimentos públicos - Brasil Aprendizado do computador Modelos econométricos |
description |
Este trabalho buscou identificar se os investimentos públicos são importantes para explicar os investimentos privados e, a partir daí, verificar a existência dos efeitos crowding-in ou crowding-out entre o investimento público e privado no Brasil, para o período entre 2004 e 2017. Além disso, buscou-se quantificar esse impacto em âmbito nacional. Para isso, realizou uma estimação econométrica de seleção de variáveis, via técnicas de Machine Learning, utilizando o software R para as estimações. Foram selecionadas uma gama de variáveis macroeconômicas e séries cronológicas de palavras pesquisadas no Google, por meio do Google Trends, para identificar as variáveis mais importantes para explicar os investimentos privados. Após selecionadas as variáveis estimou-se um modelo de Mínimos Quadrados Ordinários (MQO), um modelo de Mínimos Quadrados Generalizados (MQG) e um modelo de Método Generalizado dos Momentos (GMM, na sigla em inglês) para verificar a condição de crowding-in ou crowding-out. Os resultados obtidos apontaram para uma relação de crowding-out (substitutibilidade) entre o investimento público e privado no Brasil entre 2004 e 2017, prevalecendo a disputa de recursos físicos e financeiros entre os setores. |
publishDate |
2020 |
dc.date.accessioned.fl_str_mv |
2020-08-03T21:05:28Z |
dc.date.available.fl_str_mv |
2020-08-03T21:05:28Z |
dc.date.issued.fl_str_mv |
2020-06-30 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://hdl.handle.net/10438/29522 |
url |
https://hdl.handle.net/10438/29522 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional do FGV (FGV Repositório Digital) instname:Fundação Getulio Vargas (FGV) instacron:FGV |
instname_str |
Fundação Getulio Vargas (FGV) |
instacron_str |
FGV |
institution |
FGV |
reponame_str |
Repositório Institucional do FGV (FGV Repositório Digital) |
collection |
Repositório Institucional do FGV (FGV Repositório Digital) |
bitstream.url.fl_str_mv |
https://repositorio.fgv.br/bitstreams/9f6a815d-c1af-4c3f-8e2e-609d30d29486/download https://repositorio.fgv.br/bitstreams/042d078e-1d35-4d82-b26f-525d38ef6bc7/download https://repositorio.fgv.br/bitstreams/33891798-265c-4d15-83f9-ca5c1b912f2b/download https://repositorio.fgv.br/bitstreams/fa36b09a-7deb-42c4-a59a-c29ecffb1900/download |
bitstream.checksum.fl_str_mv |
dfb340242cced38a6cca06c627998fa1 d6f2a098ee8e99cde425a455bceeac33 a05c5f163b59298bd854425d77e15022 3c2903a72bf994aa878dfb0224970ba4 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV) |
repository.mail.fl_str_mv |
|
_version_ |
1810023653923880960 |